THE DATA DETECTIVE_TIM HARFORD 「彼は私たちの世界を照らす物語を語る天才です。」 —マルコム・グラッドウェル 『データ探偵』 統計を理解するための10の簡単なルール 著者の称賛の声 『データ探偵』について 「ハーフォードは、データが私たちをどのように欺くかを巧みに導いてくれます。...『データ探偵』の中心には数字がありますが、力を持つのは感情です。それは私たちがデータにどう反応するか、そしてそもそもそれをどう受け入れるかに影響を与えます。」 —ウォール・ストリート・ジャーナル 「ハーフォードは、統計が世界を明確かつ正確に照らすために使われるべきだと言うのは正しいです。彼らは私たちの人間的な誤りを補う手助けをしてくれます。」 —ニューヨーカー 「『データ探偵』はハーフォードの新たな成功作となること間違いなしで、特に現在の状況において、読者が新しく意義のある方法でデータや統計に踏み込む自信を与えてくれる強力なツールです。」 —ブックリスト 「著者は、自身の経験と研究に基づいて、統計は私たちが世界を理解する手助けとなる道具であるべきだと説得力を持って主張しています。...『データ探偵』は、私たちが直面している重要な問題に関する統計の洪水の中で、まさに必要な本です。...この複雑な世界についての情報を理解したいと考えるすべての人にとって必読です。」 —ファイナンス・アンド・ディベロップメント 「私が長い間読んできた中で最も素晴らしい物語のコレクションの一つです...魅力的です。」 —スティーブン・D・レヴィット、『フリーコノミクス』の共著者 「社会科学について、ティム・ハーフォードほど明快で機知に富んだ文章を書く人は少ないです。統計に圧倒されている方やデータに怯えている方には、この楽しい本は必読です。」 —ダニエル・H・ピンク、『When』と『Drive』の著者 「日常生活の統計をこれほど魅力的で楽しく描くのはティム・ハーフォードだけです。」 —ビル・ブライソン、『ボディ』の著者 「ティム・ハーフォードはノンフィクションの最高の作家の一人です。これはまた素晴らしい読み物で、賢明で人間的、そして何よりも啓発的です。統計や数字、そしてそれをどう理解するかに関して、彼以上の人はいません。」 —マシュー・サイード、『反逆のアイデア』の著者 「統計を使うための非常に楽しいガイドです。私は大好きでした。」 —マット・パーカー、『ハンブル・パイ』の著者 「私たちは、事実、理性、数字、明瞭さ、真実がなぜ重要で、どれほど美しいものであり、自然界や人間社会を理解する上でどれほど重要であるかを思い出させてくれる、素晴らしく読みやすく、明晰で機知に富んだ権威あるティム・ハーフォードを持っていることに非常に恵まれています。すべての政治家とジャーナリストはこの本を読むべきです。」 —スティーブン・フライ 「『データ探偵』において、ティム・ハーフォードは読者を楽しませ、教え続けます。彼の統計的直感と知恵は一見深遠で広範です。彼は私たちの現代の過ちに対する歴史的な前例を見つけ、それは楽しく啓発的で、私たちの未来に対して絶望するのではなく希望を持たせてくれます—それ自体が偉業です。」 —キャシー・オニール、『数学的破壊兵器』の著者 「ティム・ハーフォードの独特のウィットと魅力的なストーリーテリングのおかげで、私たちが日々直面する統計を理解するための高度なコースを受けていることに気づかないかもしれません。『データ探偵』は確かに楽しい本ですが、同時に本当に重要な本でもあります。」 —デイビッド・エプスタイン（『レンジ』の著者） 「ティム・ハーフォードは、私たち人間がしばしば圧倒され、恐れを抱くデータの世界への素晴らしいガイドです。この数字、論理、そして真の好奇心の力についての面白く、引き込まれる本は、ハーフォード自身の言葉を借りれば、『統計の美しさに対する私の驚きの感覚を目覚めさせてくれた』ものです。」 —マリア・コニコバ（『ザ・ビッグgest ブラフ』の著者） 「特徴的な明快さ、隠された知的深さ、皮肉なユーモア、そして大きな統一的アイデアを持つ、私たちの最も優れた経済学者および統計コミュニケーターの一人からの作品です。」 —インディペンデント（ロンドン） 『データ探偵』 統計を理解するための10の簡単なルール ティム・ハーフォード リバーヘッドブックス ニューヨーク 目次 序章「統計で嘘をつく方法」 ルール1「自分の感情を探る」 ルール2「自分の経験を考える」 ルール3「早まった数え上げを避ける」 ルール4「一歩引いて眺めを楽しむ」 ルール5「背景を知る」 ルール6「誰が欠けているかを尋ねる」 ルール7「コンピュータがノーと言ったときは透明性を求める」 ルール8「統計の基盤を当然と思わない」 ルール9「誤情報も美しいことを忘れない」 ルール10「オープンマインドを保つ」 ゴールデンルール「好奇心を持つ」 謝辞 注釈 クレジット 索引 序章 「統計で嘘をつく方法」 本当に重要な問題は…何かを偽であると証明することではなく、真の対象が本物であることを証明することです。© ウンベルト・エーコ 赤ちゃんを運ぶコウノトリの古い話をご存知ですか？それは本当です。私は統計でそれを証明できます。各国のコウノトリの推定人口を見て、次に毎年生まれる赤ちゃんの数を見てください。ヨーロッパ全体で、非常に強い関係が見られます。コウノトリが多いほど赤ちゃんが多く、コウノトリが少ないほど赤ちゃんも少ない。データのパターンは、学術雑誌に掲載されるための従来の基準を十分に満たすほど強いものです。実際、「コウノトリが赤ちゃんを運ぶ（p = 0.008）」というタイトルの科学論文が発表されています。あまり技術的にならずに言えば、これらのゼロは偶然ではないことを示しています。 おそらく、あなたはすでにこのトリックに気づいているでしょう。ドイツ、ポーランド、トルコなどの大きなヨーロッパの国々は、多くの赤ちゃんと多くのコウノトリがいます。一方、アルバニアやデンマークのような小さな国々は、赤ちゃんもコウノトリも少ないです。データには明確なパターンがありますが、そのパターンはコウノトリが赤ちゃんを生む原因であることを意味するわけではありません。統計を使えば、何でも「証明」できるようです—コウノトリが赤ちゃんを運ぶことさえも。『統計で嘘をつく方法』を読めば、あなたは確かにその印象を受けるでしょう。 1954年に、あまり知られていないアメリカのフリーランスジャーナリスト、ダレル・ハフによって出版されたこの皮肉に満ちた小さな本は、すぐにニューヨーク・タイムズから絶賛され、統計に関する本の中で最も人気のある作品となり、100万部以上を売り上げました。この本は、その人気と称賛に値します。統計的なコミュニケーションの驚異です。また、ダレル・ハフを「オタクの伝説」にしました。疫学者でベストセラー作家のベン・ゴールドエーカーは、「ハフ」が「素晴らしい作品」を書いたと称賛しています。アメリカの作家チャールズ・ウィーランは、自身の著書『裸の統計』をハフの「古典」への「オマージュ」と表現しています。権威ある学術誌『Statistical Science』は、出版から50年後にハフの回顧展を開催しました。私もかつては同じように感じていました。ティーンエイジャーの頃、私は『How to Lie with Statistics』を読むのが大好きでした。明るく鋭い内容で、遊び心のある漫画が随所に挿入されたこの本は、統計操作の裏側を垣間見せてくれ、私が再び騙されないように詐欺の手口を教えてくれました。 ハフは多くの例を挙げています。彼はまず、イェール大学の卒業生がどれほどの収入を得ているかを考察します。1950年の調査によれば、1924年の卒業生の平均年収は、現在の価値で約50万ドルに達しているとのことです。これは信じるにはちょうど良いくらいの数字です—結局、イェールですから。しかし、年間50万ドルは大金です。本当にそれが平均なのでしょうか？いいえ。ハフは、この「信じがたいほどの好成績」が自己申告データから来ていることを説明します。つまり、人々は虚栄心のために収入を誇張することが予想されるのです。さらに、この調査は回答した人々だけを対象としており、イェールが見つけられる卒業生のみです。そして、簡単に見つかるのは誰でしょうか？裕福で有名な人々です。「イェールの名簿に『住所不明』と記載されている小さな迷える羊たちは誰なのか？」とハフは問いかけます。イェールはミリオネアの卒業生を追跡しますが、その他の卒業生は簡単に見逃されるかもしれません。これらすべては、調査が大幅に膨らんだ見解を示すことを意味します。 ハフは、選ばれた研究に基づく歯磨き粉の広告から、色を塗ることで意味が変わる地図まで、さまざまな統計的犯罪を軽快に進めていきます。ハフが書いたように、「詐欺師たちはすでにこれらの手口を知っている。正直な人々は自己防衛のためにそれを学ばなければならない。」 『How to Lie with Statistics』を読むと、数字がどのようにあなたを欺くことができるかについて、より懐疑的な視点を持つことができるでしょう。これは巧妙で教育的な本です。しかし、私は10年以上にわたり統計的なアイデアを伝え、数値的な主張を事実確認してきました。そして、年月が経つにつれて、『How to Lie with Statistics』とその小さな本が象徴するものについて、ますます不安を感じるようになりました。統計について、そして私たちについて、最も成功したこのテーマの本が、表紙から裏表紙まで誤情報に対する警告であることは、何を意味するのでしょうか。ダレル・ハフは1954年に『How to Lie with Statistics』を出版しました。 しかし、その年に別の出来事が起こりました。二人のイギリスの研究者、リチャード・ドールとオースティン・ブラッドフォード・ヒルが、喫煙が肺癌を引き起こすことを示す最初の説得力のある研究の一つを発表したのです。ドールとヒルは、統計なしではこのことを解明することはできませんでした。イギリスでは、肺癌の発生率がわずか15年で6倍に増加し、1950年には世界で最も高い水準に達しました。また、肺癌による死亡者数は、結核による死亡者数を初めて上回りました。この現象に気づくためには、統計的な視点が必要でした。単独の医師がこのことを知ることは、単なる逸話的な印象以上のものにはなりませんでした。喫煙が原因であることを示すためには、再び統計が不可欠でした。多くの人々は、自動車が肺癌の増加の原因だと考えていました。それは理にかなったことでした。20世紀の前半、自動車は一般的になり、その排気ガスや新しい道路のタールから発生する奇妙に魅力的な蒸気が問題視されました。同時に肺癌も増加しました。真実を見極めること、つまり肺癌の原因が自動車ではなく喫煙であることを理解するには、単に周囲を見回すだけでは不十分でした。研究者たちは、注意深く数を数え、比較する必要がありました。要するに、統計が必要だったのです。喫煙と癌の仮説は多くの人々から懐疑的に見られましたが、全く新しいものではありませんでした。例えば、ナチス・ドイツでは、喫煙が危険であるという証拠を示すための大規模な研究が行われていました。アドルフ・ヒトラーは喫煙を嫌っていました。ヒトラーは、ドイツの医師たちが喫煙が癌を引き起こすことを発見したとき、さぞかし喜んだことでしょう。しかし、明らかな理由から「ナチスに嫌われている」ということは、タバコの人気には何の障害にもなりませんでした。そこで、ドールとヒルは自らの統計調査を行うことに決めました。リチャード・ドールは、ハンサムで静かで、常に礼儀正しい若者でした。彼は第二次世界大戦から帰還し、統計が医学を革命的に変えることができるというアイデアを抱えていました。彼のメンターであるオースティン・ブラッドフォード・ヒルは、第一次世界大戦でパイロットを務めた後、結核でほぼ命を落としました。ヒルはカリスマ的な人物で、鋭いウィットを持ち、20世紀の最高の医療統計学者と称されていました。彼らのデータ探偵としての共同作業は、命を救うことになるのです。この二人の喫煙と癌に関する最初の研究は、1948年の元日に始まりました。ロンドン北西部の20の病院を中心に行われ、リチャード・ドールが責任者でした。癌の患者が病院に到着するたびに、看護師たちはランダムに同じ病院にいる同じ性別でほぼ同じ年齢の別の人を見つけ出しました。癌患者とその対照者は、住んでいる場所や働いている場所、ライフスタイルや食生活、喫煙の歴史について深く質問されました。週ごと、月ごとに、結果が少しずつ集まってきました。1949年10月、試験が始まってから2年も経たないうちに、ドールは喫煙をやめました。彼は37歳で、成人になってからずっと喫煙者でした。 ヒルとドールは、重度の喫煙が肺癌のリスクを単に2倍、3倍、さらには4倍にするだけでなく、実際には16倍にすることを発見しました。1950年9月、ヒルとドールはその結果を発表し、すぐにより大規模で長期的、かつ野心的な調査に着手しました。ヒルはイギリス中の医師59,600人全員に手紙を書き、健康状態や喫煙習慣についての「質問票」を記入するよう依頼しました。ドールとヒルは、医師たちが自分たちの喫煙状況を把握できると考えました。医師たちは医療登録に残るため、常に見つけやすい存在です。そして、医師が亡くなった場合、死因についての良い診断が期待できます。ヒルとドールがするべきことは、ただ待つことでした。4万人以上の医師がヒルの依頼に応じましたが、全員が喜んでいたわけではありません。当時、喫煙は非常に一般的であり、ドールとヒルの初期サンプルに含まれる男性医師の85％が喫煙者であることは驚くべきことではありませんでした。誰も、自分が自分をゆっくりと殺しているかもしれないと言われるのは好ましくありません。特に、その方法が非常に中毒性のあるものであればなおさらです。ある医師がロンドンのパーティーでヒルに詰め寄りました。「あなたが私たちに喫煙をやめさせようとしている人ですね」と彼は皮肉を込めて言いました。「全くその通りではありません」とヒルは答えました。彼自身もまだパイプを吸っていたのです。「あなたが喫煙を続けることでどう死ぬのかに興味があります。喫煙をやめることでどう死ぬのかにも興味があります。だから、自分で選んでください。やめるか続けるかはあなたの自由です。私にはどちらでも構いません。あなたの死はどちらにしても記録しますから。」ヒルは元々経済学を学んでいたことをお話ししましたか？彼がその魅力を学んだ場所です。医師に関する研究は数十年にわたって続きましたが、ドールとヒルは十分なデータを集めて明確な結論を発表することができました：喫煙は肺癌を引き起こし、喫煙量が多いほどリスクが高くなるということです。さらに新たな発見として、喫煙は心臓発作も引き起こすことが分かりました。医師たちは愚か者ではありません。1954年、研究結果が医師たち自身の専門誌である『British Medical Journal』に掲載されると、彼らは自分たちで結論を導き出すことができました。その年、ヒルは喫煙をやめ、多くの同僚医師も喫煙をやめました。医師たちは、イギリスで最初に大規模に喫煙をやめた特定の社会集団となりました。1954年には、統計に対する2つの視点が同時に浮上しました。ダレル・ハフの『How to Lie with Statistics』の多くの読者にとって、統計は詐欺師やチートで満ちたゲームであり、悪党たちのトリックを見抜くのは面白いことでした。しかし、オースティン・ブラッドフォード・ヒルとリチャード・ドールにとって、統計は笑い事ではありませんでした。彼らのゲームは想像し得る最高の賭けがかかっており、正直に、そして適切に行われれば命を救うことができるのです。2020年春までに、厳密でタイムリー、かつ正直な統計が持つ重要性が明らかになりました。新型コロナウイルスが世界中に広がっていたのです。政治家たちは数十年にわたる最も重要な決定を迅速に下さなければなりませんでした。 これらの重要な決定は、疫学者、医療統計学者、経済学者によるデータの探求に依存していました。数千万の命が危険にさらされている可能性があり、数十億人の生計も同様でした。データの探偵たちは、世界が直面している状況を把握しようと必死に取り組んでいましたが、証拠は十分に早く集まってきませんでした。疫学者のジョン・イオアニディスは、2020年3月中旬にCOVID-19が「世紀に一度の証拠の大失敗かもしれない」と書きました。私たちは暗闇の中で生死を分ける決定を下していました。この問題は特にアメリカで顕著でした。アメリカがウイルスの検査を拡大するのに苦労していたことはよく知られていますが、何が起こっているのかを把握するための統計的な基盤が欠けていたことはあまり認識されていませんでした。「数ヶ月間、アメリカ政府はCOVID-19にかかっている人の数、病院に入院している人の数、または死亡した人の数を把握していなかった」と、COVID Tracking Projectを立ち上げたジャーナリストのロビンソン・マイヤーとアレクシス・マドリガルは書いています。このプロジェクトは、統計システムが崩壊するのを防ぐための英雄的な努力でした。彼らは続けて、「私たちは、アメリカ政府の初期の失敗がこの全体の惨事の転換点であると認識するようになりました」と述べています。 私の本の中心的な主張の一つである「統計は重要である」ということが、こうした形で証明されるのは悲しいことでした。数字は政治的な議論を勝ち取るために使われたり、歯磨き粉を売るために使われたりしますが、その最も重要な機能は私たちの周囲の世界を理解する手助けをすることです。もし私たちがそれを軽視したり、当然のこととして受け入れたりすれば、盲目的に行動することになります。その結果、人々が命を落とすことになります。パンデミックの初期の数週間には、いくつかの悲惨な統計的失敗がありましたが、注目すべき成功もありました。データの探偵たちはすぐにウイルスとそれが引き起こす病気の主要な特徴のいくつかを描き始めました。多くの人々が症状が現れる前に感染していることに気づきました。また、症状が全く現れない人もいることが分かりましたが、その数は重要な問題でした（今では約4分の1だと考えています。しかし、少し考えてみると、慎重な探求なしにはこの質問に答えるのは難しいことが分かります）。私たちはすぐに、高齢者が若者よりもはるかにリスクが高いことを理解しました。感染致死率についても合理的な推定が得られました。高齢者の多い裕福な国では、約1％でした。この数字は激しく議論されており、医療科学が進歩しウイルスが変異するにつれて変わります。しかし、初期の推定は驚くほどよく当てはまりました。特定の謎は残っていましたが、時間が経つにつれて、テストを拡大し、症例研究を調査し、ウイルスの変異する遺伝子コードを追跡することができるようになり、状況はますます明確になっていきました。 テストにこれほどまでに重点が置かれていたのは、決して無意味ではなかった。それは、データを集めることで目に見えない脅威を可視化する手段だったからだ。特に、イギリスの国立統計局のように、テストが適切に組織され、分析されている場合にはなおさらである。統計は、パンデミックにおけるレーダーのようなものであり、良い統計は命を救った。2020年初頭、オックスフォード大学の2人の医学教授が、急速に迫っている深刻な問題の解決に取り組み始めた。それは、COVIDに対する治療法に関する良好な証拠が不足しているという問題だった。教授たち、ピーター・ホービーとマーチン・ランドレイは、世界中の集中治療医が、どの治療法が効果的かを評価する体系的な方法もなく、必死にさまざまな治療法を試みていることに気づいた。彼らは、RECOVERY試験を設立し、イギリスの病院に入院しているすべての同意したCOVID患者が、受けている治療の一環として、有望な治療法をランダムに割り当てられることにした。先を見越してシンプルなシステムを構築することで、ホービーとランドレイは非常に迅速に高品質な証拠を生み出し、例えば、ヒドロキシクロロキンが効果的な治療法ではないこと、しかし安価なステロイドであるデキサメタゾンが命を救うものであることを示した。デキサメタゾンだけで、パンデミックの最初の年に世界中で100万人の命が救われたと推定されているが、RECOVERYがなければ、それが有害なのか有益なのかを知ることはできず、広く使用されることもなかっただろう。（ランドレイ教授に100万人の命を救った気持ちを尋ねたところ、彼は非常にイギリス的に、実際の数字は70万人くらいだと思うとつぶやいた。） この本のアウトラインは、最初の人間がSARS-CoV-2に感染するずっと前に書かれた。致命的なパンデミックが、私が何年も主張してきた3つの主要な論点をいかに強化したかを見ることに、私は何の満足感も得られなかった。第一に、私たちの感情、先入観、政治的な立場は、証拠の解釈を大きく歪める可能性がある。この問題は、本書の主張の中心であり、第一章の焦点でもある。このプロセスは、アメリカのパンデミックへの対応において見ることができる。トランプ大統領は2020年2月末に「消えるだろう。ある日、奇跡のように消える」と発表した。願望的思考は強力である。4週間後、トランプ氏はイースターに皆を教会に連れて行くことについて希望を持って話していた。彼が辞任する頃には、約40万人のアメリカ人が亡くなっていた。トランプは意見を二分する人物であり、彼が「アイスクリームは晴れた日にぴったりのごちそうだ」と言ったら、あるアメリカ人はアイスクリーム以外のものを食べることを拒否し、他の人々はアイスクリーム店の前で大声で抗議するだろうと疑われる。COVIDも同様だった。 マスクを決して着用しないという歪んだ無謀な拒否は、トランプ支持者の多くにとって誇りの象徴となりました。一方で、彼の反対者たちはその逆の極端に走りました。あるリベラルなアメリカのジャーナリストが、「イギリスのパンデミックは制御不能である」とツイートしていたのを見かけました。その理由は、公園を歩く人々がマスクを着用していなかったからだと説明していました。イギリス人の目には、そのツイートはただただ困惑させるものでした。証拠は、マスクを着けていようがいまいが、散歩中にウイルスを感染させるリスクは非常に低いことを示しています。ツイートが投稿された2021年1月下旬の時点で、イギリスの感染者数も制御不能ではなく、むしろ急速に減少していました。このツイートは、責任あるマスク使用についての政治的に分極化した戦いの一撃としてしか理解できませんでした。どちらの陣営も真実を見極めることには興味がなかったのです。逆説的に言えば、遠くから部族主義を見つけるのはずっと簡単です。共和党や民主党の部族に属していると、戦いに巻き込まれすぎて冷静に考えることができません。しかし、困惑した外部者の部族に属していると、私のようなイギリスの著者のように、状況を客観的に見ることが容易になります。 次に、政治的決定が私たちが収集し共有する統計に影響を与え、何が無視されたり隠されたりするかを形作るという点です。危機の初期段階では、地政学的な議論が正直な統計の自由な流れを妨げたようです。この問題については第8章で再び触れます。台湾は、2019年12月末に人から人への感染に関する重要な手がかりを世界保健機関（WHO）に提供したと不満を述べていますが、1月中旬までWHOは中国で人から人への感染の証拠は見つかっていないと安心させるツイートをしていました。（台湾は中国がその領土に対する主権を主張し、独立した国家として扱われないことを要求しているため、WHOのメンバーではありません。この障害が、遅れの原因となった可能性があります。） これは重要なことだったのでしょうか？ほぼ確実にそうです。感染者数が数日ごとに倍増している中で、もし数週間の警告があったら何が違ったかは決してわかりません。これは単なる政治の問題ではなく、政策の問題でもあります。ある人々、場所、機関は、堅実な統計を真剣に受け止め、適切なデータが収集され整理されるように行動を起こしました。一方で、他の人々、場所、機関は数字を当然のこととして受け止め、その結果は悲惨なものでした。 これが私がずっと言いたかった第三のポイントに繋がります。統計は、他の方法では見ることのできないものを私たちに示してくれます。それは新聞記事の飾りや、政治的議論の武器ではありません。アメリカでの初期のデータの失敗や、RECOVERY試験のような成功から学んだことは、堅実な統計と不正確または欠落したデータの違いが、生死を分けることがあるということです。 COVIDトラッキングプロジェクトのアレクシス・マドリガルは、アメリカにはパンデミック対策計画があったものの、その計画は高品質なデータの入手可能性に基づいていたと教えてくれました。しかし、残念ながら、そのデータを収集するためのシステムは存在せず、計画にはその問題を解決する提案もありませんでした。私たちが通常、正確で体系的に収集された数字を当然のこととして受け入れていることを示す、これ以上の例は想像しがたいです。コロナウイルス以前のさまざまな重要な問題に関する統計は、勤勉な統計学者たちによって長年にわたり丹念に集められ、しばしば世界中どこでも無料でダウンロードできるように提供されています。それにもかかわらず、私たちはその贅沢に甘んじ、「嘘、ひどい嘘、そして統計」を軽視してしまっています。COVID-19のケースは、統計が単に存在しないときに状況がどれほど絶望的になり得るかを思い出させてくれます。 ダレル・ハフは、統計を舞台のマジックのように見せました。それは楽しいものですが、真剣に受け止めるべきではないという印象を与えました。コロナウイルスが流行するずっと前から、私はこの態度が今日の私たちにとって役立たないのではないかと心配していました。私たちは、統計が世界を理解する手助けになるかもしれないという感覚を失ってしまったのです。すべての統計が嘘だと感じているわけではありませんが、真実を見極める力がないと感じています。そのため、私たちは自分が信じたいことを信じ、残りの部分についてはハフの反応を採用します。それは厳しい笑い、肩をすくめること、あるいはその両方です。この統計に対するシニシズムは、単なる恥ではなく悲劇です。もし私たちが、真実を見極める力がもはやないという感覚に屈してしまうなら、私たちは重要な道具を放棄してしまったことになります。それは、タバコが致命的であることを示してくれた道具です。それは、コロナウイルス危機を乗り越えるための唯一の本当のチャンスであり、より広くは私たちが住む複雑な世界を理解するための道具でもあります。しかし、私たちが不都合な統計的主張を反射的に退けるようになれば、その道具は無用のものとなります。もちろん、私たちは無邪気に信じるべきではありません。 良い統計はトリックではありませんが、ある種の魔法です。良い統計は煙と鏡ではなく、実際には私たちの視界をより明確にしてくれます。良い統計は、天文学者にとっての望遠鏡、細菌学者にとっての顕微鏡、放射線科医にとってのX線のようなものです。私たちがそれを許すなら、良い統計は私たちの周りの世界や自分自身について、他の方法では見ることができない大きなことや小さなことを見せてくれます。この本の主な目的は、あなたにダールとヒルのビジョンを受け入れてもらい、ハフのシニシズムを捨ててもらうことです。私は、統計が現実を明確かつ正直に照らすために使えることを納得させたいのです。そのためには、あなた自身で統計的推論を使い、メディアやソーシャルメディア、日常会話の中での主張を評価できることを示す必要があります。私は、あなたがゼロから主張を分析する手助けをしたいと思っています。そして同じくらい重要なのは、信頼できる助けを見つける方法を見つけることです。良いニュースは、これが楽しいものになるということです。 統計の物語の真相にたどり着くことには、本当に満足感があります。自信を深め、好奇心を満たしながら進んでいくことで、何かを習得したという感覚を得るのです。傍観者として冷笑するのではなく、理解することが重要です。ダレル・ハフのアプローチは、表面的には魅力的ですが、時間が経つにつれて退屈になり、体にも良くありません。しかし、統計のジャンクフードの対極は、生のオートミールやカブではありません。それは、満足感があり、楽しく多様なメニューです。2007年にBBCから「More or Less」というラジオ番組をプレゼンテーションするよう依頼されたときから、私が学んできたことです。この番組は、ニュースや生活の中の数字についてのものでした。番組の創設者であるジャーナリストのマイケル・ブラストランドと経済学者のアンドリュー・ディルノットは、次のステップに進んでいました。私は、BBCが想像していたほどその役割にふさわしい資格を持っていませんでした。私は統計ではなく経済理論を学んでいたのです。確かに、その訓練は数字に対する自信を与えてくれましたが、それは主に防御的なものでした。欠陥やトリックを見抜くことは学びましたが、それ以上のことはあまりできませんでした。そこで、ダレル・ハフの視点からの旅が始まりました。毎週、同僚たちと私は、政治家の口から出た統計的主張や新聞に大きく印刷された主張を評価していました。それらの主張はしばしば真実を歪めていましたが、単なる事実確認だけでは満足のいく回答にはなりませんでした。各主張の背後には、真実であれ偽りであれ、探求し説明するに値する魅力的な世界が広がっていることを発見しました。脳卒中の発生率、負債が経済成長に与える影響の証拠、さらには『ホビットの冒険』における「彼女」という言葉の使用回数を評価する際、数字は世界を照らし出すこともあれば、隠すこともありました。コロナウイルスの流行が鮮明に示したように、私たちは個人、組織、そして社会として、意思決定を形作るために信頼できる数字に依存しています。そして、コロナウイルスと同様に、統計はしばしば危機に直面したときにのみ収集されます。失業率を考えてみてください。これは、仕事を求めているが持っていない人の数を示す指標です。現在では、経済の状態を理解したい政府にとって基本的な情報ですが、1920年には、誰も仕事を探している人の数を教えることができませんでした。深刻な不況がその質問を政治的に重要なものにしたときに初めて、政府はその答えを出すためのデータを収集し始めました。私たちの大きくて混乱した世界は、数字に注意を払うことでしか答えられない質問で満ちています。フェイスブックは私たちを幸せにするのか、それとも悲しくさせるのか、そして異なる人々が異なる反応を示す理由を予測できるのでしょうか？絶滅の危機に瀕している種はどれくらいあり、それは全体の大きな割合を占めているのか、原因は気候変動、人間の農業の拡大、あるいは全く別の何かなのか？人間の革新は加速しているのか、それとも減速しているのか？オピオイド危機が中部アメリカの健康に与える影響はどれほど深刻なのか？ ティーンエイジャーの飲酒は少なくなっているのか、もしそうならその理由は何なのか？「More or Less」のファンが私たちが「虚偽の統計を暴いた」と褒めてくれるたびに、私は次第に不安を感じるようになりました。確かに私たちはそれを行い、楽しかったのですが、仕事を通じて学ぶうちに、本当の喜びは虚偽を打ち砕くことではなく、真実を理解しようとすることにあると気づきました。「More or Less」での経験を通じて、データ探偵として意外に長い道のりを進むためには常識的な原則が役立つことを学びました。この本では、その原則をまとめていきます。私を含む研究者やプロデューサーのほとんどは、数字を扱うための本格的な訓練を受けていませんでした。しかし、非常に専門的な分野でも、いくつかのシンプルな質問や、場合によってはインターネットでの検索が非常に有益な答えをもたらすことがよくありました。確かに、統計学の高度な学位があれば役立つこともありましたが、正しい質問をするためにはそれを必要としませんでした。あなたも必要ありません。 1953年のクリスマス直前、タバコ業界の幹部たちはニューヨークのプラザホテルに集まりました。ドールとヒルの大規模な研究が翌年に発表されるまで、タバコ会社は科学が自分たちにとって非常に悪い方向に向かっていることをすでに認識していました。彼らはこの迫り来る危機にどう対処するかを考えるために集まりました。その答えは、残念ながら非常に巧妙であり、それ以来のプロパガンダの基準を設定しました。彼らは混乱を招きました。既存の研究に疑問を呈し、さらなる研究を求め、メディアを引きつけるかもしれない他の事柄、例えば「病気の建物症候群」や「狂牛病」についての研究に資金を提供しました。彼らは疑念を生み出しました。後に内部向けの秘密の業界メモは、「疑念は我々の製品である」と関係者に思い出させました。 説得について考えるとき、私たちは通常、人々が信じるべきではないことを信じ込まされることを思い浮かべます。この問題については第一章で議論します。しかし、時には問題は私たちが何かを信じたがらない理由を見つけることにあるのです。喫煙者は喫煙が好きで、ニコチンに身体的に依存しており、可能であれば喫煙を続けたいと考えていました。「これらの混乱した主張を理解できない」と喫煙者が肩をすくめる状況は、タバコ業界にとって都合の良いものでした。喫煙者を説得してタバコが安全だと信じさせることが課題ではなく、タバコが危険であることを示す統計的証拠に対する疑念を生み出すことが課題でした。そして、疑念を生み出すことは非常に簡単な製品であることがわかりました。数十年前、心理学者のカリ・エドワーズとエドワード・スミスは、アメリカの人々にその時代の政治的に微妙な立場、例えば中絶の権利、子供への体罰、同性愛者カップルの養子縁組、マイノリティの雇用に関するクオータ、16歳未満の者に対する死刑について賛成と反対の主張を挙げるように求める実験を行いました。 驚くべきことではありませんが、研究者たちは人々にバイアスがあることを発見しました。研究に参加した人々は、自分の意見に反対する立場を擁護するための議論を構築するのが難しいと感じていました。さらに注目すべきは、エドワーズとスミスが示したように、これらのバイアスは否定的な議論においてより明確に現れる傾向があるということです。疑念は信念よりも流動的に広がりました。実験参加者は、自分が支持している立場に賛成するよりも、嫌いな立場に反対する議論をする方がずっと簡単だと感じました。疑念には特別な力があります。疑念は科学的探求や議論の過程の一部であるため、売り込みやすいのです。私たちの多くは、あるいは学校で教えられるべきですが、証拠を疑うことを学びます。最も古い科学団体の一つであるロイヤル・ソサエティのモットーは「Nullius in verba」—「誰の言葉も信じるな」です。統計的証拠を否定しようとするロビー団体は、常に現在の科学の中で決着がついていない側面を指摘し、この問題は非常に複雑であると述べ、さらなる研究を求めることができます。そして、これらの主張は科学的に聞こえ、むしろ賢明にさえ感じられます。しかし、これらは誤った危険な印象を与えます。それは、誰も本当に何も知らないということです。タバコ産業の手法は広く受け入れられています。これらの手法は、気候変動否定論者によって最も明白に使用されていますが、科学的な問題を超えて政治にも広がっています。タバコ産業を数十年にわたり研究してきた歴史家ロバート・プロクターは、現代の政治を「無知の黄金時代」と呼んでいます。多くの喫煙者が喫煙を続けたいと思っているように、私たちの多くは政治的な問題に関して直感に強くこだわっています。政治家がするべきことは、私たちのその直感に挑戦する証拠を疑わせることです。ドナルド・トランプの元右腕スティーブ・バノンが作家マイケル・ルイスに言ったように、「民主党は重要ではない。本当の敵はメディアだ。そして、彼らに対処する方法は、ゾーンを汚物で埋め尽くすことだ」と言っています。 ドナルド・トランプに関連するもう一つの用語「フェイクニュース」の歴史もここで教訓的です。元々、この用語は非常に特定の現象を指していました。それは、ソーシャルメディアからのクリックを得て広告収入を得ることを目的とした虚偽の記事を掲載するウェブサイトのことです。象徴的な例は、教皇がトランプの大統領候補を支持したという主張でした。トランプが勝利した際、一時的に道徳的パニックが起こり、真剣な評論家たちは、信じやすい有権者がこれらの outrageous な嘘を信じてトランプに投票するよう誘導されたのではないかと心配しました。しかし、そのパニックは誤りでした。学術研究によれば、フェイクニュースは決して広範囲にわたって影響力を持つものではなく、そのほとんどは非常に保守的で高齢の有権者によって消費されており、彼らは元々トランプの支持者であった可能性が高いのです。これらの虚偽のストーリーは、ソーシャルメディアのウェブサイトがその脅威に気づくと、急速に問題ではなくなりました。 しかし、フェイクニュースの概念は強力なものとなり、どんな不都合な主張も無視するための口実となりました。これは「嘘、ひどい嘘、そして統計」という皮肉な格言の現代版です。 トランプは、複雑な問題を政治的な武器に変える独特の才能を持ち、その言葉を使って一般のジャーナリストを悪者に仕立て上げました。イギリスの当時の首相テリーザ・メイや、彼女の対立候補である労働党のリーダー、ジェレミー・コービンも同様でした。「フェイクニュース」という言葉は、残念ながら存在する真実に触れたため、多くの人々の心に響きました。主流メディアの中にも、いい加減なジャーナリズムが多く存在することは事実です。しかし、慎重に情報源を確認し、責任を持って報道する真剣なジャーナリストもいます。彼らは、トランプを支持する教皇のような人々と同じ精神的なゴミ箱に投げ込まれてしまいました。COVID-19は、健全な懐疑心がどのように有害なシニシズムに変わるかを再確認させるものでした。このパンデミックは、マスク着用や学校の閉鎖といったさまざまな対策の有害性と利益について活発な議論を生み出しましたが、これは難しいながらも重要な会話でした。しかし、COVID懐疑派の一部は、COVIDは実際にはインフルエンザと同じくらい危険ではなく、大多数の症例は完全に無症状であり、2020年の夏の終わりには集団免疫が達成され、第二波は不可能だと大声で主張しました。2020年冬から2021年にかけての急増する死者数が彼らの主張を恥ずかしいほど間違っていることを証明したとき、彼らは一般の科学者たちも多くの間違いを犯していると主張し、信頼できないとすることで混乱を招こうとしました。その中で特に指摘されたのは、世界保健機関（WHO）が2020年3月にウイルスの感染致死率を大きく過大評価したということでした。彼らは3.4％と主張しましたが、これは実際には何倍も高すぎました。しかし、これはWHOの発言を誤解させるものであり、異なる定義を表面的に似たものにすり替えた結果です（滑りやすい定義については第3章を参照）。WHOは公式な症例の中で致死率が3.4％であると計算しましたが、これは感染の致死率ではありません。なぜなら、2020年3月には重症の症状を持つ人だけが検査されていたからです。 ここでパターンが見えてきますか？この戦略は1950年代のタバコ業界の戦略と同じです。専門家たちが本当に何を話しているのか理解していないと示唆し、人々を疑念による無関心に陥れるのです。多くのCOVID懐疑派は、真剣に理解を求める人々ではなく、怒りの注目をお金や権力に変えることに生きがいを感じるプロの論争者であることが明らかになりました。そうした人々にとって、絶望と嫌悪の中で両手を上げる聴衆ほど素晴らしいものはありません。彼らは、あなたが証拠や専門家、よく調査されたメディアの報道から背を向けることを切望しています。「ああ、私はそれを信じていない」と言ってくれると、彼らは喜びます。スティーブ・バノンの戦略を思い出してください：混乱を引き起こすことです。私は、1965年春にアメリカ合衆国上院の委員会がタバコのパッケージに健康警告を表示するかどうかという生死に関わる問題を検討していた世界を心配しています。 専門家証人は科学的証拠についてあまり確信が持てず、コウノトリと赤ちゃんの話題に移りました。彼は、出生数と周辺のコウノトリの数には正の相関関係があると説明しました。その古い「コウノトリが赤ちゃんを運んでくる」という話は真実ではないと、専門家は続けました。もちろん、それは真実ではありません。相関関係は因果関係ではありません。コウノトリが子供を運ぶことはありません。しかし、大きな場所には子供とコウノトリの両方が住む余地が多くあります。同様に、喫煙と肺癌の相関関係があったからといって、喫煙が癌を引き起こすとは限りません。「喫煙と病気を結びつける統計の間に、コウノトリの話と同じような因果関係があると思いますか？」と委員会の議長が尋ねました。専門家証人は、「私には二つは同じように見えます」と答えました。 その証人の名前はダレル・ハフでした。彼はタバコ業界から報酬を受けて、自分の得意なことをしていました。それは、機知に富んだ例や統計的な知識、そしてある程度の皮肉を織り交ぜて、タバコが危険であるという考えに疑念を投げかけることです。彼は自らの名作の続編にも取り組んでいましたが、それは決して出版されることはありませんでした。その続編のタイトルは「喫煙統計で嘘をつく方法」でした。疑念は強力な武器であり、統計は脆弱な標的です。その標的には守り手が必要です。確かに、統計を使って嘘をつくのは簡単ですが、統計なしで嘘をつく方がさらに簡単です。そしてもっと重要なのは、統計がなければ真実を知ることは不可能であり、世界を理解し、より良い方向に変えようとすることもできないということです。リチャード・ドールとオースティン・ブラッドフォード・ヒルのように。彼らの行動には洞察力と決意が必要でしたが、天才や難解な数学的技術は必要ありませんでした。彼らは重要なもの—喫煙者、非喫煙者、肺癌の症例、心臓病の症例—を数えました。彼らはそれを体系的かつ忍耐強く数え、集めた証拠に基づいて慎重に結論を導き出しました。年月が経つにつれ、その結論は数千万の命を救い、彼ら自身の命も救ったかもしれません。ヒルがパイプをやめてドールと共に非喫煙者になった後、二人は共に90代まで生きました。 私たちが自信と知恵を持って統計を使うと、そうでなければ見逃してしまうような微妙な傾向を見つけることができます。現代の世界は非常に大きく、非常に複雑で、非常に、非常に興味深いものです。ここには約80億人が住んでいます。私たちの経済では、毎日数兆ドルが動いています。典型的な人間の脳には860億のニューロンがあります。インターネット上には約20億のウェブサイトがあります。そして、新しいウイルスは一人の人から数千人、数百万、さらには数十億人に広がることがあります。私たちが世界や互い、そして自分自身について理解しようとしていることに関して、統計なしでは遠くまで行くことはできません。骨をX線なしで調べたり、バクテリアを顕微鏡なしで見たり、天体を望遠鏡なしで観察したりすることができないのと同じように。 ガリレオの望遠鏡にまつわる有名な話があります。彼が天文学の父としてローマカトリック教会から異端の罪で告発されているとき、上級の枢機卿たちは彼が作ったその器具を覗こうとしなかったのです。彼らはそれを魔法使いのトリックだと宣言しました。ガリレオは月に山を見たと言ったのに、望遠鏡のレンズが汚れているに違いないと。木星の衛星を見たと言った？そんなことはない、衛星は望遠鏡の中にあるのだと。彼らは見ることを拒否しました。4世紀後の今、私たちがこの話を笑うのは簡単ですが、実際にはこの話は年々誇張されてきたものです。私たちはあまり自己満足に浸るべきではありません。多くの人が統計的証拠を見ることを拒否しています。なぜなら、騙されるのが怖いからです。私たちは、すべての統計を皮肉的に退けるハフのアプローチを採用することで、賢いと思い込んでいます。しかし、実際にはそうではありません。私たちは、論理や証拠を放棄し、心地よいものを信じることに逃げ込むように仕向けるポピュリストやプロパガンダの手に屈しているのです。私は、私たちが何か違うことをすることを望んでいます。統計の望遠鏡を手に取り、世界をじっくり観察する自信を持ってほしいのです。統計的真実の背後にある論理を理解し、誤った論理や感情、認知バイアスの影響から逃れる手助けをしたいと思っています。さあ、統計の望遠鏡を覗いて周りを見てみましょう。あなたがどれほど明確に物事を見られるかに驚くことでしょう。 ルール1 自分の感情を探る ルーク・スカイウォーカー：「いや…違う。それは真実じゃない。ありえない！」 ダース・ベイダー：「自分の感情を探れ、真実だとわかるはずだ！」 『帝国の逆襲』（1980年） アブラハム・ブレディウスは誰の愚か者でもありませんでした。彼は美術評論家でありコレクターで、オランダの画家、特に17世紀の巨匠ヨハネス・フェルメールに関する世界的な権威でした。1880年代の若い頃、ブレディウスはフェルメールに誤って帰属された作品を見抜くことで名を馳せました。1937年、82歳のとき、彼はある意味で引退のスワンソングを楽しんでいました。彼は、レンブラントの200点の偽物や模倣を特定した非常に評価の高い本を出版したばかりでした。 その時、魅力的な弁護士ジェラール・ブーンが彼のモナコの別荘を訪れました。ブーンは、フェルメール自身が描いたと考えられている新たに再発見された作品『エマウスのキリスト』について、ブレディウスの意見を求めたかったのです。厳格な老紳士は魅了されました。彼はブーンに、自分の見解を伝えました。「エマウスはフェルメールであるだけでなく、オランダの巨匠の最高傑作です」と、ブレディウスはその後、雑誌の記事に書きました。「彼の他のすべての絵とはまったく異なり、それでいて全てがフェルメールです。」 「この傑作を見せられたとき、私は感情を抑えるのが難しかった」と彼は付け加え、作品が「オンゲレプト」（オランダ語で「純粋無垢」または「手を加えられていない」）であることを敬意を持って指摘しました。これは皮肉な言葉の選び方でした。『エマウス』は決して純粋ではなかったのです。 それは腐った詐欺のような絵画で、ブレディウスが目にする数ヶ月前に古いキャンバスに無造作に描かれ、ベークライトで固められていました。それでも、この粗雑なトリックはブレディウスだけでなく、オランダの美術界全体をも騙しました。「エマウスのキリスト」は、ロッテルダムのボイマンス美術館に52万ギルダーで売却されました。当時の賃金と比較すると、現在の価値で1,000万ドルを超える金額です。ブレディウス自身も美術館がこの絵を購入するために寄付をしました。「エマウス」はボイマンス美術館の中心的な作品となり、賞賛の声と絶賛を集めました。その後、同様のスタイルの絵画がいくつか現れました。最初の贋作がフェルメールとして受け入れられると、他の贋作を通すのは容易になりました。それらは全ての人を騙したわけではありませんが、「エマウス」のように、重要な人々を騙しました。批評家たちはそれらを認証し、美術館は展示し、コレクターたちはそれらに巨額の金を支払いました。今日の価値で1億ドル以上です。金銭的な観点から見ても、これは monumental な詐欺でした。しかし、それだけではありません。オランダの美術界はフェルメールを歴史上最も偉大な画家の一人として崇拝していました。彼は主に1660年代に活動し、19世紀後半になって再発見されました。彼の作品は40点未満しか残っていません。数年のうちに半ダースのフェルメールが現れたことは、大きな文化的出来事でした。それはまた、信じがたい出来事でもありました。しかし、誰もがそれを疑うことはありませんでした。なぜでしょうか？絵画そのものに答えを求めてはいけません。本物のフェルメールと最初の贋作「エマウス」を比較すると、誰が騙されたのか理解するのは難しいです。特に、アブラハム・ブレディウスのような目の肥えた人がです。フェルメールは真の巨匠でした。彼の最も有名な作品は「真珠の耳飾りの少女」で、若い女性の輝かしい肖像です。魅惑的で、無邪気で、愛情深く、同時に不安を抱えているように見えます。この絵は小説や、名前のない少女を演じたスカーレット・ヨハンソン主演の映画にもインスパイアされました。「牛乳を注ぐ女」では、家庭的なシーンが銅の鍋の描写や、焼きたてのパンの美しさによって引き立てられています。「手紙を読む女」では、彼女は見えない窓の柔らかな光の中に立っています。彼女はもしかしたら妊娠しているのでしょうか？彼女は手紙を胸に抱え、目を下に向けて読んでいる横顔が見えます。画像には劇的な静けさがあり、彼女が手紙の内容を探るために息を潜めているのを感じます。私たちも息を呑みます。傑作です。そして「エマウスのキリスト」は？それと比べると、静的でぎこちない画像です。フェルメールの劣った模倣のように見えるのではなく、全くフェルメールに見えません。ひどい絵ではありませんが、素晴らしい絵でもありません。フェルメールの作品と並べると、陰鬱で不器用に見えます。それでも、これといくつかの他の作品は世界を騙し続け、贋作者が無謀さと不運の組み合わせによって捕まるまでは、今でも世界を騙し続けていたかもしれません。 1945年5月、ヨーロッパでの戦争が終結した頃、連合国美術委員会の二人の将校がアムステルダムの高級住所321ケイザーグラハトのドアをノックしました。出迎えたのは、ハン・ファン・メーゲレンという魅力的な小柄な男でした。若き日のファン・メーゲレンは、アーティストとして短期間の成功を収めていましたが、中年になるにつれて、たるんだ顎や白髪が目立つようになり、アートディーラーとして裕福になりました。しかし、彼はおそらく間違った相手と取引をしていたのかもしれません。というのも、将校たちは深刻な告発を持ってきたからです。それは、ファン・メーゲレンがヨハネス・フェルメールの新たに発見された傑作『姦通の女』をドイツのナチスに売却したというものでした。そして、そのナチスはただのナチスではなく、ヒトラーの右腕であるヘルマン・ゲーリングでした。ファン・メーゲレンは逮捕され、反逆罪で起訴されました。彼は激しく否定し、自由を勝ち取ろうと必死に言い訳をしました。彼の力強く早口な話し方は、通常は困難な状況から逃れるための十分な手段でしたが、今回は通用しませんでした。数日後、彼はついに崩れました。彼は反逆罪ではなく、オランダ全土とアート界を驚かせるような犯罪を告白しました。「愚か者たち！」と彼は嘲笑しました。「私がゲーリングに無価値なフェルメールを売ったと思っているのか？フェルメールなんて存在しなかった！私が自分で描いたんだ。」 ファン・メーゲレンは、ナチスの手に渡った作品だけでなく、『エマオのキリスト』や他のいくつかのフェルメールとされる作品も自ら描いたことを認めました。この詐欺が明るみに出たのは、誰かがこれらの粗悪な偽作を見抜いたからではなく、詐欺師自身が告白したからでした。なぜ彼が告白したのか？それは、ナチスに無二のフェルメールの傑作を売ることは絞首刑に値する罪であったのに対し、ヘルマン・ゲーリングに偽作を売ることは許されるどころか、称賛に値する行為だったからです。しかし、疑問は残ります。なぜアブラハム・ブレディウスのような専門家が、こんなにも粗雑な偽作に騙されてしまったのか？そして、なぜ数字とは全く関係のない物語で統計に関する本を始めるのか？両方の質問に対する答えは同じです。私たちの周りの世界を解釈する際、感情が専門知識を上回ることがあるということです。ブレディウスが「私は感情を抑えるのが難しかった」と書いたとき、残念ながら彼は正しかったのです。ブレディウスほどの技術や知識を持つ者はいませんでしたが、ファン・メーゲレンはブレディウスの技術と知識を逆手に取る方法を理解していました。ファン・メーゲレンがブレディウスをどのように騙したのかを解明することは、アートの歴史における脚注以上の意味を持ちます。それは、私たちが必要のないものを買ったり、間違ったタイプの恋人に惹かれたり、信頼を裏切る政治家に投票したりする理由を説明してくれます。特に、私たちが一瞬の考えで真実ではないとわかるような統計的主張を信じ込んでしまう理由を説明してくれます。ファン・メーゲレンは芸術的天才ではありませんでしたが、人間の本性について直感的に何かを理解していました。時には、私たちは騙されたいと思うのです。 アブラハム・ブレディウスの誤りの原因については、後ほど再び触れます。今は、彼のフェルメールの絵画に関する深い知識が資産ではなく負担となったことを理解するだけで十分です。 エマウスでキリストを見たとき、ブレディウスはその感情的な反応に打ちひしがれました。同じ罠は私たちの誰にでも待ち受けています。この本の目的は、統計についてより賢くなる手助けをすることです。それには、あなた自身についてもより賢くなる手助けが必要です。どんなに統計の専門知識があっても、信じるべきでない主張を信じたり、無視すべき事実を無視したりすることを防ぐことはできません。その専門知識は、目にする統計的主張に対する自分自身の感情的反応をコントロールすることによって補完される必要があります。 感情的な反応を心配する必要がない場合もあります。たとえば、「火星は地球から5000万キロメートル、または3000万マイル以上離れている」と言ったとしましょう。この主張に対して情熱的に信じている人はほとんどいないので、すぐに理にかなった質問を始めることができます。たとえば、「3000万マイルは長い距離なのか？」（まあ、そうですね。地球と月の距離の100倍以上です。ただし、他の惑星はもっと遠くにあります。）待ってください、火星は全く異なる軌道にいるのでは？それは、地球と火星の距離が常に変わることを意味しませんか？（その通りです。二つの惑星の最小距離は3000万マイルを少し超えますが、時には火星が2億マイル以上離れることもあります。）この主張に対して感情的な反応がないため、すぐに理解し評価しようとすることができます。 感情的な反応が関与すると、はるかに難しくなります。喫煙者と癌の統計で見たように。心理学者のジヴァ・クンダは、実験参加者にコーヒーや他のカフェイン源が女性の乳腺嚢胞のリスクを高めるという証拠を示した記事を見せたとき、同じ効果を発見しました。ほとんどの人はその記事をかなり説得力があると感じましたが、コーヒーをたくさん飲む女性たちはそうではありませんでした。感情的な反応が極端であればあるほど、冷静に考えるのが難しくなります。 もしあなたの医者が、あなたに稀な形の癌があると言い、それを調べないようにアドバイスしたらどうでしょう？そのアドバイスを無視して科学文献を調べ、平均生存期間がわずか8ヶ月であることを発見したら？まさにその状況に、古生物学者で素晴らしい科学作家のスティーブン・ジェイ・グールドは40歳のときに直面しました。「私は約15分間呆然として座っていました…」と彼は有名なエッセイの中で書いています。彼の感情を想像するのは容易です。生きられるのは8ヶ月。生きられるのは8ヶ月。生きられるのは8ヶ月。「その後、私の頭が再び働き始めました、ありがたいことに。」 彼の頭が働き始めると、グールドは自分の状況がそれほど絶望的ではないかもしれないことに気づきました。8ヶ月は上限ではなく、中央値であり、つまり半数の患者はそれより長く生きるということです。中には、かなり長く生きる人もいるかもしれません。グールドには良いチャンスがありました。彼は比較的若かったし、癌は早期に発見され、良い治療を受けることができるのです。 グールドの医者は、彼を文献から遠ざけようとする親切心からそうしていたのだろう。私たちの多くは、自分が好ましくない情報を聞くのを避けるために、かなりの努力をすることがある。別の実験では、学生たちが血液サンプルを採取され、その後、ヘルペスの危険性についての恐ろしいプレゼンテーションを見せられた。彼らはその後、自分の血液サンプルがヘルペスウイルスの検査に使われることを知らされた。ヘルペスは治癒できないが、管理することは可能であり、性的パートナーにウイルスを伝染させないための予防策もあるため、自分がヘルペスに感染しているかどうかを知ることは有益だ。しかし、それにもかかわらず、5人に1人というかなりの少数派が、自分が感染しているかどうかを知りたくないと望み、血液サンプルを廃棄するためにお金を払うことも厭わなかった。彼らは研究者に対し、単に不安に直面したくないと言った。 