Jean-Louis Le Mouëlら8名の著者による44ページの論文は、確率論の歴史を単なる数学史としてではなく、理性そのものの進化を映す鏡として解釈している。論文は、17世紀のパスカルとフェルマーによる偶然のゲームの研究から、現代のベイズ推論に至る長い道のりをたどる。
初期の段階では、確率論は主に組合せ的対称性を扱い、賭けにおける公平なオッズの計算基盤を提供した。その後、ベイズとラプラスがこれを帰納的論理の道具へと発展させ、確率は経験から学び信念を更新する枠組みとなった。ポアソンによる事象の統計研究は確率を社会現象へと応用し、コルモゴロフの公理系は20世紀に確率論の厳密な数学的基礎を確立した。これらの発展は、確率が不確実性、時間、整合性を科学的判断に取り込んできたことを示している。
この軌跡は、現代のベイズ推論において成熟した認識論的形態に達する。特にタラントラの「確率は情報の論理である」という見解では、事前知識とデータがベイズの定理を通じて整合的に結合され、不確実性の定量的表現が形成される。しかし論文はこの枠組みの限界も指摘する。確率は明確に定義された命題に関する不確実性を定量化できるが、それらの命題を記述する概念の曖昧さを形式化することはできない。言い換えれば、確率はランダム性の処理に優れるが、意味論的曖昧さには無力である。
そこで論文は、理性が確率を超えてどのように拡張されるかを検討する。ファジィ論理は、段階的な意味と定性的判断を扱う厳密な言語として提示され、命題が部分的な真理値を持つことを可能にし、自然言語の曖昧な概念を捉える。一方、深層学習は、明示的な論理推論ではなく、幾何学的補間と最適化に基づく独自の予測モードとして分析される。深層学習は高次元空間での補間により複雑な関数を近似し、パターン認識と汎化能力に優れるが、不確実性や推論過程の明示的表現を欠く。
確率、ファジィ論理、深層学習を共通の歴史的・認識論的視点に位置づけることで、論文はそれぞれの役割と限界を明らかにする。そして、現代の科学的理性はデータ駆動型の性能だけに還元されるべきではなく、不確実性、曖昧さ、推論の明示的な表現を必要とすると主張する。この統合的視点は、科学推論における異なる計算パラダイムの位置を理解し、より包括的な理性の枠組みを構築するための基礎を提供する。