行動経済学者はこれを「ダチョウ効果」と呼ぶ。例えば、株式市場が下落しているとき、人々は自分の投資口座をオンラインで確認するためにログインする可能性が低くなる。これは理にかなっていない。株価に関する情報を投資戦略に活用するのであれば、悪い時期でも良い時期と同じようにその情報を得ようとするべきだ。もしそうしないのであれば、ログインする理由はほとんどない。では、なぜ市場が上昇しているときに頻繁に口座を確認するのだろうか？私たちにとって重要な情報を評価する際に感情をコントロールするのは簡単ではない。なぜなら、感情が私たちをさまざまな方向に導くことがあるからだ。グールドは、最初のショックのせいで冷静に考えられていなかったことに気づいたが、統計の中に希望の兆しを見つけたとき、今自分が否認の状態にあるのではないかとどうやって確信できるだろうか？彼にはそれができなかった。振り返ってみれば、彼は否認状態ではなかった。彼はさらに20年生き、無関係な病気で亡くなった。私たちは数字の情報を感情を排除して処理する必要はない。感情に気づき、それを考慮に入れるだけで、判断が改善されることが多い。超人的な感情のコントロールを必要とするのではなく、良い習慣を身につけることが大切だ。自分に問いかけてみてほしい：私はこの点でどのように改善できるだろうか。 私自身もこの点で改善しようと努力している。数年前、私は同性愛者の結婚に対する支持が急増していることを示すグラフをソーシャルメディアで共有した。実は、この問題について強い感情を持っており、良いニュースを共有したかったのだ。グラフが信頼できる新聞からのものであることに気づくために一瞬だけ立ち止まり、私はそれをリツイートした。最初の返信は「ティム、そのグラフの軸を見たことある？」だった。私の心は沈んだ。グラフを5秒見れば、それが混乱していて進捗率を歪めていることがわかったはずだ。結婚の平等に対する支持は増加しているとグラフは示していたが、私はそれを「悪いデータビジュアライゼーション」のファイルに保存すべきだったのに、世界と熱心に共有してしまった。感情が私を上回ってしまったのだ。私は今でもそのような間違いを犯すことがあるが、少なくとも以前よりは少なくなっていることを願っている。 私は確かにより慎重になり、他人の行動を見たときにそれに気づくようになりました。これは新型コロナウイルスの流行初期に非常に顕著でした。役に立ちそうな誤情報がウイルスそのものよりも早く広がったのです。ある投稿は、Facebookやメールのニュースグループで広まり、COVID-19と風邪を見分ける方法を自信満々に説明し、ウイルスは暖かい気候で消えると安心させ、氷水を避けるべきだと誤ったアドバイスをしていました。一方で、温かい水はウイルスを殺すと主張していました。この投稿は「友人の叔父」や「スタンフォード病院の理事会」、あるいは無関係な小児科医に帰属されることもありましたが、時には正確であることもありましたが、一般的には推測的で誤解を招くものでした。それでも、人々—通常は常識的な人々—はそれを何度も何度も共有しました。なぜでしょうか？彼らは他人を助けたいと思ったからです。混乱を感じ、役に立ちそうなアドバイスを見て、共有せざるを得ないと感じたのです。その衝動は人間的なもので、善意から来るものでしたが、賢明ではありませんでした。 私は統計的な主張を繰り返す前に、それが自分にどのように感じさせるかをまず考えます。これは自分を騙すことを防ぐための完璧な方法ではありませんが、あまり害がなく、時には大いに助けになる習慣です。私たちの感情は強力です。感情を消すことはできませんし、消したいとも思うべきではありません。しかし、私たちは感情が判断を曇らせているときに気づこうとし、そうするべきです。 2011年、オックスフォード大学の行動経済学者ギー・メイラズは、願望的思考のテストを行いました。メイラズは実験参加者に、時間の経過とともに価格が上昇したり下降したりするグラフを見せました。これらのグラフは実際には株式市場の歴史的なデータでしたが、メイラズは参加者にそれが小麦の最近の価格変動を示していると伝えました。彼は各参加者に次に価格がどのように動くかを予測するよう求め、その予測が当たれば報酬を与えるとしました。しかし、メイラズは実験参加者を二つのカテゴリーに分けました。半分は「農家」とされ、小麦の価格が高ければ追加報酬が支払われると告げられました。残りは「パン屋」とされ、小麦が安ければボーナスがもらえるとされました。したがって、参加者は正確な予測をすることで一つの報酬を得ることができ、さらに小麦の価格が自分の予測通りに動けばもう一つの報酬を得ることができる可能性がありました。しかし、メイラズはその風当たりの見込みが予測自体に影響を与えることを発見しました。農家は小麦の価格が上がることを望み、またそのように予測しました。一方、パン屋はその逆を望み、予測しました。これは願望的思考の最も純粋な形であり、私たちの希望によって推論が揺らぐことを示しています。別の例として、経済学者リンダ・バブコックとジョージ・ロウエンスタインが行った実験があります。彼らは参加者に実際の裁判の証拠を提示しました。 あるバイク事故に関する実験が行われました。参加者はランダムに原告側の弁護士（負傷したバイカーが10万ドルの損害賠償を受けるべきだと主張する役割）または被告側の弁護士（訴訟を却下すべき、または損害賠償は低くすべきだと主張する役割）に割り当てられました。実験参加者には、自分の立場を説得力を持って主張し、相手側との有利な和解に達するための金銭的インセンティブが与えられました。また、実際の裁判で裁判官がどれだけの損害賠償を認めたかを正確に予測するための別の金銭的インセンティブもありました。彼らの予測は役割演技とは無関係であるべきでしたが、実際には彼らの判断は自分たちが望む結果に強く影響されていました。心理学者はこれを「動機づけられた推論」と呼びます。私たちは他チームの過ちには目を向ける一方で、自分たちの側の過ちを見逃しがちです。私たちは、自分が気にしたいことに気づく可能性が高いのです。 この現象の最も顕著な例の一つは、HIVがエイズを引き起こすことを否定する人々の中に見られます。中にはHIVが存在しないと主張する人もいますが、いずれにせよHIV否認主義は標準的で、現在では非常に効果的な治療法を拒否することを意味します。この考えを信じる著名な人々の中には、悲劇的にも自分自身や子供たちを死に追いやってしまった人もいますが、特に治療法が効果的でなく、副作用がより深刻だった時期には、彼らにとっては心地よい信念だったに違いありません。このような悲劇的な信念が非常に稀であると考えがちですが、実際にはそうではないかもしれません。アメリカのゲイやバイセクシャルの男性を対象にした調査では、ほぼ半数がHIVがエイズを引き起こさないと信じ、さらに半数以上が標準的な治療法は害の方が多いと考えていました。エイズを抱える人々に対する他の調査では、否認主義的な見解を持つ人が15%から20%に達していることがわかりました。これらの調査は厳密なランダムサンプルではなかったため、正確な数字をあまり真剣に受け止めるべきではありませんが、多くの人々が科学的合意を拒否していることは明らかで、これは彼らを実際に危険にさらす可能性があります。 2020年3月にも、オックスフォード大学の研究者がパンデミックの「氷山の一角」モデルを発表した際に、願望的思考が働いているのを見ました。このモデルは、コロナウイルスが私たちが考えているよりもはるかに広がっているが、危険度は低いかもしれないと示唆しており、最悪の事態はすぐに終わるという喜ばしい含意がありました。しかし、これは疫学者の間では少数派の見解でした。なぜなら、その時点で行われていたデータの調査では、大多数の人々がほとんど無症状であるという証拠はほとんど見つからなかったからです。実際、オックスフォードのグループの中心的な主張の一つは、真実を見極めるためにより良いデータが必要だというものでした。しかし、そのメッセージは広まらず、代わりに人々は「良いニュース」を広めました。なぜなら、それは私たち全員が真実であってほしいと思うようなアイデアだったからです。願望的思考は動機づけられた推論の唯一の形ではありませんが、一般的な形の一つです。私たちは部分的には、望むからこそ信じるのです。 HIV陽性の人は、ウイルスがエイズに進行せず、母乳を通じて子供に感染しないと信じることで安心感を得ることができるでしょう。「農夫」は、小麦価格の予測を正確に行いたいと思っていますが、同時に利益を得たいとも考えているため、彼の予測は欲望に影響されます。政治活動家は、自分が支持する政治家が賢明で機知に富み、汚職にまみれていないことを望んでいます。彼女は、反対の証拠を無視したり却下したりするために、ある程度の努力を惜しまないでしょう。そして、フェルメールを愛する美術評論家は、目の前の絵が贋作ではなく傑作であると結論づける動機を持っています。アブラハム・ブレディウスを打ちのめしたのは、彼の願望的な思考でした。この美術史家には弱点がありました。それは、フェルメールの宗教画に対する魅力です。彼が発見した作品は2点のみで、そのうちの1点は彼自身が見つけた「信仰の寓意」でした。彼は今でもそれを所有しています。もう1点の「マルタとマリアの家のキリスト」は、聖書の場面を描いた唯一のフェルメール作品として知られています。ブレディウスは1901年にそれを評価し、確固たる結論を出しました。それはフェルメールではないというものでした。他の批評家たちは異論を唱え、最終的にはブレディウスが間違っていたという結論に至りました。ブレディウス自身もそのことを認めました。その経験に傷ついたブレディウスは、同じ過ちを繰り返さないと決意しました。彼は生きている誰よりもフェルメールを知り、愛しており、次のフェルメールの傑作を正しく特定する機会を常に探していました。また、ブレディウスは、初期の聖書に登場するマルタとマリアと、数年後に描かれたフェルメールのより特徴的な作品との間にあるギャップに魅了されていました。そのギャップには何が隠れているのだろう？何年も経った今、別の聖書の作品が見つかれば素晴らしいことではないでしょうか。ブレディウスには、フェルメールに関するもう一つの持論がありました。それは、オランダの巨匠が若い頃にイタリアを訪れ、偉大なイタリアの巨匠カラヴァッジョの宗教画に触発されたという考えです。これは推測に過ぎず、フェルメールの人生についてはあまり知られていませんでした。彼がカラヴァッジョを見たことがあるかどうかも誰も知りませんでした。ファン・メーゲレンはブレディウスの推測についてすべて知っていました。彼は「エマウス」を罠として描きました。それは大きく美しいキャンバスで、聖書をテーマにしており、ブレディウスがずっと主張していたように、構図はカラヴァッジョへのオマージュでした。ファン・メーゲレンは、17世紀の小道具を使って絵の中にフェルメールらしいタッチを散りばめました。キリストが割っているパンは、あの有名な真珠の耳飾りのように、厚い白い点描で強調されています。そして、絵の具は年齢とともに硬くひび割れていました。ブレディウスには疑いがありませんでした。なぜ疑う必要があるのでしょうか？ファン・メーゲレンの手下であるジェラール・ブーンは、ブレディウスに単に絵を見せているのではなく、彼がずっと正しかったという証拠を見せていたのです。晩年のブレディウスは、ついに失われたリンクを見つけたのです。彼は信じたいと思っており、専門家である彼は、自分の結論を支持する理由を見つけるのに苦労しませんでした。 例えば、パンの上のあの特徴的な点々。未熟な目には少し不器用に見える白い点々が、ブレディウスには『ミルクを注ぐ女』の中の魅力的なパンに施されたフェルメールのハイライトを思い起こさせた。構図がカラヴァッジョを反映しているという事実は、カジュアルな観客には気づかれないだろうが、ブレディウスの視線の下ではそれがキャンバスから飛び出して見えた。彼は、エマウスが本物であることを示す他の手がかりも見つけただろう。彼は、ファン・メーゲレンが小道具として使用した本物の17世紀の花瓶に気づいたはずだ。また、17世紀の顔料、あるいはそれにできるだけ近いものも使われていた。ファン・メーゲレンは、フェルメールの色彩パレットを巧みに再現していた。キャンバス自体も重要だ。ブレディウスのような専門家は、絵画の裏側を見てキャンバスがあまりにも新しいことに気づくだけで、19世紀や20世紀の贋作を見抜くことができる。ファン・メーゲレンはこのことを知っていた。彼は17世紀のキャンバスに作品を描き、表面の顔料を丁寧にこすり落としながらも、下塗りとその独特のひび割れ模様を保持していた。そして、最も単純なテストがあった：絵の具は柔らかいか？古典的な名作を偽造しようとする者にとっての挑戦は、油絵の具が完全に乾くまでに半世紀かかることだ。もし綿棒を純粋なアルコールに浸し、油絵の表面を優しくこすれば、綿が顔料で染まることがある。もしそうなれば、その絵は現代の偽物だ。数十年後になってようやく絵の具はこのテストに合格するほど硬化する。ブレディウスは以前にもこの方法で偽物を見抜いたことがあったが、エマウスの絵の具は頑なに顔料を放出しなかった。これにより、ブレディウスはエマウスが古いものであり、したがって本物であると信じる十分な理由を得た。ファン・メーゲレンは、数ヶ月の実験の結果として、見事なアマチュアの化学技術で彼を欺いたのだ。贋作家は、17世紀の油絵の具を新しい素材であるフェノールフォルムアルデヒドと混ぜる方法を見つけ出した。この樹脂は105℃で2時間加熱されると、最初のプラスチックの一つであるベークライトに変わる。だからこそ、絵の具は硬く、柔軟性がなかったのだ。ブレディウスは、エマウスがフェルメールの作品であると信じる微妙な理由を半ダースも持っていた。それらは、他の作品とは全く異なるという一つの明白な理由を無視するのに十分だった。それは、この絵がフェルメールが描いた他のどの作品とも似ていないということだ。アブラハム・ブレディウスのあの驚くべき発言をもう一度見てみよう。「ここにあるのは、私はこう言いたいのですが、デルフトのヨハネス・フェルメールの傑作です…彼の他のすべての絵とはまったく異なりますが、それでも全ての面でフェルメールです。」 「彼の他のすべての絵とはまったく異なる」—それは警告ではないのか？しかし、老紳士はこの絵が彼が一生探し求めていたフェルメールであり、カラヴァッジョ自身へのリンクを提供してくれるものであると必死に信じた。ファン・メーゲレンは、真の専門家だけがつまずくことのできる罠を仕掛けた。願望的な思考がその後を担ったのだ。 ブラハム・ブレディウスは、専門家も動機づけられた推論から免れないことを証言しています。特定の状況下では、彼らの専門知識が逆に不利になることさえあります。フランスの風刺作家モリエールはかつて、「学識のある愚者は無知な者よりも愚かである」と書きました。ベンジャミン・フランクリンも「合理的な生き物であることは非常に便利なことであり、それによって私たちは自分がやりたいことのために理由を見つけたり作り出したりできる」とコメントしています。現代の社会科学もモリエールやフランクリンに同意しています。専門知識が深い人々は欺瞞を見抜く能力が高いですが、もし彼らが動機づけられた推論の罠にはまると、自分が本当に信じたいことを信じるための理由をより多く見つけ出すことができるのです。最近の研究レビューでは、証拠を評価し、議論をテストする際に自分の先入観に偏った方法で行う傾向は一般的であり、知的な人々の間でも同様に一般的であると結論づけられました。賢いことや教育を受けていることは防御にはなりません。特定の状況下では、むしろ弱点となることさえあります。 このことを示す一例が、2006年に発表されたチャールズ・タバーとミルトン・ロッジという二人の政治学者による研究です。タバーとロッジは、序章で触れたカリ・エドワーズとエドワード・スミスの研究の後を追っていました。彼らは、アメリカ人が論争のある政治問題についてどのように推論するかを調査したいと考えました。彼らが選んだ二つの問題は、銃規制とアファーマティブ・アクションでした。タバーとロッジは、実験参加者にそれぞれの立場の議論をいくつか読ませ、その強さと弱さを評価させました。これらの賛否をレビューするよう求められることで、人々が対立する視点を共有する理解を深めることができることを期待したかもしれませんが、実際には新しい情報は人々をさらに引き離しました。これは、人々が与えられた情報を既存の信念を支持する方法を探すために利用したからです。さらなる情報を探すように促されると、人々は先入観を裏付けるデータを求めるようになりました。対立する議論の強さを評価するように求められると、彼らはその議論を打ち負かす方法を考えるのにかなりの時間を費やしました。 このような結論に至ったのはこの研究だけではありませんが、タバーとロッジの実験が特に興味深いのは、専門知識が事態を悪化させた点です。実験の中でより洗練された参加者は、自分の先入観を裏付ける材料をより多く見つけました。さらに驚くべきことに、彼らは自分の先入観に反する材料を見つけることが少なかったのです。まるで彼らが不快な情報を避けるために専門知識を積極的に利用しているかのようでした。彼らは自分の意見を支持するための議論をより多く生み出し、相手側の議論の欠陥をより多く指摘しました。彼らはずっと前から望んでいた結論に到達するための準備が整っていたのです。 私たちが持つ感情的な反応の中で、最も政治的に関連するものは党派心によって動機づけられています。強い政治的な所属を持つ人々は、物事の正しい側にいたいと願っています。 私たちは主張を目にすると、その反応は「自分のような人々がそう考える」と信じるかどうかによってすぐに形作られます。気候変動に関するこの主張を考えてみてください。「人間の活動が地球の気候を温暖化させており、私たちの生活様式に深刻なリスクをもたらしている。」このような主張には多くの人が感情的な反応を示します。それは火星までの距離に関する主張とは異なります。この主張を信じるか否定するかは、私たちのアイデンティティの一部です。それは私たちが誰であるか、どんな友人を持っているか、そしてどのような世界に住みたいかを示しています。気候変動に関する主張をニュースの見出しやソーシャルメディアで共有されるグラフに載せれば、それが真実かどうかに関わらず、人々の感情によって注目を集め、関与を引き起こします。このことに疑問を持つなら、2015年に実施されたギャラップの調査結果を考えてみてください。調査では、アメリカの民主党員と共和党員の間で気候変動に対する懸念の大きなギャップがあることがわかりました。これにはどんな合理的な理由があるのでしょうか？科学的証拠は科学的証拠です。気候変動に関する私たちの信念が左右に偏るべきではありません。しかし、実際にはそうなっています。 このギャップは、教育を受けた人々の方が広がります。大学教育を受けていない人々の中では、民主党員の45％と共和党員の22％が気候変動について「非常に心配している」と答えました。しかし、大学教育を受けた人々の中では、民主党員の50％と共和党員の8％がそう答えました。科学的リテラシーを測定しても同様の傾向が見られます。科学的リテラシーが高い共和党員と民主党員の間の距離は、科学についてほとんど知らない人々よりも広がっています。 もし感情が関与しなければ、教育や情報が増えることで人々が真実について合意に達するのが助けになるはずです—少なくとも、現在の最良の理論については。しかし、より多くの情報を与えることは、気候変動に関する問題で人々を逆に分極化させるようです。この事実だけでも、私たちの感情がどれほど重要であるかを示しています。人々は、自分の他の信念や価値観に合った結論に達しようと努力しており、アブラハム・ブレディウスのように、知識が増えるほど、望む結論に達するための弾薬を手に入れるのです。心理学者は、この分極化を引き起こすプロセスの一つを「偏った同化」と呼んでいます。 例えば、あなたが死刑の影響についての雑誌記事に出会ったとしましょう。あなたはそのトピックに興味があるので、読み進めていくと、次のような研究の簡単な説明に出くわします。研究者のパーマーとクランダルは、異なる死刑法を持つ10組の隣接州の殺人率を比較しました。10組のうち8組では、死刑を持つ州の方が殺人率が高かった。この研究は、死刑の抑止効果に反するものです。あなたはどう思いますか？それは信じられそうですか？もしあなたが死刑に反対しているなら、おそらくそう感じるでしょう。 しかし、もしあなたが死刑制度に賛成しているなら、疑念が湧いてくるかもしれません。タバコのケースで見られたような、非常に強力な疑念です。この研究は専門的に行われたのか？代替の説明を考慮したのか？データはどのように扱われたのか？要するに、パーマーとクランダルは本当に自分たちのやっていることを理解しているのか、それとも単なる素人なのか？パーマーとクランダルはあなたの疑念に傷つくことはありません。彼らは実在しない人物です。彼らは心理学者のチャールズ・ロード、リー・ロス、マーク・レッパーの3人によって創り出された架空の存在です。1979年、ロード、ロス、レッパーは、人々が情熱を持っている議論をどのように考えるかを探るための実験を行いました。研究者たちは、死刑制度に強い意見を持つ実験参加者を集めました。彼らは参加者に2つの架空の研究の要約を示しました。一つは、死刑制度が重大犯罪を抑止することを示すもので、もう一つは架空の研究者パーマーとクランダルによるもので、逆の結果を示していました。 予想通り、実験参加者は自分の信じる信念に反する研究を軽視する傾向がありました。しかし、ロードと彼の同僚たちは、もっと驚くべきことを発見しました。それは、詳細な情報—グラフ、研究方法、他の架空の学者によるコメント—が提示されるほど、人々は不都合な証拠を信じないことが容易になるということです。疑念が武器であるなら、詳細は弾薬です。私たちが嫌いな証拠に直面したとき、「これを信じなければならないのか？」と自問します。詳細が多ければ多いほど、議論の穴を見つける機会が増えます。そして、私たちが好意的に思う証拠に出会ったときには、異なる質問をします。「これを信じられるだろうか？」詳細が多いほど、その信念がしがみつくための足場が増えるのです。 逆説的な結果は、両方の立場を詳細かつバランスよく提示することが、実際には人々を中心から遠ざける可能性があるということです。これが馬鹿げているように聞こえるかもしれません。私たちは皆、真実を見つけたいと思っているのではないでしょうか？特にそれが自分に影響を与える場合には、そうあるべきです。しかし、HIV/AIDSの否認主義の悲劇的なケースは、ある人々が不快で受け入れがたいアイデアを拒絶するために、どれほどの努力をするかを示しています。たとえそのアイデアが彼らの命を救う可能性があっても、願望的思考は驚くほど強力です。しかし、多くの場合、正しいことがそれほど深刻な結果をもたらすわけではありません。多くの問題において、事実に反する結論に達することは、私たちに何の害も及ぼさないことがあります。むしろ、私たちを助けることさえあります。その理由を考えるために、ほとんどの人が客観的な「真実」が存在しないと同意する問題を考えてみてください。それは、牛肉を食べること、豚肉を食べること、犬を食べることの道徳的な違いです。どの行為が正しいと思うか、どれが間違っていると思うかは、主にあなたの文化に依存します。この問題の根底にある論理について議論したいと思う人は少ないでしょう。周囲に溶け込む方が良いのです。同様に、正しい答えがある議論でも、同じことがしばしば当てはまります。 気候変動に関しては、私たちがそれを完璧に理解できなくても、客観的な真実が存在します。しかし、あなたは地球上の約80億人の中の一人に過ぎないため、あなたの考えがもたらす環境への影響は無関係です。例外的なケースを除けば、たとえば中国の大統領である場合など、気候変動はあなたの言動に関係なく進行します。自己中心的な観点から見ると、間違っていることの実際的なコストはほぼゼロです。しかし、あなたの信念がもたらす社会的な影響は現実的で即座に感じられます。たとえば、モンタナ州で大麦を育てている農家だとしましょう。暑く乾燥した夏がますます頻繁に作物を台無しにしているとしたら、気候変動はあなたにとって重要な問題です。それでも、農村のモンタナは保守的な場所であり、「気候変動」という言葉は政治的に敏感なものです。さて、あなたが個人的に何ができるでしょうか？ある農家、エリック・ソマーフェルドは、その難しい状況をこう切り抜けています。 畑で枯れかけた作物を見ながら、ソマーフェルドは自分の作物が傷んだ原因については明確でした。「気候変動」です。しかし、友人たちとバーに戻ると、彼の言葉は変わります。「気まぐれな天候」や「より乾燥し、より暑い夏」という言葉に置き換え、これが最近の農村での一般的な会話の戦術です。 もしソマーフェルドがオレゴン州ポートランドやイギリスのブライトンに住んでいたら、地元の居酒屋でそんなに慎重になる必要はなかったでしょう。彼は気候変動を真剣に受け止める友人たちに囲まれていたでしょう。しかし、その友人たちは、気候変動が中国の陰謀だと大声で主張する別の人をすぐに排除してしまうでしょう。したがって、気候変動について意見が真っ二つに分かれる教育を受けたアメリカ人がいるのは、あまり驚くべきことではありません。何千年もの人類の進化は、私たちが周囲の人々と調和することを深く気にかけるように私たちをプログラムしています。これが、タバーとロッジの研究結果を説明する一因です。より情報を持った人々は、実際には政治的な党派に関するトピックで動機づけられた推論のリスクが高いのです。私たちが友人たちがすでに信じていることをより説得力を持って主張できればできるほど、友人たちは私たちをより尊重してくれます。HIV否認主義は、私たちが生死に関わる問題において悲劇的に間違うことができることを示しています。しかし、間違っていることの実際的な結果が小さいか存在しない場合、私たち自身を誤った方向に導くのははるかに簡単です。一方で、「間違っている」ことの社会的な結果は厳しいものです。このような状況が、党派的な対立に沿った多くの論争を説明するのは偶然ではありません。 動機づけられた推論は、他の人々に起こることだと考えるのは魅力的です。私は政治的な原則を持っている; あなたは政治的に偏っている; 彼は過激な陰謀論者だ。ですが、私たち全員が時には頭ではなく心で考えていることを認める方が賢明です。ロンドンのキングス・カレッジの神経科学者クリス・デ・メイヤーは、学生たちにあるメッセージを示します。 環境活動家が気候変動否認主義に抱える問題： 気候否認者の活動を要約すると、次のように言えると思います。 (1) 彼らの努力は攻撃的であり、私たちのそれは防御的です。 (2) 否認者の活動はかなり秩序立っており、まるで彼らに計画があるかのようです。否認主義者たちは、熱心な機会主義者として特徴づけられると思います。彼らは迅速に行動し、科学コミュニティを攻撃するために使用する情報の種類において、まったく原則を持たないようです。しかし、私たちが自分たちの主張を、たとえそれが良いものであっても、メディアや一般の人々に伝えるのが不器用だったことは疑いようがありません。 気候変動を信じる学生たちは、冷笑的で反科学的な否認者たちが敷いた煙幕に憤慨し、頷きます。すると、デ・マイヤーはそのテキストの出所を明らかにします。それは最近のメールではなく、1968年にタバコのマーケティング担当者が書いた悪名高い内部メモから、しばしばそのままの言葉で引用されたものです。このメモは「気候否認者」についてではなく、「反タバコ勢力」について不満を述べていますが、その他の点ではほとんど変更は必要ありません。同じ言葉、同じ議論を使い、気候変動が現実であると（正しく）主張する場合でも、タバコと癌の関連性がないと（間違って）主張する場合でも、あなたが正しいと信じる同じ確信を持つことができるのです。 （ここで、私が個人的な理由から敏感にならざるを得ない傾向の一例を挙げます。私の左寄りで環境意識の高い友人たちは、気候科学者に対する個人攻撃に正当な批判をしています。科学者が政治的偏見のためにデータを捏造しているとか、大きな政府からの資金を得ようと必死になっているというようなことです。要するに、証拠に対して対話するのではなく、個人を貶めるのです。しかし、同じ友人たちは、私の経済学者仲間に対してそのような戦術が使われると喜んで受け入れ、拡大します。私たちが政治的偏見のためにデータを捏造しているとか、大企業からの資金を得ようと必死になっているというのです。一人の思慮深い人にこの類似点を指摘しようとしましたが、全く理解されませんでした。彼女は私が何を話しているのか全く理解できなかったのです。これを二重基準と呼ぶこともできますが、それは不公平です—それは意図的であることを示唆するからです。そうではありません。それは無意識の偏見であり、他人には見えやすいが、自分自身には非常に見えにくいものです。 統計的または科学的な主張に対する私たちの感情的反応は、脇役の問題ではありません。私たちの感情は、しばしば論理以上に私たちの信念を形成します。私たちは、政治的な党派心やコーヒーを飲み続けたいという欲求、HIV診断の現実に直面したくないという気持ち、あるいはその他の感情的な反応を引き起こす原因のために、奇妙なことを信じるよう自分を説得し、確固たる証拠に疑念を抱くことができます。しかし、私たちは絶望する必要はありません。私たちは感情をコントロールすることを学ぶことができます—それは成長の過程の一部です。最初の簡単なステップは、その感情に気づくことです。 統計的な主張を目にしたとき、自分自身の反応に注意を払ってください。もし怒りや勝利感、否定感を感じたら、一瞬立ち止まって考えてみましょう。感情を持つことは必要ですが、考えることも大切です。私たちの多くは、たとえそれが社会的に有利であったとしても、自分を欺こうとは思っていません。特定の結論に達するための動機はありますが、事実も重要です。多くの人が映画スターや億万長者、あるいは二日酔いにならないことを望んでいますが、実際にそうであると信じている人はごくわずかです。願望的思考には限界があります。反応を見極めるために数を数える習慣を身につけることで、真実に近づくことができるでしょう。 例えば、ある調査では、学者のチームが実施したもので、ほとんどの人が真剣なジャーナリズムとフェイクニュースを見分けることができ、また、嘘ではなく真実を広めることが重要だと同意していました。しかし、同じ人々が「500人以上の『移民キャラバン』が自爆ベストを着用して逮捕された」という見出しを喜んでシェアしてしまうのです。「シェア」をクリックした瞬間、彼らは考えることを止めてしまっていました。「これは本当なのか？」や「真実は重要だと思うか？」といったことを考えていなかったのです。代わりに、私たち全員が認識しているような常に気が散っている状態でインターネットをざっと流し読みし、感情や党派心に流されてしまったのです。良いニュースは、一瞬立ち止まって考えるだけで、多くの誤情報をフィルタリングできるということです。特別なことは必要ありません。私たち全員ができることです。必要なのは、考えるために立ち止まる習慣を身につけることです。 別の研究では、真実と偽情報を最もよく見分けられる人々は、認知的反射テストで高得点を取る人々であることがわかりました。これらのテストは、行動経済学者のシェーン・フレデリックによって作成され、ダニエル・カーネマンの著書『ファスト＆スロー』で有名になりました。テストの質問には次のようなものがあります。「バットとボールの合計は1.10ドルで、バットはボールより1ドル高い。ボールはいくらか？」や「湖には毎日倍に成長するスイレンの葉がある。48日で湖全体を覆うのに、半分を覆うのにはどれくらいかかるか？」などです。 多くの人は、これらの質問を初めて聞いたときに間違った答えを出しますが、正しい解答にたどり着くために必要なのは、知性や数学の訓練ではなく、一瞬立ち止まって直感を再確認することです。シェーン・フレデリックは、初めの誤りに気づくことが問題を解決するために必要なことだと指摘しています。 認知的反射の質問は、考えずに誤った結論に飛びつくことを促します。しかし、扇情的なミームや熱弁を振るうスピーチも同様です。だからこそ、私たちは冷静でいる必要があります。そして、説得が私たちの欲望や同情、怒りを引き起こすように設計されているのもそのためです。 最後にドナルド・トランプやグリーンピースが、あなたに静かに考えさせるようなツイートをしたのはいつでしょうか？今日の説得者たちは、あなたに立ち止まって考えることを望んでいません。彼らは、急いで感じてほしいのです。焦らないでください。 ハン・ファン・メーゲレンは、ドイツの占領が終わった直後にほぼすぐに逮捕されました。彼はナチスとの協力に対して起訴され、罰せられるべきでした。この狡猾な贋作家は、ナチスの占領下で大いに繁栄しました。彼は数軒の豪邸を所有しており、戦争中にアムステルダムが飢えに苦しむ中、彼は定期的にオルギーを開催し、売春婦たちは宝石を手に取っていました。彼自身がナチスでなかったとしても、彼はナチスのように振る舞うために並外れた努力をしました。彼はナチスと友人関係にあり、ナチスのイデオロギーを称賛するために尽力しました。ファン・メーゲレンは、ナチスのアイコノグラフィーや色を使用した、グロテスクな反ユダヤ詩とイラストで満ちた豪華な悪書『Teekeningen 1』を描き、出版しました。彼はその本の印刷に惜しみなく費用をかけましたが、それも彼が誰に読まれることを想像していたかを考えれば当然のことです。彼の手によってアドルフ・ヒトラーに直接届けられた一冊には、アーティストの木炭で書かれた献辞がありました。「私の愛するフューラーへ、感謝の意を込めて — ハン・ファン・メーゲレン。」 その本はヒトラーの図書館で見つかりました。次に何が起こったのかを理解するためには、論理よりも感情を理解する必要があります。オランダ人は、5年間のドイツ占領の後、自分たちに失望していました。アンネ・フランクは、オランダから強制移送され、殺された多くのユダヤ人の中で最も有名な存在ですが、フランスやベルギーに住むユダヤ人よりも、オランダのユダヤ人がはるかに高い割合で強制移送されたことはあまり知られていません。ファン・メーゲレンはもちろん、また別の協力者でした。しかし、戦後、オランダ人はそのような男たちを法廷で見せることに疲れ果てていました。彼らは、アブラハム・ブレディウスがカラヴァッジョ風のフェルメールを見つけたがっていたように、もっと感動的な物語を切望していました。再び、ファン・メーゲレンは求められていたものを生み出しました。今回は、オランダ人がナチスに立ち向かう大胆さと策略の軽快な物語です。ファン・メーゲレンを起訴する責任を持つ男たちは、知らず知らずのうちに彼の共犯者となりました。彼は、エマウスのスタイルで絵を描くことで、自分が裏切り者ではなく贋作家であることを「証明」するという、ばかげたパブリシティスタントを企画しました。一つの興奮した見出しはこう報じました。「彼は命をかけて絵を描く。」オランダや世界中の新聞は、その偉大なショーマンから目を離せませんでした。 そして、裁判が始まりました。カリスマ的なファン・メーゲレンがリングマスターを務めるメディアサーカスです。彼は自らの物語を語りました。彼は、アーティストとしての自分の価値を証明するため、そしてアート専門家たちを愚か者として暴くためにだけ贋作を作ったのだと。裁判官が彼が高値で偽物を売ったことを指摘すると、彼はこう答えました。「もし低価格で売っていたら、それが偽物であることは明らかだったでしょう。」法廷は笑いに包まれ、ファン・メーゲレンは皆を魅了しました。 ある男は、裏切り者として見られるべき存在だったが、その評判を愛国者、さらには英雄へと変えた。彼はオランダの人々の感情を操り、戦前にアブラハム・ブレディウスの感情を操ったのと同様に、巧みに彼らを引き込んだのだ。彼の物語を受け入れたのはオランダ人だけではなかった。ファン・メーゲレンは、この物語の魅力を大いに強調することを喜んだ人々をたくさん見つけた。ファン・メーゲレンの初期の伝記作家たちは、彼を誤解されたトリックスターとして描き、彼自身の芸術が不当に拒絶されたことに傷つきながらも、自国の占領者を出し抜くことに喜びを見出す人物として描いた。よく語られるエピソードの一つは、ニュルンベルクで裁判を待つゲーリングが、ファン・メーゲレンに騙されたと聞いたとき、「まるで初めて世界に悪が存在することを発見したかのような表情をした」というものだ。この逸話を聞くと、繰り返さずにはいられない。しかし、パンに施された点々のように、それは同じくらい虚偽の詳細でもある。もしヒトラーの手書きの「テーケニンゲン1」がファン・メーゲレンの裁判の前に発見されていたら、この大胆な偽造者の物語は消え去っていたであろう。ファン・メーゲレンに関する真実は明らかだったはずだ。しかし、本当にそうだったのだろうか？「テーケニンゲン1」に関する不快な真実は、ヒトラーの図書館にあった献呈付きのコピーがほぼすぐに発見されていたということだ。オランダの抵抗運動の新聞「デ・ワールハイト」は、1945年7月11日にその発見を発表した。しかし、それは重要ではなかった。誰も知りたがらなかったのだ。ファン・メーゲレンは真実を振り払うように、彼がその本のコピーを何百冊もサインしたと主張し、その献呈は誰か別の人によって追加されたに違いないと主張した。現代の状況であれば、彼はその新聞報道をフェイクニュースとして片付けたかもしれない。それはばかげた言い訳だったが、ファン・メーゲレンはブレディウスを魅了したのと同じように、検察官たちを催眠にかけ、彼らが信じたい物語を売り込むことに成功した。裁判所での最終陳述において、彼は再び自分が金のためにやったのではなく、それがもたらしたのはトラブルだけだと主張した。それは大胆な主張だった。戦時中のアムステルダムが飢えている間、ファン・メーゲレンは自らの邸宅を売春婦や宝石、宝石を身にまとった売春婦で飾るのを好んでいたことを思い出すべきだ。しかし、そんなことはどうでもよかった。新聞や一般の人々は彼の物語に夢中になった。偽造罪で有罪判決を受けた後、ファン・メーゲレンは法廷を後にする際に歓声を浴びた。彼は、ファシストであり詐欺師である自分をオランダの人々の大胆な英雄として成功裏に演じきったのだ。アブラハム・ブレディウスは必死にフェルメールを求めていた。オランダの人々はナチスに対する抵抗の象徴を切望していた。ハン・ファン・メーゲレンは、人々が求めるものを与える方法を知っていた。彼は刑期の一日も務めることなく、1947年12月30日に心臓発作で亡くなった。数週間前に行われた世論調査では、彼は（首相を除いて）国で最も人気のある男とされていた。 願望的思考が腐った偽物をフェルメールに変えたり、いやらしいナチスを国民的英雄に変えることができるのなら、疑わしい統計を確固たる証拠に、そして確固たる証拠をフェイクニュースに変えることもできる。しかし、そうする必要はない。希望はある。私たちは、数字がどのように世界を理解する手助けをするかを探る旅に出ようとしている。最初のステップは、新しい情報を提示されたときに立ち止まり、考えることだ。自分の感情を検証し、特定の結論に達しようと無理をしていないかを確認することが重要だ。世界に関する統計的主張に出会い、それをソーシャルメディアで共有したり、激しい反論を打つことを考えているときには、「これを聞いてどう感じるか？」と自問すべきだ。 これは自分自身のためだけでなく、社会的義務として行うべきだ。私たちは、社会的圧力が私たちの信念や思考にどれほど影響を与えるかを目の当たりにしてきた。私たちが立ち止まり、感情や党派的な信号を発信したいという欲望を抑え、冷静に事実を考慮することに専念するとき、私たちはただ明確に考えているだけでなく、他の人々に対しても明確な思考の手本を示しているのだ。政治的部族の一員としてではなく、公正な心で反省し、推論する意欲のある人として立場を取ることは可能だ。私はそのような例を示したいと思っているし、あなたもそうであってほしい。 ファン・メーゲレンは、私たちの感情が私たちの思考を形作ることをよく理解していた。確かに、専門知識や技術的な知識は重要だが、数字を扱う技術的な側面はこれからの章で扱われる。私たちが感情を制御できなければ、疑うべきか信じるべきかを教えてくれる感情に振り回され、自分自身を欺く危険がある。 ルール2：自分の経験を考える 鳥の目で見ると、すべてを俯瞰することができるが、虫の目で見ると、すべてを見渡す利点はない。近くにあるものしか見えない。私は「More or Less」のプレゼンテーションに取り組む中で、夢のような仕事をしていると感じていた。ニュースの中の数値的なナンセンスを暴くのは楽しく、統計的な望遠鏡を通して常に新しく興味深いことを見ていた。しかし、ひとつの問題があった。BBCスタジオに番組を録画しに行くたびに、私の個人的な経験が信頼できそうな統計と矛盾しているように感じた。説明しよう。通勤は世界で最も華やかな旅ではなかった。東ロンドンのハックニーから西ロンドンのホワイトシティに行くためには、忙しい道路を急いで渡り、混雑した二階建てバスに乗り込み、ベスナルグリーンの地下鉄駅に向かってゆっくりと進む交通を眺めることになる。バスが混んでいれば、地下鉄はさらに混んでいた。サーディンの缶詰が広々として見えるほどだった。私はプラットフォームで希望に満ちた乗客の群れに加わり、中央線の列車が到着して乗り込むスペースがあることを待っていた。それは決して確実ではなかった。私たちはしばしば、さらに東から乗ってきたあまり喜んでいない乗客の間をすり抜けるために、2本目や3本目の列車を待たなければならなかった。 座席を確保するのは無理でした。この経験は、数字が世界を成り立たせるという私の考えに挑戦しました。なぜなら、ロンドンの公共交通機関が実際にどれほど混雑しているかについての統計を見たとき、それは自分の目で見た証拠と真っ向から矛盾していたからです。そして、暖かくて汗ばむ日には、自分の鼻でも感じました。その統計によれば、ロンドンのバスの平均乗車人数は約12人で、私が毎朝乗る二階建てバスの62席と比べると非常に少ない数字です。これは完全に間違っていると感じました。ある日には、腕の届く範囲に12人以上いると感じることもありましたし、バスの中でも同様でした。地下鉄の乗車率はさらに理解できませんでした。ロンドン交通局によれば、地下鉄の「圧縮定員」は1000人以上です。しかし、平均乗車人数は130人未満です。え？中央線の地下鉄車両に130人を乗せることができるのです。1両に押し込めて、他の7両は完全に空にすることもできます。そして、それは静かな時間帯の乗車率ではなく、平均です。私は本当に、これらの統計—バスに12人、電車に130人—が現実を反映していると信じるべきなのでしょうか？確かにそうではありません。通勤するたびに、電車に乗るのもやっとで、時にはプラットフォームにすら乗り込むのが大変なことがあるのです。電車は統計が示すよりも混雑しているに違いありません。スタジオでは、統計的思考の重要性を唱えていましたが、スタジオに向かう途中、日常の経験はこれらの特定の統計が間違っているに違いないと教えてくれました。私たちの目で見たことと統計が主張することとの間の矛盾は非常に現実的です。前の章では、私たちの個人的な感情に惑わされないことが重要だと学びました。自己認識したデータ探偵として、私も個人的な経験について同じことを言うと思われるかもしれません。結局、信じるのはどちらですか？信頼できるスプレッドシートか、それとも自分の目の欺瞞か？真実はもっと複雑です。私たちの個人的な経験は、感情と共に軽視されるべきではありません。少なくとも、さらなる考慮なしには。時には、統計が世界を理解するためのはるかに良い方法を提供してくれることもありますが、時には私たちを誤解させることもあります。私たちは、統計が日常の経験と矛盾しているとき、どちらを信じるべきかを見極める賢さが必要です。では、数字が一つの物語を語り、日常生活が異なることを伝えるとき、私たちは何をすべきでしょうか？この章はそのことについてです。まず、統計がどこから来るのかに興味を持つことから始めると良いでしょう。私の通勤の場合、数字はロンドンの道路と公共交通機関を監督する政府機関であるロンドン交通局（TfL）によって公表されています。しかし、TfLの人々は、バスや地下鉄に何人が乗っているかをどうやって正確に知るのでしょうか？良い質問です。その答えは、彼らは確実にはわからないということです。しかし、彼らは良い推測をすることができます。 数年前、推定は紙の調査に基づいて行われていました。研究者たちはクリップボードを持ってバス停や地下鉄の駅に立ち、アンケートを配布していました。明らかにこの方法は手間がかかるものでしたが、私の体験と公式の乗車人数の間にある大きな差を説明するほどの誤差を生じさせることはなかったでしょう。いずれにせよ、非接触型決済が普及した今では、乗客数を推定するのがずっと簡単になっています。バスの利用者の大多数は、銀行カードやTfLのオイスターカード、スマートフォンの識別可能な非接触型チップをタップして乗車します。TfLのデータサイエンティストたちは、これらのデバイスがどこでいつ使われているかを把握できます。彼らは、乗客がバスを降りるタイミングについては推測を立てなければなりませんが、例えば、同じエリアからの帰りの旅をするのを見かけることができる場合もあります。また、接続サービスでカードを使ったことがわかることもあります。私がベスナルグリーンで地下鉄ネットワークにタップインしたのは、私が乗っていたバスがそのエリアに到着してから1分後でした。この場合、TfLは私がベスナルグリーンの停留所までバスに乗っていたと自信を持って結論づけることができますが、それ以上には進んでいません。ロンドン地下鉄では、乗客はタップイン・タップアウトを行いますが、TfLは依然として通勤者がネットワーク内でどのルートを取ったのかを把握していません。ネットワークはしばしば複数の妥当な選択肢を提供するためです。したがって、TfLは特定の列車がどれほど混雑しているかを把握できていません。再び、彼らは推測を立てることができますが、時折行う紙ベースの調査を用いて、乗客がどのように移動しているかを判断するための補足情報を得ています。推定値はすぐにより正確になるでしょう。2019年7月8日、TfLはWi-Fiネットワークを使用してロンドン地下鉄の異なる部分がどれほど混雑しているかを測定するシステムを導入しました。Wi-Fiに接続しようとする電話が多ければ多いほど、特定の駅の混雑ポイントが忙しくなります。このシステムは、TfLが混雑やその他の問題をリアルタイムで把握できるようにすることを約束しています。（このシステムが導入された翌日、私はTfLのデータチームと話をしました。彼らはとても興奮していました。） したがって、統計は少なくとも妥当なものです。単に誤りだと片付けることはできません。次のステップは、私たちの個人的な体験がなぜこれほど異なるのかを探ることです。私の通勤の場合、明らかな出発点は、私が混雑する時間帯に、地下鉄ネットワークの最も混雑する区間の一つを移動していたということです。混雑していたのも無理はありません。しかし、この特定の問題はもう少し深いところにあります。ほとんどの列車が混雑していない可能性がある一方で、ほとんどの人が混雑した列車に乗っていることも十分に考えられます。極端な例を挙げると、1日に10本の列車が走る仮想の鉄道路線を想像してみてください。1本のラッシュアワーの列車には1000人が詰め込まれていますが、他の列車は全く乗客がいません。この場合、これらの列車の平均乗車人数は100人で、ロンドン地下鉄の実際の数字に近いものです。しかし、このシナリオにおける典型的な乗客の体験はどうでしょうか？すべての人が混雑した列車に乗っているのです。 ロンドン地下鉄の実際の状況は、そこまで極端ではありません。完全に空の電車はあまりありませんが、特に通勤客の流れに逆らって運行される際には、乗客が非常に少ない電車が時々あります。そのような時、周りにいる乗客はごくわずかです。これらの統計は真実を語っていますが、全ての真実ではありません。もちろん、混雑の問題を測るための代替手段もあります。平均的な電車の乗車率を測るのではなく、平均的な乗客が直面する状況を測ることができます。例えば、100回の乗車のうち、何回が混雑した電車での移動なのかということです。これが乗客の体験を測るより良い方法でしょう。実際、TfL（ロンドン交通局）は現在、電車ではなく乗客の状況を反映する統計を作成するためにデータ収集と報告を再調整しています。しかし、公共交通ネットワークがどれほど混雑しているかを示す客観的な指標は存在しません。乗客として、私が乗るバスはどれもよく利用されているように思えます。しかし、TfLの統計は真実を示しており、多くのバスがほとんど空の状態で走っていることを明らかにしています。これは、バスが最も混雑する地域に魔法のように現れるわけではなく、路線の終点に到達すると、再び戻らなければならないからです。TfLはバスの平均乗車率が低いことを気にしています。なぜなら、そのバスはコストがかかり、道路のスペースを占有し、汚染物質を排出するからです。したがって、平均乗車率は彼らにとって重要な指標となります。要するに、私自身の目はロンドンの交通ネットワークについて重要で真実なことを教えてくれました。しかし、統計は別のこと、同じくらい重要で真実なことを教えてくれました。そして、それは他の方法では知ることができなかったことです。時には、個人的な経験が一つのことを教え、統計がまったく異なることを示し、両方が真実であることがあります。もちろん、いつもそうとは限りません。たとえば、重度の喫煙が肺癌のリスクを16倍に増加させるという発見を思い出してください。この結果に対して、個人的な経験から懐疑的になる理由を見出す人も多かったでしょう。たとえば、チェーンスモーカーの90代のおばあちゃんがとても健康で、あなたが知っている唯一の肺癌で亡くなった人は隣人のおじさんで、彼は生涯一度もタバコを吸ったことがないという場合です。一見すると、これは私の日常の通勤がTfLの統計と矛盾しているように見えます。しかし、よく考えてみると、この場合、私たちは個人的な経験を捨てて統計的な見方を信じる理由があることがわかります。16倍というのは決して小さな影響ではありませんが、肺癌自体は稀であるため、私たちの直感を混乱させることがあります。世界には、目で見ただけでは検出できないほど微妙または稀なパターンがたくさんあります。また、パターンは、統計的な視点なしでは見つけにくいほど微妙または稀である必要はありません。これは多くの医療条件や治療にも当てはまります。私たちが体調を崩したとき—頭痛からうつ病、膝の痛みから目立たないできものまで—私たちは解決策を求めます。 最近、妻が腕を上げるたびに肩に鋭い痛みを感じるようになりました。その痛みは、服を着るのも高い棚のものを取るのも難しくなるほどひどいものでした。しばらくして、彼女は理学療法士のところに行き、問題を診断してもらい、不快な運動療法を処方されました。妻は毎日その運動を熱心に行いました。数週間後、彼女は「肩が良くなってきた気がする」と言いました。「わあ、理学療法が効いたみたいだね！」と私が言うと、妻は「かもしれないけど、もともと自然に良くなっていたかもしれない」と返しました。彼女は私が統計的な罠を仕掛けるのを見抜くのが得意です。 実際、妻の視点からすると、肩が治ることが最も重要でした。彼女が求めていたのは肩の回復であり、自分の感覚が唯一の重要な指標でした。しかし、運動が回復を引き起こしたかどうかという問題に関しては、彼女の個人的な経験はあまり役に立ちません。そして、私の妻ではなく、将来肩の痛みに悩む人々の視点から見ると、因果関係の問題が重要です。私たちは、これらの運動が効果的かどうか、あるいはより良いアプローチがあるのかを知る必要があります。これは、食事、療法、運動、抗生物質、鎮痛剤など、他の問題に対する治療法にも当てはまります。私たちが気分が良くなるのは嬉しいことですが、将来の世代は、私たちが取った行動によって気分が良くなったのか、それとも無駄な儀式でお金を使い、時間を浪費し、望ましくない副作用をもたらしたのかを知る必要があります。このため、私たちはあらゆる治療法の無作為化試験に依存しています。理想的には、最良の治療法やプラセボと呼ばれる偽の治療法と比較されるべきです。私たちの個人的な経験が無関係というわけではなく、次の世代を助けるために必要な情報を提供できないのです。 個人的な経験と統計が対立しているように見えるとき、状況を詳しく見ることで、個人的な経験が信頼できない指針である理由が明らかになることがあります。例えば、麻疹、流行性耳下腺炎、風疹（MMR）に対するワクチン接種が子供の自閉症リスクを高めるという考えがありますが、実際にはそうではありません。しかし、私たちの半数以下がそのことを確信していません。統計的な視点からは、そのような関連性はないと自信を持って言えます。自閉症は一般的ではないため、ワクチンを受けた子供たちと受けていない子供たちの経験を比較する必要があります。デンマークで行われた大規模な研究では、650,000人の子供を追跡しました。ほとんどの子供は15か月でMMRワクチンを接種し、4歳でフォローアップを受けましたが、約30,000人は接種しませんでした。自閉症と診断された子供は約1％で、ワクチンを接種した子供も接種していない子供も同様でした（もちろん、ワクチンを接種していない子供はこれらの危険な病気にかかるリスクが高くなります）。 では、なぜ多くの人が懐疑的であり続けるのでしょうか。その一因は、この問題に関する無謀な出版の悲しい歴史です。 しかし、疑念が残るのは、多くの人々が自閉症の診断を受けた子どもたちの話を聞いたことがあり、その子どもたちの親がワクチンに責任があると考えているからです。もしあなたが子どもをワクチン接種に連れて行き、その後すぐに自閉症の診断を受けたとしたら、二つの出来事を結びつけるでしょうか？そう考えないのは難しいでしょう。実際、このような逸話が多く存在するのは驚くべきことではありません。自閉症は通常、二つの年齢のいずれかで診断される傾向があります。早期の兆候は、約15ヶ月の時点で小児看護師によって観察されることがあります。もしその時に見逃されると、診断は子どもが学校に入学する頃に行われることが多いのです。そして、MMRワクチンの二回の接種は、これらの年齢に近い時期に行われます。私たちの個人的な経験が統計的な見解と合わない理由に納得のいく説明が見つかれば、疑念を脇に置いて数字を信じることができるはずです。 テレビやその他のメディアとの関係は、もう少し気楽な例です。テレビに出ている多くの人々は、私たちよりも裕福です。ほぼ定義上、彼らは私たちよりも有名です。彼らは私たちよりも魅力的である可能性が高く、少なくとも私よりは魅力的です（私はラジオに出ている理由があります）。典型的な人がどれほど魅力的で、有名で、裕福であるかを考えると、私たちはメディアを通じて知っている多くの人々が魅力的で有名で裕福であるという事実によって、自分の評価が歪められてしまうのを避けられません。たとえ、テレビの有名人が世界の人口のランダムなサンプルではないと気づいたとしても、その感覚を拭い去るのは難しいのです。心理学者はこれを「ナイーブ・リアリズム」と呼びます。私たちが自分の世界観を普遍的な真実と混同すると、ナイーブ・リアリズムは私たちを誤った方向に導くことがあります。選挙が私たちの期待に反して結果が出ると驚くのは、私たちの社会的なサークルの全員が私たちに同意していたからです。なぜ国全体が異なる投票をしたのでしょうか？世論調査は必ずしも正確ではありませんが、友人と話すよりも選挙を予測する上での実績は良いことを保証できます。ナイーブ・リアリズムは強力な錯覚です。 意見調査会社のイプソス・モリの調査結果を考えてみましょう。モリは38カ国で約30,000人にさまざまな社会問題について尋ね、その結果、彼ら（おそらく私たちのほとんども）が信頼できる統計が示すものとは大きくかけ離れていることがわかりました。 a. 私たちは殺人率について誤解しています。2000年以降、上昇していると思っていますが、調査したほとんどの国では減少しています。 b. テロによる死亡者数は過去15年間で前の15年間よりも多かったと思っていますが、実際には減少しています。 c. 私たちは、囚人の28％が移民だと思っていますが、イプソス・モリによれば、調査した国々での実際の割合は15％です。 d. 私たちは、毎年20％のティーンエイジャーの女の子が出産していると思っていますが、この数字は考えてみると生物学的な信憑性を欠いています。 18歳の彼女は6年間ティーンエイジャーであり、もし毎年20％の確率で赤ちゃんを産むとしたら、ほとんどの18歳は母親であることになります。（母親でない人は、何度も母親になっている18歳とバランスが取れています。）周りを見て、それは本当にそうでしょうか？イプソス・モリによれば、実際の数字は、ティーンエイジャーの女の子のうち毎年出産するのは2％に過ぎません。私たちは34％の人々が糖尿病を持っていると思っていますが、実際の数字は8％です。また、私たちは75％の人々がFacebookアカウントを持っていると思っていますが、2017年の時点での正しい数字は46％でした。なぜ私たちの世界に対する認識はこんなにも間違っているのでしょうか？確かなことは分かりませんが、最初の推測として考えられるのは、私たちの印象がメディアから得られているということです。信頼できる新聞やテレビチャンネルが実際に間違ったデータを提供することはありませんが（そういうこともありますが）、問題はニュースが宝くじの当選やおとぎ話のようなロマンス、テロリストの残虐行為や見知らぬ人による恐ろしい襲撃、そしてもちろん最新のトレンドを伝えることです。これらのトレンドは、実際には見かけほど人気がないことが多いのです。これらのストーリーは日常生活を反映しておらず、すべてが非常に記憶に残りやすく、私たちのリビングルームで起こっているように感じられます。そのため、私たちはそれに基づいて印象を形成します。偉大な心理学者ダニエル・カーネマンは『ファスト＆スロー』の中でこう説明しています。「難しい質問に直面したとき、私たちはしばしば代わりに簡単な質問に答えますが、その置き換えに気づかないことが多いのです。」テロリストが私を殺す可能性があるかと問う代わりに、「最近、テロに関するニュースを見たか？」と自問します。知っているティーンエイジャーの女の子の中で、どれだけがすでに母親なのかと考える代わりに、「ティーンエイジャーの妊娠に関する最近のニュースの例を思い出せるか？」と考えます。 これらのニュース報道は、ある意味でデータです。ただし、代表的なデータではありません。しかし、確かに私たちの世界観に影響を与えています。カーネマンの用語を借りると、それは「ファスト・スタティスティクス」—即座で直感的、感情的で強力なものです。「スロー・スタティスティクス」、つまり偏りのない情報を慎重に集めたものは、私たちの心に飛び込んでくることはあまりありません。しかし、これから見ていくように、スローな情報をもっと摂取し、結果としてよりバランスの取れた情報の食事をする方法はあります。これまで見てきたように、慎重で丁寧なスロー・スタティスティクスは、迅速で雑なファスト・スタティスティクスよりも信頼できる場合があり、両方が私たちに世界の有用な視点を提供する状況もあります。しかし、私たちがデータよりも個人的な印象を信じるべきケースもあるのでしょうか？はい。スプレッドシートからは学べないことがあるのです。ジェリー・Z・ミューラーの著書『メトリクスの専制』を考えてみてください。この本は220ページの長さで、平均的な章は10.18ページで、17.76の脚注が含まれています。表紙には4つの推薦文があり、本の重さは421グラムです。しかし、もちろんこれらの数字は私たちが知りたいこと、つまりこの本が何を言っているのか、そして私たちはそれを真剣に受け止めるべきかを教えてくれるものではありません。本を理解するためには、あなたは… それを読む必要があるのか、あるいは読んだ人の意見を信じるべきなのか。ジェリー・ミュラーは、特定の種類の「遅い統計」、つまり管理指標やパフォーマンス目標として使われる統計の問題に焦点を当てています。統計的な指標は、他の方法では見ることができない事実やトレンドを示してくれますが、しばしば特定の専門知識や現場の視点を持たない管理者や政治家によって、関連する経験の代わりに使われてしまいます。例えば、医師のグループが臨床結果に関するデータを収集・分析すれば、彼らは一緒に何かを学び、仕事をより良くする手助けになるでしょう。しかし、もしその医師たちの上司が、これらの数字を改善することにボーナスや昇進を結びつけると決めた場合、予期しない結果が生じることは明らかです。実際、いくつかの研究では、心臓外科医が成功率を下げることを恐れて、最も重症の患者に手術を行うことを拒否するという証拠が見つかっています。 私の著書『Messy』では、同様の例について一章を費やしました。イギリス政府が、医者に電話をかけたときに人々が予約を取るまでにどれくらい待たされるかのデータを収集したことがあり、これは知っておくべき有用な情報です。しかし、その後、政府は平均待機時間を短縮する目標を設定しました。医師たちは論理的に、事前予約を一切受け付けないことにしました。その結果、患者は毎朝電話をかけて、運良く最初に繋がることを願うしかなくなりました。待機時間は定義上、常に1日未満になりました。また、アメリカの大学のランキングを発表する『U.S. News & World Report』が、より選択的な機関を評価したとき、過剰応募の大学は新しい応募者を引き寄せようとし、拒否することでより選択的に見せようとしました。 さらに、ベトナム戦争中にアメリカの国防長官ロバート・マクナマラが抱いた「死者数」という指標への執着もあります。敵を多く殺すほど勝利に近づくとマクナマラは考えました。この考えは常に疑わしいものでしたが、死者数はすぐに部隊の評価や昇進のための非公式な指標となり、しばしば誇張されました。また、既に死んでいる敵を数える方が新たに敵を殺すよりも簡単だったため、死体を数えること自体が軍事的な目標となりました。これはリスクが高く、無意味でしたが、マクナマラが設定した歪んだインセンティブに応じたものでした。このエピソードは、統計が常に収集する価値があるわけではないことを示していますが、マクナマラがそれを求めた理由を理解することはできます。彼は、自身が兵士としての経験がない遠い状況を理解し、制御しようとしていたのです。数年前、ベトナムでの誤りについての専門家であるH.R.マクマスター将軍にインタビューしました。彼は、軍は「状況の理解はコンピュータの画面で提供できる」と信じていたと語りました。 しかし、それは不可能でした。特に状況が急速に変化する場合や、戦場のように柔らかく、定量化が難しい詳細が含まれている場合、実際にその場にいる必要があるのです。 ノーベル賞受賞経済学者フリードリヒ・ハイエクは、指標や地図では捉えにくい意識の形を「時間と場所の特定の状況に関する知識」と表現しました。社会科学者たちは長い間、「測定が目標になるとき」という問題に取り組んできました。心理学者ドナルド・T・キャンベルは、同じ頃に次のように説明しました。「定量的な社会指標が社会的意思決定に使用されるほど、それは腐敗の圧力にさらされ、監視することを意図した社会プロセスを歪めたり腐敗させたりする可能性が高くなる。」グッドハートとキャンベルは、同じ基本的な問題に気づいていました。統計的な指標は、実際に重要な何かのかなり良い代理指標であるかもしれませんが、ほとんど常に本物ではなく代理に過ぎません。その代理指標を改善するための目標として使用したり、他者を遠くから制御するための指標として使い始めると、それは歪められたり、偽造されたり、損なわれたりします。その測定値の価値は消えてしまうのです。 2018年、私は家族と共に中国を訪れました。この旅を通じて、速い統計と遅い統計のどちらかを選ぶ必要はないことを学びました。最も深い理解は、両者を融合させることから生まれます。遅い統計は、私のような経済学好きには馴染み深い物語を語ります。中国の一人当たりの実質所得は1990年以降、10倍に増加しました。1980年代初頭以来、極度の貧困にある人々の数は7億人以上減少しました—これは国全体の人口の半分以上に相当します。中国は最近の3年間で、アメリカが20世紀全体で使用したよりも多くのセメントを消費しました。書面上では、これは人類の歴史における最も劇的な経済活動の爆発です。しかし、実際に自分の目で見ることは全く別の体験です。統計では、広東省を横断する旅に備えることはできませんでした。この成長の最前線にある南部の省です。私たちは香港—究極の高層ビルの街—から始まり、その本土の双子都市である深センに歩いて入りました。そして、エンパイア・ステート・ビルを凌ぐピンアンの超高層ビルの影で、私たちは省を横断する新幹線に乗りました。ロンドンのタワーブロックがしばしば単独または2、3棟のグループで立っているのに対し、深センでは、肩を寄せ合ったアパートで満たされた同じデザインのモニュメントが12棟集まっています。その隣には、異なるデザインの別の12棟があります。そしてまた別の、さらに別の。遠くの霞の向こうには、マンハッタンのような大きな高層ビルのクラスターが見えました。タワーは延々と続き、私には、広州の街まで（そう見えました）続いているように思えました—無限のコンクリートの景色を高速で45分ほど移動しました。私たちはその日の終わりに、絵葉書のような風景の陽朔に深く入り込みました。しかし、理想的な環境にもかかわらず、私は眠れませんでした。無限に続くタワーブロックが私の心を巡っていました。もし私たちが広東の真ん中で6歳の息子を失ったらどうなるのだろうか？ 私の不眠の不安は、家族と世界の間を行き来していた。人がこんなに多く、コンクリートがこれほどまでに広がっているのに、地球は果たしてどうやってこの状況を乗り越えられるのだろうか。もちろん、この経験は経済データと矛盾するものではなかった。中国の成長に関する二つの視点は、完全に補完し合っていた。しかし、感じ方はまったく異なった。遅い統計は、私に考え、計算することを求め、数字を処理し、現代中国にとってそれが何を意味するのかを理解するのに努力が必要だった。一方、列車の旅は速い統計をもたらした。それは、私が迅速かつ自動的に印象を形成し、広州を故郷の都市と比較し、愛する人々への危険を不安に感じるという、異なる直感的な思考法に触れさせた。 この二つの世界の理解の仕方には、それぞれの利点と罠がある。経済学者でマイクロファイナンスの先駆者、ノーベル平和賞受賞者のムハマド・ユヌスは、個人的な経験の「虫の目」と、統計が提供する「鳥の目」を対比させている。虫と鳥は世界を非常に異なる視点で見ており、ユヌス教授が近くで見ることの利点を強調するのは正しい。しかし、鳥も多くのことを見ている。ユヌス教授は、バングラデシュの貧しい女性たちの生活に注意を払い、彼女たちにより安価な融資を提供することで生活を改善する機会を見出し、マイクロ起業家の世代を解き放った。しかし、その近くでの直感は、統計的な厳密さと照らし合わせる必要がある。ユヌスが広めたマイクロクレジットの仕組みは、今ではより徹底的に検証されており、似たような人々のグループが小額の融資を申請し、ランダムに承認されたり拒否されたりするという無作為試験が行われている。（これは、ある患者が新薬を受け取り、他の患者がプラセボを受け取る臨床試験のようなものだ。）これらの実験は、小額の融資を受けることの利益がかなり控えめで、一時的であることを示す傾向がある。同じ厳密なテストを他のアプローチに適用すると、例えばマイクロ起業家に小額の現金支給とメンターからのアドバイスを提供する場合、現金とメンターの組み合わせがこれらの小さなビジネスの収入を向上させる可能性が高いことがわかる。 統計的証拠は、乾燥して薄っぺらに感じられることがある。それは私たちの個人的な経験のように、記憶に残り、直感的に響くものではない。しかし、私たちの個人的な経験は限られている。私の中国旅行は観光地、空港、高速鉄道のリンクを含んでいたが、重要なことをすべて見たと信じるのは大きな間違いだ。鳥の目と虫の目のバランス、数字から得られる広範で厳密だが乾燥した洞察と、経験から学ぶ豊かだが狭い教訓の間に、簡単な答えはない。私たちはただ、自分たちが学んでいることと、見逃しているかもしれないことを常に思い出し続けなければならない。 統計学においても他の分野と同様に、厳密な論理と個人的な印象は、お互いを補強し合い、修正し合うときに最も効果的です。理想的には、両者の良いところを組み合わせる方法を見つけたいものです。その一つの試みとして、スウェーデンの財団Gapminderのアンナ・ロスリング・ローヌルンドが開発した「ダラーストリート」というウェブサイトがあります。このサイトは、グローバルな発展に関する誤解を解消することを目的としています。彼女は、速い統計と遅い統計のギャップ、つまり虫の目と鳥の目の視点を埋めることを目指しています。 ダラーストリートでは、ブルンジのマカンバに住むブトイ家と、中国の雲南省に住むビ家の生活を比較することができます。イメルダ・ブトイは農家で、彼女と4人の子供は月27ドルで生活しています。一方、ビ・ファとユエ・ヘンは両方とも起業家で、彼らの家族は月1万ドルの収入を得ています。月27ドルでの生活が月1万ドルでの生活とは非常に異なるのは当然ですが、数字だけではその違いを直感的に感じたり、自分の生活と比較したりすることはできません。ダラーストリートは、コンピュータ画面を通じて可能な限りそのギャップを埋めようとし、短い映画やさまざまな部屋や日常の物品の写真を数千枚提示しています。例えば、料理用のストーブ、光源、おもちゃ、塩を保管する場所、電話、ベッドなどです。 各家庭では、これらの日常的な場所や物の写真が約150枚撮影され、可能な限り同じ方法で表現されています。これらの画像は非常に明確に物語ります。イメルダ・ブトイの家の写真は、彼女が月27ドルを稼いでいるという正確で薄い統計よりも、はるかに生き生きとした印象を与えます。家は泥の壁で、屋根は藁と泥でできています。光は開放的な火から得られ、トイレは外の地面に開いた穴の上に置かれた板です。床は固められた土です。子供のおもちゃは？ほんの数冊の絵本しかありません。一方、ビ家の家は、現代的なシャワー、流し式トイレ、高級なハイファイ、そして薄型テレビを備えています。車は前に停まっています。写真はすべてを明確に示しており、キッチンが意外に狭く、料理用の電気コンロが2つしかないことも含まれています。 「私たちは写真をデータとして使うことができます」とロスリング・ローヌルンドは言います。彼女が言うように、それらが無作為で誤解を招く可能性のあるデータではなく、有用なデータとなるのは、それらが整理可能で比較可能であり、数字と結びついているからです。このサイトでは、低所得、中所得、高所得の家庭の写真だけを表示するようにフィルタリングすることができます。また、特定の国の写真や、歯磨き粉やおもちゃなど特定のアイテムの写真だけを表示することも可能です。例えば、非常に貧しい家庭の料理の画像をすべて見ると、世界中で一般的な方法が、開放的な火の上に吊るされた鉄鍋であることがわかります。裕福な家庭はすべて、制御可能な電気やガスを供給するボタン式の器具を使用しています。どこに住んでいても、貧しい人は他の家族と同じ部屋で床に寝ることが多いでしょう。裕福な人はプライバシーと快適なベッドを持っています。 私たちが文化の違いと考える多くのことは、実際には収入の違いであることがわかります。「数字は地球上の生活が何であるかの全てを語ることは決してない」と、世界で最も有名な統計の専門家であるハンス・ロスリングは書いています。（ハンスはアンナ・ロスリング・ロンルンドの義父です。）もちろん、ハンスの言う通りです。数字だけでは全ての物語を語ることはできません。だからこそ、彼は医師であり学者として広く旅をし、統計的証拠に物語を巧みに織り交ぜていたのです。しかし、数字が語る物語も重要です。私が「ダラーストリート」を気に入っているのは、統計を迅速かつ緩やかに、虫の目と鳥の目の視点をうまく組み合わせているからです。私たちは本能的に理解し、記憶に残る日常のイメージを示してくれます。私たちは世界中の人々に共感しますが、それは明確な統計的文脈の中で行われます。例えば、月収27ドル、500ドル、または10,000ドルの生活を示し、それぞれの状況にどれだけの人が住んでいるかを明確にすることができます。統計を理解しなければ、世界の実態について大きな誤解をする可能性があります。自分の目で見たことが全ての真実だと自分を納得させるのは非常に簡単ですが、それは真実ではありません。因果関係を理解するのは良い統計があっても難しいですが、統計がなければ絶望的です。しかし、もし私たちが統計だけを理解しているなら、実際にはほとんど何も理解していないことになります。私たちは、スプレッドシートを通じて調べることができる世界だけでなく、見て、聞いて、触れて、嗅ぐことができる世界にも好奇心を持つ必要があります。そこで、私の二つ目のアドバイスは、虫の目と鳥の目の両方の視点を持つように努めることです。これらは通常、異なる何かを示し、時にはパズルを提示します。「どうして両方の視点が真実であり得るのか？」それが調査の始まりとなるべきです。時には統計が誤解を招くこともあれば、私たち自身の目が私たを欺くこともあります。そして、時には見かけの矛盾が何が起こっているのかを理解することで解決できることもあります。しばしば、それにはいくつかの賢い質問をすることが必要です。その中には、次の章で紹介する質問も含まれます。 ルール3 早まった列挙を避ける 実際に質問が何であるかを知ると、その答えが何を意味するのかがわかります。ダグラス・アダムズの『銀河ヒッチハイク・ガイド』に登場するスーパーコンピュータ「ディープ・ソート」は、重要な質問でした。イギリス全土で、新生児の死亡率は明らかな理由もなく大きく異なっていました。医師や看護師がこれらの子供たちを救うために何か異なることをしている可能性はあるのでしょうか？臨床医たちは、より良いパフォーマンスを示す病院に派遣され、学べる教訓について考え、自分たちの産科サービスを根本から再構築することを検討するよう指示されました。しかし、レスター大学のルーシー・スミス博士は、疑念を抱いていました。そこで彼女は、イギリス中部とロンドンの二つの病院グループのデータを詳細に調べました。これらの病院は非常に似たコミュニティにサービスを提供していましたが、ロンドンでは新生児の死亡率が明らかに低かったのです。 ロンドンの病院は、クリニックや分娩室、あるいは新生児集中治療室で本当に何か異なることをしていたのでしょうか？スミス博士はそうではないと指摘します。死亡率の違いの説明は全く異なるものでした。妊娠が12週または13週で終わった場合、誰もがそれを流産と呼びます。しかし、24週以降に早産で生まれた赤ちゃんは、イギリスの法律により出生として記録される必要があります。しかし、妊娠がこのカットオフポイントの直前、つまり22週または23週で終わった場合、その表現はより曖昧になります。この段階で生まれた胎児は非常に小さく、大人の手のひらほどの大きさです。生存する可能性は低いです。多くの医師は、この心が痛む状況を「遅い流産」や「遅い胎児喪失」と呼びますが、たとえその小さな子どもが一時的に心拍を持っていたり、数回呼吸をしたりしてもです。スミス博士は、こうした経験をした親たちは「流産」という言葉が不十分だと強く感じることが多いと教えてくれました。おそらく、これらの親たちが悲しみを処理する手助けをするために、ミッドランズの新生児医師たちは同じ悲劇を異なる方法で表現する習慣を発展させました：赤ちゃんは生まれたが、すぐに亡くなったという形です。幸いにも、22週または23週で終わる妊娠は非常に少ないですが、ルーシー・スミスは簡単な計算を行った結果、これらの出生が統計的に扱われる方法の違いが、2つの病院グループ間の新生児死亡率の全体的な差を説明するのに十分であることに気づきました。結局、ロンドンで新生児が生存する可能性は変わらなかったのです。現実の違いではなく、その現実がどのように記録されているかの違いだったのです。同じ違いが国間の比較にも影響を与えます。アメリカは、裕福な国としては悪名高い高い乳児死亡率を抱えており、2010年には千出生あたり6.1人の死亡が記録されました。一方、フィンランドではわずか2.3人です。しかし、アメリカの医師たちは、イギリスのミッドランズの医師たちと同様に、22週で終わった妊娠を早期死亡として生きた出生として記録する可能性が高いことがわかりました。これは文化的な理由によるものかもしれませんし、異なる法的または財政的な考慮を反映しているのかもしれません。理由は何であれ、アメリカの高い乳児死亡率の一部（すべてではありませんが）は、他の国では流産として記録される妊娠を24週未満の生きた出生として記録することに起因しているようです。24週以降に生まれた赤ちゃんの場合、アメリカの乳児死亡率は千出生あたり6.1から4.2に下がります。フィンランドではほとんど変わらず、2.3から2.1に減少します。 この問題は、同じ国の時間経過に伴う傾向を比較する際にも生じます。イングランドとウェールズで2015年から2016年にかけて乳児死亡率が上昇した際、これは着実に低下してきた歴史に反していたため、報道は当然のことながら警鐘を鳴らしました。「肥満、貧困、喫煙、助産師の不足がすべて影響している可能性があります。」 「健康専門家が言うように、要因がある」とガーディアン紙は報じています。確かにそうかもしれません。しかし、英国医療雑誌に寄稿した医師のグループは、公式統計が妊娠22週目、あるいはそれ以前の生まれた赤ちゃんの数が劇的に増加していることも記録していると指摘しました。どうやら、ますます多くの医師がミッドランズの傾向に従い、流産ではなく生まれた赤ちゃんや早期の死亡を記録するように記録方法を変更しているようです。このことが、乳児死亡率の増加を説明するのに十分であると考えられます。ここには重要な教訓があります。しばしば、説明を求めることは、実際には誰かを責める理由を探すことを意味します。乳児死亡率が上昇している—政治家が医療サービスに十分なお金を提供していないのか、それとも母親が喫煙したり太ったりすることが原因なのか？ロンドンの乳児死亡率はミッドランズよりも低い—ミッドランズの病院は何を間違っているのか？実際には、誰かを責める理由が全くなかったのかもしれません。 統計的な主張を理解しようとする際には、その主張が実際に何を意味するのかを自問することから始める必要があります。乳児死亡率を測定することは、一見すると悲しくて単純なこと、つまり亡くなった赤ちゃんの数を数えることを意味します。しかし、少し考えてみると、赤ちゃんと胎児の区別は決して単純ではなく、アメリカの政治における最も激しい対立の一つの根底にある深い倫理的な問題です。統計学者はどこかで線を引かなければなりません。何が起こっているのかを理解したいのであれば、彼らがどこでその線を引いたのかを理解する必要があります。 コロナウイルスのパンデミックも同様の疑問を提起しています。私がこれを書いている2020年4月9日、メディアは過去24時間で887人がイギリス本土でCOVID-19で亡くなったと報じていますが、その数字が間違っていることを私は知っています。スコットランドの統計学者シーラ・バードのデータ調査によれば、実際の数字は約1,500人である可能性が高いのです。なぜそんなに大きな差があるのでしょうか？部分的には、自宅で亡くなった人もいるため、統計は病院で亡くなった人だけを示しているからです。しかし主に、これらの過剰な負担を抱えた病院が死亡を数日遅れて報告しているためです。今日、木曜日に発表された死亡者は、おそらく日曜日か月曜日に亡くなった人たちです。そして、死亡者数が指数関数的に増加しているため、3日前の出来事を伝えることは、現在の状況がどれほど深刻であるかを過小評価することになります。 統計学の全体の学問は、物事を測定したり数えたりすることに基づいています。『More or Less』の共同制作者マイケル・ブラストランドは、野原にいる2匹の羊を見ていると想像します。野原には羊が何匹いるでしょうか？もちろん2匹です。ただし、そのうちの1匹は羊ではなく子羊です。そしてもう1匹の羊は妊娠中で、実際には今まさに出産しようとしているところです。再び羊は何匹いるのでしょうか？1匹？2匹？2.5匹？3匹を数えるのが難しくなってきました。 病院に雇われている看護師の数（パートタイムの看護師が2人で1人とカウントされるのか？）や超富裕層の富（それは税務署に申告される富なのか、それとも隠れた資産を推定する方法があるのか？）について話すとき、何が測定されているのか、またはカウントされているのか、そしてその方法を理解することが重要です。これを考えることは意外と少ないのです。長年にわたり、私は統計の迷路から人々を導こうと試みる中で、多くの問題が最初の段階での誤った判断から生じていることに気づきました。人々は統計的主張の数学に飛び込んでしまい、サンプリングエラーや誤差の範囲について尋ねたり、数値が上昇しているのか下降しているのかを議論したり、信じたり疑ったり、分析したり解剖したりするのですが、最初に最も明白な事実を理解する時間を取らないのです。それは、「何が測定されているのか？どの定義が使われているのか？」ということです。この落とし穴は一般的ですが、名前が付けられていないようです。私の提案は「早すぎる数え上げ」です。 これは、妻との会話でよく話題になります。冷蔵庫の上に置かれたラジオが、朝食の時間に統計的主張を私たちの家に運んできます。例えば、「新しい研究によると、暴力的なビデオゲームをプレイする子供は現実でも暴力的になる可能性が高い」といった政治的なサウンドバイトや研究の劇的な結論です。20年間自分の限界を知っているにもかかわらず、妻は私の頭の中にすべての統計が詰まった巨大なスプレッドシートがあるという幻想を完全には捨てきれません。だから彼女は私に振り向いて「それは本当なの？」と尋ねます。時々、私はその問題について最近調べたばかりで答えを知っていることもありますが、もっと多くの場合、私は「それは彼らが何を意味しているかによる…」としか答えられません。 私は過激な哲学的懐疑主義を模倣しようとしているわけではなく、妻を苛立たせようとしているわけでもありません。ただ、私はその主張が何を意味しているのかを完全には理解していないので、それが本当かどうかを知る立場にはないということを指摘しているのです。例えば、「暴力的なビデオゲーム」とは何を指すのでしょうか？パックマンは含まれますか？パックマンは、知覚のある生き物を生きたまま飲み込むという凶悪な行為を行います。あるいは、スペースインベーダーはどうでしょう？スペースインベーダーでは、撃つことと撃たれないこと以外に何もすることがありません。しかし、もしかしたら研究者たちが言いたかったこととは少し違うのかもしれません。彼らが何を意味していたのかを知らない限り、私はあまり多くを知りません。そして「プレイ」という言葉はどういう意味でしょうか？もしかしたら研究者たちは、暴力的なゲームを通常の週に多くプレイする子供たちを特定するためにアンケートに答えさせたのかもしれません。あるいは、実験的な被験者を集めて、ラボで20分間ゲームをプレイさせ、その後「現実でより暴力的になったか」を測定するようなテストを行ったのかもしれませんが、それは一体どう定義されるのでしょうか？ 「多くの研究は暴力を測定しない」と、数学者で統計リテラシープロジェクトSTATSのディレクターであるレベッカ・ゴルディンは言います。「彼らは攻撃的行動のような別のものを測定するのです。」しかし、攻撃的行動自体を測定するのは簡単ではありません。なぜなら、それを定義するのが難しいからです。ある影響力のあるビデオゲームに関する研究では、私はこれを作り話しているわけではありませんが、攻撃的行動を測定するために、他の人が飲む飲み物に辛いソースを加えるように人々を招待しました。この「辛いソースパラダイム」は、攻撃性の「直接的で明確な」評価として説明されました。私は社会心理学者ではないので、これは合理的かもしれません。しかし、「赤ちゃん」や「羊」、「看護師」と同様に、「暴力的」や「遊び」といった一見常識的な言葉には、多くの解釈の余地が隠れていることは明らかです。私たちは、世界に関する事実の主張と同じように、政策提案にも同じ厳密さを適用すべきです。政治家が戦略的に曖昧であることを好むのは皆知っています。彼らはしばしば「公平」や「進歩」、「機会」のメリットを大々的に宣伝したり、最も苛立たしい言い回しの一つである「私たちはこの政策を提案しています。なぜなら、それが正しいことだと思うからです」と言ったりします。しかし、具体的に聞こえる政策であっても、その主張を理解しなければ、ほとんど意味を持たないことがあります。学校への資金を増やしたいですか？素晴らしい！それは生徒一人当たりの資金増加ですか、インフレ後の話ですか？例えば、2017年にイギリスのブレグジットロビー団体「Leave Means Leave」が発表した政策文書では、「非熟練移民の5年間の凍結」を求めています。これは良いアイデアでしょうか？そのアイデアが本当に何であるかを知らない限り、判断は難しいです。今や「非熟練」とは何を意味するのかを尋ねるべきだと私たちは知っているはずです。詳しく調べてみると、少なくとも£35,000の給与での仕事のオファーがない場合は「非熟練」と見なされることがわかります。この水準では、大多数の看護師、幼稚園教諭、技術者、パラリーガル、化学者が除外されることになります。これは良い政策かもしれませんし、悪い政策かもしれませんが、多くの人は「非熟練移民の凍結」が教師や集中治療看護師として働く人々を排除する政策であると聞いて驚くでしょう。これは単なる政策文書ではありませんでした。2020年2月、イギリス政府は£25,600という低いカットオフを用いた新しい移民制限を発表しましたが、「熟練」と「非熟練」に関する類似の言葉が使われました。 早急な数え上げは、誰にでも起こりうる失敗です。数字に自信がある人々も、最初に分数が出てきたときに頭が混乱する人々と同じくらいリスクにさらされるかもしれません。実際、数字に自信がある場合、あなたは他の人よりも、数を切り分けたり、相関関係を見つけたり、回帰分析を行ったり、正規化や再基準化を行ったり、スプレッドシートや統計パッケージの数字を簡単に操作する傾向があるかもしれませんが、これらの抽象的な量が何を指しているのかを完全には理解していないことに気づかないことがあります。 この誘惑は、最後の金融危機の根底にあったと言えるかもしれません。数学的リスクモデルの洗練さが、リスクがどのように測定されているのか、そしてその測定が本当にグローバルな銀行システムに賭ける価値があるのかという疑問を曖昧にしてしまったのです。「More or Less」の制作に携わっていたとき、私はこの問題を至る所で見つけました。特定の定義を何年も使っていると、私たちが話した専門家たちは、一般のリスナーがその用語を聞いたときに全く異なることを考えているかもしれないことを簡単に忘れてしまうのです。心理学者スティーブン・ピンカーが「知識の呪い」と呼ぶものは、明確なコミュニケーションに対する常なる障害です。あるテーマをかなりよく知るようになると、それを知らない人の立場に自分を置くことが非常に難しくなります。私たち同僚も例外ではありませんでした。統計的な混乱を調査し始めたとき、私たちは習慣的に定義を明確にすることから始めましたが、それをすぐに当たり前のこととして受け入れてしまうため、リスナーにも説明することを常に思い出さなければなりませんでした。 ダレル・ハフは、「統計を使って嘘をつく」簡単な方法は誤解を招く定義を使うことだと指摘するでしょう。しかし、私たちはしばしば自分自身を誤解させてしまいます。例えば、39,773という数字を考えてみてください。これは2017年にアメリカ合衆国での銃による死亡者数です（この数字は全米安全協会からのもので、最新のものです）。この数字、あるいはそれに類似したものは、マスシューティングがニュースの見出しになるたびに繰り返されますが、実際にはこれらの死亡者の大多数はそのような悲惨な事件とは無関係です。（もちろん、すべてのマスシューティングが見出しになるわけではありません。4人以上が殺されたり負傷したりするという一般的な定義を用いると、アメリカではほぼ毎日マスシューティングが発生しており、その多くはニュース編集者の優先順位の下位に位置しています。）「銃による死亡」という言葉は複雑な概念のようには聞こえません。銃は銃であり、死は死です。しかし、「羊」という言葉もそうですから、私たちは直感を再確認する必要があります。死亡年である2017年も、あなたが思うほど単純ではありません。例えば、2016年のイギリスでは、殺人率が急上昇しました。これは、1989年にヒルズボロサッカースタジアムで発生した圧死事件で96人が不法に殺されたと公式に判断されたためです。当初は事故と見なされていましたが、これらの死亡は2016年に公式に殺人として認定されました。これは極端な例ですが、誰かが亡くなった時期とその死因が公式に登録されるまでにはしばしば遅れがあります。 しかし、ここでの大きな疑問は「死」という言葉の含意についてです。確かに、それはあいまいな概念ではありません。しかし、私たちは39,773という数字を、鮮明で恐ろしい虐殺の現場で救急車や警察車両の列が映し出されているニュース映像を見ている瞬間に耳にします。したがって、私たちは自然にそれを殺人、あるいは大量殺人と結びつけてしまいます。実際、アメリカにおける銃による死亡の約60％は自殺であり、殺人や稀な事故ではありません。 誰も私たちを誤解させようとして、銃に関連する殺人が実際よりも2.5倍も一般的だと思わせるつもりはありませんでした。それは、私たちが通常その数字を提示される文脈から当然に導き出す仮定に過ぎません。私たちの誤りに気づいた今、それからどのような結論を導き出すべきかは別の問題です。さまざまな政治的見解を支持するように解釈することも可能です。銃の権利を支持する人々は、これは大規模な銃乱射事件への恐れが過剰であることを示していると主張するでしょう。一方、銃規制を支持する人々は、これは銃の権利を主張するロビーの一般的な議論を弱めると反論するでしょう。つまり、人々は武装した攻撃者から自分を守るために武器を持つべきだという主張ですが、もし大きなリスクが人々が自分自身に銃を向けることであるなら、それは役に立ちません。統計を考慮する思慮深い読者として、私たちはどちらの判断にも急ぐ必要はありません。まずは明確さが重要であり、事実を理解した後に主張を行うべきです。また、39,773件の銃による死亡の背後には、悲劇的な人間の物語があることを忘れないようにしましょう。スターリンが「一人の死は悲劇だが、百万の死はただの統計だ」と言ったという証拠はほとんどありませんが、この言葉は、数字の背後にある人間の物語についての私たちの深い好奇心の欠如を語るため、長年にわたって響き渡っています。早急な数え上げは、単なる知的な失敗ではありません。統計が実際に何を意味するのかを尋ねないことは、共感の欠如でもあります。自殺という厳しいテーマに戻ると、イギリスでは「17歳から19歳の女の子の5人に1人が自傷行為をしたり自殺を試みたりしている」とガーディアンの見出しが叫んでいます。記事は、これがソーシャルメディアや見た目へのプレッシャー、性的暴力、試験での成功へのプレッシャー、仕事を見つける難しさ、新しい地域への引っ越し、中央政府のサービスの削減、またはiPadの影響によるものかもしれないと推測しています。しかし、この記事はスケープゴートには長けていますが、自傷行為が何を意味するのかについての詳細は不足しています。そこで、イギリス政府が資金提供し、いくつかの信頼できる研究機関によって実施された元の研究に目を向けましょう。見出しに誤りが潜り込んでいることに気づくのはそれほど時間がかかりません。17歳から19歳の女の子の5人に1人が自傷行為をしたり自殺を試みたりしているというのは真実ではありません。真実は、彼女たちの5人に1人が何らかの段階でそうしたと答えているということです—必ずしも最近ではありませんが。しかし、「そうした」とは具体的に何を指しているのでしょうか？研究自体も、ガーディアンの報告と同様に明確な情報を提供していません。国民保健サービスのウェブサイトには、皮膚を切ったり焼いたりすること、自分を殴ったり叩いたりすること、毒を飲んだり食べたりすること、薬物を使用すること、アルコールを乱用すること、拒食症や過食症などの摂食障害、髪を引き抜くこと、さらには過度の運動など、さまざまな自傷行為がリストされています。これらの若い女性たちは、質問に「はい」と答えたとき、これらの行為を考えていたのでしょうか？私たちは知りません。私は研究者に、彼女たちの考えを尋ねました。 彼らは「自己傷害の全範囲を捉えたい」と言ったため、インタビューを受けた若い女性たちには自己傷害の定義を提供しなかった。自己傷害とは、インタビューを受けた人々がそれをどう捉えるかによって決まるのだ。これは問題ない。できるだけ広範囲の行動を捉えようとすることに、必ずしも悪いことはない。17歳から19歳の女の子の5分の1が、何らかの形で自己傷害だと主観的に考える行動をしたことがあるというのは、知っておくと役立つかもしれない。しかし、この統計を解釈する私たちは、他の誰も彼女たちが何を意味していたのかを正確に知ることはできないということを心に留めておく必要がある。すべての自己傷害の形態は不安を引き起こすが、その中には他のものよりもはるかに不安を感じさせるものもある。過度の飲酒は、拒食症とは非常に異なるように思える。このことを考慮すると、自己傷害と自殺を一緒に扱う見出しは、一見自然に思えるが、実際には無責任に見えてくる。過度の運動と自殺の間には、巨大な隔たりがある。そして、この調査は若い女性の間で自己傷害が憂慮すべきほど一般的であることを示唆しているが、自殺は幸いにも非常に稀である。イギリスでは、15歳から19歳の女の子10万人あたり、毎年3.5人が自殺している。これは全国で約70人に相当する。 （ここまで読んで、当局が「自殺」と言うときに何を意味しているのか、疑問に思っていることを願っています。誰かが自殺を意図していたかどうかは常に明確ではありません。時には、人々は自分を傷つけることだけを意図していたが、事故で亡くなってしまうこともあります。イギリスの国立統計局は明確な線引きをしています。15歳以上の子供の死は故意と見なされ、15歳未満の場合は事故と見なされます。明らかに、これらの仮定は常に真実を反映するわけではなく、時には真実を知ることが不可能な場合もあります。） 自己傷害と自殺を一緒に扱うことは、特に見出しが女の子を特定しているため、さらに無責任です。この研究は確かに、17歳から19歳の女の子が同年代の男の子よりも自己傷害をしたと答える可能性が高いことを発見しましたが、自殺のリスクが高いのは男の子の方です。この年齢の男の子は、女の子の2倍の確率で自殺します。これらの数字の背後には、恐ろしい悲劇があります。何が起こっているのか、そしておそらくどのようにして生活をより良くできるかを理解するためには、定義を明確にすることが重要です。結局のところ、私たちが数字を集めている理由はそれなのです。 この章の残りを、より詳細な例に捧げたいと思います。これは、複雑な問題を考える方法を示すことができることを願っています。まずは何が測定されているのかを明確にし、その後に数学を分解していくという方法です。これは重要な問題ですが、多くの人々が非常に強い信念を持ちながらも、関与する定義については理解が乏しいという問題でもあります。その問題は不平等です。まずは、このトピックに関する最も有名な発言から始めましょう。 「オックスファム：85人の富裕層が世界の最貧困層の半分と同じくらいの富を持っている」というのが、2014年1月のガーディアンの見出しでした。インデペンデントも同じく、開発慈善団体オックスファムが発表した研究を取り上げ、多くのメディアが報じました。この主張は驚くべきものですが、私たちに何を伝えているのでしょうか。オックスファムの目的は注目を集めることでした。彼らは議論を呼び起こしたかったのです。もしその過程で何か明るい光を当てることができれば、それは二次的な考慮事項でした。これは私の意見だけではありません。報告書の主筆であるリカルド・フエンテスは、オックスファムのブログ記事「殺人ファクトの解剖」において、インタビューでそのように述べています。このブログ記事は、オックスファム国際のウェブサイトでの「史上最大のトラフィック日」を祝う内容でした。記事は、その主張が受けた注目に焦点を当てています。しかし、「殺人ファクト」は本当に情報を提供していたのでしょうか？それとも真実だったのでしょうか？フエンテスは後にBBCに対し、自身の研究には「欠点があるが、できる限りのものだった」と語っています。 私はその意見にはあまり同意できません。3年後、オックスファムはその分析を徹底的に見直し、見出しの数字は85人の億万長者から8人の億万長者に変わりました。実際に不平等が10倍悪化したのか、億万長者が10倍裕福になったのか、それとも世界の貧困層が何らかの形で財産の90％を失ったのか？いいえ、そんな経済的な大混乱はありませんでした。オックスファムの指標は、そもそも不平等を考えるには非常に騒がしく、情報を提供しない方法だったのです。見出しの主張の劇的な変化は、これが不平等を考えるにはあまり教育的でない方法であることを示す一つの指標です。また、一部のメディアの興奮した困惑も、この数字がどれほど混乱を招くものであったかを示す別の兆候です。ガーディアンはオックスファムの見出しを正確に繰り返しましたが、インデペンデントは85人の富裕層が世界の残りの部分と同じくらいの富を持っていると宣言するインフォグラフィックを掲載しました。（BBCのドキュメンタリーの予告編でも同じ誤りが繰り返されました。）これは同じ主張とは全く異なりますが、その理由を考えるには二度考えなければならないかもしれません。もし二度考えても助けにならなかった場合：世界のほとんどの富は、ほとんど何も持っていない最貧困層や、85人（あるいは8人？）の超億万長者が持っているわけではありません。それは数億人の中間層の裕福な人々にあります。あなたもその一人かもしれません。インデペンデントとBBCは「最貧困層の富」と「ゼロの億万長者でないすべての人の富」を混同してしまったのです。 この一見小さな混乱は、2兆ドル未満の合計と200兆ドル以上の合計の間のものであることが判明しました。主張されている内容を十分に考えなかったために、100倍の誤りが生じたのです。インデペンデントはまた、「85人の富裕層—1%」が「世界の残り—99%」と同じ富を持っていると宣言しました。これは、世界の人口が8,500人であることを示唆しています。もし前の主張が… 百倍の誤り、これはほぼ百万倍も小さすぎる。『インディペンデント』の混乱は、一瞬立ち止まって考える価値があります。私たちの感情がどれほど簡単に暴走するかを思い出させてくれます。世の中には、驚くべき、想像を超えるような富を持つ人々がいます。一方で、何も持たない人々もいます。これは不公平です。そして、その不公平に対して私たちが怒りを覚え始めると、考えることをやめてしまうリスクがあります。『インディペンデント』は、約80億人を8500人と混同しました。世界の最も貧しい半分の富を、最も裕福な85人を除く全員の富と混同しました。これらは馬鹿げた誤りですが、アブラハム・ブレディウスが示したように、考えることをやめて感情に流されると、馬鹿げた誤りがすぐに現れます。これは私たち全員に、少し立ち止まって考えることを思い出させる良い機会です。「1%」が誰であれ、彼らの数は85人以上であることを理解するのは、そんなに難しい計算ではないはずです。私は、キャンペーンや資金調達に専念するオックスファムを、最もセンセーショナルな見出しを追求することを責めることはできません。また、その主張がメディアからさまざまな混乱を引き起こしたことについても責任を問うつもりはありません。しかし、私たちのほうは、もう少し明確さを求めるかもしれません。そこで、再び出発点に戻り、何が測定されているのか、どのように測定されているのかを明確にすることから始めましょう。測定されているのは純資産です。つまり、家や株式、銀行の現金などの資産から、負債を引いたものです。もしあなたが25万ドルの価値のある家を持ち、10万ドルの住宅ローンがあるなら、純資産は15万ドルです。オックスファムの計算は、世界の最も貧しい半分の総純資産の最良の推定値（クレディ・スイスに雇われた研究者によって集められた）を基に、トップの億万長者たちの総資産の最良の推定値（新聞の富豪リストに報告された）と比較しました。彼らは、最も裕福な85人の億万長者を合計するだけで、世界の最も貧しい半分、約24億人の成人の総資産を超えることがわかりました（クレディ・スイスの研究者は子供を無視しました）。しかし、純資産は本当に多くのことを教えてくれるのでしょうか？たとえば、あなたが5万ドルのスポーツカーを5万ドルのローンで購入したとしましょう。車を購入した瞬間、そのスポーツカーは数千ドルの価値を失い、あなたの純資産は減少します。もしあなたがMBAや法科大学院、医科大学を卒業したばかりで、数十万ドルの負債を抱えているなら、あなたの純資産はゼロを大きく下回ります。しかし、経済的には、若い医者は若い自給自足の農夫よりもずっと快適に感じるでしょう。たとえ医者が借金に首まで浸かっていて、農夫が100ドルの価値のある痩せた牛と錆びた自転車を持っているとしてもです。純資産は富を測るには優れた方法ですが、貧困を測るにはあまり適していません。多くの人々はゼロ、あるいはゼロ未満の純資産を持っています。その中には困窮している人もいれば、若い医者のように問題なく生活できる人もいます。 さらに問題なのは、すべてのゼロや負の数を足し合わせても、決して正の数にはならないということです。その結果、私の幼い息子の貯金箱の中身は、世界で最も貧しい10億人の資産を合わせたものよりも価値があることになります。なぜなら、10億のゼロや負の数を足しても、最後に残るのは、私たちが最後に数えたときに彼の貯金箱にあった約15ドルを超えることはないからです。これが息子が裕福であることを示唆しているのでしょうか？いいえ。これは、ひどい貧困が根深いものであることを示しているのでしょうか？まあ、直接的にはそうではありません。10億人以上が富を持っていないという事実は衝撃的ですが、すべてのゼロを足し合わせることが私たちに多くを教えているとは言えません。おそらく、何も教えていないと言ってもいいでしょう。結局、10億にゼロを掛ければゼロになるということだけです。早急に数を数えることを避けた今、つまり、数字が何を意味するのかを本当に理解する前に数字を扱うことを急ぐのではなく、少し軽い数学を使うのに最適な時期です。これは非常に明確にしてくれるものです。 クレディ・スイスの「グローバル・ウェルス・レポート」を見てみると、オックスファムの主張の出所であるこのレポートから、いくつかの数字を使ってこのテーマに光を当てることができます。まず、4200万人がそれぞれ100万ドル以上の資産を持ち、合計で約142兆ドルを所有しています。その中には億万長者もいますが、大半はそうではありません。ロンドンやニューヨーク、東京のような場所に住宅ローンなしで素敵な家を持っているだけで、このグループに入ることができるかもしれません。良い私的年金の権利も同様です。世界の成人人口のほぼ1％がこのグループに属しています。 次に、436万人が10万ドル以上100万ドル未満の資産を持ち、合計でさらに125兆ドルを所有しています。この第2のグループには、世界の成人人口のほぼ10％が含まれています。これらの2つのグループは、合計でほとんどの現金を持っています。さらに、10億人が1万ドル以上10万ドル未満の資産を持ち、彼らの合計は約45兆ドルです。そして、残りの32億人の成人は、合計でわずか6.2兆ドルしか持っておらず、平均で2000ドル未満です。その中には、平均よりもはるかに少ない人も多くいます。非常に大まかに言えば、最も裕福な5億人が世界のほとんどのお金を持ち、次の10億人が残りを持っています。驚くほど裕福な85人の超億万長者はほんの一握りであり、彼らが所有するのはこの総額の1％未満です。これらすべては、私にとって、資産の分配についての多くを教えてくれるように思えます。広く繰り返される「キラーファクト」が富の不平等について語る一方で、世界のほとんどの富を無視しているのとは対照的です。オックスファムの目標が、理解できる範囲で、注目を集めて資金を集めるためにそのようなキラーファクトを生み出すことであるのに対し、私の目標は私たちの地球と社会を理解することです。これらの事実はオンラインで簡単にアクセスできました。数回のクリックで見つけることができました。それを見つけるためには、数分と世界への好奇心が必要でした。少なくともオックスファムは、富の不平等について話していることを明確にしていました。 私たちはよく「不平等が増加した」といった漠然とした主張を耳にしますが、その具体的な内容については全く想像もつきません。不平等とは何の不平等なのか、誰との間の不平等なのか、どのように測定されているのか、全く分からないのです。もしかしたら、彼らはオックスファムの報告を読んで、85人の億万長者が8人に減ったことを指して、富の不平等について話しているのかもしれません。または、所得の不平等について言及しているのかもしれません。人々の生活や日々の消費を理解したいのであれば、所得の不平等を調べる方が自然です。私たちが食べるもの、着るもの、そして生活の仕方は、富にではなく、給与、年金、国家からの支払い、小規模ビジネスの利益など、定期的な所得に関連しています。ほとんどの人は、利子の支払いだけで生活を賄えるほどの富を持っているわけではありません。そのため、不平等が日常生活にどのように現れるのかを理解したいのであれば、富よりも所得を見ていく方が理にかなっています。 所得に注目するもう一つの利点は、普通の学生とその貯金箱が、10億人を合わせたよりも裕福だと主張するという不条理に直面する必要がないことです。では、所得の不平等は誰との間のものなのでしょうか？明らかな答えは、富裕層と貧困層の間です。しかし、他にも可能性があります。国間の不平等、民族間の不平等、男女間の不平等、高齢者と若者の間の不平等、あるいは国内の異なる地域間の不平等を考えることもできます。しかし、所得の不平等を調べることに決め、高所得者と低所得者の間の不平等を見たとしても、次の疑問が残ります：どのように測定するのか？いくつかの可能性があります。中央値の所得（分布の真ん中に位置する人の所得）を、10パーセンタイルの所得（所得分布の下位に近い人の所得）と比較することができます。これを50/10比率と呼び、貧困層が中流層に対してどのように状況が変わっているかを示す指標です。あるいは、最高所得の1パーセントの所得シェアを見てみるのも良いでしょう。これは、億万長者だけでなく、ミリオネアの状況も示す良い指標です。これを自分で行う必要はありません。シンクタンクや学者たちがこれらの計算を行っており、通常はオンラインで簡単に見つけることができます。 これらの指標は、重要なことを教えてくれるようです。しかし、もしこれらが対立した場合はどうでしょうか？最高所得の1パーセントの所得が急増する一方で、所得の下位層での不平等が減少し、50/10比率が縮小し、貧困層が中流層に追いついていく国を想像してみてください。もし富裕層がより裕福になり、貧困層も中間層に対して裕福になった場合、不平等は増加したのでしょうか？それとも減少したのでしょうか？あるいはその両方でしょうか？これは一見、面白い仮定の質問のように思えますが、実際には1990年から2017年の間のイギリスの状況を描写しています。 税金を考慮した後、上位1％の人々は収入のシェアが増加しましたが、低所得世帯間の不平等は減少しました。貧しい世帯が中間所得の世帯に追いつく傾向があったからです。この話は、簡単な答えを求める人にとってはやや厄介ですが、複雑な世界では統計が常にきれいに出るとは限らないことを理解すべきです。数年前、私はイギリスの不平等についてのテレビ討論番組にデータ専門家として招待されました。この番組は、スタジオ観客の前で行われる1時間の特別番組で、さまざまな著名人がイギリスにおける不平等の重要性について議論するものでした。制作チームとの初期の話し合いで、私は彼らに世界不平等データベースを紹介しました。このリソースは、経済学者トニー・アトキンソンとトマ・ピケティによって作成されたものです。ピケティはもちろん、『21世紀の資本』の著者として有名で、2017年に亡くなったサー・トニーは彼の学問的なメンターの一人でした。彼らは厳しい再分配税と広範な政府の経済介入を支持していました。多くの経済学者と同様に、私はそのような政策には慎重ですが、彼らのデータベースを推薦しました。彼らは世界のトップ専門家だったからです。 すべてが順調に思えたのですが、番組の数日前に制作チームの一人と awkwardな電話をしました。私は、上位1％の税引き前の収入シェアが過去数年でわずかに減少したことを軽く触れました。ご覧の通り、それは不平等を測る唯一の方法ではありませんが、ピケティとアトキンソンが強調する指標であり、良い出発点だと思いました。明確で、厳密で、テレビで説明しやすいからです。驚いたことに、彼女は番組全体が2007-08年の金融危機以降、不平等が増加しているという前提に基づいていると告げました。なぜ彼らはそう考えたのでしょうか？データは明確でした。2008年には上位1％が税引き前の収入の12％を占めていましたが、危機によってそれは10％か11％に減少しました。これは驚くべきことではありません。大規模な金融危機は、銀行家や弁護士、企業の幹部などの高所得者の収入に一時的な打撃を与える可能性が高いからです。そして、これは、銀行家の貪欲や政府の削減の影響を最初に非難するであろう二人の左派経済学者によって収集されたデータであることを忘れないでください。しかし、テレビの制作陣にとって、不平等が増加したという考えは、単に真実であるべきだと思われたようです。彼らは私が推薦したデータを見て、何か欠陥を見つけたのかもしれません。あるいは、彼らがより良いと感じる別の指標を見つけたのかもしれません。しかし、私の会話から受けた強い印象は、制作チームが私が推薦したデータを単に見ていなかったということでした。そうでないことを願っています。なぜなら、番組の前提が実際に真実かどうかを確認するために必要な90秒ほどの時間を取らずに、野心的なテレビ番組を制作するには特別な好奇心の欠如が必要だからです。私は言い訳をして参加しませんでした。 統計学者は時に「豆を数える人」と軽蔑されることがあります。この皮肉な表現は誤解を招くものであり、不公平でもあります。政策において重要な概念の多くは、単なる豆のようなものではありません。それらは数えるのが難しいだけでなく、定義するのも難しいのです。「豆」という言葉の意味を理解すれば、豆を数えること自体はもっと簡単になるかもしれません。しかし、定義を理解しなければ、数字を見てもあまり意味がありません。私たちは始める前から自分自身を欺いているのです。では、解決策は何か？何が数えられているのか、統計の背後にある物語は何かを尋ねることです。数字を評価するために必要なスキルは、数値的なものであると考えるのは自然です。パーセンテージの計算方法や、百万、十億、兆の区別を理解することです。それは数学の問題ではないでしょうか？私たちがこの数ページで学んだことは、真実はもっと微妙であり、ある意味では簡単であるということです。私たちの混乱は、しばしば数字よりも言葉にあるのです。看護師の給与が上がったかどうかを判断する前に、「看護師」とは何を意味するのかを確認しましょう。若者の自傷行為の蔓延について嘆く前に、「自傷行為」とは何を指すのかを考えてみてください。不平等が急増したと結論づける前に、「何の不平等なのか？」と問いかけてみましょう。「不平等は増えたか？」という質問に短く明確な答えを求めることは、不公平であるだけでなく、奇妙に無関心でもあります。もし私たちが好奇心を持ち、正しい質問をすれば、より深い洞察が得られるのです。 **ルール4：一歩引いて景色を楽しむ** ディスク上で最も短命な生物は、24時間も生きられないウミトビです。二匹の古いウミトビは、トラウトの流れの水面を無目的に飛び回り、若い仲間たちと歴史について話し合っていました。「今は昔のような太陽は出ていないね」とそのうちの一匹が言いました。「その通りだ。昔はちゃんとした太陽があった。すべてが黄色だった。こんな赤いのはなかった。」 「もっと高かったよ。」 「そうだね、君の言う通りだ。」 2018年4月、新聞はロンドン市民に衝撃的なメッセージを伝えました。「ロンドンの殺人率がニューヨークを初めて上回った！」という見出しは、ギャングの暴走という物語を強調しました。そして、大西洋の両側で「殺人」の定義が異なることを一瞬無視すれば、この主張は完全に真実でもあります。2018年2月、ニューヨーク市では14件の殺人がありましたが、ロンドンでは15件でした。しかし、私たちは何を結論づけるべきでしょうか？何も結論づけるべきではありません。その二つの数字だけではほとんど何も教えてくれないからです。何が起こっているのかを理解したいのであれば、一歩引いて広い視野を持つ必要があります。ロンドンとニューヨークの殺人に関する知っておくべきいくつかの事実があります。ロンドンでは1990年に184件の殺人がありましたが、ニューヨークでは2,262件—10倍以上の数です。このように、ニューヨークが凶悪な場所であるというイメージを持っているロンドン市民は、自分たちがビッグアップルと同じくらい腐敗してしまったのではないかという考えに驚いているのです。 ロンドンの殺人率は1990年以降、上昇することなく減少しています。2017年にはロンドンで130件の殺人が発生し、その中にはテロ攻撃による10人の死亡者も含まれています。1990年のロンドンは安全でしたが、今日も少しだけ安全性が増しています。一方、ニューヨークでは2017年の殺人件数が292件に減少しました。これは、ニューヨークがロンドンよりも依然として危険であるものの、1990年に比べるとずっと安全であることを意味します。（殺人件数の総数ではなく、人口100万人あたりの殺人率を考慮すべきですが、ニューヨーク市とロンドンの人口は似ているため、その点については気にしないことにしましょう。） ニューヨークが大幅に安全になった今、時折ニューヨークの月間殺人件数がロンドンを下回ることもあります。数字に関して言えば、時間が経つにつれて上下する傾向があります。したがって、新聞の見出しは狭い意味では正しいものの、真実から私たちを遠ざける方向に導いています。ニュースは悪いものではなく良いものであり、ロンドンは危険になったのではなく安全になり、ロンドンは急速に改善しているニューヨークよりも安全であるということです。私たちは文脈を持って初めて真の物語を理解できます。 1965年、ノルウェーの社会科学者ヨハン・ガルトゥングとマリ・ルゲは、興味深い観察を行いました。「ニュース」とは、私たちがどれだけ注意を払うかによって大きく変わるということです。もしメディアが大多数の視聴者が毎日、あるいは数時間ごとにチェックしていることを知っていれば、その期間に起こった最も注目を集める出来事を自然と伝えるでしょう。金融ニュースを考えてみてください。ブルームバーグTVの継続的なビジネス報道、私の雇い主であるフィナンシャル・タイムズの毎日のリズム、そして週刊のエコノミストの取り上げ方には大きな違いがあります。たとえ三つのメディアがビジネス、経済、地政学に似た関心を持っていてもです。ブルームバーグは過去1時間の急激な市場の動きを取り上げるかもしれませんが、同じ動きはエコノミストでは取り上げられないでしょう。週刊、日刊、時報—ニュースのリズムはニュースの本質を変えます。 では、もっと遅いニュースのリズムを想像してみてください。たとえば、25年ごとの新聞です。最新号には何が載っているでしょうか？希望に満ちた更新や厳しい現実が詰まっており、中国の台頭、ワールドワイドウェブやスマートフォンの登場、アルカイダの出現やリーマン・ブラザーズの崩壊について記述されるでしょう。ロンドンでの殺人件数が減少していることを指摘する小さな特集記事があるかもしれませんが、ニューヨークほどには減っていないことは言及されないでしょう。ロンドンが殺人の多発地帯であるという考えには誰も言及しないでしょう。そのような観察は、迅速なメディアでなければ意味を成しません。 では、50年ごとの新聞はどうでしょうか？データの世界を創設した若き経済学者マックス・ローザーは、ガルトゥングとルゲに触発されてそのアイデアを提案しました。ローザーは、1918年、1968年、2018年に発行された新聞を想像しています。当時の新聞にとって衝撃的だったトピックは全く言及されないかもしれませんが、巨大な変化が起こっているでしょう。 世界中が叫び声を上げるような、そんな見出しが新聞の一面に載るでしょう。2018年の50年後の新聞の一面には、どんなことが書かれているでしょうか？一つの可能性として、「ふぅ！世界は核の終末を回避した！」という、実際には起こらなかった出来事についてのストーリーが考えられます。1968年の新聞を読んでいた人々は、過去30年間にわたって原子爆弾が発明され、開発され、日本に対して壊滅的な影響を与えたこと、さらにそれがより強力な水素爆弾の膨大な軍備に取って代わられ、超大国が何度も核衝突の危機にさらされたことを不安に思いながら読んでいたことでしょう。1968年以降初めて新聞を手に取る読者にとって、冷戦が核の交換なしに終わったというのは大ニュースです—「今日は水素爆弾が投下されませんでした」という見出しがどの新聞でも掲載されることはなかったとしても。 あるいは、編集者たちは気候変動についてのストーリーを大々的に取り上げるかもしれません。1968年版では温室効果に関する初期の研究が取り上げられることはなかったでしょうから、2018年の新聞は基本的な問題の説明から始めなければなりません。化石燃料（ガス、石油、石炭など）を燃焼させることが、熱を閉じ込めるように大気の組成を変えることが判明したのです。（見出し：「うわっ！石炭を燃やすのはひどいアイデアだ！」）その説明は、地球の気温上昇を示す驚くべきグラフで裏付けられます。気候変動は短期間で報告するのが難しい問題です。年間ベースで見ると、地球の気温は上下に変動します。気温が下がった年も上がった年とほぼ同じくらい存在し、これは疑念を生む材料となります。しかし、50年後の新聞は厳しい現実を明確に伝えます：1960年代以来、気温は約0.75°C（1.35°F）上昇しています。どの気温測定を見て、どの年の間を比較するかによって異なりますが。残念ながら、正しい視点から見ると、トレンドは明らかに地球が温暖化していることを示しています。 では、100年後の新聞はどうでしょうか？視点は再び変わります。1918年に最後に新聞を見た読者を考えると、「子供の死亡率が8分の1に減少！」という、安心安全な子供時代の奇跡についての主導的なストーリーを提供することに決めるかもしれません。世界中から無作為に選ばれた100人の5歳児を受け入れる学校を想像してみてください。1918年には、初日の登校に現れたのは68人の子供だけで、32人は5歳になる前に亡くなっていました。これは1914-18年の恐ろしい戦争や1918年の世界的なインフルエンザの流行による一時的な悲劇ではありませんでした。1900年にはその統計はさらに悪化していたのです。今では、96人の子供が無事に初年度の学校に現れ、わずか4人が就学前に亡くなります。彼らは、最も貧しく、最も孤立し、最も争いの絶えない国々から選ばれた子供たちです。 それは驚くべき進展です。200年の歴史を持つ新聞の編集委員会は、別の視点を取るかもしれません。「ほとんどの人は貧しくない！」と。もちろん、貧しい人々はまだたくさんいます。世界銀行の定義によれば、現在6億から7億人が1日約1.90ドル未満の極度の貧困に暮らしています。これは世界人口の約10人に1人に相当します。しかし、19世紀初頭には、ほとんど全ての人々、つまり20人中19人がそのような困窮状態にありました。これは素晴らしい進展であり、私たちが一歩引いて視点を変えなければ明らかにはなりません。 これまで、私は主に時間に関する視点について話してきましたが、他の種類の比較からも有益な文脈を得ることができます。前の章での所得格差のケーススタディに戻りましょう。そこで私たちは、50/10比率や上位1％の所得シェアなど、格差を測るための多くの妥当な方法があることを学びました。もし、所得分布全体を要約するような複合的な指標を作ることができたらどうでしょうか？そのような複合指標は存在し、最も有名なものとしてジニ係数が挙げられます。これは20世紀初頭のイタリアの統計学者コッラード・ジニにちなんで名付けられました。ジニ係数は他のどの格差の指標と同様に、すべてを語るわけではありません。世界規模で見ると、ジニ係数は低下しており、つまり所得がより平等になっているのです。これは、かつて非常に貧しかった多くの人々、特に中国やインドの人々が大幅に生活水準を向上させたためです。このことは、所得の上位半分での格差が増加していることを上回っています。非常に裕福な人々が中流層を置き去りにしているのです。 ただし、単一の数字ではすべてを伝えることはできません。しかし、ジニ係数は所得のスペクトラム全体にわたる人々の経験を優雅に反映しています。億万長者からミリオネアに1ドルを移動させても、上位1％の所得シェアは変わりません。なぜなら、その1ドルは依然として上位1％の人の手に留まるからです。しかし、裕福な人から貧しい人に1ドルを移動させると、たとえどちらがどれほど裕福であっても、ジニ係数は減少します。 ただし、ジニ係数の大きな問題の一つは、それが実際に何を意味するのかを直感的に理解することです。ジニ係数がゼロの国を想像するのは簡単です。そこでは、全員が全く同じ所得を得ています。同様に、ジニ係数が100％の国も容易に想像できます。そこでは、独裁的な大統領がすべての所得を独占し、他のすべての人は何も得られません。しかし、ジニ係数が34％の国に住むことはどのような感じでしょうか？実際、イギリスに住んでいるなら、その質問に答えることができます。しかし、所得分配の専門家でさえ、34％のジニ係数を他の国のジニ係数と比較して初めて理解するでしょう。 中国では50人、アメリカでは42人、フィンランドでは25人です。世界全体で見ると、最も貧しいサハラ以南の国々から最も裕福な石油国家まで含めた所得のジニ係数は65％で、どの国よりも高いのです。しかし、ジニ係数が何を意味するのかをより直感的に理解するためには、所得以外のものに同じ計算をしてみると良いでしょう。例えば、人生そのものです。所得と同様に、人生も不均等に分配されています。生まれた直後に亡くなる赤ちゃんもいれば、100年生きる人もいます。しかし、これらの極端なケースは比較的珍しく、大多数の人は少なくとも60年は生き、90年以上生きる人は少数です。したがって、世界の平均寿命のジニ係数はかなり低いと予想され、実際に20％未満です。では、大人の身長はどうでしょうか？私たちはその変動が非常に少ないことを直感的に理解していますので、これもまた参考になる指標です。私のざっくりとした計算によれば、ジニ係数は5％未満です。ある新聞コラムでは、イギリスの35歳から44歳の人々の最近の性的活動のジニ係数を計算したことがあります。気になりますよね？それは58％で、イギリスの所得ジニ34％よりもずっと高いのです。所得のジニ係数よりも高いことに驚くべきでしょうか？私はよくわかりませんが、実際そうなのです。月に1回セックスをする人と、月に10回セックスをする人の間に10倍の差があることは、所得の10倍の差よりもずっと一般的なようです。長寿において10倍の差、つまり100歳の人と10歳で亡くなる子供の差は、幸いにもさらに珍しいです。大人の身長において10倍の差？それは記録にもないほどのことです。 統計を見て一歩引いて全体を楽しむ別の方法は、スケール感を持つことです。統計に直面したとき、「これは大きな数字なのか？」と自問してみてください。『More or Less』の著者であるマイケル・ブラストランドとアンドリュー・ディルノットは、この控えめでありながら強力な質問をする習慣を持っていました。例えば、ドナルド・トランプのアメリカとメキシコの国境の壁の建設費が250億ドルになるという主張はどうでしょうか？これは大きな数字でしょうか？確かに大きそうに聞こえますが、その数字を本当に理解するためには、何かと比較する必要があります。例えば、アメリカの防衛予算は約7000億ドル、つまり1日あたり20億ドルです。この壁は、アメリカの軍事作戦を約2週間分賄うことになります。または、壁の費用は1人あたり約75ドルになります。アメリカには約3億2500万人がいるので、250億ドルを325万人で割ると約75ドルになります。「大きな数字？小さな数字？」あなた自身が判断できますが、これらの比較を行ったことで、あなたの判断はより良いものになると思います。アンドリュー・エリオットという起業家は、この質問が好きすぎて「それは大きな数字ですか？」というタイトルの本を出版しました。彼は、私たち全員が簡単に比較できるように「ランドマークナンバー」をいくつか頭に入れておくべきだと提案しています。いくつかの例を挙げると、アメリカの人口は3億2500万人です。 イギリスの人口は6500万人、世界の人口は75億人です。特定の年齢（60歳未満）を挙げると、イギリスにはその年齢の人が約80万人います。たとえば、3歳児に関する政策があれば、イギリスには80万人の3歳児がいるということです。アメリカでは、特定の年齢（60歳未満）の人が約400万人います。 地球の周囲の距離は約4万キロメートル、または2万5000マイルです。極を回るか赤道を回るかによって多少の違いはありますが、大きな差はありません。ボストンからシアトルまでの距離は3000マイルです。ベッドの長さは2メートル（または7フィート）です。エリオットが指摘するように、これを知ることで部屋の大きさをイメージしやすくなります。ベッドが何台入るかを考えることができます。 アメリカの国内総生産（GDP）は約20兆ドル（または20,0000億ドル）です。これはかなりの額で、もしそれを本当に使うつもりなら、たくさんの壁が作れるでしょう。10万語は中程度の小説の長さです。エンパイア・ステート・ビルの高さは1454フィート（約102階建て）です。個人的には、こうした数字をいくつか頭に入れておくのが好きです。私はそういうタイプの人間です。そして、ランドマークとなる数字が多ければ多いほど、他の数字の意味がより明確になります。しかし、実際にはこれらの数字を覚えておく必要はありません。信頼できる情報源から、どんな参考書やインターネット接続を使っても、必要な数字を調べることができますし、多くの場合、再確認する価値もあります。ランドマークとなる数字を手元に持っていれば、それを使うのは簡単です。あるものを別のものと比較したり（この1万語のレポートは長く感じるが、普通の小説はその10倍の長さだ）、あるものを別のもので割ったり（アメリカの防衛予算は、年間1人あたり2000ドル以上だ）できます。便利な数字を覚えたり調べたりして、簡単な計算をしてみてください。計算機を使っても構いません。難しくはありませんが、非常に明るい視点を提供してくれます。 もし私たちがこれをする必要がなければ、統計を提示するメディアが、私たちがそれを理解するために必要な文脈や視点も提供してくれればいいのですが。良いメディアは確かにそうしようとします。しかし、文脈や視点は決して見出しの上に載ることはありません。その理由の一つは、私たちの関与の頻度です。日刊新聞の見出し、テレビニュースのトップストーリー、ウェブサイトのトップアイテムは、最も劇的で魅力的、かつ重要な出来事に焦点を当てます。なぜなら、典型的なニュース消費者は数時間前にしかチェックしていないからです。一部のメディア批評家は、メディアが文脈や視点を強調しない別の理由があると考えています。それは、人々が悪いニュースに惹かれるからです。『ファクトフルネス』の共著者で、良いデータに基づいたより現実的な世界観を提唱する素晴らしい活動家であるハンス・ロスリングは、これを「ネガティビティ本能」と呼んでいます。そして、文脈を省略すればニュースを悪く見せるのは一般的に簡単です。 悪いニュースに偏りがあるという考えには慎重です。一般的に私たちはかなり楽観的な傾向があるからです。心理学者タリ・シャロットによれば、私たちの80％は「楽観バイアス」に苦しんでおり、寿命やキャリアの見通し、才能を過大評価し、病気や無能、離婚のリスクには目を向けていないとのことです。ノーベル賞受賞者で行動経済学の父の一人であるダニエル・カーネマンは、過信を「認知バイアスの中で最も重要なもの」と呼んでいます。私たち人間は多くの点で実際にはかなりポジティブな生き物であり、時には少し過剰すぎることもあります。より妥当な説明は、私たちが驚くべきニュースに引き寄せられるということです。そして、驚くべきニュースは良いニュースよりも悪いニュースであることが多いのです。 もしメディアが単にネガティブな偏りを持っているだけなら、たとえば喫煙関連の死亡について定期的に報道することが期待されるでしょう。2001年9月、アメリカで最も致命的なテロ攻撃があった月には、喫煙関連の病気で亡くなった人の数はテロによる死者の10倍に達しました。その恐ろしい週の終わりに、週刊誌は正直に「タバコがアルカイダよりも多くの人を殺した」と記載することができたでしょう。しかし、新聞は衝撃的なニュースに偏っていたため、タバコによる死を無視しました。もちろん、衝撃的なニュースがポジティブである可能性もあります。しかし、心理学者スティーブン・ピンカーは、良いニュースはゆっくりと展開する傾向があり、悪いニュースはしばしば突然であると主張しています。それは正しいように思えます。結局のところ、何かを築くよりも壊す方が早いのです。 偉大な心理学者アモス・トヴェルスキーが若きピンカーに共有した思考実験を考えてみましょう。今日、あなたに起こりうる最良の出来事を想像してみてください。宝くじに当たるかもしれません。（それは本当に良いニュースでしょうか？）他にも素晴らしいことが起こる瞬間があります。長い間の不妊治療の末に妊娠検査が陽性だったり、昇進や大学の入学試験に合格したりすることです。しかし、ほとんどの人にとって、ほとんどの日には劇的で驚くべき人生の改善の可能性はかなり限られています。多くの人にとって、人生はすでに良いものであり、良くない時には突然の奇跡によってではなく、ゆっくりと改善する可能性が高いのです。しかし、悪化する劇的な展開の可能性は想像しやすいものです。あなたや愛する人が癌と診断されたり、トラックにひかれたり、暴力的に襲われたりすることがあるかもしれません。家が泥棒に入られたり、火事で焼けたりすることもあります。仕事を解雇されることもあるでしょう。犯していない罪で告発されることもあります。パートナーが不倫をしていることや離婚を望んでいることを発見するかもしれません。これらの考えを思いつくのに苦労する必要はありませんでしたし、あなたも汗をかくことなくもっと追加できるでしょう—あるいは、冷や汗がすぐに流れ出るかもしれません。災害のリストは無限に続くことができます。 メディアが私たちの注意を引こうとする際、短期間で新しく予想外なストーリーを探します。そして、これらのストーリーは良いものよりも悪いものが多い傾向があります。注意を引く必要性は、政治家や慈善団体、その他のキャンペーンを行う人々の戦術にも影響を与えます。彼らは、見出しに載るためには驚くべき主張をしなければならないことを知っています。例えば、2015年5月、英国のメディアは中年層における脳卒中の増加という衝撃的なニュースを報じました。この結論は、脳卒中協会が強調した公式統計に基づいており、その最高経営責任者は「働き盛りの年齢層で脳卒中を患う人の数が驚くべき勢いで増加している」とコメントしました。しかし、実際にはこれは誤りです。食生活の改善や治療の向上、そして公衆の意識向上キャンペーンのおかげで、脳卒中はむしろ稀になっています。しかし、同じ公衆意識向上キャンペーンが、人々に軽い脳卒中の兆候が見られた際にはすぐに病院に行くよう促しました。その結果、若年層の脳卒中による入院が増加し、脳卒中協会はその話題に乗ることになりました。良いニュースは、英国における脳卒中の発生率は長い間、ほとんどの年齢層で着実に大幅に減少していることです。しかし、そんなストーリーで脳卒中協会が注目されるでしょうか？注目されなければ、資金を集めることもできません。 また、2016年末にオックスファムが「世界的貧困との戦いが一つの重要な分野でひどく失われている」と嘆いたことも考慮に入れてみてください。「新しい世界的調査によると、世界中の87%の人々が、過去20年間にわたって世界的貧困が変わらないか、悪化したと信じているが、実際にはその逆で、貧困は半分以上減少している」と述べています。このプレスリリースは、前の章で取り上げた「85人（あるいは8人）が世界の半分の富を所有している」という内容のものほど注目を集めることはありませんでした。警告的なプレスリリースが見出しを飾ると、世界の状況が悪化していると人々が考えるのも無理はありません。英国では、人々は移民、十代の妊娠、犯罪、失業といった問題に対して自分の地域ではそれほど心配していませんが、国全体に対しては深刻な不安を抱いています。同様の結果は、個人の仕事の状況と国の経済に対する見方を尋ねると浮かび上がります。ほとんどの人は自分自身にとっては問題ないと思っている一方で、自分が住んでいる社会については心配しています。これは、おそらく私たちが自分の地域を直接体験する一方で、広い世界についての情報はニュースに頼っているからでしょう。「ネガティビティ本能」はニュース報道におけるネガティビティの原因ではないかもしれませんが、確かにその結果のように思えます。 1993年、当時イギリスで最も人気のあるニュースキャスターだったマーティン・ルイスは、メディアがもっと良いニュースを報道すべきだと主張しました。彼の意見は同業者から嘲笑され、単に「最後に…」という明るい話題、例えばスケートボードをする犬の話をニュース番組の最後に挿入して、夕方のニュースの苦い内容に少し甘さを加えるような要求だと揶揄されました。しかし、これは不当な扱いでした。ルイスは、今日の「ルンバの上でサーフィンをする猫」のような軽薄な話ではなく、実質的な良いニュースを求めていたのです。「良い話はそこにある」と彼は書いています。「その稀少性によって、より記憶に残るものとなるのです。」しかし、実際にはこれは正しくありません。ルイスがこの発言をした1993年以来、毎日154,000人が極度の貧困から脱出しています。1980年には、麻疹、ジフテリア、ポリオなどの病気に対するワクチンが1歳児の約20％に接種されていましたが、80％は受けられませんでした。最近では、少なくとも85％の1歳児がこれらのワクチンを受けており、コロナウイルスの時代にこの状況を維持することが課題となっています。子供の死亡率も劇的に減少しています。良いニュースは至る所にあります。それらは稀少性によって記憶に残るのではなく、普遍性によって忘れられてしまいます。良いことがあまりにも頻繁に起こるため、新聞に掲載されることは真剣に考慮されません。「昨日、推定154,000人が貧困から脱出しました！」これは真実ですが、ニュースではありません。私たちは、何人が貧困から脱出したかを毎日更新することはなく、おそらくこれからもそうでしょう。2004年から2005年にかけて世界銀行で働いていたとき、私たちは極度の貧困の推定値を3年ごとにしか更新していませんでした。もし新聞がこの話を取り上げることに決めたとしても、それは千日ごとに一度の単なる一つの話に過ぎません。自尊心のある新聞が「ニュースではないが、真実です！」と読者に定期的に思い出させることはありません。したがって、最も極端な貧困の減少や、識字率の向上、民主主義、女性の投票権、女児の教育、清潔な水へのアクセス、ワクチン接種、農業生産量、乳児死亡率、太陽光発電の価格、航空機事故の死亡者数、飢餓の蔓延など、私たちが語ることができる数多くの真実の物語は報道されません。これは単に幸せな話だからではなく、ニュースが適切な頻度で報道されないからです。頻度が合わない悲観的な話も無視されることが多く、喫煙のように、世界で最も持続的で、したがって最も退屈な大量死亡の原因もその一例です。気候変動は無視されているわけではありませんが、直接的に報道されることは稀で、代わりに抗議活動やサミット、時折の科学的または政府の報告など、注目を集めるための試みが報道されます。気候変動は天気の報道と一緒に言及されることが多いですが、世界の気温上昇のようなゆっくりとした指標についての報道はほとんど見られません。金融の分野でも同様の例があります。 2004年と2005年、私の同僚であるギリアン・テットは、債務やデリバティブの巨大な金融市場の発展について注目しました。これらは金利や為替レート、その他の金融指標の動きに対する一種のサイドベットです。世界の金融システムは氷山のようなものでした。表面には株式市場が輝いており、見たり議論したりするのは容易ですが、その波の下には広大で隠れた債務やデリバティブ市場が潜んでいました。株式市場は常に数字を公表しており、夕方のニュースのために毎日の市場閉鎖の更新を行っています。しかし、デリバティブ市場の規模を示す最も重要な指標の一つは、国際決済銀行によって3年ごとに発表されます。この情報のペースは金融新聞の頻度に合わず、結果的に体系的に過小評価されていました。もちろん、これは認識しておくべき悪いニュースでした。これらの市場の問題は、2007-08年の壊滅的な金融危機の中心にあり、ギリアン・テットはその前から注意を払っていた数少ない人々の一人でした。 一部の評論家は、この問題の解決策は単に新聞を読むのをやめることだと主張しています。著者のロルフ・ドベリは、面白いことに『ガーディアン』紙において、ニュースを読むのをやめるべき10の理由を挙げています。『ブラック・スワン』の著者ナシーム・ニコラス・タレブは、簡潔にこう述べています。「新聞を完全に克服するには、1年間、先週の新聞を読むことです。」 私が新聞で働いているので、抗議することを期待されるかもしれませんが、実際には多くの共感を抱いています。私はしばしば、土曜日の『フィナンシャル・タイムズ』のコラムがその週のニュースから切り離されていると感じます。最近のニュースに対して熱い意見を出すことにはあまり興味がなく、むしろ本や学術論文を読んだり、人生について考えたりした後に思いついたトピックに興味を持つことが多いです。また、『モア・オア・レス』のファンが、これを流れるラジオやテレビのニュースと好意的に比較するのを楽しんでいますが、時には私たちが自然に行っていることに対して評価を受けているように感じることもあります。私たちは流れるニュースとは異なるリズムで運営しています。週刊番組として、私たちは生放送のインタビューの中で言われたことや見逃したことをじっくり考えるために数日間の余裕があります。しばしば、私たちは数週間や数ヶ月にわたってトピックを考え続けます。迅速にニュースをカバーする必要があるのに、適切に探求できるのに、なぜ急ぐ必要があるのでしょうか？また、私たちのストーリーに他の誰かが関心を持つことはほとんどないため、スクープされる心配も通常はありません。 プロとして、私はニュースを無視することはできませんが、多くの同僚よりもそれに注意を払うことは少ないです—時には彼らを苛立たせることもあります。日々のニュースは常に流れるニュースよりも情報量が多いように思え、週刊ニュースは通常、日々のニュースよりも情報量が多いです。本はさらに優れています。日刊または週刊の新聞の中でも、私は速報ニュースよりも、よりゆっくりとしたペースの説明や分析を好むことが多いです。 ニュースに夢中な方には、速さを追求するのではなく、より深く、より広く情報を探求することをお勧めします。ニュース自体が不安を煽るものであるときには、これを実践するのは難しいですが、良い習慣です。交通情報や severe weather warning（厳しい天候警報）に注ぐような即時の注意を必要とするニュースは非常に少ないのです。1時間後、あるいは1週間後に戻ってくれば、同じだけの情報を得ることができます。実際、もっと多くのことを学ぶかもしれません。週刊誌や週刊ポッドキャストが、流れるニュースの雑音に埋もれてしまうかもしれない情報にどのように注目しているのか、自問自答してみるのも良いでしょう。 COVID-19コロナウイルスが世界的に広がった初期の混乱した時期に、Scientific Americanはジャーナリストに対して「数日間持続したこの疫病に関する事実は、最近発表されたばかりの『事実』よりもはるかに信頼性が高い。後者は誤りや代表性が欠けている可能性があり、したがって誤解を招くことがある...今日、情報に基づく信念でしか答えられない質問は、明日には事実で答えられるかもしれない」と警告しました。これはジャーナリストだけでなく、市民にとっても有益なアドバイスです。どれだけニュースを読むかはあなた次第ですが、長期的でゆっくりとしたペースの情報を探す時間を確保することを忘れないでください。そうすることで、他の人が見逃すような良いことや悪いことに気づくことができるでしょう。 さて、統計的な主張を評価するために、これまでに何を学んだでしょうか？第一章では、主張に対する自分の感情に気づくことを勧め、第二章では、自分の経験と照らし合わせて主張を確認することを提案しました。第三章では、主張が何を意味するのか本当に理解しているか自問することを勧めました。これらはすべてシンプルで常識的な提案ですが、今章では第四の提案を加えます。それは、一歩引いて主張を文脈に置くための情報を探すことです。トレンドを把握するよう努めてみてください。「また恐ろしい犯罪が発生しました！」というニュースは、「全体として、犯罪は大幅に減少しています」という事実と矛盾しません。 スケール感を得るために、ある国の状況を他の国と比較したり、提案された政府支出の一人当たりのコストを算出したりすることを探してみてください。これらの方法はどれも技術的なものではなく、誰でも使うことができます。これらを組み合わせることで、統計的な明瞭さを得ることができます。しかし、時には統計がどのように作られたのかをもう少し深く掘り下げる必要があります。さあ、それをやってみましょう。 ルール5: 背景を知る 「人間のカップリングの中で、10億の精子が1つの卵を争う。その確率を無数の世代に掛け算すると…それはあなた、ただあなただけが現れた。あの不確実性の混沌から、そんなに特異な形を抽出すること、まるで空気を金に変えるような…それが最高のありえなさだ…」 「誰にでも言えることだね！」 「そう、世界中の誰にでも…でも、世界は人々であふれ、これらの奇跡で混雑しているので、それが当たり前になり、私たちは忘れてしまう…」 アラン・ムーア『ウォッチメン』より 数十年前、尊敬される心理学者シーナ・アイエンガーとマーク・レッパーは、カリフォルニアの高級店にジャム試食のスタンドを設置しました。 時には6種類のジャムを提供し、別の時には24種類を用意していた。ジャムを試食した顧客には、割引券が渡されて購入を促された。多様なジャムを大きく展示することで、より多くの顧客を引き寄せることができたが、実際にジャムを購入する人は非常に少なかった。一方、選択肢が少ない展示では、より多くの販売が促進された。 この逆説的な結果は瞬く間に広まり、多くの人々の関心を引いた。人々は選択肢が少ない方が反応が良いということが分かったのだ。これはポップ心理学の記事や書籍、TEDトークの題材にもなり、予想外ではあったが納得できる内容だった。これを予測できた人は少なかったが、聞いた人々はどこかでそれを知っていたように感じた。経済学者として、私はこの現象に少し不思議さを感じていた。経済理論では、人々は選択肢が増えることで価値を感じ、選択肢に圧倒されることはないと予測されている。しかし、経済理論は必ずしも正しいわけではないので、ジャムの研究が興味深かったのはその点ではなかった。 一つの謎は、研究によると選択肢を増やすことの効果が非常に大きいということだった。24種類のジャムを試食した人のうち、割引券を使ったのはわずか3％で、6種類のジャムのスタンドでは30％だった。これは、選択肢を減らすことで小売業者が売上を10倍に増やせる可能性があることを示唆している。本当にそんなことが信じられるだろうか？実験を行ったスーパーマーケットのドレーガーズは、300種類のジャムと250種類のマスタードを取り揃えており、順調に運営されているようだった。何か見落としがあったのだろうか？スターバックスは、数万通りのフローズンドリンクの組み合わせを提供しており、こちらも順調に見える。そこで私は、この発見がどれほど一般的なものなのか疑問に思った。それでも、これは真剣な研究者たちによる真剣な実験だった。証拠に基づいて自分の見解を調整することは常に重要だろう。 そんな時、会議で出会った研究者が、若い心理学者のベンジャミン・シャイベヘンネに連絡を取るべきだと言った。私は彼に連絡を取った。シャイベヘンネは、選択肢が多いと人々がやる気を失うというイエンガーとレッパーの発見を疑う理由はなかった。しかし、彼も私と同じように、成功している多くのビジネスが豊富な選択肢を提供していることを観察していた。これらの事実は実験とどのように整合するのだろうか？シャイベヘンネは、企業が複雑な選択肢をうまくナビゲートする方法を見つけているのではないかという理論を持っていた。それは納得できる。もしかしたら、馴染みのある商品を選ぶ傾向があるのかもしれない。人々はスーパーマーケットに行くと、前回購入したものを買うつもりで行くことが多いのだろう。通路の表示や選択肢の整理の仕方が、混乱を減らす手助けになっているのかもしれない。これらはすべて調査する価値のあることのように思えたので、シャイベヘンネはそれらを調査する計画を立てた。彼はジャムの実験を再実施し、調整や異なる可能性を探るための基準を得ようとした。しかし、彼は同じ基準を得ることができなかった。彼は全く同じ結果を得ることができなかった。イエンガーとレッパーは、選択肢が多いと人々がやる気を失うことを発見したのだ。 スカイベリーの実験を繰り返そうとしたシェイベヘンは、同様の結果を得ることができませんでした。別の研究者であるライナー・グライフェネダーは、アイエンガーとレッパーによる高級チョコレートの選択に関する類似の研究を再実施しましたが、シェイベヘンと同様に「選択は悪い」という元の結果を再現することができませんでした。二人は協力して「選択は悪い」効果に関する研究を集めることにしました。多くの研究がありましたが、その多くは発表されることなく埋もれていました。発表された研究と未発表の研究をすべて集めてみると、全体的な結果は混合的でした。選択肢を増やすことは、時には人々を動機づけ、時には逆にやる気を失わせることがあるのです。発表された研究論文は、大きな効果（ポジティブまたはネガティブ）を見つける可能性が高く、未発表の論文は効果を見つける可能性が低い傾向がありました。平均的な効果は？ゼロでした。 これは不安を感じさせます。これまでのところ、私たちは、オックスファムが宣伝を行ったり、メディアがクリックを追い求めたりする中で誤解を招く主張に出くわしてきました。また、妊娠の悲劇的な早期終結を表現するために異なる言葉が使われるなど、微妙な詳細が見落とされることもありました。学術界に関しては、微妙な詳細が見つかり、追求される唯一の目的が知識の探求であることを期待するのが妥当です。キャンペーン団体やクリックベイトの見出しに対して慎重になるのは理解できますが、学術雑誌を手に取るときには、もっと確かな地盤にいると考えられないでしょうか？アイエンガーとレッパーは、私が言ったように非常に尊敬されている研究者です。彼らが単に間違っていた可能性はあるのでしょうか？もしそうなら、どうして？そして、科学のページや空港の書棚で話題になる次の直感に反する発見についてはどう考えればよいのでしょうか？答えを見つけるために、一歩横にずれてインターネットで最も有名なポテトサラダについて考えてみましょう。 資金を集めるのに、Kickstarterほど簡単な方法はないでしょう。クラウドファンディングのウェブサイトは、2012年に初期のスマートウォッチ「Pebble」が1,000万ドル以上を集めたことで突破口を迎えました。2014年には、ピクニック用クーラーのプロジェクトが驚異的な1,300万ドルを集めました。確かに、Coolestクーラーはクーラーボックスのスイスアーミーナイフでした。USB充電器、カクテルブレンダー、スピーカーを内蔵しており、多くの支援者を惹きつけました。Pebbleスマートウォッチは、2015年に新しいより良い時計のために2,000万ドル以上を集める新たなキャンペーンで復讐を果たしました。しかし、ザック・「デンジャー」・ブラウンのKickstarterでの成功は、これらのどれよりも印象的でした。彼はポテトサラダを作るために10ドルを求め、歴史上最も利益を上げたヒップスターの皮肉の表現の一つである55,492ドルを集めました。 ザック・ブラウンの活躍を受けて、私はKickstarterでどんなエキサイティングなプロジェクトを立ち上げようかと考え、集まるお金を数えるのを楽しみにしていました。同じ考えがデビッド・マクレガーにも浮かんだかもしれません。彼は、スコットランドを横断し、その美しい風景を撮影して光沢のある本を作るために3,600ポンドを募っていました。彼のアートを資金調達する素晴らしい方法でした。 休日。ジョナサン・ライターはもっと大きな野望を抱いていました。彼のBizzFitは、雇用主と従業員をマッチングするアルゴリズムサービスを作るために35,000ドルを集めようとしていました。一方、シャノン・ライムバーンはビジネス志向でしたが、彼女がデザインしている新しい水着ラインのサンプルを作るためにわずか1,700ドルを求めていました。ニューヨーク州シラキュースに住む二人の兄弟は、ハロウィンに近隣住民を驚かせる様子を撮影するために400ドルを得ることを期待して、Kickstarterキャンペーンを立ち上げました。これらの異なるキャンペーンには共通点があります。それは、全く支援を受けなかったということです。誰一人として、見知らぬ人や友人、さらには自分の家族を説得して1セントでも寄付を得ることができませんでした。私がこれらのKickstarterの失敗談にインスパイアされたのは、ヴェネツィアを拠点とするアーティスト兼デザイナーのシルビオ・ロルッソです。ロルッソのウェブサイト「Kickended」は、全く資金を得られなかったプロジェクトをKickstarterで検索しました。（実際、そういったプロジェクトはたくさんあります。Kickstarterのプロジェクトの約10％は全く資金を得られず、40％未満が資金目標を達成するのが現実です。） Kickendedは重要な役割を果たしています。それは、私たちが周囲で目にするものが世界を代表するものではなく、体系的に偏っていることを思い出させてくれます。通常、偏見について話すとき、私たちは意識的なイデオロギーの偏りを考えます。しかし、多くの偏見は、世界が私たちにある物語を提示する方法や、他の物語をフィルタリングする方法から生じます。私は、若くて野心的なバンド「ステレオタイプ・デイドリーム」がアルバムを録音するために8,000ドルをKickstarterで集めようとした試みについてのメディア報道やブログ記事を読んだことがありません。（「私たちのバンドは、プロのスタジオで本格的なアルバムを録音するためにお金を節約するために、さまざまな方法を試みました。しかし、残念ながら、まだ十分なお金を貯めることができていません。」）おそらく、ステレオタイプ・デイドリームのKickstarterキャンペーンが目標に対してゼロドルの進展しかなかったことを聞いても驚かないでしょう。一方で、PebbleウォッチやCoolestクーラー、さらにはあのポテトサラダについてはかなりの情報を耳にしました。もし私がもっと知らなかったら、Kickstarterキャンペーンが何を達成できるかについて非現実的な期待を抱くかもしれません。もちろん、これはKickstarterだけの話ではありません。このような偏見は至る所に存在します。人々が読む本のほとんどはベストセラーですが、ほとんどの本はベストセラーではなく、ほとんどの書籍プロジェクトは本になりません。音楽、映画、ビジネスの試みについても同様の話があります。COVID-19のケースも選択的な注意の対象です。体調が悪い人は病院に行き、病気の検査を受けますが、体調が良い人はそうしません。その結果、病気は実際よりもさらに危険に見えます。統計学者たちはこの問題を十分に理解していますが、体系的な検査なしに解決する簡単な方法はありません。そして、パンデミックの初期段階では、最も難しい政策決定が行われているときに、体系的な検査は手に入れることが難しかったのです。1943年、数学者アブラハム・ワルドがアメリカ空軍に飛行機を強化する方法について助言を求められた有名な話があります。 飛行機は、機体や翼に弾痕が散見される状態で帰還してきた。これらの部分には装甲が必要ではないだろうか？ウォルドの書面での回答は非常に専門的だったが、要点はこうだ。私たちは帰還した飛行機の損傷しか観察できない。撃墜された飛行機はどうなるのか？生き残った飛行機ではエンジンや燃料タンクに損傷が見られることはほとんどない。それは、これらの部分が滅多に攻撃されないからかもしれないし、攻撃されるとその飛行機は運命づけられているのかもしれない。生き残った飛行機だけを見ていると、「生存者バイアス」に陥り、実際の脆弱性を完全に誤解してしまう。 さらに深い穴に落ち込む。生存者バイアスに関する話自体が生存者バイアスの一例であり、アブラハム・ウォルドが実際に行ったこと、つまり複雑な技術分析を含む研究文書を作成したこととはほとんど似ていない。それはほとんど忘れ去られてしまった。残っているのは、数学者のひらめきに関する物語であり、いくつかの生々しい詳細が追加されている。元々存在していたものと、今残っているものは、ほとんど同じではない。 Kickendedは、Kickstarterでの成功の興奮に対する重要な対比を提供する。成功が称賛され、失敗が見えないところに埋もれてしまう（これはしばしば起こる状況だ）と、全体の絵の非常に奇妙な一部分しか見ることができない。これが、ジャム実験で何が起こったのかの手がかりを与えてくれる。クールなクーラーのように、それは大ヒットだったが、全体の物語ではない。ベンジャミン・シャイベヘンネの役割は、Kickendedのシルビオ・ロルッソのようなもので、彼はバイラルになった選択実験だけでなく、異なる結果を生み出し、忘れ去られた他の実験を探しに行った。彼がそれを行ったとき、非常に異なる結論に達することができた。 Kickendedを念頭に置きながら、次の話を考えてみてほしい。2010年5月、驚くべき論文が『パーソナリティと社会心理学のジャーナル』に提出された。著者は、学術心理学の分野で尊敬されるベテラン、ダリル・ベムだった。この研究論文が驚くべきものであったのは、人々が未来を見通すことができるという全く信じがたい命題に対して、明らかに信頼できる統計的証拠を提供していたからだ。合計で9つの実験が行われた。そのうちの1つでは、参加者が2つのカーテンの画像が表示されたコンピュータ画面を見つめることになり、1つのカーテンの後ろにはエロティックな写真があると告げられた。彼らはどちらかを直感で選ぶ必要があった。参加者が選択を行い、その後にコンピュータがランダムに写真を割り当てる。もし参加者の予想が偶然よりも明らかに良ければ、それは予知の証拠となる。 ベムの研究論文が説明した別の実験では、被験者に48語のリストが示され、どれだけの単語を記憶できるかがテストされた。その後、一部の被験者にはすべての単語を再入力することで練習するように求められた。 通常、練習が記憶を助けることは驚くべきことではありませんが、この場合、ベムは記憶テストが先に行われ、その後に練習が行われたにもかかわらず、練習が効果を発揮したことを発見しました。この結果をどれほど真剣に受け止めるべきでしょうか？研究論文「未来を感じる」が、査読を経て権威ある学術雑誌に掲載されたことを考慮すると、一定の信頼性はあります。報告された実験は、偶然の結果を排除するために設計された標準的な統計テストを通過しました。これらのことから、ベムが前兆現象を発見したと信じる理由はあります。しかし、もちろん、前兆現象が確立された物理法則に反するため、彼がそれを発見しなかったと信じる方がはるかに強い理由があります。強い懐疑心は正当化されます。「特異な主張には特異な証拠が必要だ」という言葉があります。それでも、ベムはどのようにして前兆現象の公表可能な証拠を集めたのでしょうか？これは不思議です。おそらく、キックエンデッドの物語と結びつけると、少し不思議ではなくなるかもしれません。ベムの前兆現象に関する証拠が「パーソナリティと社会心理学のジャーナル」に掲載された後、彼の方法に従ったいくつかの他の研究が行われましたが、どれも前兆現象の証拠を見つけることはできませんでした。しかし、そのジャーナルはそれらの研究を掲載することを拒否しました。（批判的なコメントは掲載されましたが、実験を掲載することとは異なります。）ジャーナルが拒否した理由は、「再現研究を掲載しない」というものでした。つまり、ある実験が効果を示した場合、その効果を確認するための試みを掲載するスペースがないということです。理論的にはそれは合理的に聞こえるかもしれませんが、実際には、あなたが知っていると思っていたことが間違っていることが判明しても、それについて聞くことができないという不条理な結果をもたらします。ベムの驚くべき発見は、最後の言葉となりました。しかし、それは同時に最初の言葉でもありました。ベムが現れる前に、どんなに厳密な研究であっても、「数百人の学部生をテストして、未来を見ることができるかどうかを調べました。彼らはできませんでした。」という要旨を持つ研究が真剣なジャーナルに掲載されることはなかったと私は強く疑っています。 これは、キックスターターのプロジェクトに関する報道や、致命的でない脆弱性を持つ飛行機だけを調べて脆弱性を推測しようとすることと同じくらい強い生存者バイアスです。実施可能なすべての研究の中で、ジャーナルが前兆現象を示すものだけに興味を持っていたと推測するのは合理的です。これは前兆現象に対するバイアスからではなく、新しく驚くべき発見に対するバイアスから来ています。ベム以前は、学生が未来を見ることができないという事実は些細で興味を引かないものでした。しかし、ベム以降は、学生が未来を見ることができないという事実は、このジャーナルには歓迎されない再現試みとなりました。言い換えれば、前兆現象の証拠だけが公表可能であり、なぜなら前兆現象の証拠だけが驚くべきものであったからです。 予知能力の証拠がないという研究は、エンジンを撃たれた爆撃機のようなものです。どれだけ頻繁にそうしたことが起こっても、私たちがそれを見ることができる場所にはたどり着きません。「選択が動機を削ぐ」という発見は、「学生が未来を見通せる」という発見よりもはるかに信頼性がありますが、それでもジャムの実験は似たようなダイナミクスの影響を受けていたかもしれません。イエンガーとレッパーの画期的な結果の前に、心理学のジャーナルに次のような研究を持ち込むことを想像してみてください。「私たちは、異なる種類のチーズを提供する屋台を設置しました。時には24種類のチーズを、時には6種類だけを提供しました。チーズの種類が多い日には、少しだけチーズを購入する可能性が高まりました。」ああ、退屈！全く驚くべきことではありません。誰がそんなものを発表したいと思うでしょうか？イエンガーとレッパーが逆の結果を示す実験を行ったときに初めて、全体が発表可能になり、さらに「クールなクールさ」の大ヒットとなったのです。もし『パーソナリティと社会心理学のジャーナル』に掲載された実験だけを読んでいたら、人々が確かに未来を見通せると結論づけるかもしれません。明らかな理由から、この特定の生存者バイアスの形は「出版バイアス」と呼ばれています。興味深い発見が発表され、非発見や以前の発見の再現に失敗したものは、より高い出版のハードルに直面します。ベムの発見は、55,000ドルのポテトサラダのようなもので、非常に異例であり、その結果として広く報道されました。未発表の再現実験は、典型的には「ステレオタイプ的な白昼の夢」がアルバムの資金を調達しようとした試みのようなもので、何も起こらず、誰も気にしませんでした。しかし、今回は誰かが気にしました。「この論文は美しい」とダリル・ベムの研究についてT・ブライアン・ノセックは言います。「すべてのルールに従っており、本当に美しい方法でそれを実行しています。」しかし、バージニア大学の心理学者ノセックは、ベムが学術心理学のすべてのルールに従い、結果的に人々が未来を見通せることを示すように見えた場合、学術心理学のルールに何か問題があることを完全に理解していました。ノセックは、より尊敬され、信頼性のある心理学の実験を体系的に再実施したらどうなるかを考えました。どれだけの結果が同じになるでしょうか？彼は同じ考えを持つ研究者たちにメールを送り、驚くべき速さで、最近発表された研究をチェックするために約300人の心理学者が協力するグローバルネットワークを構築しました。ベンジャミン・シャイベヘンネが動機と選択の関連性という特定の分野を掘り下げている間、ノセックのネットワークは広く網を広げることを望みました。彼らは100の研究を選びました。彼らの再現試みはどれだけ支持されましたか？驚くべきことに、わずか39件でした。それはノセックと学術心理学の他の研究者たちに大きな疑問を残しました：一体どうしてこんなことが起こったのでしょうか？その説明の一部は、出版バイアスにあるに違いありません。 ダリル・ベムの研究と同様に、興味深い結果を公表する傾向がシステム的に存在します。そして、もちろん偶然の結果は本物の発見よりも興味深く見えることが多いのです。しかし、もっと深い理由があります。それは、ノセックが多くの同僚に連絡を取らなければならなかった理由であり、単に大学院生の助手にすべてのチェックを任せることができなかったからです。トップジャーナルは再現試験の公表にあまり関心がなかったため、彼は研究チームを再現作業に専念させることがキャリア自殺につながることを理解していました。彼らは学術界での将来を確保するために必要な出版物を蓄積することができなくなってしまうからです。若い研究者は「出版するか、消えるか」の状況に置かれています。多くの大学や研究機関は、昇進や研究助成金の決定において出版記録を客観的な基準として使用するからです。これは、第二章で触れたベトナムの死者数問題の別の例です。優れた研究者は確かに、多くの研究を発表し、それが他者に広く引用される傾向があります。しかし、研究者が研究の量や重要性で報酬を得るようになると、彼らはその両方を最大化する方法を探し始めます。歪んだインセンティブが支配するのです。もしあなたが発表可能だが脆弱な結果を持っているなら、科学の論理はそれを否定しようとすることを教えています。しかし、学術的な助成金や昇進の論理は、すぐに発表するように促し、あまり深く突っ込まないように警告します。したがって、ジャーナルは驚くべき結果を発表する傾向があり、「出版するか、消えるか」のインセンティブに直面している研究者は、精査に耐えられないかもしれない驚くべき結果を提出する可能性が高くなります。 マジシャンのデレン・ブラウンは、一度も編集されていない映像を制作し、コインをボウルに投げ入れて10回連続で表が出る様子を映しました。ブラウンは後にこのトリックを説明しました。この驚くべきシーケンスは、9時間の苦痛に満ちた撮影の末にようやく現れた10回の表の連続によるものでした。公正なコインを10回投げた場合、10回連続で表が出る確率は1/1,024です。数千回投げれば、10回連続で表が出ることはほぼ保証されます。しかし、ブラウンはその驚くべき結果を「コイン投げのジャーナル」に送ることができたかもしれません。タイトルは、ジャーナリストのジェイコブ・ゴールドスタインとデビッド・ケステンバウムが提案した「Heads Up! 1977年に鋳造されたアメリカの25セント硬貨におけるコイン投げのバイアス」といったものです。明確に言っておくと、そのような研究論文は詐欺的であり、誰もがそのような極端で計画的な出版バイアスがノセックと彼の同僚たちが明らかにした多くの再現不可能な研究を説明するとは信じていません。しかし、グレーゾーンは存在します。もし1,024人の研究者がそれぞれコイン投げを研究し、そのうちの1人が10回連続で表が出るという驚くべき結果を出したとしたら、それは数学的には同じ状況ですが、その驚いた研究者の立場から見ると、彼または彼女は非難されるべきではありません。 今、コイン投げを調査するために多くの研究者がわざわざ手間をかけるとは考えにくいですが、ダリル・ベムが成功する前に、どれだけの人々が予知を見つけようとして失敗したのかはわかりません。また、研究者の個々の研究室内でも、グレーゾーンが存在します。例えば、ある科学者が小規模な探索的研究を行ったとします。もし彼または彼女が印象的な結果を得たら、なぜ発表しないのでしょうか？しかし、研究が期待外れに終わった場合、その研究者はそれを学びの経験として受け止め、別のことに挑戦することができます。この行動は素人には特に不合理には思えないでしょうし、実際に行っている研究者たちにとっても不合理には感じられないかもしれませんが、それでも出版バイアスが存在し、偶然の結果が不均衡に発表される可能性が高いのです。 別の可能性として、研究者が研究を行い、いくつかの有望な結果を見つけたものの、それらの結果が発表するには統計的に十分に堅固ではない場合があります。では、なぜさらに進めて、参加者を追加で募集し、データを集めて結果が確固たるものになるかを見てみないのでしょうか？これもまた、不合理には思えません。データを集めることに何の問題があるのでしょうか？それは、研究が真実に近づいていることを意味するのではないでしょうか？大規模な研究を行うこと自体には問題はありません。一般的に、データが多い方が良いのです。しかし、データが少しずつ集められ、進行中にテストが行われる場合、標準的な統計テストは有効ではありません。これらのテストは、データが単に集められ、その後テストされたと仮定していますが、科学者がいくつかのデータを集めてテストし、その後さらにデータを集めることがあるとは想定していません。 問題を理解するために、バスケットボールの試合が行われようとしている場面を想像してみてください。誰かがあなたに質問します。「勝利がどれほど説得力を持つ必要があると思いますか？勝ったチームが他のチームよりも優れていると言う自信を持てるのは、運が良かっただけではなく？」正解はありません。時には運が非常に大きな影響を与えることもあります。しかし、例えば試合の終わりに10点差があれば十分だと決めるかもしれません。これは、標準的な統計テストが効果が「有意」と見なされるかどうかを判断する際に行うことの非常に大まかな説明です。 しかし、今度はバスケットボールの試合の主催者が、どちらかのチームが優れている場合にボーナスを得ることができるとします。どちらのチームでも構わないので、あなたに知らせずに、どちらかのチームが10点リードした場合には試合を早めに終了させることに決めます。そして、試合の終了時に2チームの点差が7点、8点、または9点であれば、10点に広がるかどうかを確認するために延長戦を行います。結局のところ、彼女はどちらかのチームの優位性を示すために、あと1、2点のところにいるのです！これは、あなたが設定したテストの誤用であることは明らかですが、この種の誤用は実際には非常に一般的なようです。 第三の問題は、研究者がデータをどのように分析するかについても選択肢があるということです。 おそらく、この研究は男性には当てはまるが、女性には当てはまらないのかもしれません。また、研究者が年齢や収入に関する統計的調整を行えば、研究結果が有効になる可能性もあります。あるいは、奇妙な外れ値が存在し、それらを含めるか除外するかによって研究結果が変わることも考えられます。また、科学者は測定する項目を選ぶことができる場合もあります。例えば、若者のスクリーン使用が幸福感に与える影響を調べる研究では、スクリーン使用と幸福感を異なる方法で測定することができます。幸福感は、例えば不安のエピソードについて人々に尋ねることで測定することもできますし、生活への満足度を尋ねることでも測定できます。また、若者の親にその子どもがどのように過ごしているかを聞くことでも測定可能です。スクリーンタイムは、トラッキングアプリを使って直接測定することも、調査を通じて間接的に測定することもできます。あるいは「スクリーンタイム」ではなく「ソーシャルメディアの使用頻度」を測定したい場合もあるでしょう。これらの選択肢に正解や不正解はありませんが、再度言うと、標準的な統計テストは研究者がデータ収集前に選択を行い、その後データを収集し、テストを実施したと仮定しています。もし研究者がいくつかのテストを実施した後に選択を行った場合、偶然の結果が出る可能性が大幅に高まります。たとえ研究者が一つのテストしか行わなかったとしても、データを収集した後にそのデータの傾向を把握してからテストを行った場合、偶然の結果が出やすくなります。これにより、別の種類の出版バイアスが生じます。特定のデータ分析方法が結果を生まない場合、異なる方法がより興味深い結果を生むと、当然、より興味深い方法が報告され、出版される可能性が高くなります。科学者たちはこの行為を「HARKing」と呼ぶことがあります。HARKは「結果を知った後の仮説立て」の略です。明確に言っておくと、データを収集し、パターンを探し、それに基づいて仮説を構築すること自体には問題はありません。それは科学の一部です。しかし、その後は新しいデータを収集して仮説を検証する必要があります。最初に仮説を形成するのに役立った数字を使って仮説をテストすることは許されません。 コロンビア大学の統計学者アンドリュー・ゲルマンは、「分岐する道の庭」という用語を好みます。これはホルヘ・ルイス・ボルヘスの短編小説に由来しています。データを収集し、分析する方法に関する各決定は、左右に分かれる道に立ってどちらに進むかを決めることに似ています。一見単純な選択肢が、すぐにさまざまな可能性の迷路に膨れ上がることがあります。一つの選択肢の組み合わせを選ぶと一つの結論に至り、別の同様に合理的な選択をすると、データの中に非常に異なるパターンを見つけるかもしれません。 ダリル・ベムの結果が発表されてから1年後、3人の心理学者がその結果を示すデモンストレーションを発表しました。 研究者たちが標準的な統計手法を用いて、これらの一見些細なミスやごまかしによってどれほど道を誤る可能性があるかを示す興味深い例があります。研究者のジョセフ・シモンズ、ウリ・シモンソン、レイフ・ネルソンは、ビートルズの「When I’m Sixty-Four」を聴くことで、参加者が実際よりも約18ヶ月若返ると「証明」しました。 さて、彼らはどうやってそれを実現したのでしょうか？研究者たちは、各参加者から年齢、性別、感じている年齢、父親の年齢、母親の年齢など、さまざまな情報を収集しました。さらに、ほとんど無関係な事実もいくつか集めました。彼らはこれらの変数のあらゆる組み合わせを分析し、10人ずつの参加者のデータをセットにして、毎回有意な結果が得られるかを確認しました。最終的に、父親の年齢を統計的に調整し、母親の年齢は調整せず、20人の参加者で分析を止め、他の変数を無視した場合、ランダムに「When I’m Sixty-Four」を聴くように割り当てられた人々が、別の曲を聴くように割り当てられた対照群よりも実質的に若いことを示すことができたのです。もちろん、これは全くのナンセンスですが、真剣に受け止められた研究と不気味なほど似ていました。本物の研究者が厳格な実践から不正な研究に踏み込むことはあるのでしょうか？おそらく、そう頻繁にはないでしょう。しかし、そうする者はより多くの注目を集めるでしょう。そして、そうしない大多数の研究者も、知らず知らずのうちに同じ統計的な過ちを犯す可能性があります。標準的な統計手法は、ほとんどの偶然の結果を排除するように設計されています。しかし、出版バイアスと緩い研究慣行の組み合わせにより、実際の発見の中に多くの統計的な事故が混ざっていることが予想されます。 ダレル・ハフの『統計で嘘をつく方法』では、出版バイアスが真実よりも金銭に関心のある非道徳的な企業によって武器として利用される様子が描かれています。彼は独特の皮肉を交えて、歯磨き粉メーカーが実験を行い、望ましくない結果を「どこか見えないところに」隠し、ポジティブな結果が出るのを待つことで、歯磨き粉が非常に効果的であると真実をもって宣伝できると述べています。これは、広告だけでなく、潜在的に利益をもたらす製薬治療の基盤となる臨床試験においてもリスクです。しかし、偶発的な出版バイアスは、武器化された出版バイアスよりもさらに大きなリスクかもしれません。2005年、ジョン・イオアニディスは「ほとんどの発表された研究結果は誤りである理由」という記事で小さなセンセーションを引き起こしました。イオアニディスは「メタ研究者」であり、研究そのものの性質を研究する人です。彼は、さまざまな一見小さなバイアスの累積的な影響により、誤った結果が本物の結果を容易に上回る可能性があると考えました。 これは、パーソナリティと社会心理学のジャーナルがダリル・ベムの予知に関する研究を発表する5年前のことでした。この研究はブライアン・ノセックによる再現試験のきっかけとなりました。予知が存在しないかもしれませんが、イオアニディスは明らかに危機が迫っていることを見抜いていました。 正直に言うと、イオアニディスの研究を初めて聞いたとき、私はそれが非常に誇張された主張に思えました。確かに、すべての科学研究は仮のものであり、誰もが間違いを犯し、時には質の低い論文が発表されることもありますが、すべての実証結果の半分以上が誤りだと示唆するのは間違っているのではないかと思いました。しかし、シャイベヘンネにインタビューし、彼が選択に関する文献で発見したことを知るうちに、私は疑問を抱くようになりました。そして、年月が経つにつれて、最初は懐疑的だった私や多くの人々にとって、イオアニディスが重要なことに気づいていることが徐々に明らかになっていきました。 ベムの予知研究は理解されるべき有名なものでしたが、ダニエル・カーネマンの『ファスト＆スロー』やエイミー・カディの『プレゼンス』、ロイ・バウマイスターとジャーナリストのジョン・ティアニーの『意志力』といった本を通じて、心理学者でない人々にも多くの驚くべき心理学的発見が広まっていました。これらの発見は、ジャムの実験と同じように直感に反する魅力を持っており、記憶に残るほど奇妙でありながら、すぐに否定するには信じられる程度のものでした。 バウマイスターは、自己制御が限られた資源であることを示す研究で学術心理学の中で有名です。人々が新鮮に焼き上げられたチョコレートクッキーの近くでラディッシュを食べることで自制心を保つよう求められた場合、後にフラストレーションを感じるタスクを放棄するのが早くなることが示されました。カディは、「パワーポーズ」を取るように人々に求めることで、テストステロンのレベルを高め、ストレスホルモンであるコルチゾールのレベルを抑えることを発見しました。 カーネマンはジョン・バーグの「プライミング」研究について述べました。若い実験参加者は、いくつかの人が「禿げ」「退職」「しわ」「フロリダ」「灰色」といった老齢を示唆する言葉に触れる単語パズルを解くように求められました。これらの特定の言葉を見なかった若い参加者は、別のタスクに参加するために廊下を元気よく歩き出しましたが、老齢を示唆する言葉で「プライミング」された若い参加者は、測定可能に遅いペースで廊下を歩いていきました。これらは驚くべき結果ですが、カーネマンがプライミング研究について書いたように、「不信は選択肢ではありません。結果は作り上げられたものではなく、統計的な偶然でもありません。これらの研究の主要な結論が真実であることを受け入れざるを得ません。」 今、私たちは不信が選択肢であることに気づきました。カーネマンもそうです。出版バイアス、そしてより一般的には「分岐の庭」は、一見厳密に見える多くの研究が、観察者やしばしば研究者自身にとっても、実際には虚偽の結論を生み出している可能性があることを意味しています。 これらの研究—意志力、パワーポージング、プライミングに関するもの—はすべて再現が難しいことが証明されています。各研究者は自らの元の発見を擁護していますが、彼らの結果がすべて統計的な偶然であった可能性が高まっているように思えます。ダニエル・カーネマン自身は、この問題の重要性を劇的に高め、心理学者たちに対して、研究の信頼性を向上させなければ「大惨事」が待っていると警告する公開書簡を書きました。この一連の出来事—イオアニディスの元の論文、ベムの「誰も信じない」発見、バウマイスター、カディ、バーグの研究の再現に関する著名な苦闘、そして最後の一撃として、イオアニディスが言っていた通り、著名な心理学研究は再現される可能性が低いというノセックの発見—は時に「再現危機」や「再現性危機」と呼ばれました。Kickendedの観点から見ると、これらのことは驚くべきことではなかったかもしれませんが、それでもなお衝撃的です。有名な心理学的結果は、最も厳密に実証されたから有名なのではなく、興味深いから有名です。偶然の結果は驚くべきものである可能性が高く、したがって直感に反する「ゴルディロックス」レベル（あまりにも不条理ではなく、あまりにも予測可能でもない）に達する可能性が高いのです。この「興味深さ」のフィルターは非常に強力です。もし出版バイアス（および生存者バイアス）が単に私たちの世界観に可愛らしい歪みをもたらすだけであれば、あまり害はありません。人々が面接の準備をするために人目を避けてワンダーウーマンのポーズをとるようなことです。多くの起業家志望者がKickstarterで資金を調達するチャンスについて愚かに楽観的であっても、私たちはより合理的な人々が追求するために仕事を辞めることはなかった成功した新しいビジネスアイデアの成果を楽しんでいます。そして、ダリル・ベムの前兆の発見を受け入れようとする科学者はほとんどいませんでした。その理由は、エビデンスに基づく医療の専門家であるベン・ゴールドエーカーによってよく要約されています。「私はあまり興味がありませんでした。あなたが興味を持たなかったのと同じ理由で。もし人間が本当に未来を見ることができるのなら、私たちはすでにそれを知っているでしょう。そして、特異な主張には特異な証拠が必要であり、一回限りの発見では不十分です。」 しかし、ベン・ゴールドエーカーは、リスクが高いと考えており、私もそう思います。このバイアスは、私たちのお金と健康の両方に深刻な影響を及ぼす可能性があります。まずお金について。ビジネスライティング—私が少し関わっている分野—は、生存者バイアスの例であふれています。私の著書『Adapt』では、1982年に出版されたビジネスベストセラー『In Search of Excellence』について少し笑い話をしました。この本は、その当時の43の優れた企業を研究して得た経営の教訓を提供しています。もし彼らが本当に優れた経営の模範であったのなら、その成功が続くことが期待されるでしょう。 もし彼らが見えない宝くじの勝者であり、ほとんどランダムな幸運の恩恵を受けているのなら、私たちはその幸運が長続きしないことが多いと予想するでしょう。実際、2年以内に彼らの約3分の1が深刻な財政問題に直面していました。ピーターズとウォーターマンを嘲笑するのは簡単ですが（実際、多くの人がそうしました）、真実は健全な経済には多くの変動があるということです。企業のスターは登場し、そして消えていきます。時には持続的な特性を持つこともあれば、瞬間的なものもあり、時には運以外の特性を持たないこともあります。成功事例を見て教訓を学ぼうとするのは良いことですが、注意が必要です。ナシーム・タレブの印象的な言葉を借りれば、「ランダム性に騙される」のは簡単です。 こうしたビジネスに関する文章は無害かもしれません。日々のデータがビジネス書の知恵と矛盾する場合、現場の意見が勝つでしょう。ジャムの研究はおしゃべりな人々の間で有名になりましたが、「選択は悪い」という発見が多くの企業の棚卸しの決定に真剣に受け入れられた兆候はほとんどありません。それでも、良いデータが少ないところでは、生存者バイアスに基づいて重要な決定が下されているのではないかと疑わざるを得ません。金融の世界では、この問題はさらに深刻かもしれません。2016年、ノルウェーのテレビ番組は、株式選びのコンペティションを開催し、投資家が10,000ノルウェークローネ（約1,000ドル）相当のさまざまなノルウェーの株を購入するという形でこの問題を見事に示しました。競技者は多様なメンバーで構成されていました。自信満々の株式仲買人のペア、「知識が多いほど成功する」と意見を述べる人々、番組の司会者、占星術師、問題の企業を一度も聞いたことがないと告白した2人のビューティーブロガー、そして、会社名のグリッドで区切られたフィールドを歩き回り、関連するマスに排泄することで株を選ぶ牛のグルロスがいました。占星術師は最も悪い成績を収め、プロたちは少し良い成績を上げ、グルロスと同じくらいの7％のリターンを達成しました（牛とプロたちは3ヶ月のコンテストでそれぞれ立派なリターンを得ました）。ビューティーブロガーたちはさらに良い成績を収めましたが、際立った勝者はテレビの司会者たちで、わずか3ヶ月で25％近いリターンを得ました。彼らはどうしてそんなに良い成績を収めたのでしょうか？単純です。彼らは自分たちのコンペティションに一度だけ参加したのではなく、実は20回参加し、20の異なるポートフォリオを選ぶことを許可していたのです。彼らは最も良い成績を収めたものだけを観客に見せました。彼らはインスパイアされた株選びの達人のように見えましたが、自分たちのトリックを明かしたとき、真実が明らかになりました。生存者バイアスはすべてを征服します。 このことを念頭に置くと、株やその他の金融商品を選ぶ投資マネージャーを評価するのは難しいです。彼らは自分たちが天才であると私たちを説得することで得られるものが多いですが、示せるものは過去の実績だけです。「私のファンドは昨年、市場を上回りました。そしてその前の年も」と言うのが、私たちが頼りにできるほとんどすべてです。 問題は、私たちが成功事例だけを見て、時折起こる著名な失敗に対しては Schadenfreude（他人の不幸を喜ぶ感情）を抱くことです。パフォーマンスが低い投資ファンドは、閉鎖されたり、合併されたり、ブランド名が変更されたりする傾向があります。大手の投資会社は多くの異なるファンドを提供し、過去に成功したファンドを宣伝します。ノルウェーのテレビ番組はこのプロセスを凝縮し、誇張しましたが、ファンドマネージャーがその素晴らしい成果を宣伝する際、その広告には提供されているファンドのランダムサンプルは含まれていないことを理解してください。生存者バイアスは、投資パフォーマンスに関するいくつかの研究にも影響を与えています。これらの研究はしばしば「現在存在するファンド」を調べることから始まりますが、存在するファンドはすべて生存者であるという事実を十分に認識せず、調整も行っていません。これが生存者バイアスを引き起こします。経済学者であり『ウォール街のランダム・ウォーク』の著者であるバートン・マルキールは、一度、生存者バイアスが生き残ったファンドのパフォーマンスをどれほど美化しているかを推定しようとしました。その推定値は驚くべきことに年間1.5パーセントでした。それはあまり大きな数字に聞こえないかもしれませんが、投資の生涯を通じて考えると、これは2倍の要因になります。たとえば、退職金の貯蓄が10万ドルだと期待していたのに、実際には5万ドルしか得られないということです。別の言い方をすれば、静かに消えていく投資ファンドを無視すると、見かけ上のパフォーマンスは実際のパフォーマンスの2倍良く見えるのです。結果として、人々は高い手数料を請求するアクティブ運用ファンドに投資するよう促されることになりますが、実際には市場全体をパッシブに追跡する低コストでドラマの少ないファンドの方が適しているかもしれません。これは、米国経済全体で年間数百億ドルの価値がある決定であり、もしそれが間違いであれば、数十億ドルの間違いとなります。 さて、健康についてはどうでしょうか？どの医療処置が効果的で、どれが効果がないかという生死に関わる問題を考えてみましょう。無作為化比較試験（RCT）は、医療証拠の金字塔としてしばしば説明されます。RCTでは、ある人々がテストされている治療を受ける一方で、無作為に選ばれた他の人々にはプラセボまたは最も知られている治療が与えられます。RCTは確かに新しい医療処置の最も公正な一回限りのテストですが、RCTが出版バイアスの影響を受ける場合、私たちは行われたすべてのテストの全体像を把握することができず、結論が大きく歪む可能性があります。 例えば、2008年に行われたさまざまな抗うつ薬に関する研究の簡単な調査では、48件の試験が肯定的な効果を示し、3件が肯定的な効果を示さないことがわかりました。これはかなり励みになるように聞こえますが、出版バイアスのリスクを考えると、そうとも言えません。そこで、その調査を行った研究者たちはさらに掘り下げ、23件の未発表の試験を見つけました。そのうち22件は、薬が患者を助けなかったという否定的な結果を示していました。また、記事で肯定的に見えた11件の試験は、実際には規制当局である米国食品医薬品局に提出された要約では否定的な結果を出していたこともわかりました。 この記事では、いくつかの良いニュースを選び出し、悪いニュースを軽視することで、実際には効果がなかった薬について、前向きな印象を与えるような形でまとめられていました。修正されたスコアは、抗うつ薬が効果的であるという48対3ではなく、38対37でした。抗うつ薬が効果を示すこともあるかもしれませんが、発表された結果は実施されたすべての実験を公平に反映しているとは言えません。 これは重要な問題です。生存者バイアスのために、数十億ドルが無駄に使われ、数十万人の命が失われています。全体のストーリーを見ずに意思決定を行うと、倒産した投資ファンドや、「ガレージのゴミ」段階を超えられなかったシリコンバレーの起業家、発表されなかった学術研究、行方不明になった臨床試験などが見えなくなります。この章では、これまでのところ悲劇的な話をしてきましたが、唯一の明るい点は、これらの問題が5年前よりもはるかに理解され、評価されるようになったことです。そこで、この明るい点に焦点を当て、改善の希望があるかどうかを考えてみましょう。 研究者にとって、改善の姿は明確です。彼らは研究の暗い側面について率直に語る必要があります。収集されたが発表されなかったデータ、実施されたが一旦脇に置かれた統計テスト、行方不明になった臨床試験、平凡な結果を生み出し、ジャーナルに却下されたりファイルの引き出しにしまわれたりした研究について透明性を持つ必要があります。研究について書く私たちにも同様の責任があります。驚くべき新しい結果を報告するだけでなく、過去に発表されたものの文脈に置き、できれば発表されることなく忘れ去られているべきものをも考慮する必要があります。 理想的には、アンドリュー・ゲルマンの「分岐する道の庭」から抜け出し、全体を俯瞰できるようになりたいものです。そこには行き止まりやあまり通られない道も含まれます。その俯瞰的な視点は、すべての関連情報が最も使いやすい形で揃ったときに得られます。私たちはその基準に達するにはまだ遠いですが、改善の明確な兆しは見られます。遅く不完全ではありますが、確かに改善は進んでいます。 例えば、医学の分野では、2005年に国際医学雑誌編集者委員会が、彼らが編集するトップ医学雑誌は、事前登録されていない臨床試験をもはや発表しないと宣言しました。事前登録とは、試験を実施する前に、研究者が何を行う予定で、結果をどのように分析するかを説明し、その説明を公のウェブサイトに掲載することを意味します。このような事前登録は、発表バイアスに対する重要な解決策です。なぜなら、研究者は試験が計画されていたが、結果が行方不明になったケースを簡単に確認できるからです。 事前登録は、他の研究者が試験の報告書を読み、その後データ分析の計画が実行されたかどうかを確認できるようにするべきです。データが出現した後に計画が変更されるのではなく、事前に定めた通りに分析が行われることが重要です。しかし、事前登録は万能ではありません。特に社会科学のフィールドスタディにおいては、学術研究者が政府や慈善団体が実施しているプロジェクトに依存することが多く、こうしたプロジェクトは研究者が制御したり予測したりできない形で進化していきます。さらに、医学雑誌が事前登録を要求しても、自らの要求を実際に遵守させることができない場合もあります。 オックスフォード大学のエビデンスに基づく医学センターのベン・ゴールドエーカーとその同僚たちは、数週間にわたりトップ医学雑誌における新しい記事の出版状況を体系的に監視しました。その結果、これらの雑誌が遵守することに合意した報告基準を満たさない58件の記事を特定しました。例えば、特定の患者の結果を測定することを事前に定めた臨床試験が、後に異なる結果を報告するように変更されたケースです。彼らはすぐに雑誌の編集者に訂正の手紙を書きましたが、その手紙はしばしば拒否され、掲載されることはありませんでした。 基準が不十分にしか実施されていないことを認識するのは残念ですが、専門家コミュニティの基準によって基本的に自己規制されているシステムであるため、驚くべきことではないかもしれません。しかし、過去20年間で状況は大きく改善されているように思います。意識が高まり、悪い実践が指摘され、基準が全くないよりは不完全な基準の方が良いという状況です。2006年に設立された「Trials」のような雑誌があり、これは結果がポジティブであろうとネガティブであろうと、興味深かろうと退屈であろうと、あらゆる臨床試験の結果を発表します。これにより、研究の世界でニュース価値がないと見なされたために科学的研究が未発表のまま放置されることがないようにしています。自動化ツールを使って、欠落している試験や事前登録されたが未発表の研究を自動的に特定したり、後の論文が以前の研究を引用している際に、その研究が更新、訂正、または撤回されたことを見つけたりすることで、さらに多くのことができる大きな機会があります。 心理学において、予知に関する騒動は良い結果をもたらすかもしれません。学術心理学者は、もちろん出版されたいと思っていますが、ほとんどの人はジャンクサイエンスを生み出したくはありません。彼らは真実を見つけたいのです。再現性の危機は、良い研究基準に対する意識を高め、再現努力を報いるためのインセンティブを増やし、雑な研究を罰するためのペナルティを強化する方向に向かっています。再現努力を歓迎する研究者が増えているという励ましい兆しがあります。 例えば2010年、政治学者のブレンダン・ナイハンとジェイソン・ライフラーは「バックファイア効果」として知られる研究を発表しました。簡単に言うと、人々は虚偽の主張を反証するファクトチェックを見せられると、その主張を信じる可能性が高くなるというものです。この結果、特にドナルド・トランプの台頭以降、一部のジャーナリストの間で道徳的パニックが引き起こされました。「ファクトチェックは事態を悪化させるだけだ！」という意見が広まり、これは直感に反する完璧なポイントを突いていました。しかし、ナイハンとライフラーはさらなる研究を促し、その結果、バックファイア効果は特異なものであり、ファクトチェックは実際には役立つことが示唆されています。研究の一つの要約では、「一般的に、反証は特定の主張に対する人々の信念をより正確にすることができる」と結論づけられています。ナイハン自身も、フォローアップを考慮せずに彼の元の論文に依存している人々を見かけると、この要約をTwitterで引用しています。 多くの統計学者は、この危機が標準的な統計テスト自体を再考する必要性を示していると考えています。つまり、統計的有意性という概念自体が深く欠陥があるということです。数学的には、テストは十分にシンプルです。まず、効果がないと仮定します（薬は効果がない、コインは公平である、予知能力は存在しない、24ジャムのスタンドと6ジャムのスタンドは同じくらい魅力的である）そして、観察されたデータがどれほどあり得ないかを尋ねます。例えば、コインが公平だと仮定して10回投げると、表が5回出ることを期待しますが、6回や7回出ても驚くことはありません。しかし、10回連続で表が出たら驚愕するでしょう。これは千回に一度以下の確率で起こるため、コインが公平であるという元の仮定を疑うかもしれません。統計的有意性テストは同じ原則に基づいています：効果がないと仮定した場合、収集したデータは驚くべきものですか？例えば、薬をテストする際、あなたの統計分析はその薬が効果がないという仮定から始まります。そして、薬を服用している多くの患者がプラセボを服用している患者よりもはるかに良くなっているのを観察すると、その仮定を修正します。一般的に、収集したデータと同じくらい極端なデータをランダムに観察する確率が5％未満であれば、その結果は仮定を覆すのに十分な有意性があります。つまり、薬が効果がある、ジャムの大きな陳列は人々がジャムを買うのを思いとどまらせる、そして予知能力が存在するということを、十分な自信を持って結論づけることができます。問題は明らかです。5％は恣意的なカットオフポイントです—なぜ6％や4％ではダメなのか？—そして、私たちに白黒の思考、合格か不合格かという考え方を促し、不確実性の度合いを受け入れることを妨げます。もし前の段落が混乱を招いたなら、あなたを責めるつもりはありません。概念的に、統計的有意性は困惑させるもので、ほとんど逆説的です。それは特定の理論、つまり効果がないという理論の下でデータを観察する確率を教えてくれます。本当に知りたいのは、データが与えられたときに特定の理論が真である確率です。 私自身の直感としては、統計的有意性という概念はあまり役に立たないものであり、もっと良い方法があると思っていますが、他の人々はより慎重です。「ほとんどの発表された研究結果は誤りである」という論文の著者であるジョン・イオアニディスは、この手法の欠陥にもかかわらず、「根拠のない主張に対する便利な障害である」と主張しています。残念ながら、これらの問題を一掃するような巧妙な統計技術は存在しません。より厳密な科学への道のりは多くのステップを必要とし、私たちは少なくともその一部を踏み出しています。最近、ダニエル・カーネマンや他の多くの心理学者と協力してきたノーベル経済学賞受賞者のリチャード・セイラーにインタビューする機会がありました。彼は心理学を外部から同情的に評価するのに適した立場にいると感じました。「レプリケーション危機は心理学にとって素晴らしいことだと思います」と彼は私に言いました。「ただ、より良い衛生状態が生まれたのです。」一方、ブライアン・ノセックはBBCに対して、「5年後にもう一度大規模な再現性プロジェクトを行ったら、分野における再現性が劇的に改善されると思います」と語りました。 この本の初めの章では、動機づけられた推論や情報の偏った同化に関する多くの心理学研究を引用しました。今、あなたはこう思っているかもしれません：これらの研究が信頼できるかどうか、どうやって知ることができるのか。正直なところ、私は確信を持てません。私が引用する実験研究は、次の「ジャム実験」や、もっと悪いことに「『When I’m Sixty-Four』を聴くと若返る」という発見になる可能性があります。しかし、私が述べた研究を読むとき、私は最近の数ページからのアドバイスを実践しようとします。その研究が私たちの知識の広い視野にどのように合致するのか、あるいは奇妙な外れ値なのかを感じ取ろうとします。異なる方法を用いた異なる学者からの20件や30件の研究があり、すべてが同じ結論を指し示している場合、たとえば私たちの論理的推論の力が政治的信念によって歪められているという場合、個々の実験が偶然の産物である可能性についてはあまり心配しません。もし経験的な発見が理論的にも実践的にも、そして実験室でも意味を持つのであれば、それは安心材料です。ほとんどのトピックについて、私たちの多くは学術論文を掘り下げることはありません。私たちはメディアに頼って、科学的知識の状態について消化しやすい形で情報を得るのです。科学ジャーナリズムは他の種類のジャーナリズムと同様に、良いものもあれば悪いものもあります。表面的でセンセーショナルなプレスリリースの再利用を見つけることもできますし、事実を説明し、適切な文脈に置き、必要に応じて権力に真実を伝える科学ジャーナリズムを見つけることもできます。読者として十分に関心を持てば、その違いを見分けることができるでしょう。それは本当に難しくありません。研究を報じるジャーナリストが、何が測定されているのかを明確に説明しているか自問してみてください。これは人間を対象にした研究でしたか？それともマウス？それともペトリ皿の中で？良い記者は明確です。それから、効果の大きさはどれくらいですか？ これは他の研究者にとって驚きだったのでしょうか？優れたジャーナリストは、説明の余地を作ろうとします。その結果、記事はずっと読みやすくなり、あなたの好奇心を満たし、理解を助けてくれます。もし疑問があれば、セカンドオピニオンを簡単に見つけることができます。科学や社会科学におけるほとんどの主要な研究成果は、すぐに学者や他の専門家によって取り上げられ、彼らの考えや反応がオンラインで発表されます。科学ジャーナリスト自身も、インターネットが彼らの職業を向上させたと信じています。約100人のヨーロッパの科学ジャーナリストを対象にした調査では、3分の2がその考えに賛同し、10％未満が反対しました。これは納得がいきます。インターネットのおかげで、学術論文を読むのが容易になり、系統的レビューにアクセスしやすくなり、科学者にセカンドオピニオンを求めるのも簡単になりました。もしあなたが読んでいる記事が健康に関するものであれば、セカンドオピニオンを探すべき場所があります。それはコクラン共同計画です。これは、医療におけるより良い証拠を求める医師、疫学者、活動家のアーチー・コクランにちなんで名付けられました。1941年、コクランがドイツ軍に捕らえられ、捕虜となった際、彼は即興で臨床試験を行いました。それは驚くべき勇気、決意、そして謙虚さの組み合わせでした。捕虜収容所には病気の男性がたくさんおり、コクランもその一人でした。彼はその病気が栄養不足によるものであると疑っていましたが、自信を持って治療法を処方するには知識が不足していることを理解していました。絶望に陥るのではなく、直感に従うのでもなく、彼は仲間の囚人たちを組織して異なる食事の効果を試すことに成功し、彼らが何を欠いているのかを発見し、キャンプの指揮官に反論の余地のない証拠を提供しました。ビタミン補助食品が調達され、その結果、多くの命が救われました。 1979年、コクランは「私たちの職業に対する大きな批判は、専門分野ごとに、定期的に適応されたすべての関連する無作為化比較試験の批判的要約を組織していないことだ」と書きました。コクランの死後、この課題はイアン・チャルマーズによって引き継がれました。1990年代初頭、チャルマーズは周産期健康、つまり妊婦とその赤ちゃんのケアに関する無作為化試験の系統的レビューのコレクションを集め始めました。この取り組みは、さまざまな臨床トピックに関する最良の証拠をレビュー、評価、統合、公開する研究者の国際ネットワークに成長しました。彼らはコクラン共同計画と呼ばれ、コクランライブラリーというオンラインの系統的研究レビューのデータベースを維持しています。完全なデータベースはすべての国で自由に利用できるわけではありませんが、アクセス可能な研究要約はあり、無作為化試験に基づく知識の状態を短く説明しています。私は最近の研究要約をいくつか、ほぼランダムに見てみました。何が出てくるかを確認するために。 あるフロントページの要約では、「女性の尿失禁治療におけるヨガの効果を評価する」と約束していました。私はヨガを実践しておらず、尿失禁に悩んでいるわけでもなく、女性でもないので、この報告書に対する私の評価は、実際の知識に影響されることはないだろうと思いました。コクランライブラリーの情報を確認する前に、「ヨガは尿失禁を治せるのか？」とGoogleで検索してみました。WebMDが検索結果の上位に表示され、最新の試験で高齢女性に劇的な改善が見られたと報告していましたが、その研究はかなり小規模であることも指摘していました。デイリーメールも同じ研究を取り上げ、同様の内容で報じていました：改善は大きかったが、研究は小規模だったと。検索結果のトップには、ある民間医療会社の情報があり、素晴らしい結果を強調していましたが、研究の規模の小ささには触れていませんでした。ただし、元の研究へのリンクはありました。 この報道は素晴らしいわけではありませんが、ひどいわけでもありません。正直に言うと、もっと悪い結果を予想していましたし、あまり害が出ることもないでしょう。人々は誤った期待を抱いてヨガを始めるか、あるいはヨガを実践して改善し、その効果をヨガのおかげだと考えるかもしれませんが、実際には自然に改善していたかもしれません。しかし、これらは決して破滅的な結果ではありません。それでも、メディアの報道は背景情報を提供していませんでした。彼らは単に科学研究を繰り返して報じただけで、既に発見されていることと一致しているのか、矛盾しているのかについての示唆はありませんでした。 対照的に、コクランライブラリーは、ヨガと尿失禁に関する私たちが知っていることのアクセスしやすい要約を提供することを目指しています。これもGoogleの検索結果の最初のページにあります。コクランは秘密ではありません。コクランのレビューは、平易で目立たない言葉で書かれており、十分に明確です。この問題に関する研究は2つしかなく、どちらも小規模でした。証拠は弱いですが、ある程度の証拠は、尿失禁に対してヨガは無いよりはましであり、マインドフルネス瞑想はヨガよりも効果的であることを示唆しています。それがすべてです—簡単なGoogle検索と、平易な英語で書かれたページを1分間スキャンした結果です。（多くの言語への翻訳も利用可能です。）もちろん、信頼できる膨大な証拠があれば良いのですが、今回はそうではありません—それを知ることができて良かったです。コクランの要約のおかげで、私たちは重要な証拠があるのかどうかを推測する必要がなくなりました。 関連するネットワークであるキャンベル・コラボレーションは、教育や刑事司法などの社会政策に関する質問についても同じことを目指しています。これらの取り組みが進展し、資源が増えるにつれて、研究が意味を持ち、広範な発見のパターンに適合するのか、それとも55,000ドルのポテトサラダのようなものなのかを判断するのが容易になるでしょう。 ルール6 誰が欠けているかを尋ねる データを収集しない力は、政府が持つ最も重要でありながらあまり理解されていない権力の源の一つです。最初から知識を蓄積することを拒否することで、意思決定者は私たちの上に権力を行使します。—アナ・パウエル＝スミス、MissingNumbers.org 約70年前、著名な心理学者ソロモン・アッシュは、123人の実験参加者に簡単な課題を与えました。彼らは、3本の異なる線が描かれたイラストと「基準線」が描かれたイラストを見せられ、アッシュはどの線が基準線と同じ長さかを選ぶように求めました。アッシュは一つのトリックを用意していました：各参加者の周りには、全員が間違った線を選ぶ「サクラ」が配置されていたのです。混乱した実験参加者たちは、周囲の人々の誤りに影響されることが多くありました（常にそうとは限りませんが）。アッシュの実験は非常に興味深く、私はしばしばこれらについて執筆や講演で話します。これらは、私たち全員が感じる同調圧力についての会話の素晴らしい出発点であり、人間の本性を理解するための記憶に残る窓を提供してくれます。しかし、本当にそうでしょうか？実験は洗練されていて強力ですが、多くの心理学者と同様に、アッシュも手元にあった材料を使っていました。それは1950年代のアメリカの大学生たちです。彼をあまり批判するべきではありません。アッシュは単に手の届く果実を収穫していただけです。すべてのアメリカ人を代表するサンプルを集めるのは面倒でしたし、国際的なサンプルを研究するのはさらに難しく、1952年ではなく1972年に実施された場合に研究がどのような結果を示したかを知ることは不可能でした。（その後、他の研究者たちがフォローアップ実験を行い、同調のレベルがやや低下していることを発見しました。これはベトナム戦争時代の学生の反抗の兆しかもしれません。） しかし、ソロモン・アッシュが不変で普遍的な真実を発見したかのように振る舞うのは非常に魅力的です。1950年代のアメリカの学生という非常に特定のタイプの人々に対する心理学実験の結果を、人類全体に対する実験のように語ることは避けるべきです。私自身も、特に講演の時間的プレッシャーの中で、これを犯すことがあります。しかし、人間の本性について結論を引き出すのは、幅広い人々を研究した後に限るべきです。心理学者たちは、「WEIRD」な被験者、つまり西洋の教育を受けた工業化された裕福な民主主義国出身の被験者のみを研究する実験の問題をますます認識しています。1996年までに、コクランスタイルの文献レビューが行われ、アッシュの実験に触発された133のフォローアップが見つかりました。全体的な結果は維持されており、これは前章の内容を考えると励みになります。つまり、同調は強力で広範な効果ですが、時間とともに弱まっているようです。しかし、次に尋ねるべき明白な質問は、同調の力は誰が誰に同調する圧力を受けるかによって変わるのか、ということです。 残念ながら、フォローアップ研究はあまり多様性がなく、ほとんどがアメリカで行われ、ほぼ全てが学生を対象にしていました。しかし、いくつかの例外は興味深いものでした。例えば、1967年にカナダのバフィン島に住むイヌイットを対象に行われた実験では、シエラレオネのテムネ族を対象にした実験よりも、同調性のレベルが低いことがわかりました。私は人類学者ではありませんが、イヌイットはリラックスした個人主義的な文化を持っているとされ、一方でテムネ社会は、少なくともこれらの実験が行われた当時は厳格な社会規範を持っていたようです。一般的に、特に日本のような著名な例外を除けば、アッシュの影響を受けた実験における同調性は、社会学者が個人主義的と見なす社会では低く、集団主義的と見なす社会では高い傾向があります。これは、アッシュがアメリカという個人主義的な社会の被験者を研究することによって、同調性の力を過小評価していた可能性があることを示唆しています。しかし、心理学の教科書やポップサイエンスの書籍では、アッシュが発見した同調性の程度をしばしば誇張しています。（アッシュの実験参加者は、グループの圧力に対してしばしば反発しました。彼らのほとんどは毎回屈服したわけではなく、むしろ実験の繰り返しの中で行動を変え、時にはグループに同調し、時には孤立した立場を取ることで妥協しようとしました。）偶然にも、アッシュの発見に対する一般的な理解におけるこれら二つのバイアスは、実質的に相殺されているかもしれません。研究対象のグループが単一文化であったことが、どれほど同調圧力に影響を与えたのでしょうか？より異質なグループであれば、 dissent（異議）を示す余地がもっとあったのでしょうか？その可能性を示唆する興味深いヒントもあります。例えば、フォローアップ研究では、人々は友人のグループに対しては、見知らぬ人のグループに対してよりもはるかに同調することがわかりました。また、アッシュが彼の協力者たちに互いに反対するよう指示した際、同調圧力は消えました。彼の被験者たちは、他の人たちが互いに意見を異にしている限り、自分だけが正しい選択をしても喜んでそれを選びました。これらのことは、同調性を克服する一つの方法は、多様な人々と共に意思決定を行うことであり、彼らは異なるアイデアや前提を持ち寄る可能性が高いことを示唆しています。しかし、この実用的な戦術は、元の実験や多くのフォローアップが均質なグループを対象にしていたため、テストが難しいのです。機会を逃したように感じざるを得ません。アッシュの結果に関するほとんどの説明が、異なる行動をとる可能性のある人々の欠如を完全に無視していることは、私たちに不安を感じさせるべきだと思います。ソロモン・アッシュは、ペンシルベニア州のスワースモア大学という男女共学の教育機関で教えていました。彼の実験参加者の中に、協力者も被験者も女性が一人もいなかったのは本当に必要だったのでしょうか？フォローアップ研究によると、全男性グループは全女性グループよりも同調性が低いという結果が示されています。 再び言いますが、これは「害がなければ問題なし」というケースだと言えるでしょう。アッシュは、若いアメリカ男性だけでなく、他のグループを調査していれば、より強い同調の証拠を見つけたかもしれません。しかし、性別は重要であり、アッシュはその影響を研究することができたはずですし、少なくとも男女混合のグループを使うこともできたでしょう。しかし、彼にはその考えがなかったようで、彼の実験に関するその後の報告の中で、性別の影響を気にするものが非常に少ないのは不快です。もしソロモン・アッシュがこの研究を行った唯一の研究者であったなら、私たちはそれを歴史的な好奇心として片付けることができたでしょう。しかし、アッシュは一人ではありません。もちろん、彼だけではありません。彼の学生であるスタンリー・ミルグラムは、1960年代にイェール大学で悪名高い電気ショック実験を行いました。以下は、私がかつて『フィナンシャル・タイムズ』で彼の実験を説明した方法です。 ミルグラムは、無防備な一般市民を「記憶の研究」に参加させるために募集しました。実験室に到着すると、彼らは別の参加者とくじ引きをして「教師」と「学習者」を決めました。学習者が電気椅子に固定されると、教師は別の部屋に退いてショックマシンを操作することになりました。学習者が質問に正しく答えられないと、教師は徐々に強まる電気ショックを与えるよう求められました。多くの人が、痛みを伴うショックを自分自身が受けたにもかかわらず、心臓に問題があると訴えていた学習者の悲鳴や壁の向こう側からの解放を求める叫びにもかかわらず、致命的なショックを与えることに同意しました。もちろん、実際にはショックはありませんでした。近くの部屋で叫んでいた男性は演技をしていたのです。それでも、この研究は恐ろしい魅力を持っています。私の記事では、ミルグラムの実験参加者が全員男性であったことに、せめて一言触れておくべきでした。しかし、その時はその特定の問題について考えていなかったため、私も以前の多くの人々と同様に、確認することを思いつきませんでした。今はそのことを考えるべきだと思います。なぜなら、この記事を書いた後、キャロライン・クリアド・ペレスに彼女の著書『見えない女性たち』についてインタビューをしたからです。彼女に会うのは楽しかったです。彼女は可愛らしい小さな犬を連れてBBCに現れ、その犬はスタジオの隅で丸くなり、私たちは性別データのギャップについて話すことができました。彼女の本を読むのはあまり楽しくありませんでした。なぜなら、彼女が描写した無能さや不正義が非常に落胆させるものであったからです。警察官用の防弾ベストを作るメーカーが、一部の警察官には胸部があることを忘れていたり、包括的なAppleの健康アプリのコーダーが、一部のiPhoneユーザーが月経を持つことを見落としていたりすることなどです。彼女の本は、私たちの生活を形作る製品や政策を担当する人々が、暗黙のうちにデフォルトの顧客や市民を男性と見なしていることがあまりにも多いと主張しています。女性は後回しにされているのです。クリアド・ペレスは、私たちが集める統計もこのルールの例外ではないと主張しています。彼女は、データが「どこからも見た客観的な視点」を反映していると簡単に仮定することがいかに容易であるかを明確に示していますが、実際には深く微妙なバイアスを含んでいる可能性があるのです。 女性の臨床試験における歴史的な過小評価を考えてみましょう。一つの厳しい出来事は、妊娠中の女性がつわりを和らげるために広く服用していたサリドマイドです。この薬が胎児に重度の障害や死を引き起こす可能性があることが明らかになりました。この災害の後、妊娠可能な年齢の女性は予防措置として試験から除外されることが常態化しました。しかし、この予防措置は、男性のみで薬を試すことで必要な情報の大部分を得られると仮定する場合にのみ意味があります—これは大きな仮定です。状況は改善されましたが、多くの研究では依然としてデータを性別で分けて分析することがなく、男性と女性で異なる影響があるかどうかを探ることができていません。例えば、シルデナフィルは元々狭心症の治療薬として開発されましたが、男性を対象にした臨床試験で予期しない副作用が明らかになりました。それは、素晴らしい勃起です。現在はバイアグラとして知られるこの薬は、勃起不全の治療薬として市場に出ました。しかし、シルデナフィルにはもう一つの予期しない利点があるかもしれません。それは、生理痛の効果的な治療薬になる可能性です。まだ確証はありませんが、資金提供された小規模で示唆的な試験が一つだけあります。もし狭心症の試験が男女を均等に代表していたなら、生理痛の治療の可能性は勃起への影響と同じくらい明白だったかもしれません。このような性別依存の効果は驚くほど一般的です。男性と女性のげっ歯類を対象にした薬の研究のレビューでは、試験された薬が性別依存の効果を持つことが半分以上のケースで見られました。筋肉由来の幹細胞の研究者たちは、なぜそれらが時々再生し、時々再生しないのかに困惑していました。それは完全に恣意的に見えましたが、誰かが細胞が男性由来か女性由来かを確認することを思いつくまで、謎は解けませんでした。解決策は、女性由来の細胞は再生する一方で、男性由来のものは再生しないことが判明したことです。性別に対する盲点はまだ解消されていません。コロナウイルスのパンデミックが始まって数週間後、研究者たちは男性が女性よりも感染や死亡に対してより脆弱である可能性があることに気づき始めました。それは行動の違い、手洗いの徹底、喫煙の普及、あるいは男性と女性の免疫システムの生物学的な深い違いによるものでしょうか？それを言うのは簡単ではありませんでした。特に、感染者数が最も多い25か国のうち、半数以上—イギリスやアメリカを含む—が性別でケースを分けていなかったためです。 別の問題は、女性がデータ収集に含まれていても、調査設計者の頭の中にある男性中心の枠組みに合わない質問がされる場合に発生します。約25年前、ウガンダでは労働力が突然10％以上増加し、650万人から720万人に達しました。何が起こったのでしょうか？労働力調査がより良い質問をするようになったのです。 以前、人々は自分の主な活動や仕事をリストアップするよう招待されていましたが、多くの女性はパートタイムの仕事を持っていたり、自分の市場の屋台を運営したり、家族の農場で働いたりしているにもかかわらず、「主婦」とだけ書き留めていました。新しい調査では副次的な活動についても尋ねられ、突然、女性たちは副業として行っていた長時間の有給労働について言及しました。ウガンダの労働力は70万人増加し、そのほとんどが女性でした。問題は、以前の調査で女性が無視されていたわけではなく、夫がフルタイムで有給労働をし、妻が無給で家庭内で働くという古い家事労働の分業を前提とした質問がされていたことです。データにはさらに微妙なギャップが存在します。政府は個人の収入ではなく、世帯の収入を測定することが多いのです。これは不合理な決定ではありません。多くの家族が家賃や食費、時にはすべての費用を賄うために資源をプールする世界では、世帯は分析の論理的な単位です。私は、家で無給の仕事をしながら子供の世話をしている男女を何人か知っていますが、彼らのパートナーは高い給料を得ています。無給のパートナーがほとんど収入を得ていないという理由で、彼らが貧困にあると主張するのは奇妙です。しかし、多くの世帯が資源をプールしている一方で、すべての世帯がそうであるとは単純に仮定できません。お金は家庭内で武器として使われることがあり、不平等な収入は虐待的な関係を助長することがあります。世帯収入だけを集計することは、そのような虐待を統計的に見えなくし、定義上無関係にします。測定しないものは存在しないと考えるのはあまりにも魅力的です。アッシュの実験と同様に、家庭内で誰が財布のひもを握っているかが重要であることを推測する必要はありません。時にはそれが重要であるという良い証拠があります。経済学者のシェリー・ランバーグとその同僚たちは、1977年にイギリスで子供手当が税額控除（通常は父親に支給される）から母親への現金支給に切り替えられた際に何が起こったかを研究しました。その変更により、男性の服に対して女性や子供の服に対する支出が測定可能に増加しました。 私がランバーグの研究について『フィナンシャル・タイムズ』に書いたとき、ある読者が激怒して、なぜ女性や子供の服にお金を使う方が男性の服よりも良いと知っているのかと尋ねてきました。『フィナンシャル・タイムズ』の読者としては珍しく、この人は要点を見逃していました。どの支出パターンが良いということではなく、支出パターンが異なっていたのです。世帯収入は変わらなかったものの、その収入が世帯内の異なる人に支払われると、異なるものに使われました。これは、世帯レベルでの収入測定だけでは重要な情報が欠落していることを示しています。 イギリスの新しい給付制度であるユニバーサルクレジットは、単身の「世帯主」に支給されます。この古風な決定は男性に有利に働く可能性がありますが、私たちが持っているデータを考えると、その判断は難しいでしょう。高品質な統計がどこかのスプレッドシートに自然に現れることを夢見たいところですが、実際にはどんなデータセットも誰かが数値を収集することを決めることから始まります。どの数値が収集され、どれが収集されないのか、何が測定され、何が測定されないのか、誰が含まれ、誰が除外されるのかは、すべて人間の仮定や先入観、見落としの結果です。たとえば、国連は2030年に向けた一連の野心的な「持続可能な開発目標」を掲げています。しかし、開発の専門家たちは、これらの目標が達成されたかどうかを判断するために必要なデータがしばしば不足していることに注意を促しています。女性に対する家庭内暴力の件数を減少させることに成功しているのでしょうか？問題に関する十分なデータを収集している国が少ない場合、歴史的な比較を行うことは非常に難しいのです。 時には、どのデータを収集するかの選択が非常に奇妙なこともあります。ファクトチェック団体「フルファクト」のディレクターであるウィル・モイは、イギリスでは当局がゴルファーについては多くの情報を持っているのに、暴力を受けたり、強盗に遭ったり、レイプされたりした人々についてはあまり知られていないと指摘しています。これは、政府の誰かが予算を持って調査を委託し、ゴルフを理解することが犯罪よりも重要だと決めたからではありません。むしろ、調査は他のプロジェクトと一緒にまとめられることが多いのです。ロンドンが2012年の夏季オリンピックを開催することが決まった際、政府は「アクティブライフ調査」を開始しました。この調査は20万人に及び、各地域でどのスポーツが人気かを示すのに十分な地理的広がりを持っています。だからこそ、私たちはゴルファーについて多くのことを知っているのです。それ自体は悪いことではなく、人々がどのように健康を維持しているかを詳細に把握できるのは素晴らしいことです。しかし、イングランドとウェールズの犯罪調査を強化する必要があるのではないかという疑問も生じます。この調査はわずか35,000世帯にしか及びませんが、一般的な犯罪の全国的な傾向を理解するには十分な規模です。しかし、もしこの調査がアクティブライフ調査と同じくらい大きければ、稀な犯罪や小規模な人口グループ、特定の町の傾向を理解できるかもしれません。他の条件が同じであれば、大規模な調査はより正確な推定を提供できますが、特に珍しい事象を数える際にはそうです。しかし、大きいことが常に良いわけではありません。膨大な数の人々に到達しながらも、他の多くの人々を見落としてしまい、実際に何が起こっているのかを誤って捉えることも十分に可能です。 1936年、カンザス州知事アルフレッド・ランドンは、現職の民主党大統領フランクリン・デラノ・ルーズベルトに対抗する共和党の大統領候補でした。尊敬される雑誌「リテラリー・ダイジェスト」は、結果を予測する責任を担いました。彼らは驚くべき規模の郵送意見調査を実施し、1,000万人、すなわち有権者の4分の1に達しました。 郵送された回答の洪水は想像を絶するものでしたが、リテラリー・ダイジェストはその作業の規模を楽しんでいるようでした。8月下旬には、「来週、これらの一千万人からの最初の回答が、三重に確認され、検証され、五回にわたって分類され、集計される投票用紙の波が始まります」と報告しました。2ヶ月間で驚異的な240万件の返答を集計した後、リテラリー・ダイジェストは結論を発表しました。ランドンが55%対41%で勝利し、少数の有権者が第三候補を支持すると予測しました。しかし、選挙の結果は全く異なるものでした。ルーズベルトはランドンを61%対37%で圧倒的に打ち負かしました。さらに、リテラリー・ダイジェストにとって痛手となったのは、世論調査の先駆者であるジョージ・ギャラップが実施したはるかに小規模な調査が、最終投票にかなり近い結果を示し、ルーズベルトの快勝を予測したことです。ギャラップ氏は、リテラリー・ダイジェストが理解していなかった重要なことを知っていました。それは、データに関しては、規模が全てではないということです。ギャラップのような世論調査は、有権者のサンプルに基づいています。これは、世論調査者がサンプル誤差とサンプルバイアスという2つの問題に対処する必要があることを意味します。サンプル誤差は、偶然によって無作為に選ばれた意見のサンプルが、実際の人口の真の意見を反映しないリスクを示します。世論調査で報告される「誤差の範囲」はこのリスクを反映しており、サンプルが大きいほど誤差の範囲は小さくなります。千件のインタビューは多くの目的に対して十分なサンプルサイズであり、1936年の選挙キャンペーン中にギャラップ氏は三千件のインタビューを実施したとされています。しかし、三千件のインタビューが良いものであったなら、なぜ240万件はそれ以上に良いとは言えなかったのでしょうか。その答えは、サンプリングエラーにはさらに危険な友がいるからです。それがサンプリングバイアスです。サンプル誤差は、無作為に選ばれたサンプルが偶然に基づいて基礎となる人口を反映しない場合ですが、サンプリングバイアスはサンプルが全く無作為に選ばれていない場合です。ジョージ・ギャラップは、偏りのないサンプルを見つけることが大きなサンプルを見つけることよりもはるかに重要であることを理解していたため、手間をかけてそのようなサンプルを探しました。一方、リテラリー・ダイジェストは、より大きなデータセットを求めるあまり、偏ったサンプルの問題を見落としてしまいました。彼らは自動車登録や電話帳から作成したリストに基づいて人々にフォームを郵送しましたが、このサンプルは、少なくとも1936年当時は、裕福な層に偏っていました。車や電話を持っている人々は、持っていない人々よりも一般的に裕福でした。さらに問題を悪化させたのは、ランドン支持者がルーズベルト支持者よりも回答を郵送する可能性が高かったことです。この2つのバイアスの組み合わせが、リテラリー・ダイジェストの調査を破滅に導く要因となりました。ジョージ・ギャラップの調査員がインタビューした1人に対して、リテラリー・ダイジェストは800件の回答を受け取りました。その結果、雑誌が得たのは非常に正確な間違った答えの推定値だけでした。 十分な注意を払わなかったために、行方不明の人々（調査を受けたことのない人々）や欠落した回答に対して、リテラリー・ダイジェストは統計史上最も有名な世論調査の失敗の一つを引き起こしました。すべての世論調査者は、自らの調査がリテラリー・ダイジェスト効果に脆弱であることを知っており、真剣な調査者はジョージ・ギャロップが試みたように、人口の代表的なサンプルを得ようと努力しています。これは決して簡単なことではなく、ますます難しくなっているようです。調査者の問いに答える人が減っており、答える人々が本当に他の人々を代表しているのかという明白な疑問が生じています。これは、人々がコールドコールに応じるために固定電話を取ることに対してあまり意欲的でなくなっているためでもありますが、それだけが理由ではありません。例えば、1963年に行われた最初の英国選挙調査は、調査チームが人々のドアをノックして行う対面調査で、回答率はほぼ80％でした。しかし、2015年版の対面調査では、回答率はわずか55％を超える程度で、訪問した家庭のほぼ半分では誰もドアを開けなかったり、ドアを開けた人が調査員の質問に答えることを拒否したりしました。調査者たちはこれを修正しようとしますが、確実な方法は存在しません。欠落した回答は、統計学者デイビッド・ハンドが「ダークデータ」と呼ぶものの例です。私たちは人々がそこにいることを知っており、彼らが意見を持っていることも知っていますが、その意見が何であるかは推測するしかありません。私たちはダークデータを無視することもできますが、アッシュやミルグラムが実験で女性の反応についての質問を無視したように、あるいは必死に欠落している部分に光を当てようとすることもできます。しかし、問題を完全に解決することは決してできません。 2015年の英国総選挙では、世論調査が現職の首相デイビッド・キャメロンが権力を維持するために十分な票を得ることは難しいと示唆していました。しかし、調査は間違っていました。キャメロンの保守党は実際には下院で議席を増やし、僅差で勝利を収めました。何が間違ったのかは不明でしたが、多くの調査会社は保守党に有利な最後の瞬間の変動があったと推測しました。もし彼らが最後の瞬間にいくつかのスナップ調査を実施していれば、その変動を検出できたかもしれません。しかし、その誤診は正しくありませんでした。後の研究では、実際の問題はダークデータであることが示されました。選挙後、研究者たちはランダムに選ばれた家を訪問し、人々に投票したかどうか、またその方法を尋ねました。彼らは調査者たちと同じ回答を得ました：キャメロンを再選させるほどの保守党支持者は不十分でした。しかし、調査者たちは再度、誰も答えなかった家や、調査員を拒否した家に戻りました。二度目の試みでは、より多くの保守党支持者が見られました。調査者たちは再びギャップを埋めるために戻り、何度も何度も訪問し、時には6回も訪問して、最終的には最初に話をしたかったほぼすべての人から回答を得ることができました。 結論として、この回顧的な調査は最終的に選挙結果と一致しました。それは保守党政府の誕生です。もし問題が遅れた支持の変化であったなら、解決策は短期間で行う簡易的な調査の束だったでしょう。しかし、実際の問題は保守党支持者にアクセスするのが難しかったことだったため、真の解決策は、より時間をかけて徹底的に意見調査を行う方法である可能性があります。 この問題は、悪名高い2016年の米国選挙でもアメリカの世論調査者たちを襲いました。この時、世論調査はスイング州でヒラリー・クリントンがドナルド・トランプをリードしているように見えました。トランプへの支持が遅れて変化し、また2015年の英国の世論調査を台無しにしたのと同じような非応答バイアスも存在しました。調査者たちはクリントン支持者を見つけるのは容易だったのに対し、トランプ支持者を見つけるのは難しかったのです。調査の誤差は客観的に見ればそれほど大きくはありませんでしたが、トランプが非常に異例の候補者であったため、人々の心の中では大きく感じられたのかもしれません。しかし、調査者が代表的な有権者グループを見つけようとした際に、トランプ支持者があまりにも多く欠けていたため、調査結果が間違っていたという事実は変わりません。 サンプルバイアスの問題に対する一つの野心的な解決策は、人口の代表的な部分をサンプリングするのをやめ、代わりに全員に話しかけることです。これが国勢調査の試みです。しかし、国勢調査員でさえ、全員をカウントしたとは考えられません。2010年の米国国勢調査では、家庭からの回答はわずか74％でした。これは多くの人々が欠けているか、参加を選ばなかったことを意味します。2011年の英国国勢調査では、回答率は95％で、約2500万世帯を代表しています。これははるかに良い結果であり、一見するとほぼ完璧に見えます。2500万世帯が回答しているため、ランダムサンプルの誤差は問題になりません；それは非常に小さいでしょう。しかし、たとえ5％の人々が欠けていても、サンプルバイアスは依然として懸念されます。国勢調査員は、公式な国勢調査用紙がドアマットにドスンと落ちたときに、特定の種類の人々が応答しにくいことを知っています。例えば、共同住宅に住む人々や、20代の男性、英語が得意でない人々です。その結果、応答しない5％の人々は、応答する95％の人々とは非常に異なる可能性があります。この事実だけでも、国勢調査データを歪めるには十分です。 国勢調査は統計を収集する最も古い方法の一つです。それに対して、より新しいが全員に届こうとする同様の志向を持つのが「ビッグデータ」です。オックスフォード大学のインターネット研究所のビクター・マイヤー＝ショーンベルガー教授は、彼が好むビッグデータの定義は「N = 全て」であり、もはやサンプリングを行う必要がなく、全体の背景人口を持つことだと教えてくれました。 ビッグデータの一つの源は、あまりにも平凡で見落としがちなものです。映画を観るときにあなたが作り出すデータについて考えてみてください。1980年には、あなたの選択肢は映画館に行くことだけで、たぶん現金で支払うことになるでしょう。作成されるデータは興行収入だけでした。 1990年には、地元のビデオレンタル店に行くこともできました。その店にはレンタルを追跡するためのコンピュータがあったかもしれませんし、すべてがペンと紙で行われていたかもしれません。もしコンピュータで管理されていたとしても、広範なデータベースに接続されていることはほとんどなかったでしょう。しかし、21世紀に入ると、NetflixやAmazonにアカウントを登録すると、あなたのデータは広大で相互に接続された世界に入り込みます。条件が許せば、簡単に分析されたり、交差参照されたり、データ卸業者と共有されたりします。図書館のカードを申し込んだり、所得税を支払ったり、携帯電話の契約を結んだり、パスポートを申請したりする際も同様です。かつては、そのようなデータは巨大なアルファベット順のカタログの中に小さな紙片として存在していました。それらは国勢調査や調査のために設計されたものではなく、業務を遂行するために集められた管理的な基礎データでした。時が経つにつれ、管理データがデジタル化され、データを解析するためのアルゴリズムが改善されることで、統計分析の入力として利用することがますます容易になりました。これは調査データの補完や代替としても機能します。しかし、「N = All」はしばしば事実よりも安心感を与える仮定に過ぎません。見てきたように、管理データには、家計の中でフォームを記入し、請求書を支払う人に関する情報が含まれることが多く、管理者の情報は特定しにくいのです。そして、「N = All」が特定のサービスに登録したすべての人と同じではないことを忘れがちです。たとえば、Netflixはすべての顧客に関する膨大なデータを持っていますが、Netflixの顧客でない人々に関するデータははるかに少ないのです。そして、Netflixが一方のグループから他方に一般化することは危険です。管理データ以上にビッグデータの命脈となるのは「発見されたデータ」です。これは、私たちがスマートフォンを持ち歩き、Googleを検索し、オンラインで支払いをし、ツイートをし、Facebookに写真を投稿し、スマートサーモスタットの温度を上げる際に、気づかないうちに残しているデータのことです。Netflixに提供した名前やクレジットカードの詳細だけでなく、ストリーミングサービスで視聴したすべてのコンテンツ、視聴した時間や視聴をやめた時間、その他多くの情報が含まれています。このようなデータがサイバースペースから機会的に収集されると、さまざまな不都合な方法で歪められる可能性があります。たとえば、公共の意見の動向を把握したい場合、意見調査を委託する費用をかける代わりに、Twitterで感情分析アルゴリズムを実行するかもしれません。Twitterは分析のためにすべてのメッセージを提供できますが、実際にはほとんどの研究者はその膨大なデータのサブセットを使用します。しかし、たとえすべてのTwitterメッセージを分析したとしても—N = All—私たちはTwitterユーザーが考えていることしか知ることができず、より広い世界が考えていることはわかりません。そして、Twitterユーザーは必ずしもより広い世界を代表しているわけではありません。 例えば、アメリカ合衆国では、全体の人口と比べて、若く、都市に住み、大学教育を受けた黒人が多い傾向があります。一方で、女性は男性よりもFacebookやInstagramを利用する可能性が高いですが、LinkedInの利用は少ない傾向があります。ヒスパニックは白人よりもFacebookを利用する可能性が高く、黒人は白人よりもLinkedIn、Twitter、Instagramを利用する可能性が高いです。これらの事実は一見明白ではありません。 マイクロソフトの研究者ケイト・クラウフォードは、「N = All」という仮定が人々を誤った方向に導いた多くの例を集めています。2012年にハリケーン・サンディがニューヨーク市を襲った際、研究者たちはTwitterと位置情報ベースの検索エンジンFoursquareのデータを分析し、ハリケーンの前日に食料品の買い物が急増し、翌日にバーやナイトクラブが繁盛したことを示しました。それ自体は問題ありませんが、ハリケーンに関するツイートはマンハッタンからのものが圧倒的に多く、コニーアイランドなどの地域はもっと深刻な被害を受けていました。実際、コニーアイランドは非常に大きな被害を受けて電気が止まっていたため、誰もツイートできなかったのです。一方、マンハッタンは2012年の基準で見てもスマートフォンが非常に普及しており、人口密度が高く裕福な地域でした。このようなビッグデータ分析を有用にするためには、ツイートと現実を区別するためにかなりの努力が必要です。 別の例として、2012年にボストンが立ち上げたスマートフォンアプリ「Street Bump」があります。このアプリはiPhoneの加速度センサーを利用して potholes（穴）を検出するものでした。ボストン市民がアプリをダウンロードし、市内を運転する際に、道路の表面が修理を必要とする場合に自動的に市役所に通知するというアイデアでした。これにより、市の職員は potholesを探して街を巡回する必要がなくなるという、非常に魅力的なアイデアでした。実際にいくつかの穴を見つけることには成功しましたが、Street Bumpが本当に生み出したのは、若く裕福な地域に偏った potholesの地図でした。これらの地域では、より多くの人々がiPhoneを所有し、アプリについて聞いていたのです。Street Bumpは、すべての有効な電話からのすべての bumpを記録できるという意味で「N = All」を提供しますが、それはすべての potholeを記録することとは異なります。このプロジェクトはその後、棚上げされました。 ビッグデータを分析するアルゴリズムは、微妙に偏ったデータを使用して訓練されています。例えば、主に白人の顔や男性の声で訓練されたアルゴリズムは、後に女性の話し方や肌の色が濃い人々の外見を解釈しようとすると混乱する可能性があります。これが、Googleの写真ソフトウェアが肌の色が濃い人々の写真をゴリラの写真と混同したり、ヒューレット・パッカードのウェブカメラが肌の色が濃い人々を指すときに作動しなかったり、ニコンのカメラが撮影中に誰かがまばたきしたと思った場合に再撮影するようにプログラムされていたため、中国、日本、韓国の人々の写真を何度も撮り直してしまった理由と考えられています。これは、特徴的な東アジアのまぶたの折り目をまばたきと誤解してしまったのです。 新しいアプリが2020年春に登場し、あなたの咳を聞いてCOVID-19や他の病気にかかっているかどうかを検出することを約束しています。果たして、これらのアプリはうまく機能するのでしょうか？ 確かなことは、アルゴリズムが偏ったサンプルを見せられると、偏った結論に至るということです。周囲には明らかに人種差別的で性差別的な人々がいますが、一般的には、私たちが数えるものと数えないものは、しばしば無自覚な選択や微妙なバイアス、そして私たちが気づいていない隠れた前提の結果です。自分たちでデータを収集しない限り、欠落データの問題に対抗するためにできることには限界があります。しかし、私たちは常に、提供されているデータから何が欠けているのかを考えるべきです。欠落している数字の中には明らかなものもあります。たとえば、性的人身売買や麻薬の使用に関する良好なデータを収集するのは明らかに難しいです。他の欠落は、問題の主張を詳しく調べるまで気づかないことがあります。研究者が実験が男性のみを対象にしていることを明示しない場合もあり、その情報は統計の付録に埋もれていることもあれば、全く報告されていないこともあります。しかし、迅速な調査を行えば、その研究には盲点があることがわかることが多いです。もし実験が男性のみを対象にしている場合、女性も含めていたら同じ結論に至ったとは限りません。また、政府の統計が世帯の収入を測定している場合、その収入が世帯内でどのように分配されているかについてはあまり学べないことを認識しなければなりません。大規模なデータセットは包括的に見えることがあり、非常に有用ですが、「N = 全て」というのはしばしば魅惑的な幻想です。重要な情報が全て揃っていると無根拠に仮定するのは簡単です。私たちは常に、誰が、何が欠けているのかを問い続けなければなりません。これはビッグデータに慎重にアプローチする理由の一つに過ぎません。ビッグデータは、統計が収集される方法において巨大で十分に検証されていない変化を表しており、これが私たちの世界を理解する旅の次のステップとなるでしょう。 ルール7：透明性を求める コンピュータが「ノー」と言ったとき 最近、私は非常に悪い決断をしてしまったことを自覚していますが、私の仕事は元に戻ることを完全に保証します。私はこの使命に対して最大の熱意と自信を持っており、あなたを助けたいと思っています。© ハル9000、『2001年宇宙の旅』 2009年、Googleの研究チームは、世界のトップ科学雑誌『ネイチャー』で驚くべき成果を発表しました。彼らは、単一の医療チェックアップの結果を必要とせずに、アメリカ全土でインフルエンザの広がりを追跡することができました。さらに、彼らはCDC（疾病予防管理センター）の医師の報告に頼るよりも迅速にそれを行うことができました。Googleのアルゴリズムは、2003年から2008年までのCDCデータのパターンを検索し、インフルエンザの症例と同じ地域で同時に人々がオンラインで検索していた内容との相関関係を特定しました。 パターンを発見したことで、アルゴリズムは今日の検索データを使って、CDCが公式な見解を発表する1週間以上前に、今日のインフルエンザの症例を推定できるようになりました。「Google Flu Trends」は迅速で正確、かつ低コストであるだけでなく、理論に基づかないものでした。Googleのエンジニアたちは、どの検索用語が病気の拡散と相関しているかについて仮説を立てることはしませんでした。「インフルエンザの症状」や「近くの薬局」といった検索が、「ビヨンセ」といった検索よりもインフルエンザの症例をより良く予測できるだろうと推測することはできますが、Googleチームの人々はそれを気にしませんでした。彼らは単に、トップの5000万件の検索用語を入力し、アルゴリズムに作業を任せました。Google Flu Trendsの成功は、ビジネス、テクノロジー、科学における新たなトレンドの象徴となりました。それは「ビッグデータ」とアルゴリズムです。「ビッグデータ」は多くの意味を持ちますが、ここでは前の章で議論した「見つけられたデータ」、つまりウェブ検索、クレジットカードの支払い、携帯電話が最寄りの基地局に信号を送る際に生じるデジタルな排出物に焦点を当てます。さらに、組織が自らを整理する際に生成される管理データによって補強されることもあります。一方、アルゴリズムとは、一連のアクションを実行するためのステップバイステップのレシピであり、ほとんどの場合「アルゴリズム」は単に「コンピュータプログラム」を意味します。しかし、ここ数年でこの言葉は特定の意味を持つようになりました。アルゴリズムは、大規模なデータセットの中からパターンを見つけるためのツールとなったのです。Google Flu Trendsは、CDCがインフルエンザの症例を報告する際に一致すると思われる検索用語を探すために、5000万件の検索用語を処理するパターン認識アルゴリズムに基づいて構築されました。この章では、こうしたデータやアルゴリズムを検討したいと思います。「見つけられた」データセットは非常に大きくなる可能性があります。また、収集が比較的安価で、リアルタイムで更新され、混沌としていることが多いです。これは、異なる目的で収集されたデータポイントのコラージュです。私たちのコミュニケーション、レジャー、商取引がインターネットに移行し、インターネットが私たちの携帯電話や車、さらには眼鏡にまで浸透する中で、生活はかつて想像もできなかった方法で記録され、定量化されるようになりました。ビジネス書の棚やマネジメント雑誌のページは、こうしたデータが提供する機会に関する本や記事であふれています。「賢くなって金持ちになれ」というメッセージとともに、ビッグデータの支持者たちは、Google Flu Trendsの成功に反映された3つの興味深い主張をしています。第一に、データ分析は驚くほど正確な結果を生み出すということ。第二に、すべてのデータポイントをキャプチャできるということ—前の章で触れた「N = All」の主張—であり、これにより古い統計的サンプリング技術が時代遅れとなることです（ここでの意味は、Flu Trendsがすべての検索をキャプチャしたということです）。 そして最後に、科学的モデルも時代遅れであるということです。「インフルエンザの症状」や「ビヨンセ」といった検索がインフルエンザの広がりとどのように関連しているかについて理論を開発し、テストする必要は全くありません。2008年の挑発的なWiredの記事を引用すれば、「十分なデータがあれば、数字が自らを語るのです。」これは革命的な内容です。しかし、最初のNature論文が発表されてから4年後、Nature Newsは悲しい知らせを伝えました。最新のインフルエンザの流行が予想外の犠牲者を出したのです—Google Flu Trendsです。数冬にわたり、インフルエンザの流行を迅速かつ正確に報告してきた理論に依存しないデータ豊富なモデルは、インフルエンザの動向を見失ってしまいました。Googleのモデルは深刻な流行を示していましたが、CDCからの遅れて到着したデータは、Googleのインフルエンザ様疾患の広がりに関する推定が過大評価されていることを示しました—ある時点では、実際の数字の2倍以上でした。Google Flu Trendsプロジェクトは、その後すぐに終了しました。何が間違っていたのでしょうか？問題の一部は、あの第三の刺激的な主張に根ざしています。Googleは、検索用語とインフルエンザの広がりを結びつけるものが何であるかを知ることができず、知ることもできませんでした。Googleのエンジニアたちは、何が原因で何が起こるのかを解明しようとしていたわけではありません。ただ単にデータの中から統計的なパターンを見つけ出していただけで、これがアルゴリズムの役割です。実際、Googleの研究チームはパターンを覗き見し、アルゴリズムに無視させることができる明らかに虚偽の相関関係を発見しました—例えば、インフルエンザの症例は「高校バスケットボール」の検索と相関していることが判明しました。理由は明白です：インフルエンザも高校バスケットボールも、11月中旬に始まる傾向があります。しかし、これはFlu Trendsがインフルエンザ検出器と冬の検出器の両方の役割を果たしていることを意味しました。この問題は、2009年の夏のインフルエンザの流行時に顕著になりました。Google Flu Trendsは冬の兆候を探して熱心にスキャンしていましたが、何も見つけられず、季節外れの流行を見逃しました。実際の症例はFlu Trendsの推定の4倍でした。「冬の検出器」問題はビッグデータ分析では一般的です。コンピュータ科学者Sameer Singhによる具体例は、野生のオオカミの写真とペットのハスキー犬の写真を多数見せられたパターン認識アルゴリズムです。このアルゴリズムは、非常に似た二つの犬種を区別するのが得意のように見えましたが、実際には雪のある写真をすべてオオカミとラベル付けしていただけでした。より深刻な影響を持つ例は、Janelle Shaneが彼女の著書『You Look Like a Thing and I Love You』で説明しています。健康な皮膚と皮膚癌の写真を見せられたアルゴリズムが、パターンを見つけ出しました：写真に定規があれば、それは癌だと判断したのです。もし私たちがアルゴリズムが何をしているのかを理解していなければ、私たちは定規検出器に命を預けていることになります。何が原因で何が起こるのかを解明するのは難しい—ある人たちは不可能だと言います。 相関関係を見つけ出すことは、何が何に関連しているのかを理解することがはるかに安価で簡単です。一部のビッグデータ愛好者、例えば『ワイアード』誌に挑発的な記事を寄稿したクリス・アンダーソンは、相関関係を超えて考えることは無意味だと主張しています。「まずデータを数学的に捉え、その後に文脈を設定するべきだ」と彼は書いており、数字は自らを語ると言っています。アンダーソンの主張を厳しく言い換えれば、「高校バスケットボールの検索がインフルエンザの症例と同時に増加する場合、なぜそうなるかは重要ではない」となります。しかし、実際にはそれは重要です。なぜなら、理論を持たない単なる相関関係の分析は、必然的に脆弱だからです。相関関係の背後に何があるのか全く分からなければ、その相関関係が崩れる原因も分からないのです。2009年の夏のインフルエンザ問題の後、Flu Trendsの精度は2012年末に完全に崩壊しました。その理由は明らかではありません。一つの理論は、2012年12月にインフルエンザに関する恐ろしいニュースが溢れ、これが健康な人々のインターネット検索を引き起こした可能性があるというものです。もう一つの可能性としては、Googleの検索アルゴリズムの変更があります。医療症状を入力すると自動的に診断を提案するようになり、これがFlu Trendsモデルに影響を与えた可能性があります。Googleが問題を特定し、アルゴリズムを再び機能させる方法を見つけることができたかもしれませんが、彼らはその手間や費用、失敗のリスクを考慮して、やらないことに決めたのかもしれません。あるいは、そうでないかもしれません。実際、外部の研究者たちは何がうまくいかなかったのかを推測せざるを得なくなっています。なぜなら、彼らには確実に知るための情報がないからです。Googleは一部のデータを研究者と共有し、実際に誰でも利用できるデータも提供しています。しかし、すべてのデータをあなたや私、他の誰かに公開することはありません。 私の本棚には、ビッグデータに対する私たちの見方がわずか数年でどのように進化したかを語る二冊の良書があります。一冊は2013年に出版されたケネス・クキエとヴィクトル・マイヤー＝ショーンベルガーの『ビッグデータ』です。この本は、安価なセンサー、大規模なデータセット、パターン認識アルゴリズムが、まさに本の副題が示すように「私たちの生活、仕事、思考を変革している」多くの例を報告しています。著者たちが物語の冒頭に選んだ勝利の例は？ Google Flu Trendsです。しかし、その崩壊は本が印刷された後にしか明らかになりませんでした。3年後の2016年にはキャシー・オニールの『数学的破壊兵器』が出版されましたが、彼女はおそらく予想できるように、はるかに悲観的な見解を持っています。オニールの副題は、ビッグデータが「不平等を増大させ、民主主義を脅かす」と述べています。 この違いは、部分的には視点の違いによるものです。クキエとマイヤー＝ショーンベルガーは、データ駆動型アルゴリズムを使って何かを行っている人の視点を採用する傾向がありますが、オニールはデータ駆動型アルゴリズムによって何かをされている人の視点から物事を見がちです。大工にとってハンマーは便利な道具に見えますが、釘には全く異なる印象を持つのです。 しかし、トーンの変化は、2013年から2016年の間の時代精神の変化を反映しています。2013年には、ビッグデータに注目していた比較的少数の人々は、自分たちを大工だと想像していましたが、2016年には、多くの人が自分たちが釘であることに気づきました。ビッグデータは、変革的に思えたものから、不気味に思えるものへと変わりました。応援から悲観的な見解へと移り変わり、いくつかの過剰な見出しが登場しました。（私のお気に入りは、CNNの「数学は人種差別的だ」という記事です。）危機は、政治コンサルティング会社ケンブリッジ・アナリティカが、Facebookの緩いデータポリシーを利用して、約5000万人の情報を無断で収集し、個別にターゲットを絞った広告を表示していたことが発覚したことで、ますます高まっていきました。恐怖を抱いた評論家たちは、これらの広告が非常に効果的で、実質的にドナルド・トランプを当選させたと考えましたが、後の冷静な分析では、ケンブリッジ・アナリティカの能力はマインドコントロールには及ばないと結論づけられました。私たち一人ひとりがデータを生み出しており、そのデータは情報の海に吸い上げられ、絞り取られています。アルゴリズムや大規模なデータセットは、私たちの恋愛を見つけることから、犯罪を告発された場合に裁判前に投獄されるか、保釈金を支払うことが許されるかを決定することまで、あらゆることに利用されています。私たちは皆、これらのデータが何であり、どのように利用される可能性があるのかを理解する必要があります。ビッグデータは私たちを興奮させるべきか、それとも恐れさせるべきか？私たちは大工たちを応援するべきなのか、それとも無意識のうちに釘としての役割を心配するべきなのか？その答えは状況次第です—この章では、その状況についてお話ししたいと思います。 2012年、時代精神がまだ大工たちに強く寄り添っていた頃、ジャーナリストのチャールズ・デュヒッグは、ディスカウントデパートのターゲットに関する逸話を通じてビッグデータに対する熱狂を見事に捉えました。デュヒッグは、ターゲットが顧客に関する膨大なデータを収集し、それを分析する技術に長けているため、消費者に対する洞察がまるで魔法のように思えることを説明しました。彼の印象的な逸話は、ミネアポリス近くのターゲット店舗に押し入った男性が、会社が自分のティーンエイジャーの娘にベビー服やマタニティウェアのクーポンを送っていると店長に苦情を言ったというものでした。店長は心から謝罪し、後に再度謝罪の電話をかけましたが、その際に娘が実際に妊娠していることを知らされました。彼女の父親はそのことに気づいていなかったのです。ターゲットは、無香料のワイプやビタミン補助食品の購入を分析した結果、彼女の妊娠を把握していたのです。しかし、これは本当に統計的な魔法なのでしょうか？私はこの話を多くの人と話し合ってきましたが、驚くべきことに意見が分かれます。ほとんどの人は目を丸くして驚いていますが、私がよく集まる二つのグループはかなり異なる見解を持っています。ジャーナリストたちはしばしばシニカルで、デュヒッグが作り話や誇張、あるいは都市伝説を伝えているのではないかと疑う人もいます。（私は彼らに職業的な嫉妬を感じます。）一方、データサイエンティストや統計学者たちは、あくびをしています。 彼らはこの話を驚くべきでもなく、情報価値もないと見なしています。そして、統計学者たちの意見が正しいと思います。まず、買い物の習慣に基づいて誰かが妊娠していると予測することがどれほど素晴らしいか、一瞬考えてみましょう：実際にはあまり驚くべきことではありません。国民保健サービスが推奨する葉酸のビタミンサプリメントについて考えてみてください。妊娠の可能性があるすべての女性は、妊娠前と妊娠初期の12週間にわたり、1日400マイクログラムの葉酸を摂取することが推奨されています。もし妊娠する前に葉酸のサプリメントを摂取していなかった場合、妊娠が分かった時点で摂取を始めるべきです。適切な量を確実に摂取する唯一の方法はサプリメントを取ることです。さて、これを踏まえて、ある女性が葉酸を購入し始めたと聞いた場合、私はどのような結論に達すればよいでしょうか？膨大なデータセットや素晴らしい分析プロセスを使う必要はありません。これは魔法ではありません。明らかに、その女性は妊娠している可能性が高いのです。ターゲットのアルゴリズムは超人的な論理の飛躍を生み出したのではなく、同じ情報を与えられた場合にあなたや私、他の誰もが考えつくような非常に人間的な推論をしたのです。時には私たち人間は理解が遅れることがあります。 ハンナ・フライは、アルゴリズムに関する別の優れた本『ハロー・ワールド』の著者で、イギリスのスーパーマーケット・テスコでのオンラインショッピングをしていた女性の例を紹介しています。彼女はオンラインショッピングカートの「再購入しますか？」セクションにコンドームがあるのを見つけました。これは、彼女の家庭内で誰かが以前にコンドームを購入したことを示唆しています。しかし、彼女は購入しておらず、夫も理由がありませんでした。彼らは一緒にコンドームを使っていなかったのです。だから彼女は技術的なエラーだと考えました。他にどんな説明が考えられるでしょうか？女性がテスコに苦情を言ったところ、会社の担当者は、彼女の夫が浮気をしているという悪い知らせを伝えるのは自分たちの仕事ではないと判断し、穏便な白い嘘をつくことにしました。「確かに、マダム？コンピュータのエラーですか？おっしゃる通り、それが理由に違いありません。ご不便をおかけして申し訳ありません。」フライは、これがテスコの今のルールだと教えてくれました：謝罪してコンピュータのせいにするのです。もし顧客が以前にコンドームを購入していたら、再度購入したいと思うかもしれません。もし誰かが妊娠検査薬を購入し、その後妊婦向けのビタミンサプリメントを購入し始めたら、その人が女性であり、数ヶ月後にはマタニティウェアやベビー服に興味を持つ可能性が高いと考えるのは合理的です。アルゴリズムはここで統計的な奇跡を起こしているわけではありません。彼らは単に人間（困惑した妻や怒った父親）から隠されていた何か（コンドームや妊娠ビタミン）を見ているのです。私たちはアルゴリズムに驚嘆しますが、それは部分的には、魔法使いのシルクハンカチの下で起こっていることの平凡さを理解していないからです。そして、ダヒッグのターゲットのアルゴリズムの話には、データに基づくコンピュータ分析の能力を過大評価させる別の側面があります。 「大きな偽陽性の問題があります」と、リテーラーや広告主向けに同様のアプローチを開発してきたデータサイエンティストのカイザー・ファングは言います。ファングが言いたいのは、妊娠していない女性が赤ちゃん用のクーポンを受け取る話はあまり聞かれないということです。この話を聞くと、ターゲットのアルゴリズムが完璧で、赤ちゃん用のロンパースやおしりふきのクーポンを受け取る人は皆妊娠していると考えがちですが、実際には誰もそれが真実だとは主張していません。そして、ほぼ確実にそうではありません。もしかしたら、皆がロンパースのクーポンを受け取っているだけかもしれません。私たちは、ターゲットのコンピュータが心を読んでいるという考えを簡単に受け入れるべきではなく、各ヒットに伴うミスの数を考慮する必要があります。そのミスは多く存在するかもしれません。「葉酸を購入している女性は妊娠しているかもしれない」という簡単な推測でさえも、葉酸の購入が妊娠を保証するわけではありません。その女性は他の理由で葉酸を摂取しているかもしれませんし、誰か他の人のためにビタミンサプリメントを買っているかもしれません。または、赤ちゃん用の服のクーポンが届き始めたときに想像してみてください—彼女は妊娠していたが流産したか、妊娠を試みているがうまくいっていないかもしれません。ターゲットのアルゴリズムがこれらの痛ましいケースをうまく排除している可能性もありますが、それはあまり考えられません。チャールズ・デュヒッグの説明によれば、ターゲットはワイングラスのクーポンなどのランダムなオファーを混ぜ込んでいます。妊娠中の顧客が、同社のコンピュータが自分たちをどれほど理解しているかを実感すると不安を感じるからです。しかし、カイザー・ファングは別の説明を持っています。ターゲットがオファーを混ぜるのは、妊娠中の女性に赤ちゃん用のクーポンだけを送るのが奇妙だからではなく、実際には多くのクーポンブックが妊娠していない女性に送られることを知っているからです。マネージャーは単にこう言えばよかったのです。「心配しないでください、多くの人がこれらのクーポンを受け取っています」と。なぜ彼はそう言わなかったのでしょうか？彼も私たちと同じようにターゲットのアルゴリズムを理解していなかったのかもしれません。グーグルと同様に、ターゲットも研究者や競合他社に自社のアルゴリズムやデータセットを開示することに消極的かもしれません。最も可能性が高いのは、妊娠は買い物行動から比較的簡単に見分けられる状態であり、ターゲットのビッグデータ駆動のアルゴリズムは、ランダムな推測よりも妊娠を予測する能力が高いということです。しかし、確実性には程遠いことは間違いありません。ランダムな推測では、15歳から45歳の女性がいつでも妊娠している確率は約5％と考えられます。もしターゲットが正確に10％または15％の確率で妊娠を予測できるようになれば、それはすでに十分に価値のあることです。ターゲット特別オファーの精度がわずかに向上するだけでも、利益に貢献するでしょう。しかし、利益性を全知性と混同してはいけません。ですから、まずは少し誇張を抑えましょう—ケンブリッジ・アナリティカがあなたの心を読めるという終末的な考えや、ビッグデータがCDCのインフルエンザ症例調査のような地道な統計プロセスを簡単に置き換えられるという浮かれた見通しの両方を。 私がビッグデータに取り組み始めたとき、イギリスの著名な統計学者であり、優れた統計コミュニケーターであるケンブリッジ大学のデイヴィッド・スピーゲルホルター教授に電話をかけました。私は、驚異的な精度や、すべてのデータポイントが取得されているためサンプリングが無意味になること、そして「数字が自らを語る」ために科学的モデルが廃棄されるというような、いわゆる「チアリーディング」の主張を要約しました。彼は技術的な用語を使う必要はないと感じたようです。その主張について、彼は「完全に馬鹿げている。全くのナンセンスだ」と言いました。 ビッグデータを活用するのは見た目ほど簡単ではありません。統計学者たちは過去200年間、データを通じて世界を理解しようとする際に待ち受ける罠について研究してきました。最近のデータはより大きく、速く、安価になっていますが、罠がすべて安全になったと考えるのは間違いです。そうではありません。「ビッグデータには多くの小さなデータの問題が存在します」とスピーゲルホルターは付け加えました。「たくさんのデータがあっても、それらの問題は消えません。むしろ悪化します。」 チャールズ・デュヒッグの読者の中に、ターゲットが発行するワンジーのクーポンの精度について過信する人がいるかどうかはあまり重要ではありません。しかし、権力を持つ人々が理解できないアルゴリズムに圧倒され、それを使って人生を変えるような決定を下すことは重要です。キャシー・オニールの『数学的破壊兵器』の中で最も強力な例の一つは、ワシントンDCで教師を評価するために使用されるIMPACTアルゴリズムです。オニールが説明するように、この街の学校で非常に愛され、尊敬されている教師たちが、アルゴリズムから非常に低い評価を受けた後に突然解雇されていました。IMPACTアルゴリズムは、教師のクラスの子供たちがテストの成績で進歩したか後退したかを確認することで、教育の質を測定すると主張しています。しかし、教育の真の質を測るのは難しい理由が二つあります。 一つ目は、教師がどんなに優れていても、個々の生徒の成果は大きく異なるためです。クラスに30人の生徒がいる場合、アルゴリズムが測定するものの多くはノイズになります。もし数人の子供が年初のテストで運良く正解し、年末には運悪く不正解だった場合、それが教師の評価に影響を与えることがあります。それは偶然の産物であり、影響を与えるべきではありません。もう一つの教師のコントロール外の変動要因は、教室外での子供の深刻な問題—病気やいじめ、家族の誰かが投獄されることなどです。これはテストでの運良く正解したり不正解だったりするノイズとは異なり、実際の何かを追跡しています。教室外での問題の兆候を追跡し、フォローアップするシステムは価値があります。しかし、生徒の苦労を教師のせいにするのは愚かで不公平です。二つ目の問題は、アルゴリズムが不正を働く教師に騙される可能性があり、その不正が誠実な教師の将来に悪影響を及ぼすことです。 もし6年生の教師が、自分が教える子どもたちのテストの成績を不正に引き上げる方法を見つけたとしたら（そんなことは珍しくありません）、彼は不当に報われるだけでなく、来年の7年生の教師は深刻な問題に直面することになります。彼女の新しいクラスは、書類上では天才の集まりとなり、改善は不可能になるでしょう。彼女もまた不正を働く方法を見つけなければならなくなります。オニールの見解はもっともらしく、データが非常に雑音に満ちているため、教師の能力を評価する作業はどのアルゴリズムにとっても絶望的だというものです。確かに、この特定のアルゴリズムがどの教師が劣っているかを判断する際、その判断は教師の同僚や生徒の意見と必ずしも一致していませんでした。しかし、それでも2011年にワシントンDCの教育当局は、アルゴリズムの基準を満たさなかったとして206人の教師を解雇しました。 ここまで、私たちはアルゴリズムがデータから知恵を引き出す力に対する過剰な信頼について焦点を当ててきました。もう一つの関連する問題は、データセットの質や完全性に対する過剰な信頼です。前の章では完全性の問題を探りました。リテラリー・ダイジェストは、いわばビッグデータを蓄積しました。確かに当時の基準では非常に大規模な調査であり、実際、今日の基準で見ても240万人を対象としたデータセットは印象的です。しかし、「リテラリー・ダイジェストの調査に回答する人々」が「選挙で投票する人々」と一貫して異なる場合、リテラリー・ダイジェストの調査を使って選挙結果を予測することはできません。 Google Flu TrendsはすべてのGoogle検索をキャッチしましたが、インフルエンザにかかるすべての人がGoogleに頼るわけではありません。その正確性は、「インフルエンザにかかってGoogleで相談する人々」が「インフルエンザにかかっている人々」と体系的に異ならないことに依存していました。前の章で紹介した穴ぼこ検出アプリは、「穴ぼこ検出アプリを聞いてインストールする人々」と「街を運転する人々」を混同したために失敗しました。では、質についてはどうでしょうか？ここで、1936年のアメリカの選挙調査よりも古いビッグデータの興味深い例を挙げます。それは、人間の体温の典型的な温度を評価しようとした驚くべき試みです。19世紀のドイツの医師カール・ウンデルリッヒは、18年間にわたり、25,000人以上の患者から集めた100万件以上の体温測定値を集めました。100万件の測定！当時のペンと紙の技術を考えると、これは本当に驚くべき成果です。ウンデルリッヒは、正常な体温が98.6°Fであるという通念の背後にいる人物です。彼の研究結果に異議を唱えたい人は誰もおらず、その理由の一部はデータセットが十分に大きくて尊敬を集めるものであったこと、もう一つはそれに対抗するためのより大きく、より良いデータセットを集めることが恐ろしかったからです。ウンデルリッヒに関する専門家であるフィリップ・マコウィアック博士は、「誰もそのような大規模なデータセットを集める立場にはなかったし、そうしたいとも思わなかった」と述べています。 しかし、ウンデルリッヒの数値は正確ではありませんでした。私たちの体温は通常、もう少し低めで、約0.5°Fほど低いのです。 彼のデータは非常に強力であったため、良き医師が誤っていたことを証明するのに100年以上かかりました。では、どうしてこれほど大きなデータセットが間違っている可能性があるのでしょうか？マコウィアック博士が医学博物館でカール・ウンデルリッヒの古い体温計の一つを発見したとき、彼はそれを調べることができました。彼は、その体温計が摂氏2度、華氏約4度も誤ってキャリブレーションされていることを発見しました。この誤差は、ウンデルリッヒ博士が体温を脇の下で測る習慣を持っていたため、ある程度相殺されていました。現代では通常使用される体の開口部に体温計を慎重に挿入する代わりに、脇の下を測っているのです。たとえ100万回の体温測定を行ったとしても、体温計が壊れていて脇の下を測っているなら、得られる結果は間違った答えの正確な推定値となります。「ゴミが入ればゴミが出る」という古い格言は、どれだけのゴミを集めても真実です。前の章で見たように、この古い問題の現代版は、体系的に偏ったデータセットで訓練されたアルゴリズムです。このような問題は見落とされることが驚くほど簡単です。2014年、世界で最も価値のある企業の一つであるアマゾンは、データ駆動型のアルゴリズムを使用して履歴書を選別し、コンピュータがパターンを見つけ、過去の成功した応募者に似た最も優れた人材を選び出すことを期待しました。しかし、過去の成功した応募者は男性が圧倒的に多かったのです。アルゴリズムは、アルゴリズムがすることをしました。男性が過去に好まれていたことを観察し、男性が好ましいと結論づけました。アルゴリズムは「女性の」という言葉をペナルティの対象とし、「21歳未満の女子サッカー国際大会」や「女子チェスクラブキャプテン」のような表現を評価を下げました。また、特定の女子大学も格下げしました。アマゾンは2018年にこのアルゴリズムを放棄しましたが、どれほどの影響を持っていたのかは不明です。しかし、アマゾンはリクルーターがアルゴリズムのランキングを見ていたことを認めました。「数学は人種差別的」という見出しを覚えていますか？私は数学が人種差別的ではないと確信しています。数学は女性差別的でも、同性愛嫌悪的でも、他の偏見を持っているわけでもありません。しかし、私は同時に、一部の人間がそうであることにも確信を持っています。そして、私たちの歴史的な偏見に基づいて訓練されたコンピュータは、私たちがそれを乗り越えようとしているその瞬間に、再びその偏見を繰り返すのです。私は、私たちの決定をアルゴリズムに委ねることにあまり熱心にならない方が良いと説得できたことを願っています。しかし、批判を過剰にするつもりはありません。なぜなら、私たちには決定を下すための完璧な代替手段がないからです。選択肢はアルゴリズムと人間の間です。一部の人間は偏見を持っています。多くの人間はしばしば疲れていて、ストレスを抱え、過労です。そして、すべての人間は、まあ、人間です。1950年代、心理学者ポール・ミールは、最も基本的なアルゴリズム、すなわち単純な統計ルールが専門家の人間の判断を上回ることができるかどうかを調査しました。たとえば、患者が胸の痛みを訴えて病院に到着したとします。彼女は消化不良なのか、それとも心臓発作に苦しんでいるのか？ Meehlは、経験豊富な医師の診断結果と、簡単なチェックリストを使った場合の結果を比較しました。胸痛は主な症状ですか？患者は過去に心臓発作を経験していますか？患者は過去に胸痛を和らげるためにニトログリセリンを使用したことがありますか？心電図にはどのような定量的なパターンが示されていますか？驚くべきことに、そのシンプルな決定ツリーは医師よりも正しい診断を出すことが多かったのです。そして、これは唯一の例ではありませんでした。Meehlは、専門家が単純なチェックリストと比較して不利な結果を出すことが非常に多いことを発見しました。Meehlは彼の著書『Clinical vs. Statistical Prediction』を「私の不安を呼ぶ小さな本」と表現しました。 したがって、公平を期すために、今日のアルゴリズムの誤りやすさを、そうでなければ判断を下すことになる人間と比較する必要があります。良い出発点は、ハンナ・フライの著書『Hello World』からの例です。この物語は、2011年のロンドン暴動の際に始まります。当初は警察の暴力に対する抗議でしたが、デモは毎晩市内や他の都市で秩序が崩れるにつれて暴力的な暴動に変わりました。店は早い午後に閉まり、法を守る市民は、機会を狙ったトラブルメーカーが暗くなるにつれて出てくることを知って急いで帰宅しました。3日間の混乱の中で、1000人以上が逮捕されました。その中にはニコラス・ロビンソンとリチャード・ジョンソンが含まれていました。ロビンソンは混乱の中を歩き回り、壊れたロンドンのスーパーマーケットからボトル入りの水を一パック持ち去りました。ジョンソンはゲーム店に車で向かい、バラクラバをかぶってコンピュータゲームを腕いっぱいに抱えて逃げ込みました。ジョンソンの窃盗はより高価で、瞬間的な衝動ではなく計画的でした。それにもかかわらず、ロビンソンは6ヶ月の刑を受け、ジョンソンは全く懲役を免れました。この違いに対してアルゴリズムを責めることはできません。判決を下したのは人間の裁判官であり、その不均衡は奇妙に思えます。各裁判官が事件の微妙な詳細に基づいて正しい判断を下した可能性もありますが、ロビンソンが暴動からわずか2週間後に判決を受けたことが、二人の扱いの不一致の最も妥当な理由であるように思われます。その時は緊張が高まり、文明の基盤が簡単に破れるように見えました。一方、ジョンソンは数ヶ月後に判決を受けたため、暴動の記憶は薄れ、人々はその騒動が何だったのかを考え始めていました。データ駆動型のコンピュータプログラムは、雰囲気を無視してより公正な判決を下すことができたでしょうか？それは分かりませんが、可能性は高いです。人間の裁判官があまり一貫性がないことを示す十分な証拠があります。このことをテストする一つの方法は、さまざまな裁判官に仮想のケースを示し、異なる結論に達するかどうかを確認することです。実際に異なる結論に達します。2001年のある英国の研究では、裁判官にさまざまなケースについて判断を求めました。いくつかのケースは（巧妙さを隠すために適切な距離を置いて提示され）単なる繰り返しでした。 以前の事例では、名前やその他の無関係な詳細が変更されています。裁判官たちは、同じ事例に対する自らの以前の判断にも同意しませんでした。これは、コンピュータが犯さないと確信できる誤りの一つです。 最近、アメリカで経済学者のセンドヒ・ムライナサンと彼の4人の同僚によって行われた研究があります。彼らは、2008年から2013年の間にニューヨーク市で発生した75万件以上の事件を分析しました。これらの事件は、誰かが逮捕され、被告を釈放するか、拘留するか、または釈放を確保するために現金の保釈金を設定する必要があるものでした。研究者たちは、その後、再逮捕された人々を確認することができました。彼らはこれらの事件の一部（22万件）を使用して、釈放、拘留、または保釈金を設定するかどうかを決定するアルゴリズムを訓練しました。そして、残りの事件を使って、アルゴリズムが人間の裁判官と比較してどれだけ良い仕事をしたかを確認しました。 人間の裁判官たちはあまり良い結果を出しませんでした。研究者たちのアルゴリズムは、より適切に選ばれた被告を拘留することによって、釈放中の犯罪をほぼ25％減少させることができたかもしれません。あるいは、犯罪の増加なしに40％少ない人数を拘留することも可能でした。数千件の犯罪を防ぐことができたか、あるいは数千人を裁判待ちで釈放することができたのは、アルゴリズムが人間の裁判官よりも優れていたからです。 裁判官が犯す重要な誤りの一つは、アメリカの法学者キャス・サンスタインが「現在の犯罪バイアス」と呼ぶもので、保釈に関する決定を下す際に被告が告発されている具体的な犯罪に過度に焦点を当てることです。過去の経歴から高リスクと見なされる被告は、軽犯罪で告発されると低リスクとして扱われ、逆に低リスクと見なされる被告は、現在の犯罪が重大であれば高リスクとして扱われます。ここにはアルゴリズムがうまく活用できる貴重な情報がありますが、人間の裁判官は、その知性、経験、訓練にもかかわらず、それを見落としがちです。これが私たち人間の行動の仕方のようです。 ニコラス・ロビンソンとリチャード・ジョンソンの事例を説明した方法を考えてみてください。私は問題となる犯罪についてお話ししましたが、ロビンソンとジョンソンについては何もお話ししませんでした。それは私にとって、そしておそらくあなたにとっても、短期的なこと、つまり現在の犯罪についてすべてを伝えることが合理的に思えたからです。アルゴリズムは、もしより多くの情報が利用可能であれば、もっと多くの情報を使用したでしょうが、人間はそうしないかもしれません。 多くの人々は、自分に関する重要な決定をアルゴリズムに任せるか人間に任せるかについて強い直感を持っています。アルゴリズムの能力に感動する人もいれば、人間の判断に過度の信頼を寄せる人もいます。真実は、時にはアルゴリズムが人間よりも優れた結果を出し、時にはそうでないことです。ビッグデータの問題を回避し、その可能性を引き出したいのであれば、アルゴリズムのパフォーマンスをケースごとに評価する必要があります。しかし、これが実際には思ったよりもはるかに難しいことが多いのです。このシナリオを考えてみてください。 警察や社会福祉サービスは、子どもの安全を心配する誰か（近所の人、祖父母、医者、教師など）からの通報を受け取ります。時には子どもが本当に危険にさらされていることもありますが、通報者が誤解している場合や過剰に心配している場合、さらには悪意を持っている場合もあります。理想的な世界では、リスクを冒さずにすぐに青色灯を点灯した車両を派遣して状況を確認するでしょう。しかし、すべてのケースに対してそれを行うだけのリソースはなく、優先順位をつける必要があります。アメリカ合衆国の公式な統計によれば、2015年には1,670人の子どもが虐待やネグレクトによって亡くなっています。この数字は恐ろしいものですが、子どもに関する懸念を報告するために4百万回以上の通報があったことを考えると、その一部に過ぎません。どの報告を追跡調査すべきか、どの報告を合理的に無視できるかを判断するために、多くの警察や社会福祉サービスはアルゴリズムを使用しています。イリノイ州は「ラピッド・セーフティ・フィードバック」と呼ばれるアルゴリズムを導入しました。このアルゴリズムは各報告のデータを分析し、過去のケースの結果と比較して、子どもが死亡または重傷を負うリスクのパーセンテージ予測を生成しました。しかし、その結果はあまり印象的ではありませんでした。シカゴ・トリビューンによれば、このアルゴリズムは369人の子どもに100％の重傷または死亡の確率を示しました。家庭環境がどれほど厳しくても、そのような確実性は過度に悲観的に思えます。また、これは深刻な影響を及ぼす可能性があります。子どもに対するネグレクトや虐待の虚偽の告発は、告発された人や子どもにとって恐ろしい結果をもたらす可能性があります。しかし、もしかしたらアルゴリズムは慎重さを優先し、見逃さないように設計されていたためにリスクを誇張していたのかもしれません。いいえ、実際には、いくつかの悲惨なケースでは、フォローアップを正当化するにはリスクのパーセンテージが低すぎたために幼児が亡くなってしまいました。最終的に、イリノイ州はこの技術が無用、あるいはそれ以上のものであると判断し、使用を中止しました。 この話の教訓は、アルゴリズムを使って脆弱な子どもに関する報告を評価すべきではないということではありません。どのケースを追跡調査するかを決定するのは誰か、あるいは何かでなければなりません。間違いは避けられず、原則として、他のアルゴリズムが人間の通報処理者よりも少ない間違いを犯す可能性がある理由はありません。この特定のアルゴリズムの限界について私たちが知っているのは、それが明らかに不合理な数字を出力したからです。「数値的な確率を示してくれたのは良いことです。これが、これらの数字が悪いことに気づかせる大きなサイレンを提供してくれます」と統計学者のアンドリュー・ゲルマンは説明します。「もしアルゴリズムが単に予測を『高リスク』『中リスク』『低リスク』と報告していたら、問題は明らかにならなかったかもしれません。」 したがって、問題はアルゴリズムや大規模なデータセットではありません。問題は、精査、透明性、そして議論の欠如です。そして、私が主張するに、この解決策は非常に古い時代に遡ります。17世紀中頃、錬金術と現代科学と見なされるものとの間に区別が生まれ始めました。 私たちがビッグデータアルゴリズムの世界で成功するためには、忘れてはならない重要な区別があります。1648年、ブレーズ・パスカルの義理の兄は、偉大なフランスの数学者の勧めで、著名な実験を行いました。フランスの小さな町クレルモン＝フェランの修道院の庭で、彼は水銀を満たした管を取り、その開いた端を液体金属で満たされた鉢に滑り込ませ、垂直の位置に持ち上げました。管の中には711ミリメートルの水銀の柱ができ、その上には何があるのか？ 空気？ 真空？ 謎のエーテル？ これはパスカルが提案した実験の第一段階に過ぎず、前例のないことではありませんでした。ガスパロ・ベルティはローマで水を使って似たようなことを行っていましたが、水の場合、ガラス管は10メートル以上の長さが必要で、その製作は容易ではありませんでした。ガリレオの弟子であるエヴァンジェリスタ・トリケリは、水銀を使うアイデアを思いつき、はるかに短い管で済むことになりました。パスカルのアイデア、あるいは彼の友人ルネ・デカルトのアイデアかもしれませんが、二人ともその功績を主張していました—それは、高所で実験を繰り返すことでした。こうして、パスカルの義理の兄は、壊れやすいガラス管と数キロの水銀をフランスの中心にある印象的な休火山、ピュイ・ド・デームの頂上まで運ぶ役割を担いました。山の頂上では、水銀は711ミリメートルではなく627ミリメートルしか上昇しませんでした。山の中腹では、水銀の柱は頂上よりも長かったものの、庭の中よりは短かったのです。翌日、クレルモン＝フェランの大聖堂の頂上で柱が測定されました。そこでは修道院の庭よりも4ミリメートル短かったのです。パスカルは、現在私たちがバロメーターと呼ぶものを発明しました—同時に、気圧を測定し、間接的に高度を測る装置である高度計も発明しました。1662年、わずか14年後に、ロバート・ボイルは有名な気体の法則を定式化し、圧力と気体の体積の関係を説明しました。これは科学知識の急速かつかなり現代的な進展でした。しかし、この進展は、金属を金に変え、不老不死のエリクサーを生み出そうとする古代の錬金術の実践と同時に行われていました。これらの目標は、私たちが知る限り、ほぼ不可能に近いものですが、もし錬金術が科学的方法を用いて行われていたなら、すべての錬金術の研究が情報に富んだ失敗の豊かな層を生み出し、現代化学への徐々の進化を期待されてもおかしくなかったでしょう。しかし、実際にはそうはなりませんでした。錬金術は化学に進化せず、停滞し、やがて科学がそれを脇に追いやりました。しばらくの間、二つの分野は平行して存在していました。それでは、彼らを区別するものは何だったのでしょうか？ もちろん、現代科学は実験的方法を用いています。これは、パスカルの勤勉な義理の兄やトリチェリ、ボイルなどによって明確に示されています。しかし、錬金術も同様に実験を行っていました。錬金術師たちは執拗な実験者でした。ただ、彼らの実験は、全体としての分野を進展させる情報を生み出すことはありませんでした。実験の使用が化学が栄え、錬金術が衰退した理由を説明するわけではありません。もしかすると、関わった人物たちに起因するのでしょうか？ボイルやニュートンのような偉大な初期の科学者たちは、彼らが置き換えた錬金術師たちよりも鋭く、賢く、創造的な人々だったのでしょうか？これは非常に説得力に欠ける説明です。1600年代の主要な錬金術師の二人は、実はロバート・ボイルとアイザック・ニュートンでした。彼らはエネルギッシュで、むしろ熱心な錬金術の実践者であり、幸運なことに、彼らの現代科学への巨大な貢献を妨げることはありませんでした。いいえ、錬金術師たちは、周囲の世界を理解しようと同じ実験的方法を用いていたのです。科学史家デイヴィッド・ウットンによれば、違いを生むのは、錬金術が秘密裏に追求されていたのに対し、科学は公の議論に依存していたからだと言います。1640年代後半、フランス全土に広がる小さな実験者のネットワークが、パスカルを含むメンバーたちによって同時に真空実験に取り組んでいました。トリチェリの実験が行われた1643年からボイルの法則が定式化された1662年の間に、少なくとも100人がこれらの実験を行ったことが知られています。「この100人は、最初の分散した実験科学者のコミュニティです」とウットンは述べています。 知識のネットワークの中心にはマリン・メルセンヌがいました。彼は修道士であり、数学者であり、科学的な協力と公正な競争の触媒でした。メルセンヌはパスカルやデカルトと友人関係にあり、ガリレオからトマス・ホッブズに至るまでの思想家たちとも交流がありました。彼は受け取った手紙のコピーを作成し、興味を持ちそうな他の人々に配布しました。彼の通信は非常に多かったため、「ヨーロッパの郵便箱」として知られるようになりました。 メルセンヌは1648年に亡くなりましたが、プイ・ド・デームでの実験の約三週間前でした。しかし、彼の科学的協力に関する考えは、1660年に設立されたロイヤル・ソサエティや1666年に設立されたフランス科学アカデミーの形で生き続け、どちらも明確にメルセンヌの理念に基づいて運営されました。この新しいアプローチの一つの美点は、再現性であり、これは第五章で見たように、詐欺や誤りをチェックするために重要です。プイ・ド・デームの実験は、丘や高い建物があればどこでも繰り返すことができました。「好奇心のある人は、いつでも自分で試すことができます」とパスカルは書いています。そして実際にそうしました。しかし、真空やガス、そして水銀の管に関する議論が、メルセンヌのパリの家での手紙や出版物、会合を通じて活発に行われている一方で、錬金術の実験は秘密裏に行われていました。その理由は明白です：誰もがその方法を知っているなら、鉛を金に変えることに価値はありません。 どの錬金術師も、自らの教訓となるかもしれない失敗を他者と共有したがらなかった。その秘密主義は自己永続的なものであった。錬金術が長い間存続し、ボイルやニュートンのような優れた学者たちがそれを真剣に受け止めた理由の一つは、過去の世代によって錬金術の問題が解決されていたと考えられていたからだが、それは秘密にされ、失われてしまったとされていた。ニュートンが「私がさらに遠くを見たのは、巨人の肩の上に立っているからだ」と有名に宣言したとき、これは彼の科学的な業績にのみ当てはまった。錬金術師としての彼は誰の肩にも立たず、ほとんど何も見えなかった。ボイルが自らの発見を公表し、他の錬金術師を探そうとしたとき、ニュートンは彼にやめるよう警告し、「高い沈黙」を守るように言った。そして、新たに開かれた科学コミュニティが急速に進展していることが明らかになると、錬金術自体は一世代のうちに信用を失った。要するに、ウットンはこう言う。「錬金術を滅ぼしたのは、実験は公開され、何が起こったのかを明確に説明する出版物に報告されなければならず、その後、独立した証人の前で再現されなければならないという主張だった。錬金術師たちは秘密の学びを追求していたが、その学びの一部は新しい化学に引き継がれることができたが、多くは理解不能で再現不可能なものとして捨て去られなければならなかった。秘教的な知識は、出版と公的または半公的なパフォーマンスに依存する新しい形の知識に取って代わられた。 錬金術は、大規模なデータセットを収集し、パターン認識アルゴリズムを開発することとは異なる。一つには、錬金術は不可能であり、大データから洞察を導き出すことは不可能ではない。しかし、類似点も明らかである。グーグルやターゲットのような企業は、ニュートンが自らの錬金術の実験を共有したがらなかったのと同様に、自らのデータセットやアルゴリズムを共有することに熱心ではない。時には法的または倫理的な理由がある—妊娠を秘密にしている場合、ターゲットが公に葉酸の購入を開示することを望まないだろう—が、最も明白な理由は商業的なものである。アマゾン、アップル、フェイスブック、グーグル、マイクロソフトが私たちについて持っているデータには金が埋まっている。そして、その金は、それを生み出す知識が皆と共有されると、彼らにとっては価値が大幅に下がる。だが、時代の最も優れた思想家たちが秘密の中で活動している間に進展を遂げられなかったのと同様に、秘密のデータに基づく秘密のアルゴリズムは、改善の機会を逃す可能性が高い。ターゲットが少し効果的な方法でおむつクーポンをターゲットにすることを逃しても大した問題ではない。しかし、アルゴリズムが優秀な教師を解雇したり、社会サービスを誤った家庭に向けたり、女子大学に通った応募者を評価を下げたりする場合、私たちはそれらを精査できる必要がある。しかし、どうやって？一つのアプローチは、ジュリア・アンギンが率いるプロパブリカの調査ジャーナリストチームが用いた方法である。アンギンのチームは、広く使用されているアルゴリズム「COMPAS（Correctional Offender Management Profiling for Alternative Sanctions）」を精査したいと考えていた。 COMPASは137項目の質問票の回答を用いて、犯罪者が再逮捕されるリスクを評価しました。しかし、それは本当に機能したのでしょうか？また、公平だったのでしょうか？その答えを見つけるのは容易ではありませんでした。COMPASは、どのように機能するかの詳細を共有する義務のない企業、Equivant（以前のNorthpointe）が所有しています。そのため、アンウィンと彼女のチームは、フロリダ州ブラウワード郡から集めた結果を分析することで評価を行わなければなりませんでした。以下は、ProPublicaチームがどのように作業を進めたかの編集された説明です。 ProPublicaは、公的記録の請求を通じて、フロリダ州ブラウワード郡保安官事務所から2年間分のCOMPASスコアを取得しました。2013年と2014年にスコアを受けた18,610人全員のデータを受け取りました... 各被告は少なくとも3つのCOMPASスコアを受け取りました：「再犯リスク」、「暴力リスク」、および「出廷失敗リスク」です。各被告のCOMPASスコアは1から10までの範囲で、10が最も高いリスクを示します。スコア1から4はCOMPASによって「低リスク」とラベル付けされ、5から7は「中リスク」、8から10は「高リスク」とされました。COMPASスコアのデータベースを基に、スコアを受ける前後の各人の犯罪歴のプロファイルを構築しました。2016年4月1日までにブラウワード郡の公的犯罪記録を収集しました。私たちのデータセットの被告は平均して622.87日（標準偏差：329.19日）拘禁されていませんでした。私たちは、個人の名前と生年月日を使用して、犯罪記録とCOMPAS記録を照合しました... ブラウワード郡の公的記録サイトから約80,000件の犯罪記録をダウンロードしました。 この作業は非常に手間のかかるものでした。最終的に、ProPublicaはその結論を発表しました。COMPASアルゴリズムは、犯罪者の人種を予測因子として使用していませんでしたが、それでもなお人種的に不均衡な結果を生み出していました。黒人の犯罪者に対しては再逮捕されると予測する誤陽性を生じさせ（実際には再逮捕されなかった）、白人の犯罪者に対しては再逮捕されないと予測する誤陰性を生じさせていました（実際には再逮捕された）。これは非常に懸念される事態です。人間からの人種差別は非倫理的で違法ですが、アルゴリズムから生じる場合も容認すべきではありません。しかし、その後、4人の学術研究者、サム・コーベット＝デイビス、エマ・ピアソン、アビ・フェラー、シャラッド・ゴエルが、状況はそれほど単純ではないと指摘しました。彼らは、ProPublicaが労力をかけて集めたデータを使用して、アルゴリズムが別の重要な指標において公平であることを示しました。それは、アルゴリズムが黒人と白人の2人の犯罪者に同じリスク評価を与えた場合、再逮捕される実際のリスクが同じであるというものでした。この重要な点において、アルゴリズムは人種に対して盲目的でした。さらに、研究者たちは、アルゴリズムが同時に両方の方法で公平であることは不可能であることを示しました。 すべての人種に対して同じ割合の偽陽性を出すアルゴリズムを作成することは可能でしたし、すべての人種に対して再逮捕のリスクに見合ったリスク評価を行うアルゴリズムを作成することも可能でしたが、両方を同時に実現することはできませんでした。数値が一致することはなかったのです。異なるグループ（年齢、性別、人種、髪の色、身長、その他の基準で定義されるグループ）に対して平等な結果を出すアルゴリズムを構築する唯一の方法は、そのグループがそれ以外の点で同じように振る舞い、同じように扱われる場合です。もし彼らが異なる方法で世界を移動するなら、アルゴリズムは必然的に彼らを評価する際に少なくとも一つの公平性の基準を侵害することになります。これは、アルゴリズムが実際に彼らの年齢、性別、人種、髪の色、身長を知らされているかどうかに関わらず真実です。また、これは人間の裁判官にも当てはまります。これは算数の問題です。コンピュータ科学者のジュリア・ドレッセルとハニー・ファリッドは、COMPASが人種的偏見を持つ結果を出しているかどうかについての議論を観察しました。彼らは何かが欠けていると感じました。「この会話には、アルゴリズムの予測が人間のものより本質的に優れているという前提があった」とドレッセルは科学ライターのエド・ヨンに語りました。「しかし、それを証明する研究を見つけることができませんでした。」 ProPublicaの先行研究のおかげで、ドレッセルとファリッドは自分たちでその問題を調査することができました。COMPAS自体が秘密であっても、ProPublicaは他の基準と意味のある比較ができるほどの結果を公開していました。その一つは、単純な数学モデルで、変数は2つだけ：犯罪者の年齢と過去の犯罪件数です。ドレッセルとファリッドは、この2変数モデルが、非常に評価されている137変数のCOMPASモデルと同じくらい正確であることを示しました。また、彼らはCOMPASの予測を、各犯罪者について7つの情報だけを見せられた一般の非専門家に対する判断と比較しました。そして、彼らにその人が2年以内に再逮捕されるかどうかを予測するように求めました。これらの非専門家の予測の平均は、COMPASアルゴリズムを上回りました。これは驚くべきことです。ファリッドがコメントしたように、裁判官はデータ駆動型のアルゴリズムがある人を高リスクと評価したと聞けば感心するかもしれませんが、「ねえ、私はインターネットで20人のランダムな人にこの人が再犯するかどうかを尋ねたら、彼らは『はい』と言った」と言われたら、ずっと感心しないでしょう。COMPASにインターネット上の20人のランダムな人々の判断を上回ることを求めるのは過剰でしょうか？それは高いハードルには思えませんが、それでもCOMPASはそれをクリアできませんでした。 COMPASアルゴリズムの限界を示すことは、ProPublicaがCOMPASの意思決定に関するデータを公開し、研究者がそれを分析し議論できるようになった後は難しくありませんでした。アルゴリズムやデータセットを秘密にしておくのは錬金術師の考え方です。それらをオープンに共有し、分析、議論、そして—できれば—改善できるようにするのは科学者の考え方です。 伝統的な中道政治家の演説を聞いたり、メディアの解説を読んだりすると、「信頼のレベルが低下している」とか「信頼を再構築する必要がある」といった意見に出くわすことがよくあります。このテーマの権威となった哲学者オノラ・オニールは、こうした懸念はお粗末な考え方を反映していると主張しています。彼女は、私たちは一般的に信頼すべきではなく、特定の人や機関に特定のことをすることを信頼すべきだと述べています。（例えば、私は手紙を郵送してもらうために友人を信頼することはありませんが、子供の世話を任せることには喜んで信頼を寄せます。）信頼は選別されるべきであり、理想的には信頼できる人を信頼し、無能や悪意のある人を疑うべきです。 人と同様に、アルゴリズムも一般的には信頼できるものでも信頼できないものでもありません。人と同じように、「アルゴリズムを信頼すべきか？」ではなく、「どのアルゴリズムを信頼でき、何をすることを信頼できるのか？」と問うべきです。オニールは、信頼性を示すためには、私たちの決定の基盤が「知的にオープン」である必要があると主張しています。彼女は、知的にオープンな決定が持つべき4つの特性のチェックリストを提案しています。情報はアクセス可能であるべきで、これは秘密のデータ保管庫の奥深くに隠れていないことを意味します。決定は理解可能であるべきで、明確で平易な言葉で説明できる必要があります。情報は利用可能であるべきで、これはデータを標準的なデジタル形式で提供することのように単純なことを意味するかもしれません。そして、決定は評価可能であるべきで、つまり、時間と専門知識を持つ誰もが、望むならば、主張や決定を厳密に検証するために必要な詳細を持っている必要があります。オニールの原則は、囚人を釈放するか、児童虐待の報告に応じるかといった、人生を変える責任を託されたアルゴリズムに対する合理的なアプローチのように思えます。独立した専門家がアルゴリズムの内部を調べ、コンピュータがどのように決定を下しているのかを確認できることが重要です。人種、性別、性的指向に基づく差別を禁じる法的保護がある場合、アルゴリズムが私たちが人間に期待するのと同じ基準を満たすことを確保する必要があります。少なくとも、アルゴリズムは法廷で検証可能である必要があります。 『Weapons of Math Destruction』の著者キャシー・オニールは、データサイエンティストは医師のように、専門的な倫理規範を持つ専門職団体を形成すべきだと主張しています。そうすることで、少なくとも内部告発者のための出口が提供され、「私たちの雇用主（例えばFacebook）が、私たちが非倫理的であると疑うことをするように求めてきたときに、誰かに不満を訴えることができるようになる」と述べています。 医療の実践とのもう一つの類似点は、重要なアルゴリズムは無作為化比較試験を用いてテストされるべきだということです。もしアルゴリズムの開発者が、それが適切な教師を解雇したり、適切な犯罪者に保釈を勧めたりするだろうと主張するなら、私たちの反応は次のようになるべきです。 「証明してみてください。」医学の歴史は、もっともらしいアイデアが公正なテストにかけられると、実際には不十分であることがあることを教えています。アルゴリズムは医薬品ではないため、米国食品医薬品局（FDA）のような組織を単に模倣するだけではうまくいきません。私たちは、試験をより迅速に実施し、インフォームド・コンセント（参加者の同意）のあり方を異なる視点から考える必要があります。（臨床試験には、参加者が同意することを確実にするための高い基準がありますが、教師や犯罪容疑者を評価するアルゴリズムにその基準がどのように適用されるかは明確ではありません。）それでも、自分のアルゴリズムの効果に自信がある人は、公正で厳密なテストでその効果を示すことに喜んで応じるべきです。そして、学校や裁判所のような重要な機関は、それらのアルゴリズムが自らの効果を証明するまでは、大規模に使用することに消極的であるべきです。もちろん、すべてのアルゴリズムがそのような重大な懸念を引き起こすわけではありません。たとえば、ターゲットがどのようにして誰にベビー服のクーポンを配るかを研究者に見せることを強制することは、明らかに公共の利益にはかなわないでしょう。私たちはケースバイケースで考える必要があります。どのような説明責任や透明性を求めるかは、解決しようとしている問題によって異なります。たとえば、YouTubeの動画推薦アルゴリズムとNetflixの映画推薦アルゴリズムを区別したいかもしれません。YouTubeには多くの不穏なコンテンツがあり、その推薦エンジンは、ますます過激で陰謀的な動画を提案する傾向があることで悪名高くなっています。YouTubeが過激化のエンジンであるという考えを支持する証拠があるかどうかは明確ではありませんが、透明性が不足していると確信を持つのは難しいです。 Netflixは異なる問題を示しています。それは競争です。Netflixの推薦アルゴリズムは、どの顧客がどの映画を視聴したかという巨大で秘密のデータセットを基にしています。Amazonも同様に、同じく秘密のデータセットを持っています。もし私が、視聴履歴に基づいて人々が好きな映画を予測する新しい種類のアルゴリズムの素晴らしいアイデアを持った若い起業家だとしたら、そのデータがなければ、私の素晴らしいアイデアは実現できません。AmazonやNetflixのアルゴリズムがどのように機能しているかを心配する理由は特にありませんが、彼らに映画視聴データセットを公開させることで、アルゴリズム設計における競争を促進し、最終的には消費者に利益をもたらす可能性があるという主張は成り立つでしょう。すぐに明らかになる懸念の一つはプライバシーです。これが簡単な問題だと思うかもしれません—記録から名前を削除すればデータは匿名になります！しかし、そう簡単ではありません。豊富なデータセットを持ち、他のデータセットと照合することで、個人番号#961860384が実際に誰であるかを特定するのは驚くほど簡単です。Netflixはかつて、より良い推薦アルゴリズムを見つけるためのコンペティションの一環として、研究者に匿名化されたデータセットを公開しました。しかし、残念ながら、彼らの顧客の一人が家族向け映画に関する同じレビューをNetflixと、実名でインターネット映画データベース（IMDb）に投稿していたことが判明しました。 彼女の匿名ではなくなったNetflixのレビューから、彼女が他の女性に惹かれていることが明らかになりましたが、彼女はそれを秘密にしておきたかったのです。彼女はそのことで会社を訴え、和解が成立しましたが、条件は公表されていません。それでも、前進する方法はいくつかあります。一つは、認定された研究者に安全なアクセスを許可することです。もう一つは、個々の詳細が少しずつ異なる「ファジーデータ」を公開することで、全体としての集団に関する厳密な結論を引き出すことができるというものです。GoogleやFacebookのような企業は、データセットから巨大な競争優位を得ています。彼らは小さな競合を早期に排除したり、あるサービス（例えばGoogle検索）のデータを使って別のサービス（例えばGoogleマップやAndroid）を促進したりすることができます。もしそのデータの一部が公開されれば、他の企業もそれを学び、より良いサービスを提供し、大手企業に挑戦することができるでしょう。科学者や社会科学者も多くのことを学ぶことができるでしょう。一つの可能なモデルは、プライベートなビッグデータセットを一定の遅延の後に公開し、匿名性を適切に保護することを求めるというものです。3年前のデータは多くの商業目的には古くなっていますが、科学的には非常に価値があるかもしれません。これには前例があります：特許権者は知的財産保護を受けるために自らのアイデアを公開しなければなりません。おそらく、プライベートな大規模データセットの保有者に対しても、同様の取引を提案することができるでしょう。 ビッグデータは私たちの周りの世界を革命的に変えていますが、私たちが理解できない方法でコンピュータが下した決定の話を聞くと、疎外感を感じるのは容易です。私たちが懸念を抱くのは正当だと思います。現代のデータ分析は驚くべき結果を生み出すことができますが、ビッグデータはしばしば小さなデータよりも信頼性が低いことがあります。小さなデータは通常、精査することができますが、ビッグデータはシリコンバレーの金庫に閉じ込められていることが多いです。小さなデータセットを分析するために使用される単純な統計ツールは通常、チェックが容易ですが、パターン認識アルゴリズムは神秘的で商業的に敏感なブラックボックスになりがちです。私は、過度の誇張やヒステリーに対して懐疑的である必要があると主張してきました。懸念がある場合には、ケースバイケースで厳しい質問をするべきです。基礎となるデータはアクセス可能ですか？アルゴリズムの性能は厳密に評価されましたか？例えば、アルゴリズムの助言がある場合とない場合で人々がより良い決定を下すかどうかを確認するためにランダム化試験を実施しましたか？独立した専門家にアルゴリズムを評価する機会が与えられましたか？彼らは何を結論づけましたか？私たちは単にアルゴリズムが人間よりも優れた仕事をしていると信じるべきではなく、アルゴリズムに欠陥があれば人間が完璧であると仮定するべきでもありません。しかし、少なくともほとんどの裕福な国の市民にとって、私たちがもっと信頼すべき統計の一つがあると思います。そして、今その情報源に目を向けましょう。 ルール8 統計的基盤を当然と思わないでください 「あなたの事実は何に基づいていますか？」 「国際通貨基金や国連の統計です。特に問題はありません。」 この事実について議論の余地はありません。「私が正しく、あなたが間違っています。」 1974年10月9日、月曜日。場所はワシントンD.C.、美しいタイダルベイスンの近く—ホワイトハウスからそれほど遠くない静かな緑の聖域。時間は午前2時。暗闇の中を、ヘッドライトを消したまま、速く走る車が曲がりくねっている。警察がその車を止めると、派手な服装をした女性が助手席から飛び出し、英語とスペイン語を交互に叫びながら道を駆け下り、水に飛び込もうとする。警察は彼女を引き上げようとし、再び飛び込もうとしたため、手錠をかける。運転席には、眼鏡が壊れ、顔に軽い傷を負った高齢の男性が座っている。彼は酔っ払っている。おそらく、DCではよくある夜の出来事だ。しかし、その女性、アンナベル・バティステラはファンネ・フォックスとして知られるアルゼンチンの火花、シルバー・スリッパナイトクラブのエロティックダンサーだった。そして、その男性はアメリカで最も権力のある人物の一人、ウィルバー・ミルズ、1930年代からアーカンソー州の議員を務め、長年にわたり下院歳入委員会の委員長としてほとんどの立法に対して拒否権を持っていた。だが、当時は敬意を表する時代だった。警察はミルズを自分の車で妻の元へ送ることを提案し、彼は数週間後に再選された。しかし、その選挙の勝利の直後、再び酔っ払ったミルズはフォックスのパフォーマンスの最中にステージに現れ、頬にキスを受けてから、左側の舞台から退場した。ストリッパーと戯れるのが一度なら不運と見なされるかもしれないが、二度目となると無頓着さを示唆する。彼の同僚たちは静かに注意を促した。ウィルバー・ミルズは歳入委員会を辞任し、アルコホーリクス・アノニマスに参加した。ファンネ・フォックスは自らを「タイダルベイスンの爆弾娘」と名乗り、暴露本を執筆し、最終的には忘れ去られていった。 この話は、多くの人にとってアメリカの三大セックススキャンダルの一つとしてぼんやりと記憶されているかもしれない。しかし、私の故郷であるナードランドでは、別の意味を持っている。当時、議会は新たな機関、議会予算局の設立を巡って行き詰まっていた。この機関は、さまざまな政策提案の予算的コストについて議会に助言を行うことを目的としていた。特に一人の議会の恐竜が、その局長に女性を任命する計画に反対していた。しかし、ウィルバー・ミルズの辞任は、いつもの椅子取りゲームを引き起こし、その間接的な結果として行き詰まりが解消された。議会予算局は正式に設立され、恐竜がキャピトルヒルの他の場所に移動したことで、最初の局長が誰もが望んでいた女性、アリス・リヴリンになることに障害はなくなった。40年後、彼女は「私の仕事はファンネ・フォックスのおかげだ」と振り返った。 この奇妙な始まりの後、アリス・リヴリンは議会予算局を栄光へと導いた。 議会は、リチャード・ニクソンの過剰で強大な大統領職に対抗する役割を果たすことが期待されていました。議会は、より良い統計と政策問題に関する分析の重要性を認識していました。しかし、アリス・リヴリンはこの役割を特定の方法で解釈しました。彼女は、与党のためのトーキングポイントを作成したり、議会の委員会の権力者たちのために統計的な雑用をこなすのではなく、議会全体に対して公平で高品質な情報と分析を提供することを目指しました。ある学者の判断によれば、CBO（議会予算局）は「ワシントンで最も影響力があり、評価の高い機関の一つとなり…予算と経済に関する権威ある情報源」となりました。リヴリンの副官であり、後に彼女の後任となったロバート・ライシャウアーは、CBOを「基本的にはマンホールのようなもので、議会が法案を持ってきて、そのマンホールの蓋を持ち上げて法案を入れると、ゴリゴリという音が聞こえ、20分後にはコスト見積もりが書かれた紙が上がってくる」と表現しました。「見えない、ただ地下で何かのメカニズムが動いているだけ…下水道システムのように非論争的です。」 この比喩は適切であり、下水道が見えず、論争の的にならないからだけではありません。独立した統計機関は、下水道と同様に現代生活の不可欠な部分です。下水道と同じように、何か問題が起こるまで私たちはそれを当然のものと考えがちです。そして、下水道と同様に、無視されたり、誰かが自己中心的または愚かな理由で不適切なものを通そうとすると、ひどい影響を受けることがあります。CBOのような組織が提供する公式な統計や分析は、私たちが思っている以上に重要であり、一般市民の日常生活においても非常に役立っています。しかし、これらは脅威にさらされており、私たちはそれを守るべきです。酔っ払った議員やストリッパーに関わる運命のひねりに依存する必要はありません。 CBOは、リチャード・ニクソンを念頭に置いて設立されたことを思い出してください。しかし、ニクソンはCBOが業務を開始する前に辞任し、CBOの活動に異議を唱えた最初の大統領は、ニクソンのような共和党員ではなく、民主党のジミー・カーターでした。1970年代後半に石油価格が急騰する中、カーター大統領はアメリカのエネルギー効率を改善するという野心的な目標を持っていました。アリス・リヴリンのCBOチームはその提案を評価し、カーターが期待するほどにはうまくいかないだろうと判断しました。「それはカーター政権を不満にさせました」とリヴリンは後に振り返りました。民主党の下院議長トーマス・P・「ティップ」・オニールもまた不満でした。「彼はその立法のために戦っていて、CBOは助けになっていなかったのです。」 そう、CBOは助けになっていませんでした。これがまさにポイントでした。アリス・リヴリンは、CBOの価値は与党のためのプロパガンダを提供することではなく、公平であることにあると知っていました。やがて与党が再び共和党になり、彼らの大きな主張がCBOの独立した意見という揺るぎない現実にぶつかる番が来ることになりました。 1981年、CBO（連邦予算局）は、予算赤字がレーガン政権が予測したよりもはるかに高くなる可能性があると主張しました。レーガン大統領はCBOの数字を「偽りのもの」と呼びました。1983年、アリス・リブリンは8年間の任期を経てCBOを離れました。その後の政権もCBOに圧力をかけ続けました。例えば1990年代には、民主党の指導者たちがクリントン大統領の医療改革についてより好意的な分析をCBOに求めましたが、CBOはその独立性を主張し続けました。CBOは完璧ではありませんが、その主な役割は支出と税収の将来のギャップを予測することです。そして、私たちが第10章で議論するように、こうした経済予測は難しいものであり、公式機関はしばしば誤った予測を行います。しかし重要なのは、CBOが政治的に都合の良い誤りを犯さず、政治的なアジェンダに合わせて予測を歪めることがないという点です。CBOの評価は、合理的に期待できる範囲で正確な予測を行い、重要なことに偏りがないことが多いとされています。 イギリスでは、予算責任局（OBR）がCBOと同様の役割を果たしています。OBRは2010年に独立機関として設立されました。それ以前は、支出、税収、その他の経済変数の予測は財務省が行っており、そこでは官僚が政治家に直接責任を負っていました。このことから、興味深い比較ができます。OBRの予測はより良いのでしょうか？実際、OBRの予測はかなり優れていることがわかりました。これはOBRの評判や今後の活動にとって励みになりますが、同時に以前には問題があったことも示唆しています。つまり、2010年以前は財務省の経済学者たちが政治的な上司を喜ばせるために予測を形作っていたということです。CBOやOBRは、政治的独立性を主張する必要がある統計機関の一部に過ぎません。彼らが提案された税制や支出の変更の将来の影響を予測する一方で、多くの他の機関は現在の現実を説明しています。国勢調査は、国の異なる地域に住む人々の数を推定し、その人々に関する基本的な情報を提供しようとします。経済統計は、インフレ、失業、経済成長、貿易、不平等を測定します。社会統計は、犯罪、教育、住宅へのアクセス、移住、幸福度を測定します。特定の産業や環境汚染などの問題に関する研究も行われています。各国には、これらの公式統計をまとめるための独自の体制があります。イギリスでは、多くの統計が国立統計局という一つの組織によって作成・公開されています。一方、アメリカでは、経済分析局、労働統計局、国勢調査局、連邦準備制度、農務省、エネルギー情報局など、さまざまな機関にその業務が分散しています。このような数え上げや測定はどれほど役立つのでしょうか？非常に役立ちます。これがどれほど有用であるかを過小評価することは難しいです。 こうした機関が生み出す数字は、国家の統計的基盤となります。ジャーナリスト、シンクタンク、学者、ファクトチェックを行う人々が何が起こっているのかを知りたいとき、その分析は通常、この基盤に直接的または最終的に依存しています。この章の後半では、専門的で中立的な公式統計を作成することのコストやさまざまな利点について詳しく述べるつもりですが、彼らの価値を示す最も鮮明な議論は、統計を歪めたり、信用を失わせたり、抑圧したりしようとする試みを見てみることです。2016年の大統領候補として、ドナルド・トランプは問題に直面しました。彼のキャンペーンはアメリカ経済が壊れていると主張したかったのですが、公式統計は失業率が非常に低く、5％未満で下降中であることを示していました。それに対して、たとえば失業率は仕事の質や安定性、収入力を測るものではないという考慮深い反応があったかもしれません。しかし、トランプは「偽物」や「完全なフィクション」として失業率を繰り返し退け、真の失業率は35％だと主張するというより単純な道を選びました。自分自身の数字を単に作り出すことは、民主的選挙の候補者よりも全体主義的独裁者がよく使う戦術ですが、トランプはこの戦術が効果的だと考えたようです。そして、彼は正しかったのかもしれません。彼の支持者たちは彼を信じました。連邦政府が発表した経済データを信頼していたのはわずか13％で、ヒラリー・クリントンに投票した人々の86％は信頼していました。大統領として、トランプは考えを変えました。公式データによれば、彼が就任した後、失業率はさらに低下しました。しかし、今やトランプはこれを退けるのではなく、評価されたいと思っていました。彼の報道官ショーン・スパイサーは、真顔で「私はこの件について大統領と話しました。彼は非常に明確に引用するように言いました。過去には偽物だったかもしれませんが、今は非常に現実的です」と宣言しました。このような恥知らずな態度は面白いかもしれませんが、実際にはリスクを伴います。トランプの対立者たちが、彼の支持者と同じように公式統計を信頼しなくなるかもしれないのです。 自分の統計機関が政治的に都合の良い数字を出さないときに、その信頼を損なうことに疲れたら、他の誰かの統計機関を攻撃することもできます。たとえば、ドイツの指導者アンゲラ・メルケルが2015年に約100万人の難民を受け入れるという政治的にリスクの高い決断をした後、トランプはドイツを警告の例として利用したいと考えました。「ドイツの犯罪は大幅に増加している」と彼は2018年6月にツイートしました。「あの難民たちが引き起こしている犯罪を見てください！」残念なことに、トランプ大統領のストーリーを台無しにする人々がいました。それはドイツの統計学者たちです。トランプのツイートの1か月前に発表された最新の数字は、ドイツの犯罪が「大幅に増加している」どころか、1992年以来の最低水準であることを示していました。トランプは恥じることなく答えを持っていました。数時間後、彼はツイートしました。「ドイツの犯罪は10％以上増加している（当局はこれらの犯罪を報告したがらない）。」この主張は信じがたいものです。 その一因は、ドイツの警察犯罪統計をまとめる責任を担っていた省が、移民政策に厳しいホルスト・ゼーホーファーによって運営されていたことにあります。彼は同じ年に、ドイツの移民政策が厳格化されなければ辞任すると脅迫していました。ゼーホーファーが、移民に関する不都合な真実を隠すよう官僚に圧力をかけたとは考えにくいのです。また、ドイツは統計に対する政治的干渉の評判を持っていないことも、信じがたい理由の一つです。残念ながら、すべての国に当てはまるわけではありません。世界中で、数字を操作する圧力は現実のものであり、広範囲にわたっています。そして、統計学者にとってその結果は、上層部の政治家からの不満以上に深刻なものになることがあります。 2010年、経済学者アンドレアス・ジョルギウは、ワシントンDCから幼い娘を連れて故郷のギリシャに戻り、20年にわたる国際通貨基金でのキャリアを終えました。彼の使命は、ギリシャの新しい統計機関ELSTATを運営することでした。当時、ギリシャの統計はひどい状態でした。十分な資金が与えられず、尊敬もされていなかったのです。2002年、経済学者パオラ・スバッキがギリシャの統計局を訪れた際、彼女はアテネの住宅街にある普通の店舗が並ぶ広場にそのオフィスがあるのを見つけました。「1950年代のアパートの一角にあるドアを探し、階段を上がってほこりだらけの部屋にたどり着きました。そこには数人の人がいましたが、コンピュータは見当たりませんでした。本当に驚くべきことでした。まったくプロフェッショナルな運営ではありませんでした。」 しかし、ジョルギウが到着したとき、心配すべきことはほこりや古い技術だけではありませんでした。世界中が、ギリシャの公式統計を信頼するのは、巨大な木製の馬を信じるのと同じくらいだという結論に達していました。欧州連合の統計局であるユーロスタットは、ギリシャの公式経済データの信頼性と質について繰り返し不満を述べていました。欧州委員会はそれに関する厳しい報告書を発表しました。基本的な問題は、ギリシャが政府の予算赤字を控えめな水準に保つことが求められていたことです。予算赤字とは、政府が支出と税収のギャップを埋めるために毎年借り入れる金額のことです。ユーロ圏のメンバーシップに伴う義務の一つは、国がその赤字を国内総生産の3％未満に保つことです（さまざまな特別な状況にはいくつかの例外があります）。この目標は厳しいものでしたので、すべてがうまくいっているように見えるまで数字を調整しようとするのは当然のことでした。ある年、ギリシャの会計は病院のための数十億ユーロの借入を含めませんでした。別の年には、軍事費の大部分を省略しました。また、ゴールドマン・サックスとの取引によって、借入が異なる種類の取引のように見えるようにし、その結果、赤字にカウントされないようにしました。 2009年、世界的な金融危機の衝撃の後、ギリシャが長年にわたり借入を過小評価していたことが明らかになりました。誰もがギリシャの負債が返済できるとは信じていませんでした。EUとIMFは、通常の救済策と厳しい緊縮政策を組み合わせて介入し、ギリシャ経済は崩壊しました。この状況に現れたのがアンドレアス・ジョルギウです。彼がギリシャの繁栄を救うことはできないかもしれませんが、ギリシャの公式統計の評判を守ることには希望がありました。ジョルギウの最初の優先事項は、最新のデータである2009年の赤字の数字を確認することでした。ギリシャ財務省からの初期予測は、国内総生産の3.7％で、EUの目標からそれほど遠くはありませんでしたが、残念ながら非常に信憑性に欠けるものでした。ジョルギウが到着する前に、ギリシャ当局はその数字を衝撃的な13.6％に修正していました。ユーロスタットはまだ納得していませんでした。数ヶ月後、ジョルギウは結論を発表しました。実際の赤字は15.4％であり、非常に大きな数字でした。しかし、少なくとも信じられるものであり、ユーロスタットもそれを信じました。ここからジョルギウのトラブルが始まりました。まず、ELSTAT内で大きな騒動が起こりました。警察は最終的に、ジョルギウのメールアカウントが彼自身の副社長によってハッキングされていたことを認識しました。その後、ギリシャの経済犯罪検察がジョルギウに対して法的措置を開始し、ギリシャの赤字を故意に誇張し、ギリシャ経済に甚大な損害を与えたと非難しました。赤字の数字についてELSTATの理事会に投票を許可しなかったことなど、さまざまな他の告発も追加されました。（ギリシャの予算赤字の規模を投票にかけるべきだという考えは、ユーロスタットよりもユーロビジョンのように思えます。）ジョルギウの「犯罪」に対する潜在的な刑罰は終身刑でした。司法制度は6回にわたり告発を却下しましたが、ギリシャの最高裁判所によって繰り返し再提出されました。実際、彼の有罪判決、無罪判決、再有罪判決は非常に頻繁であり、どの判決が維持されるかに自信を持つことは難しいです。これはカフカの小説にふさわしい嫌がらせです。もちろん、ジョルギウが本当に裏切り者である可能性もありますが、その可能性は低いようです。世界中の80人の元統計局長が彼の扱いに抗議する手紙に署名し、ユーロスタットは彼の仕事の質を繰り返し承認し、2018年には国際統計協会、アメリカ統計協会、ロイヤル統計学会などの尊敬される専門団体から「逆境における能力と強さ、公式統計の質と信頼性の確保へのコミットメント、公式統計の改善、誠実性、独立性の擁護」に対して特別表彰を受けました。アンドレアス・ジョルギウは、逆境において勇気を示した唯一の統計学者ではなく、長年にわたるアルゼンチンの統計学者グラシエラ・ベバクアもその証人となることができます。 アルゼンチンは長い間、高いインフレーションに悩まされてきました。アルゼンチン政府は、ポピュリストの大統領であるネストール・キルチネル（在任2003-2007年）とクリスティーナ・フェルナンデス・デ・キルチネル（在任2007-2015年）の夫婦の下で、インフレーションを減少させるのではなく、インフレーション統計を変更することで問題を解決することに決めました。グラシエラ・ベバクアは、不快な要求を受けることになりました。例えば、彼女は月次のインフレーション数値の小数点以下をすべて切り捨てるように指示されました。まるでアルゼンチンのコンピュータが小数点を使い果たしたかのようです。これは思っている以上に大きな影響を与えます。なぜなら、各歪みが前のものを複合的に増幅させるからです。月1％のインフレーションは年率12.7％になりますが、月1.9％は年率25.3％になります。面白いことに、アルゼンチンの公式な年インフレーションの推定値は、前者の数字に近い傾向があり、独立した非公式な推定値は後者に近いものでした。2007年初頭にベバクアが2.1％のインフレーションを発表した際、彼女の上司たちは不満を抱きました。彼らは1.5％未満の数字を出すように言っていなかったでしょうか。彼女に休暇を取るように指示し、帰ってきたときには解雇し、統計機関から図書館に異動させ、給料を3分の2削減しました。彼女はその後すぐに辞職しました。 ベバクアが排除されたことで、アルゼンチンの公式なインフレーション数値は10％未満を示すようになりました。これは先進国の基準では高いですが、それでも信じられないほど低い数字です。ほとんどの独立した専門家は、実際のインフレーションは約25％に近いと考えており、その専門家のグループは、グラシエラ・ベバクアの助言を受けて独自の非公式な物価指数を作成しましたが、彼女は虚偽広告のために25万ドルの罰金を科されました。ジョルジウと同様に、国際的な観察者たちはベバクアと彼女の方法を支持しており、新しい政府がアルゼンチンに誕生したことで、彼女は大丈夫そうです。一方、ジョルジウはELSTATで5年間耐え抜いた後、アメリカに戻り、彼が到着する前にはなかった信頼性を持つ組織を残しました。彼が刑務所に入る可能性は非常に低いですが、他のギリシャの統計学者たちは、彼が自らの責任である統計について真実を伝えようとしたために迫害された様子に気づくでしょう。「彼らが正しいことをして法律に従うと、彼らの福祉—職業的なものだけでなく個人的なものも—が危険にさらされることは、彼らにとって見逃されることはないでしょう」と彼は『Significance』誌に語りました。彼はさらに、ギリシャ政府が自ら使用する統計を弱体化させることで、長期的には自らを傷つけていると付け加えました。 「国そのものの信頼性を掘り下げる」一方で、危機前にギリシャの赤字を繰り返し過小評価していた人々は、非難を逃れたようです。アンドレアス・ジョルギウやグラシエラ・ベバクアが示したように、彼らは英雄的ですが、すべての統計学者が彼らのような決意を持っているとは限らず、圧力をかける試みがすべて公に知られるわけでもありません。尊敬される統計学者であるデニス・リーヴスリー教授は、アフリカの同僚の統計学者が、彼の国の大統領が求める数字を出さなければ子供たちが殺されると言われたと私に教えてくれました。彼女にはその人物を特定したくない理解できる理由がありました。彼が従うことを決めたとしても、それは同様に理解できることです。公式の統計学者の独立性を損なう方法は、より微妙なものもあります。タンザニアでは、2018年末に政府が公式統計に対する批判を犯罪とし、罰金または最低3年の懲役刑に処す法律を通過させました。そこでの大統領候補者たちは、トランプの「失業者数は偽り」と呼ぶ例を真似する前に二度考えるでしょう。しかし、政府の統計に欠陥を見つけた者を投獄することは、自由な言論に対する冒涜であるだけでなく、欠陥が修正されないことを保証します。タンザニアのこの動きは、世界銀行から批判を受けており、政治的理由で自国の統計を歪めるための完璧な前奏曲となるでしょう。 インドでは、ナレンドラ・モディ首相の政府が2019年に失業に関するデータの公表を静かに停止しました。モディは雇用創出について大きな約束をしていましたが、その年の選挙（彼は楽に勝利しました）の前に、現実が恥ずかしいことになる可能性が出てきました。答えは、データの「改善」が到着するまでの間、発表を停止する口実を見つけることでした。あるインドの専門家は、ファイナンシャル・タイムズに何が起こっているのかを正確に説明しました。「長い間、政府の目的は状況をあいまいに保つことが明らかです。」たとえ「ナードランド」で最も堅固な評判を持つ国々であっても、政治家と統計学者の間には深刻な対立が生じることがあります。カナダの統計機関である統計カナダは、その能力と独立性で世界中の統計機関から長い間称賛されてきましたが、同じ特性が国内では常に評価されるわけではありません。スティーブン・ハーパー首相（2006-15）の下で、政府は伝統的な国勢調査を廃止し、ボランティア調査に置き換えようとしました。これは安価で便利ですが、非常に信頼性が低いものでした。最高統計学者のムニール・シェイクは、彼の異議を公にし、辞任しました。ハーパー政権はまた、ITインフラを「共有サービスカナダ」という組織に移行したいと考えていましたが、次の首相ジャスティン・トルドーの政権がその計画を進めると、次の最高統計学者であるウェイン・スミスも辞任しました。 彼は、自身のデータと計算能力が別の組織に移される場合、収集している統計の機密性を保証できないと主張しました。また、カナダの統計士が独立を保つことができるかどうかも不確かであり、Shared Services Canadaに権限を持つ政府関係者から圧力を受ける可能性があるからです。これらの出来事を経て、カナダ統計局の強固な独立性に対する評判はさらに高まったと言えるでしょう。しかし、政治的スペクトルの一方が統計士に対して敵対的と見なされ、もう一方が彼らを擁護する場合、統計そのものが党派的な政治問題になってしまうリスクがあります。その点を考慮すると、カナダの最後の2人の首席統計士が抗議のために辞任した際、異なる2つの政府の下で行われたことに安心感を覚えるべきかもしれません。 プエルトリコでは、政府の統計士に対する反応はより過激でした。2017年9月の壊滅的なハリケーンの直後、統計機関PRISを完全に解散しようと試みたのです。表向きの理由は、PRISが高額すぎるというものでした。その百万ドルの予算は他の用途に使った方が良いというものでしたが、それが本当の理由であったかは疑わしいです。ハリケーンの直後、トランプ大統領が死者数が非常に少なかったことに感謝の意を示したことを思い出すかもしれません。死者は16人か17人で、12年前にニューオーリンズを襲ったハリケーンのような「本当の悲劇」ではないと述べました。それは軽率な発言でしたが、当時の公式な死者数と一致していました—その後、死者数は増えましたが、50人をわずかに超える程度でした。非常に少ないように思えました。多くの独立した研究者が、嵐によって直接亡くなった人々だけでなく、医療サービスが過剰に負担されて亡くなった人々や、道路が封鎖されて支援を受けられなかった人々を含めた自らの推定を試みました。アレクシス・サントスもその研究者の一人です。彼はペンシルベニア州立大学の人口統計学者で、ハリケーンが襲った際、プエルトリコにいた母親がいました。サントス教授は、ハリケーンの結果として直接的または間接的に約1000人が亡くなったとの推定を発表しました。これはプエルトリコで大きなニュースとなりました。さらに深刻な推定も後に発表されました。これらの推定はすべてPRISの人口統計データに基づいていました。一方、PRIS自体は、正確でタイムリーな死者情報を得るためにプエルトリコの保健省を訴えていました。行政にとって恥ずかしい状況を引き起こしていたため、PRISを解散するという脅威が全く驚くべきことではなかったのかもしれません。それでも、与えられた理由をそのまま受け入れてみましょう：PRISは本当に百万ドルの予算に見合う価値があるのでしょうか？公式統計がどれほどの価値を生み出すかという問いは有効であり、これを定量化しようとする試みは期待ほど多くはありません。 イギリスでは、2011年の国勢調査に向けてコスト・ベネフィット分析が行われ、国勢調査から得られるさまざまな利益が長いリストとしてまとめられました。その内容は、年金政策に関する議論を促進することから、学校や病院が適切な場所に設置されることを確保すること、さらには他のさまざまな統計を算出することまで多岐にわたります。結局のところ、人口を知らなければ、犯罪率やティーンエイジャーの妊娠率、収入、失業率などの「一人当たり」の統計を作成することはできません。分析者たちは「統計そのものは利益をもたらさない。統計を活用することで、政府や企業、慈善団体、個人がより良い、迅速な意思決定を行うことによって利益が生まれる」と述べました。この意見には説得力があり、驚くべき例もいくつかあります。例えば、ロンドンのメトロポリタン警察は国勢調査を利用して高齢者が多く住む通りを特定し、脆弱な人々を狙う詐欺師や泥棒から守るための取り組みに力を入れました。公衆衛生キャンペーンから核災害の緊急対策計画に至るまで、すべては人々がどこに住んでいるかを把握することに依存しています。しかし、コスト・ベネフィット分析者たちは肩をすくめ、これらすべてに対して具体的な価値を見出すことはできないとし、「明らかに非常に有用である」と宣言するにとどまりました。それでも、彼らは定量化できると判断したいくつかの利益を見つけ、それを年間5億ポンドの価値があると評価しました。これは、イギリスの住民一人当たり約10ポンドに相当します。国勢調査自体の費用が5億ポンド未満であり、10年間有効であることから、10倍のリターンは利益のかなり控えめな見積もりであることを示唆しています。 ニュージーランドでも公式統計の価値を算出しようとした試みがあり、国勢調査の実施にかかった費用は2億ニュージーランドドル（約1億2000万ドル）で、少なくとも10億ニュージーランドドルの利益を生み出したとされています。これは5倍のリターンに相当します。この研究では、国勢調査によって提供される基本的な知識、つまり「誰がどこに住んでいるか」を更新することで、病院や道路などの公共支出のより正確な配分が実現し、より良い政策形成が行われると考えられました。プエルトリコでは、研究者たちがPRISがどのように自らのコストを回収したか、例えばメディケアの支払いにおける詐欺防止のための新しいシステムの導入を可能にしたことなどを指摘しました。しかし、統計が価値あるものであることを示す最も強力な証拠は、収集コストがそれらが情報を提供する意思決定の価値に対して非常に安価であることです。例えば、CBO（議会予算局）は、年間4兆ドルの支出に関して議会に助言を行い、その予算は年間5000万ドルに過ぎません。別の言い方をすれば、アメリカ政府が8万ドルを支出するごとに、1ドルがCBOの運営に充てられ、残りの79,999ドルに光を当てることになります。CBOが存在意義を正当化するためには、政府の支出決定の効果をわずか0.00125パーセント改善する必要があります。CBOがこのハードルをクリアできないとは考えにくいです。 同様に、PRISの百万ドルの予算は、プエルトリコ政府の全体的な支出と比較すると、かなり控えめに感じられます。プエルトリコ政府の支出は約100億ドルで、これは約10,000倍の規模です。イギリスの国立統計局の年間予算は約2億5000万ポンドで、イギリス政府が支出する3,000ポンドごとに1ポンド未満です。アメリカ合衆国の13の主要な統計機関は、連邦政府の支出2,000ドルごとに1ドルのコストがかかります。もし、真剣に独立して収集されたデータが政府の意思決定をわずかでも改善するのなら、これらの機関に割り当てられた少額の公共支出は十分に価値があります。統計がなければ、政府は無知の中で手探りをすることになります。しかし、興味深い反論もあります。それは、政府があまりにも信頼性のない無能であるため、より多くの情報を与えることはリスクがあるというものです。それは、政府を助長するだけだというのです。この見解の有力な支持者の一人がサー・ジョン・カウパースウェイトでした。サー・ジョンは1960年代を通じて香港の財務長官を務めており、その当時、香港はまだイギリスの支配下にあり、急速な経済成長を遂げていました。その成長がどれほど急速だったかを正確に言うのは難しいのですが、サー・ジョンは香港の経済に関する基本的な情報を収集することを拒否していました。後にノーベル経済学賞を受賞することになる経済学者ミルトン・フリードマンは、その当時サー・ジョンに会い、なぜそうするのか尋ねました。「カウパースウェイトは、データが公表されると政府が経済に介入するための圧力がかかると確信していたため、官僚からのデータ提供の要請に抵抗していた」と説明しました。 この考えには論理がありました。香港の急成長は、飢饉に苦しむ共産主義中国からの移民の流入による部分もありましたが、カウパースウェイトとフリードマンは、政策に対するレッセフェールのアプローチが成功の要因であると信じていました。カウパースウェイトの政府は低い税率を課し、公共サービスはほとんど提供しませんでした。彼は、民間部門が人々の問題を国家よりも迅速かつ効率的に解決する傾向があると主張しました。それなら、ロンドンの当局が干渉を助長するだけのデータを収集する必要はないのではないかとカウパースウェイトは考えました。ロンドンの政治家が何もしない方が良く、彼らが知らないほど、何かをしようとすることも少なくなると。さらに、ジェームズ・C・スコットは彼の著書『国家のように見る』の中で、国家が収集する統計情報は欠陥があり、重要な地域の詳細が欠けていると主張しています。例えば、東南アジアの農村コミュニティには、地元の土地に関する複雑な慣習があります。各家庭は、能力のあるメンバーの数に応じて、その土地を耕作する権利を持っています。そして、収穫後はその土地は共用地となり、放牧が可能です。また、誰でも薪を集めることができますが、村のパン屋や鍛冶屋はより多くの薪を集めることが許されています。 新しい国土地籍の測量士が現れ、「この土地の所有者は誰ですか？」と尋ねてきます。しかし、事はそれほど単純ではありません。間違っていることや、重要な何かを見落とした世界観を持つことは一つの問題ですが、スコットは主張します。国家が強力であるため、その世界に対する誤解はしばしば物理的な形を取り、地元の知識を無視し、地域の自律性を抑圧する、善意ではあるが不器用な近代主義的な計画を生み出すのです。おそらく、私たちの不満を抱えた土地登録の測量士は、クリップボードに「地元政府がこの土地を所有している」と書くことに決めるでしょう。そして数年後、村人たちはその土地がパーム油プランテーションのために開発されているのを見て驚くのです。この議論をさらに進めることもできます。政府は全く悪意を持っている場合があり、最悪のケースはあまりにも壊滅的であるため、どれだけのデータを政府が持つべきかについて私たちの考え方に影響を与えるべきです。もしヒトラー、毛沢東、スターリンが自国の社会についてあまり理解していなかったら、彼らはもっと少ない害を及ぼしたかもしれません。政府が私たちについて知れば知るほど、私たちに対して支配を行使しようとする誘惑が強まるのではないかと心配するのは合理的でしょう。この議論はもっともらしく思えますが、私は納得していません。共産主義の東ドイツから現代の中国に至るまで、大規模な監視や人口管理に関心を持つ政府は、現代の民主主義における独立した統計機関が用いる方法とは非常に異なる手法を用い、非常に異なる種類のデータを収集してきました。そして歴史は、独裁者が堅実な統計の収集にあまり関心を持たないか、収集する能力が乏しいことを示唆しています。例えば、1950年代後半の中国での大躍進政策によって引き起こされた政府主導の悲惨な飢饉を考えてみてください。この飢饉では、人々は樹皮や鳥の糞、ネズミを食べるまでに追い込まれ、2000万から4000万人が死亡しました。この惨事は、農業生産に関する正確なデータの欠如によってさらに悪化しました。公式な統計が死者数を明らかにし始めると、それらは破棄されました。スターリンも同様に、1937年のソ連の国勢調査の結果が彼が以前発表した人口よりも少ないことを示したため、発表を抑圧しました。この矛盾はそれ自体が侮辱であり、スターリンの残虐行為の結果としての数百万の死を際立たせるものでした。ソ連の人口を正確に数えたことの罰は？統計を担当していたオリンピイ・クヴィトキンは逮捕され、射殺されました。彼の同僚の何人かも同じ運命を辿りました。これは、正確な統計情報を抑圧の不可欠な道具と見なす全体主義的指導者の行動ではありません。 ナチス・ドイツでは、国家の装置を支えるためにデータを利用しようとする野心が欠けているわけではありませんでした。ライヒは、最新の技術であるパンチカード機を使って全人口を追跡しようとしました。しかし、アダム・トゥーズが『統計とドイツ国家』で主張するように、統計基準は実際には低下しました。 ナチスの下での統計の取り扱いについて、「実行可能なシステムは決して考案されなかった」と述べられています。公式統計の伝統であるプライバシー、機密性、独立性は、ナチスのプロジェクトにはまったく馴染まなかったため、政治的圧力や派閥間の争いによってシステムはほぼ崩壊してしまいました。それを踏まえて、私はジェームズ・C・スコットの主張に大いに共感しています（スコットの考えについては私の著書『Messy』で詳しく論じています）し、サー・ジョン・カウパースウェイトの意見にも一定の理解を示しています。国家は謙虚であるべきです。官僚は自らの知識の限界を認識しなければなりません。俯瞰的な視点があまりにも壮大すぎると、全能感を引き起こすリスクがあります。サー・ジョンの英国政府への情報提供を拒否する戦略は、50年前の香港では効果的だったようですが、香港は特異な状況にありました。衰退する帝国の植民地であり、大きな政府が流行していた時代で、政府の介入は6,000マイル離れた場所で行われるものでした。これは異常な状況です。しかし、基本的な統計を収集しないという戦術は、自由主義的なレッセフェール体制にしか意味を持たないでしょう。そして、実際のところ、そのような展望に魅力を感じる人は非常に少ないようです。良くも悪くも、私たちは政府に行動を起こしてほしいと思っており、行動を起こすためには情報が必要です。国家が収集した統計は、犯罪、教育、インフラなどに関するより良い政策を形成するために役立ちます。資源が限られた貧しい国々では、公式統計機関が十分なリソースを持たないことが多く、より良い統計を通じて意思決定を改善する余地が特に広がっています。ある例がこの問題を示しています。教育が識字率を向上させる効果はどれほどでしょうか？これは教育政策や支出を考える上で有用な質問のように思えます。そこで、世界銀行の研究者たちはUNESCO（国連教育科学文化機関）が収集した統計を調査し、教育と識字率の間に驚くほど高い相関関係があることを発見しました。教育を多くの人に多くの年数提供している国ほど、識字率が高いという結果が得られました。明らかに、教育は効果的でした！彼らは興奮してその結果を発表しました。 残念ながら、彼らは小さな文字を読んでいませんでした。UNESCOは、必要なデータをすべて収集するためのリソースを持っていなかったのです。220か国をカバーするために70人のスタッフしかおらず、成人の識字率はその一部に過ぎませんでした。（パプアニューギニアのような場所で「識字」とは何を意味するのでしょうか？400の言語があり、その中には書き言葉を持たないものもあります。）必然的に、手抜きが生じることになります。UNESCOは成人識字率を自ら評価するために人員を派遣することができなかったため、代理指標を探すことになりました。困難な状況での最善の推測です。そして、彼らは、正式な教育を5年未満受けた人は識字率がないと見なすことに決めました。 世界銀行の研究者たちが教育と識字率の間に非常に密接な相関関係を見出したのも不思議ではありません。もしUNESCOのような組織が統計を収集するためのリソースをもっと持っていれば、代理データに頼る必要が減り、研究者たちは教育が識字率をどの程度促進するかといった質問に対してより良い答えを出せるでしょう。貧しい国々では統計の基盤が非常に不十分であり、国際援助に使われる毎300ドルのうち1ドルが統計の資金に充てられています。その金額を倍増させれば、残りの298ドルから得られる価値が大きく向上する可能性があります。 サー・ジョンのミルトン・フリードマンへのコメントには、政府の統計が単に政府によって収集されるのではなく、政府のために収集されるという暗黙の前提が含まれています。彼は、政府が統計なしでより良い仕事をするだろうと信じていた点で特異でしたが、それ以外の視点は一般的です。議会は、議会予算局（CBO）を設立する際に同じ考えを持っていたようです。CBOは議会に情報を提供するために設計されており、その名前にヒントがあります。この考え方は古くから存在しています。未来の大統領ジェームズ・マディソンが1790年に述べたように、政治家は「主張や推測ではなく、事実に基づいて議論を展開するために、正確な統計を委託することを厭わないべきです」。 政府が自らを情報で満たすために統計を収集するという考え自体には問題はありません。しかし、この見方が所有権的な感覚に滑り込むリスクがあります。政治家が統計を使って国を運営すべきだと信じるだけでなく、その統計は他の誰の関心事でもなく、外部からの監視は気を散らすものだと考えるようになるのです。事実はもはや事実ではなくなり、権力者の道具となってしまいます。サー・デレク・レイナーは、統計は管理ツールであるべきだという見解の誇り高い支持者でした。彼は、イギリスの高街の国民的宝であるマークス＆スペンサーで非常に成功したマネージャーであり、その後、イギリス政府に効率的な運営方法を助言していました。1980年、マーガレット・サッチャー首相は、イギリスにおける公式統計の収集と公表の方法を見直すよう彼に依頼しました。サー・デレクは喜んで応じました。彼はこれらの数字を基本的に管理情報システムと見なしていました。国を運営するのに役立つ統計は保持し、そうでないものは廃棄すればよいと考えていました。そして、誰もがそれらの数字から学んだり、異議を唱えたりできるように公表することに大騒ぎする必要はないと考えていました。サー・デレクの見解は誤りでした。良い統計は政府の計画者だけに役立つものではなく、はるかに広い人々のグループにとって価値があります。商業部門では、企業は政府が収集したデータを基に生産目標を計画し、工場やオフィス、店舗の立地、その他のビジネス活動を決定しています。 市民たちが持つべき情報の重要性を軽視するものでした。労働統計局、国勢調査局、エネルギー情報局、経済分析局が収集したデータは、銀行、不動産業者、保険会社、自動車メーカー、建設業者、小売業者など、多くの企業が計画を立てたり、自社のデータをより広い背景と照らし合わせて評価したりするのに役立っています。ブルームバーグ、ロイター、ジロー、ニールセン、IHSマークイットといったデータ集約型の民間企業の数十億ドル規模の取引は、企業が有用な統計に対して高額な対価を支払う意欲があることを示しています。しかし、これらの企業が統計の基盤を政府のデータの上に築いていることはあまり理解されていません。 これは単に利益を追求することだけではなく、市民が自分たちの生活する世界について正確な情報にアクセスできるようにすることが重要です。政府の統計機関は通常、その成果をすべての人に無償で提供しています。その中には、私的機関がどんな価格を払っても収集できないデータもあります。例えば、国勢調査のように、政府は法的に回答を求めることができ、私的機関にはその権限がありません。他のデータは収集可能ですが、高額なサブスクリプションベースでしか提供されないことが多く、民間の提供者は、データを手元に欲しい人々に年間数万ドルを請求することがあります。もちろん、私的企業がデータを収集し、無償で提供することもありますが、そのような統計はしばしば情報の形をした広告に過ぎません。 公に利用可能な統計は、切実な社会問題を理解し、明らかにするために使用できます。例えば、W.E.B.デュボイス—歴史家、社会学者、そして公民権運動の活動家—は、1900年のパリ万博の一環として、19世紀末に素晴らしいデータビジュアライゼーションの取り組みを行いました。彼のチームは、当時のアメリカにおけるアフリカ系アメリカ人の状況を示す美しいモダニストのグラフを作成し、人口統計、富、不平等などのデータを含んでいました。その中には、デュボイスと彼のチームがアトランタ大学で収集したデータを使用したものもありましたが、最も印象的なグラフィックのいくつかは、米国国勢調査などの公式統計ソースに依存していました。これは、世界を理解したり、変革を求めたりする人々が、公式統計を利用して助けを得ることができる一例です。信頼できる統計があれば、市民は政府に対して責任を問うことができ、政府はより良い意思決定を行うことができます。もし政府が統計を市民ではなく政治家のものだと考えるなら、政府の意思決定の質は向上しませんし、政府に対する評価も高まることはありません。サー・デレク・レイナーの考えは、多くの統計学者を驚かせました。その問題は、市民が持つべき情報の重要性を軽視する腐食的なメッセージにありました。 イギリスの一般市民はこう言います。「これらの数字はあなたのためではなく、重要な人々のためのものだ」と。しかし、サー・デレクのように、統計が本当に重要な人々のためだけのものであると信じている人でも、統計を公にすることには良い理由があります。それは、公開することで統計が正直でいられるからです。前の章で見たように、公共の監視は非常に重要です。それが科学と錬金術を区別するものです。統計が公表され、誰でもアクセスできるように設計されていれば、学者や政策専門家、さらには少しの時間とコンピュータへのアクセスがある誰でも分析し、検証することができます。誤りは特定され、修正されることが可能です。実際、サー・デレクが提案した改革は、失業の定義が10年間で30回以上も変更され、一般的には失業率を低く見せる方向に調整されるという状況を生み出しました。これは、統計がもはや公共の利益と見なされなくなったときに起こることです。そして、驚くことではありませんが、人々はこれらの統計の質について非常に懐疑的になりました。「偽りの数字」と、ドナルド・トランプが言ったかもしれません。もちろん、公式データがプロパガンダの理由で何度も調整されると、信頼は当然のことながら消えてしまいます。現在改革されたイギリスの統計システムは、25年間にわたってその評判を回復しようと努力してきました。それには時間と努力が必要でした。なぜなら、信頼は簡単に失われ、取り戻すのは難しいからです。それでも、イギリスの国家統計局は、イングランド銀行、裁判所、警察、官僚機構などの同様の組織よりも信頼されていますし、政治家やメディアよりもはるかに信頼されています。サー・デレクの見解、つまり政府が収集した統計は主に政府の管理者の便宜のために存在し、市民がそれを見る権利は特にないという考え方は、幸いにもほとんどの確立された民主主義の中で時代遅れになっています。しかし、一つの名残が明らかに残っており、これはトランプ大統領が2018年6月1日金曜日、月次雇用報告が発表される日を無意識に強調しました。「今朝8時30分に雇用の数字を見るのを楽しみにしている」と、トランプは午前7時21分にツイートしました。これは、Twitterでウィンクする方法を示す奇妙な例です。市場は良いニュースを期待して跳ね上がりました。69分後、雇用報告が発表され、驚くべきことに、そのニュースは本当に良いものでした。トランプは予知能力があったのでしょうか？いいえ。彼は単に雇用の数字を事前に知らされ、世界に良いニュースを期待するよう伝えることにしただけです。公式統計はしばしば政治的にも財政的にも敏感なものであり、例えば、最新の失業率が多くの雇用が創出されたことを示す場合、金融市場は報告が厳しい場合とは異なる反応を示します。数字は時には政治的な議論を形作ることもあります。このため、公式統計は計算と確認が行われている間は機密扱いとされ、特定の瞬間に、正確に発表されます。 しかし、アメリカやイギリスを含むいくつかの国では、特定の人々が特定の公式統計を事前に見ることができます。これを「事前公開アクセス」と呼び、物議を醸す慣行です。この慣行の正当化は、閣僚が対応を準備し、ジャーナリストからの質問に答えるためです。このため、さまざまな政治顧問や広報担当者などが、この特権的なアクセスを持つ人々のリストにしばしば含まれています。イギリスの内閣府によるこの慣行に関する自己満足的なレビューでは、広報担当者が事前公開の慣行を終了することは「災害になるだろう…メディアは公式なコメントなしに単に自分たちのストーリーを持つことになる」と考えていると述べられています。おやおや。権力を持つ政治家が、良い統計が出た場合にはそれを誇示するために、また悪い場合には自分たちのストーリーを整えたり気をそらしたりするために、事前に統計を知ることが便利だと考える理由は明らかです。しかし、これが公共の利益にかなっているかどうかは疑問です。なぜ、議論の両側にいるすべての人が、数字が準備できた時点で同時にアクセスできないのでしょうか？（妥協案として、閣僚が統計を30分前に受け取り、携帯電話にアクセスできない状態で一人で座って回答を考えるという方法があります。これは、権力者を試験に戻すような心地よさがあるだけでなく、ジャーナリストが時折敏感な公式発表を受け取る方法でもあります。私たちはそれに対処します。カナダの統計学者が国際的な同僚の集まりでこのアプローチを説明している話を聞いたことがあります。彼女のロシアの同僚が質問を投げかけました。「閣僚が統計を変更したい場合、そのアプローチはどう機能するのですか？」まさにその通りです。） ここには公正感以上のものがかかっています。イギリスでは、いくつかの官僚や顧問が失業統計に事前公開アクセスを持っているため、市場の観察者たちは奇妙なことに気づきました。外国為替レートや国債の価格などの主要な金融市場の価格が、数字が発表される直前に急激に動くことがあるのです。これが起こるとき、大抵はデータが市場の予想を大きく上回るか、下回るものであり、取引はその驚きを利用する方向に進みます。市場が統計学者と同じことを、発表の45分前に何らかの形で把握していないか確認するために、経済学者アレクサンダー・クロロフは、イギリスの状況と、公式統計の事前公開アクセスを禁止しているスウェーデンの状況を体系的に比較しました。スウェーデンの政治家や広報担当者は、他のすべての人と同時に数字を知ることができ、スウェーデン・クローナのトレーダーたちは、どうやら同じような動きはしないようです。 この章では、イギリスのポンドのトレーダーたちが持つ不思議な透視能力について触れています。証明することは不可能ですが、事前にデータにアクセスできる人が、トレーダーの友人たちに合図を送っていた可能性が高いようです。誰がその人物なのかは分かりませんが、失業統計に事前アクセスできる人は118人もいたため、特定の犯人を見つけるのは容易ではありません。（なぜ「正式なコメント」をメディアに提供するために118人も必要だったのか、私も疑問に思います。）トランプのツイート自体はそれほど悪影響を及ぼさなかったかもしれません。結局、誰もが同時にそのツイートにアクセスできたのです。実際、大統領は無意識のうちに、事前アクセスの隠れたスキャンダルや、それが腐敗を招く招待状であることを、特にトランプよりも巧妙なオペレーターにデータが渡る場合に、広く議論される失態に変えたのかもしれません。このような特権的なアクセスはインサイダー取引を助長しますが、より重要なのは、公式統計に対する信頼を蝕むことです。イギリスのプレス担当者たちは、インサイダー特権を維持したいがために、もし大臣たちがデータについて即座に洗練されたコメントを提供できなければ、統計への信頼が損なわれると抗議しました。しかし、事前アクセスを禁止することに最も厳格な国々は、公式データに対する公共の信頼が最も強い国々でもあるというのが真実です。そのことに驚くプレス担当者もいるかもしれませんが、私はそうは思いません。幸いなことに、データの探偵たちが先頭に立ってこの問題に取り組んでくれました。イギリスでは、ロイヤル・スタティスティカル・ソサエティが、政府の大臣や他のインサイダーが私たち一般市民よりも先に貴重なデータを覗き見ることを許す慣行に対して、強くキャンペーンを展開しました。政府がプレスリリースを作成するために数字を確認する必要があるという考えは「有害であり、数字に関する議論を歪め、大臣がデータをコントロールしているという印象を永続させる」とRSSは述べています。私もその意見に賛同します。イギリスでは、公式統計に対する信頼度は一部の国々ほど高くはなく、またあるべき水準にも達していませんが、それでも政治家への信頼度よりははるかに高いのです。政治家が信頼される統計の発表に関与したい理由は理解できますが、私たち一般市民がそれを望む理由は明確ではありません。そこで、2019年7月1日からイギリスがスウェーデンを模範として公式統計への事前アクセスを終了することを決定したことをお知らせできることを嬉しく思います。新しい制度の下では、これらの数字を公表前に知ることができるのは、統計を扱う統計学者だけです。大臣たちが他の人々と同時に事実を知ることになっても、公式統計への信頼は揺るがないだろうと私は感じています。この章は、政府で重要な役割を果たす仲間のオタクたちへの心からの擁護です。彼らは時に有権者からの無関心、権力者からの干渉、そしてあらゆる側からの懐疑に直面しています。どの国の公式統計機構も、必ずしも完璧であるとは言えないことを示唆したいわけではありません。 公的統計は信頼できるものであるべきですが、私たちはアルゼンチンやギリシャからの公式統計が誤解を招くものであったこと、1980年代の英国では失業データが数ヶ月ごとに調整されていたこと、カナダでは統計学者が政治家の決定に抗議して辞職を余儀なくされたことを目の当たりにしてきました。一部の統計学者は家族に対する脅迫を受けなければならず、他の者は大臣が望むならデータを変更できることを公然と認めています。このような問題が常に明るみに出ると考えるのは naïve ですし、真実が常に勝利するわけではありません。公式統計が私たちの期待通りに巧妙かつ独立して作成されたとしても、完璧にはなり得ません。私たちが気にかけるいくつかの事柄、例えば家庭内暴力、脱税、路上生活者の数などは、測定が難しいものです。公式統計学者が収集するデータをより代表的で、関連性があり、日常の経験と調和しやすく、完全に透明にする余地は確かにたくさんあります。彼らがそれを実現できればできるほど、私たちの信頼に値するでしょう。しかし、彼らの問題や弱点があっても、公式統計は私たちが持つデータの基盤に最も近いものです。国が熟練した専門的かつ独立した統計学者のチームを選び、守るとき、事実は自ら明らかになります。国の国家統計が不十分な場合、国際的な統計学者のコミュニティが不満を表明します。独立した統計学者が政治家から攻撃されたり脅迫されたりしたとき、そのコミュニティは彼または彼女を守るために団結します。統計学者は私たちが思っている以上に大きな勇気を持っています。彼らの独立性は当然のものではなく、軽視されるべきではありません。市民として、私たちはその統計的基盤を求める必要があります。国の状況を理解したいのであれば—自分自身の決定を情報に基づいて行うため、あるいは政府に説明責任を求めるために—通常は国家統計局、ユーロスタット、カナダ統計局、労働統計局、議会予算局などの組織が提供する統計と分析から始めることになります。厳格で独立した統計機関は私たち全員を賢くします。ですから、アンドレアス・ジョルギウ、グラシエラ・ベバクア、そして故アリス・リブリンに感謝しましょう。そして、もしよければファン・フォックスに乾杯を。 ルール9 誤情報も美しいことを忘れないでください 私たちは、これまで犯してきた統計的な誤りを、より美しくして再現する危険にさらされています。マイケル・ブラストランド、BBCラジオ4の「モア・オア・レス」の共同制作者によれば、フローレンス・ナイチンゲールはビクトリア朝の英国では紹介の必要がない存在でした。彼女は国の非公式な守護聖人であり、2002年までイギリスの紙幣に登場した唯一の非王族の女性でした。彼女の伝説は今も続いており、パンデミックの要求に応えるために数日で建設された4,000床のロンドン病院はナイチンゲール病院と名付けられました。 フローレンス・ナイチンゲールの時代、彼女以上に認知されていた女性は、ビクトリア女王だけだった。国民はクリミア戦争におけるナイチンゲールの「女性的」英雄的行動を称賛し、彼女はイスタンブールのスカタリ駐屯地病院の病棟を歩き回っていた。1855年2月8日の『タイムズ』の社説にはこう書かれている。「彼女はこの病院で誇張なしに奉仕する天使であり、彼女の細身の姿が静かに廊下を滑るように進むと、すべての貧しい人々の顔は彼女を見て感謝の気持ちで和らぐ。」 うんざりだ。私は彼女の統計学者としての貢献にもっと興味がある。ナイチンゲールはロイヤル・スタティスティカル・ソサエティのフェローに選ばれた最初の女性だった。彼女の「細身の姿」が廊下を滑るのに忙しくないとき、彼女はスカタリで病気や死亡に関するデータを注意深くまとめていた。彼女が数字の中に見たものは、イギリス軍とイギリス国民を変えるという使命感を彼女に与えた。クリミアから帰国した後、彼女がよく出席していた知的なディナーパーティーの一つで、ウィリアム・ファーに出会った。ファーは彼女より13歳年上で、貧しい家庭に生まれ、ナイチンゲールのような名声や前線での経験、政治的なコネを持っていなかった。しかし、彼は国内で最高の統計学者であり、それが彼女にとって重要だった。二人は友人であり、協力者となった。ナイチンゲールの多くの伝記作家の一人、ヒュー・スモールは、彼女とファーが集めたデータを巧みに扱った結果、イギリスの平均寿命が20年延び、数百万の命が救われたと説得力を持って主張している。 1861年春にナイチンゲールとファーの間で交わされた手紙には有名な言葉がある。「あなたは報告書が乾燥しすぎると不満を言っています。乾燥している方が良い。統計は最も乾燥した読み物であるべきです。」この言葉は、ファーがナイチンゲールに宛てたものとしていくつかの伝記作家によって報告されている。それは理解できる—年配の統計学者が情熱的な若い提唱者に対して、正義感あふれるキャンペーンの衝動を抑えるよう助言しているのだ。しかし、実際には伝記作家たちは間違っている。この手紙はナイチンゲールがファーに宛てたものであり、二人は統計を用いてどのように効果的にコミュニケーションを取るかという問題に取り組んでいた。ナイチンゲールは、コミュニケーションは硬い、乾燥した事実に基づくべきだと主張していた。（同じ手紙の中で彼女はこう書いている。「私たちは事実が必要です。『Facta, facta, facta』はすべての統計作業の頭に掲げるべきモットーです。」） しかし、それはコミュニケーション自体が乾燥している必要があるという意味ではなかった。ナイチンゲールは印象的な表現を生み出すことができた。例えば、平時の軍隊における不必要に高い死亡率は、サリスベリー平原に1100人を連れ出して射殺することに相当すると主張した。私たちの目的にとってより重要なのは、彼女がデータの視覚化において画期的なイメージを設計したことだ。彼女の「ローズダイアグラム」は、初期のインフォグラフィックの一つだった。 彼女は、忙しく影響力のある人々が数字の表よりも鮮やかな図にずっと注意を払うことを理解した最初の人物かもしれません。1857年のクリスマスの日に書かれた一通の手紙の中で、彼女は社会変革のためにデータビジュアライゼーションを活用する計画を描きました。彼女は、自分の図をガラス張りにし、額に入れて、陸軍医療委員会やホースガーズ、戦争省の壁に掛けることを宣言しました。「彼らが知らないこと、そして知るべきことです！」と彼女は書きました。彼女はビクトリア女王にロビー活動を行うことも計画しており、美しい図が不可欠であることをよく理解していました。ナイチンゲールが女王に彼女の分析本の一冊を送る際に言ったように、「彼女は絵があるから見るかもしれません」。 これは皮肉めいていて、ほとんど軽蔑的な表現ですが、真実です。チャートには特別な力があります。私たちの視覚は強力で、時には過剰です。「見る」という言葉はしばしば「理解する」の直接的な同義語として使われます。「あなたの言いたいことがわかります」。しかし、時には見ても理解できないことがあります。さらに悪いことに、見た後に「理解」したことが全くの誤りである場合もあります。データの絵がうまく作られていれば、千の言葉に匹敵します。それは単なる説得力を超え、混沌の中に隠れたパターンを明らかにします。しかし、すべてはチャートの作成者の意図と、読者の知恵に依存します。この章では、数字を絵に変えようとしたときに何が起こるかについて話します。何が間違っているのかを見ていきます。そして、ナイチンゲールの有名なバラの図の背後にある物語を追うことで、データビジュアライゼーションが明確かつ誠実に使用されるときにどれほど強力であるかを見ていきます。 今日私たちに押し寄せるデータビジュアライゼーションの多くは、せいぜい装飾であり、最悪の場合は気を散らすものや誤情報です。装飾的な機能は驚くほど一般的で、これは多くのメディア組織のデータビジュアライゼーションチームがアート部門の一部であるためかもしれません。彼らは統計ではなく、イラストやグラフィックデザインのスキルと経験を持つ人々によって率いられています。強調されるのはデータではなく、ビジュアライゼーションです。何よりも、これは一つの絵です。数字を装飾として扱う最もひどい例は、ただ大きく目を引くフォントで書かれた古い数字に過ぎません。前の文に含まれる単語数は21です。これはテキストが詰まったページを明るくするかもしれませんが、インクの使い方としてはほとんど洞察に富んでいません。また、正しい数字は21です。派手なデザインに気を取られて、基礎となる数字が単に間違っている可能性を見逃さないようにしましょう。別の装飾的アプローチは、「ビッグダック」グラフィックスと呼ぶことができるものです。ビッグダック自体は、1930年代にニューヨーク近郊に建てられた建物で、アヒルの卵やアヒルを販売するためのショップとして使われました。ビッグダックが30フィートの白いアヒルに似ていると聞いても、あなたはそれほど驚かないかもしれません。建築家たちは… デニース・スコット・ブラウンとロバート・ヴェンチューリは、「ダック」という用語を使って、関連する製品やサービスに似せてデザインされた建物を指しました。例えば、巨大なイチゴの形をしたイチゴスタンドや、飛行機の形をした深圳空港などです。エドワード・タフテはこの「ダック」という言葉を借りて、グラフィックスにおける類似の傾向を説明しました。NASAの予算に関するグラフがロケットの形をしていたり、高等教育に関するグラフが学位帽の形をしていたり、ナイジェル・ホームズが『タイム』のために作成した例では、ダイヤモンドの価格に関するグラフがダイヤモンドで飾られた女性の形をしており、彼女の美しい網タイツの脚が無傷の1カラットの石の価格を描いていました。時には、こうした視覚的な言葉遊びが人々が情報を読み取り、記憶するのに役立つこともあります。しかし、これらはしばしばユーモアの貧弱な試みであったり、退屈に見えるデータに興味を持たせようとする必死の試みであったりします。データビジュアライゼーションのダックは、単に味気ないだけでなく、グラフの「ダックさ」が実際には基礎となる情報を隠したり、さらには誤って表現したりすることもあります。 これには興味深い歴史的な類似点があります。それは「ダズル迷彩」です。ダズルは第一次世界大戦における戦艦の防御手段で、潜水艦に襲われる危険が常にありました。通常の「溶け込む」迷彩法は、常に変化する海と空の中でその存在を誇示する巨大な鋼鉄の船には選択肢ではありませんでした。ダズル迷彩は迷彩の概念をひっくり返しました。それは抽象的なうねりやハーレクイン模様の乱舞で、実際にはキュビズムのアートに似ていたため、ピカソ自身がその功績を主張しようとしたほどです。 ダズルの実際の発明者は、ノーマン・ウィルキンソンというカリスマ的なアーティストで、戦争の初めにロイヤル・ネイバル・リザーブに参加しました。彼は後にこう説明しました。「潜水艦から見えないように船を塗ることは不可能だったので、その極端な反対が答えでした。つまり、船を低視認性のためではなく、その形を崩して潜水艦の士官を混乱させるように塗ることです。」 魚雷は目標に当たるまでに水を切るのに時間がかかるため、潜水艦の潜望鏡オペレーターは魚雷を発射する前に船の速度と方向を迅速に判断する必要がありました。ダズル迷彩の船を小さなスコープで見つめるオペレーターは、船を見ていることは分かっていても、魚雷を正確に狙うために重要な手がかりを見分けるのが難しいことに気づきました。うねりは船首波のように見え、ハーレクインのダイヤモンド模様は戦艦の船体のさまざまな角度の表面と混同される可能性がありました。その結果、見張りは船の速度、進行角度、サイズ、そして船までの距離を誤って判断することが容易になりました。彼は一隻の船ではなく二隻の船を見てしまったり、船首を船尾と間違えて船の後ろではなく前方に狙いを定めたりすることもあり得たのです。 ダズル迷彩は、誤った判断を引き起こすことを目的としていました。百年以上経った今、インフォグラフィックの中にダズル迷彩の影響を見出すのは難しくありません。テレビから新聞、ウェブサイト、ソーシャルメディアに至るまで、私たちは注意を引くグラフィック画像に囲まれており、それらは共有やリツイートを求めていますが、意図的であれ無意識であれ、私たちを誤解させ、しばしば誤った判断を促しています。少なくとも、ダズル船を見た潜望鏡のオペレーターは、何か奇妙なものを見ていることに気づいたでしょうが、インフォグラフィックに魅了される私たちの多くは、何も疑わずに受け入れてしまいます。 この未来の出来事は、フローレンス・ナイチンゲールがデータへの情熱を見出していた少女の頃にはまだ遠いものでした。彼女は9歳の時に、自分の庭の植物を分類し、グラフにしていました。成長するにつれて、彼女は両親に高品質な数学の教育を受けるように懇願し、ディナーパーティーでは、今や有名なプロトコンピュータの設計者である数学者チャールズ・バベッジのような人々と出会いました。また、彼女はバベッジの共同研究者であるエイダ・ラブレスの家に滞在し、偉大なベルギーの統計学者アドルフ・ケテルと文通をしていました。ケテルは、グループの「平均」や「算術平均」を取るというアイデアを広めた人物であり、これは複雑なデータを一つの数字で要約する革命的な方法でした。彼はまた、統計を用いて天文学的観測や気体の挙動だけでなく、自殺、肥満、犯罪の蔓延といった社会的、心理的、医学的な問題を分析できるという考えを先駆けました。バベッジとケテルは後にロイヤル・スタティスティカル・ソサエティの創設者となり、ナイチンゲールはその初の女性フェローとなりました。 30代に入ったフローレンス・ナイチンゲールは、先駆的な数学者たちの世界に浸っていましたが、彼女の職業はロンドンのハーレー・ストリートにある小さな病院の看護監督でした。そこで彼女は、会計や病院のインフラを整理するだけでなく、ヨーロッパ中の他の病院に調査を送り、管理実務について尋ね、結果を集計していました。1854年の終わり頃、彼女は戦争大臣であり古い友人のシドニー・ハーバートに説得され、クリミア戦争で負傷したイギリス兵士の看護のためにイスタンブールに看護師の代表団を率いることになりました。この戦争はロシア帝国とイギリスを含むいくつかの大欧州列強との間の厳しい戦いでした。ナイチンゲールがイギリス軍に参加することは、女性としては前例のないことであり、そこでの病院のひどい状況について報じられることに憤慨した公衆をなだめるためのものでした。『タイムズ』の報道はクリミア戦争を長期にわたる災害の物語に変え、多くの馴染みのある登場人物を描きました。結局、フローレンス・ナイチンゲールは公衆の支持を保ち続けた唯一の人物であり、将軍たちや他の人々はその惨事によって信用を失ってしまいました。 スカutariのバラック病院（イスタンブール）は、まさに死の罠でした。クリミア戦線からの数百人の兵士が、下水道の近くの狭い環境で傷を癒そうとする中、チフス、コレラ、赤痢に次々と倒れていきました。ナイチンゲールが到着すると、彼女の目に入ったのは、どこを見てもいるネズミやノミでした。ベッドや毛布といった基本的な物は欠如しており、料理するための食料や鍋、食器もありませんでした。これらの状況が『ザ・タイムズ』に報じられると、世論は激怒しました。ナイチンゲール自身も、読者から資金を集めるために新聞を利用し、組織が不十分なイギリス陸軍に対して行動を起こすよう圧力をかけました。病院の記録管理が他のどの面と同様にひどく整理されていなかったことは、あまり注目されませんでした。標準化された医療記録は存在せず、さまざまなイギリス陸軍病院間での報告も一貫していませんでした。一見すると些細な問題のように思えるかもしれませんが、ナイチンゲールはこれが大きな問題であることを理解していました。良好な統計がなければ、なぜこれほど多くの兵士が亡くなっているのかを理解することも、状況を改善する方法を見つけることも不可能でした。亡くなった兵士たちも数えられず、死が記録されることなく埋葬されていました。ナイチンゲールはこの状況を誰よりも近くで見ていました。彼女は亡くなった兵士一人一人の家族に手紙を書くという任務も引き受けました。しかし、彼女は個人的な経験だけでなく、全体を俯瞰する視点も求めており、特定の真実は統計的な視点を通してのみ認識できることを理解していました。彼女は病院のデータを標準化し、意味を持たせようとしました。戦争が終わった後も、ナイチンゲールは医療統計の標準を向上させるために尽力し続けました。彼女はファーと協力して行ったこの作業のいくつかは、非常に地味なものでした。例えば、彼らはさまざまな病気や死因の記述を標準化しようとし、ファーが技術的な面を担当し、ナイチンゲールが彼のアイデアを採用するようキャンペーンを行いました。1860年には国際統計会議に手紙を書き、病院がファーの方法を用いて統一基準に従った統計を収集すべきだと主張しました。これは単なる細かいことではなく、統計を標準化することで異なる病院を比較し、お互いから学ぶことが可能になるのです。このような統計的基盤の構築は、多くの人が見落としがちですが、本書で何度も見てきたように、統計記録のための明確な基準がなければ、何も合算できません。明確な定義から解き放たれた数字は、私たちを簡単に混乱させることがあります。フローレンス・ナイチンゲールは巧妙なキャンペーンを展開したかもしれませんが、彼女のキャンペーンは最も堅固な基盤の上に築かれていました。巧妙な装飾的アイデアの最も単純な問題は、基本データがしっかりしていない可能性があることです。その場合、視覚化はその事実を隠すだけであり、腐敗した統計的ケーキの上に輝くアイシングのようなものです。一つの教育的な例として、デビト・マッキャンドレスが数年前に制作した忘れられないアニメーション「デブトリス」があります。これは大きなブロックを示しています。 8ビットのサウンドトラックに合わせてゆっくりと落ちていく様子は、依存性の高いコンピュータゲーム「テトリス」に対するオマージュです。そのサイズはドルの価値を示しており、「$60bn: 2003年のイラク戦争の推定コスト」の後には「$3000bn: イラク戦争の推定総コスト」が続き、さらにウォルマートの収益、国連の予算、金融危機のコストなどが表示されます。装飾としては素晴らしいもので、グラフは美しく、音楽は頭の中で延々とループし、さまざまな比較がゆっくりと明らかになることで驚き、笑い、怒りを引き起こします。しかし、デブトリスを観る楽しさを生む要素が、根底にある問題を見つけるのを難しくしています。統計的なリンゴが統計的なオレンジと比較され、株とフローが比較されるのです。これは、家を買う総コストと家を借りる年間コストを比較するのと同じくらいの混乱を招くものです。純利益と総売上を比較するようなもので、明らかに不適切な比較です。イラク戦争のコストの前後比較における衝撃的な違いは、不公平な比較に基づいていることが分かります。（公平な比較でも衝撃的な違いが示されるかもしれませんが。）戦争前の数字は狭い範囲の推定値で、アメリカ軍の予算にかかるコストを示しています。一方、戦争後の数字は非常に広範で、失われた命のコスト、高い石油価格のコスト、そしてマクロ経済の不安定性のコストを含んでおり、2008年の金融危機の一因として戦争を挙げています。この広範なコストの推定は不合理ではありませんが、異なる種類の推定を無言で並べるのは不合理です。一見すると純粋な前後の対比に見えますが、実際には狭い範囲の前と広い範囲の後を比較しており、異なるものを異なる時点で測っているのです。デブトリスのアニメーションを見ている誰もがそのことに気づくことはありません。デブトリスは2010年に発表され、すぐに私のお気に入りの警告的な例となりました—視覚化は素晴らしいが、データはひどいのです。数年後、会議でデビッド・マッキャンダレスに紹介されました。少し気まずい気持ちになりました。彼がいない間に彼の作品について不満を言っていたのですが、彼にコメントを送る礼儀を欠いていました。しかし、彼は気づいていなかったのかもしれません。告白せざるを得ませんでした。「デビッド、あなたのデブトリスのアニメーションについて懸念があります。」すると彼は「それは知っていますよ」と返しました。私は居心地が悪くなりました。しかし、彼の最近の作品は同様に印象的でありながら、基礎データに対してより慎重です。例えば、似たような精神の視覚化「ビリオン・ポンド・オーグラム」は、株とフローを混ぜていますが、それを行うことに対してはるかに透明性があります。マッキャンダレスを擁護するために言うと、彼のデブトリスのアニメーションの背後にあるデータが不完全で一貫性がないことを知ることができたのは、彼がそれを完全に参照していたからです。多くの人はそうではありません。情報は美しいですが、誤情報もまた美しいことがあります。 美しい誤情報を作成することが、これまで以上に容易になっています。かつては、グラフィックを作成し再現するには多くの時間と手間がかかりました。直線や正確なエッジ、色を使ったシンプルなグラフィックでさえ、専門的な技術や高価な印刷方法が必要でした。1983年にエドワード・タフティが著書の中で、斜めに陰影をつけた白黒パターンの使用を嘆いていることは示唆に富んでいます。彼はそれが不安定なちらつきの錯覚を生む可能性があるからです。「このモアレ振動は、おそらく最も一般的なグラフィカルな混乱の形態です」と彼は不満を述べています。当時は一般的だったかもしれませんが、今日ではほとんど見かけません。今では斜めの陰影ではなく、色を使うのが常です。最近では、専門的な技術も必要ありません。さまざまな強力なソフトウェアツールが、数字を素早く画像に変換してくれます。しかし、どんな強力なツールも注意して使うべきであり、そのプロセスの速さが、基礎データやそれを最もよく表現する方法について真剣に考えずに印象的なグラフィックを作成できることを意味します。美しいグラフィックを作成する容易さは、それを共有する容易さに勝るものではありません。Facebookでの「いいね」やTwitterでのリツイートが、その画像を瞬時に広めます。言葉や数字で表現するのが最も適しているアイデアも、結局はグラフィックに変えられます。なぜなら、それがソーシャルメディアで広がるからです。残念ながら、その選別の基準は、関連性や正確性ではなく、美しさや衝撃的な価値の組み合わせであることが多いのです。 気候科学者のブライアン・ブレットシュナイダーの経験を考えてみましょう。彼は美しい地図が好きで、2018年の感謝祭に「地域ごとのお気に入りの感謝祭パイ」を示す地図を作成しました。中西部にはココナッツクリームパイ、西海岸にはスイートポテトパイ、南部にはキーライムパイが含まれていました。イギリス人の私には感謝祭についてあまり知識がありませんが、私の好きなパイは冷たいポークパイです。しかし、アメリカ人の目にはその地図が間違っているように見えたと聞いています。パンプキンパイはないの？アップルパイは？その地図とそれに対する怒りは、Twitterでバイラルになりました。テキサス州の著名な共和党政治家テッド・クルーズ上院議員は、テキサス人がキーライムパイを好むという提案を気に入らず、「#FakeNews」とツイートしました。そして彼は正しかったのです。ブレットシュナイダーは全てを作り上げていたのです。彼は冗談を言っていたのです。その地図は、インターネットでバイラルになる他の悪い地図のパロディでした。しかし、100万人以上がそのツイートを見た後、ブレットシュナイダーは不安を感じ始めました。人々は彼が冗談を言っていることを理解していたのでしょうか？誰がそのジョークを理解し、軽い怒りを持って地図を共有し、誰がそれを確かな事実だと信じていたのかはわかりません。しかし、鮮やかなグラフィックの使用がそのバイラルな力を与えたことは確かです。「私たちは地図を正確な情報の保持者として非常に高く評価する傾向があります」とブレットシュナイダーは書いています。「地図に載っているなら、それは真実に違いないですよね？もし私が地域ごとのお気に入りのパイの冗談リストをツイートしていたら、すぐに無視されていたでしょう。地図の形をしていたからこそ、信憑性があったのです。」まさにその通りです。 私がブレットシュナイダーと異なる点は、問題が地図に限らないと考えていることです。どんな鮮やかなグラフィックも、真実であれ偽りであれ、あるいはその両方であれ、バイラルになる可能性を秘めています。この本は、私たちが周囲の事実に対する感情的な反応に気づくべきだという警告から始まります。まさにその通りで、画像は想像力や感情を引きつけ、私たちがもう少し考える時間を持つ前に簡単に共有されてしまいます。もし私たちがそうしなければ、自らを魅了されるままにしてしまうことになります。スカタリ病院の状況は壊滅的でした。フローレンス・ナイチンゲールは後に「経験の浅い目には、スカタリの建物は壮大に見えた。しかし私たちの目には、最初の状態では本当に白い墓であり、疫病の家だった」と書いています。しかし、なぜ多くの兵士が死んでいたのでしょうか？現代の視点から見ると、衛生状態の悪さが明らかな説明です。汚れた害虫だらけの環境では、病原菌が自由に伝播していました。しかし、病気が微生物によって伝染し、消毒剤を使って清潔に保つことで戦えるという考えは、まだ初期の段階にありました。ほとんどの医師はそのような推測を耳にしたことすらなく、ましてや信じることはありませんでした。ナイチンゲールも例外ではなく、彼女はスカタリでの高い死亡率は食料や物資の不足によるものだと考えていました。この問題を解決するために、彼女は『タイムズ』を通じて高額な資金集めやキャンペーンを行いました。それでも彼女は病院を清掃するためのチームを要請し、1855年の春にこの「衛生委員会」がイギリスから到着し、壁を白塗りし、汚物や死骸を運び出し、下水を掃除しました。主な目的は病院を少しでも快適にすることでしたが、即効的な効果として死亡率は50％以上から20％にまで減少しました。フローレンス・ナイチンゲールは何が起こったのか、なぜそうなったのかを理解したいと考えました。そして、リチャード・ドールやオースティン・ブラッドフォード・ヒルのように、彼女はデータを十分に注意深く調査すれば真実を見出せると信じていました。彼女の厳密な記録管理は、衛生委員会の活動後の劇的な改善を非常に明確に示しました。ナイチンゲールが戦争から帰還したとき、ビクトリア女王は彼女を召喚しました。ナイチンゲールは女王に、軍の健康を調査するための王立委員会を支持するよう説得しました。彼女はまた、委員会にウィリアム・ファーを含めることを推奨しましたが、ファーの低い出自のために彼は権威者たちから良い扱いを受けず、最終的には無給の顧問としてのみ委員会に残されました。ナイチンゲールとファーは、衛生状態の悪さがクリミア戦争の病院での多くの死因であると結論づけ、ほとんどの軍事および医療専門家がこの教訓を学ぶことに失敗したと認識しました。この問題は一つの戦争にとどまらず、兵舎や民間病院などでの継続的な公衆衛生の災害でした。二人は、より良い公衆衛生対策、賃貸物件における衛生に関する厳しい法律、そして全国の兵舎や病院の衛生状態の改善を求めて活動を始めました。 ナイチンゲールは国で最も有名な看護師かもしれませんが、彼女は男性社会の中で女性として生きており、イギリスの最高医療責任者ジョン・サイモンが率いる医療および軍事機関に対して、彼らがこれまでの人生で間違ったことをしてきたと納得させなければなりませんでした。1858年、サイモン博士は伝染病による死亡は「実質的に避けられない」と書き、今後の死亡を防ぐために何もできないと述べました。ナイチンゲールは、彼が間違っていることを証明するという課題を自らに課しました。ウィリアム・ファーの娘、メアリーは、父親とフローレンス・ナイチンゲールとの初期の会話を盗み聞きしたことを語っています。メアリーは、ファーがナイチンゲールに対して、権威に逆らうことについて警告したことを思い出しました。「『まあ、もしそうするなら、敵を作ることになるよ』と言ったら、彼女は背筋を伸ばして答えました。『私が見たことを考えれば、自分の銃を撃つことができるわ』」とナイチンゲールは、戦争担当国務長官のシドニー・ハーバートに友人宛てに書きました。「私が怒りを感じるときは、常に新しい図を使って復讐します。」統計は、彼女が真実を認識するための望遠鏡のようなものでした。今、彼女は他の人々にも真実を見せるための図が必要でした。「良いチャートはイラストではなく、視覚的な議論です」とアルベルト・カイロは彼の著書『チャートは嘘をつく』の冒頭で宣言しています。この本のタイトルが示すように、カイロにはいくつかの懸念があります。良いチャートが視覚的な議論であるなら、悪いチャートは混乱したものかもしれませんし、あるいは視覚的な議論であっても、欺瞞的で魅力的なものである可能性もあります。いずれにせよ、データを整理し提示することで、人々に特定の結論を導くよう促しています。そして、言葉による議論が論理的であったり感情的であったり、鋭かったり曖昧であったり、明確であったり混乱を招いたり、正直であったり誤解を招いたりするのと同様に、チャートによって作られる議論もそうです。ここで注意すべきは、すべての良いチャートが視覚的な議論であるわけではないということです。一部のデータビジュアライゼーションは説得を目的とせず、探索的なものです。複雑なデータセットを扱う場合、いくつかの異なるグラフに変換することで、何が示されるかを学ぶことができます。適切にプロットすれば、トレンドやパターンはすぐに浮かび上がることがよくあります。たとえば、ビジュアライゼーションの専門家ロバート・コサラは、線形データをスパイラルでプロットすることを提案しています。データに周期的なパターンがある場合—たとえば、7日ごとや3か月ごとに繰り返される場合—それは従来のプロットでは他の変動に隠れてしまうかもしれませんが、スパイラルプロットでは際立って見えるでしょう。同様に、特定の種類の問題は、データを画像に変換するとすぐに明らかになります。たとえば、数万の病院患者の身長と体重のデータセットを想像してみてください。その中には50フィートや60フィートの高さの人もいます！それは明らかにタイプミスです。何百人もの患者が体重0ポンドとなっています。それは、看護師や医師が電子フォームに記入している際に、体重測定を行わずに「エンター」を押して次のボックスに進んでしまったためです。 これらの問題は、コンピュータに平均や標準偏差を計算させたり、データの列を手動でスキャンしたりする場合には明らかにはなりません。しかし、データのビジュアルを見れば、すぐに問題がわかります。では、あなたが数値を調査し終え、これを視覚的な主張に変えたいとしましょう。管理コンサルタントや学術研究者がグラフを提示する際の標準的なアドバイスは、データの重要な特徴に注意を引き、結論を導くタイトルやキャプションを含めることです。 『Say It with Charts』は、管理コンサルタントにとってのバイブルであり、このプロセスを非常に明確に示しています。著者のジーン・ゼラズニーは、まずグラフで何を伝えたいのかを決めるように言います。一度伝えたいことが決まれば、それは特定の比較を示唆し、さらにそれは特定のグラフの選択（散布図、折れ線グラフ、積み上げ棒グラフ、または円グラフなど）を示唆します。最後に、そのメッセージをグラフのタイトルに強調して記載します。「契約数、1月～8月」といった単なる表現ではなく、「契約数が増加しています」や「契約数は変動しています」といった具体的な表現にするのです。これは、上昇傾向に注目したいのか、傾向の周りの変動に注目したいのかによって異なります。ゼラズニーのビジョンは、管理コンサルタントが人々に考えさせるものであり、グラフと注釈はそのメッセージを支持するために選ばれています。 このプロセスが結論から始まり、その結論を支持するためにデータをパッケージ化する方法を考えるという点には不安を感じるかもしれません。しかし、公平に言えば、多くのコミュニケーションはこのように機能しています。新聞記事は見出しから始まり、残りのテキストはその説明です。科学論文でさえ、新聞の見出しと同様の目的を果たす要約から始まります。それは何が起こったのか、そしてそれが何を意味するのかを伝えます。優れたジャーナリストは結論を念頭に置いて報道を始めることはなく、優れた科学者は実験を行う前に結果を決めることはありません（優れた管理コンサルタントが何をするかは保証できません）。しかし、ジャーナリストと科学者の両方が興味深い何かを発見したとき、彼らは聴衆にそれが何であるかの手がかりを提供したいと考えます。チャートデザイナーも同様です。影響力のある情報デザイナーであるエドワード・タフテは、装飾や注釈を最小限に抑えた、密度が高く複雑なグラフィックを称賛します。彼の著書『Envisioning Information』の序文では、読者に対して「イラストは注意深く研究する価値があります。それらは複雑で機知に富み、意味に満ちた宝物です」と厳しく警告しています。しっかり見て、考え、クラスの後ろで注意を払ってください。タフテにとって理想的なグラフィックは、読者がコーヒーを片手に詳細をじっくりと見つめることを招くものです。 「痩せ細ったデータの薄いデザインは、疑念を引き起こす」と彼は警告する。「それは正当な理由がある。」彼の言う通りかもしれない。とはいえ、私たちが今までに知っているように、グラフのデータ密度が高いからといって、そのデータ自体が信頼できるとは限らない。軽やかな表現でいくつかのデータポイントを示すグラフは疑いの余地がないかもしれないが、複雑なグラフィックは悪いデータで満たされていることもある。数字が確かなものであっても、コーヒーを必要とするほど詳細なグラフィックは、説得力がある一方で情報を提供しているとは限らない。印象的な例として、2013年にニューヨーカーのウェブサイトが発表した不平等に関するデータが挙げられる。このインフォグラフィックは、ラリー・ブキャナンによってデザインされ、アイコニックなニューヨーク市の地下鉄の地図を模している。視聴者は異なる地下鉄の路線をクリックすることで、各路線に沿った中央値の収入の変動を確認できる。このデータビジュアライゼーションは、収入の増減を示すグラフが地下鉄のルートに似ており、ニューヨークの地下鉄の地図や標識の独特なデザイン要素を巧みにコピーしている。 このインフォグラフィックが説得力を持つ理由は、私たちに自然な比較を促し、その背後にいる人々を想像させるからだ。私たちは選んだ路線に沿って異なる地域を移動する中で収入の変動を観察し、短い地下鉄の旅の中に広がる大きな不平等を理解し、地下鉄車両の中で肩を寄せ合う人々を思い描く。富裕層と貧困層は非常に近く、いくつかの点では似ているが、また異なる。インフォグラフィックは本当に感情的なインパクトを持っている。しかし、それは情報を提供しているのだろうか？あまりそうではない。クリックしていると、驚くほど何も新しいことを学べないことに気づく。他の地下鉄路線と比較するのも難しく、最も明白なパターンを見つけるのも一苦労だ。このことは、インフォグラフィックに付随する短い記事を読むと明らかになる。そこには、グラフィック自体からは簡単には見つけられない事実が満載だ。ニューヨーク市の地下鉄が通る国勢調査区の中で、最も高い中央値の世帯収入は205,192ドルで、最も低いのは12,288ドルだった。記事では、収入の範囲が最も広い地下鉄路線と最も狭い路線、また任意の2つの駅間の最大のギャップについても教えてくれるが、なぜこれらの情報が有用なのかは不明だ。ブログ記事では、マンハッタンの収入不平等がレソトやナミビアの不平等に似ていると指摘している。それは悪いことなのか？悪いように聞こえる。もしあなたが地球上のすべての国で記録された収入不平等のリストを持ち歩いていたら、それが悪いことだと気づくかもしれない。しかし、あなたはそれを持っているのだろうか？このグラフィックの目的は情報を伝えることではなく、感情を揺さぶることだ。もし記事がニューヨークの収入不平等をロンドンや東京などの他の世界の都市、あるいはシカゴやロサンゼルスなどの他のアメリカの都市と比較していたら、私たちは実際に知る価値のある何かを学べたかもしれない。その結果は美しいが、地図が提供する情報には遠く及ばない。 それは統計分析を装った説得力のあるアート作品です。私たちはすでに信じていたことを強く思い出させられました。私たちはより情熱的になり、より関与していますが、本当により多くの情報を得ているのでしょうか？論争的な主張には何の問題もありません—私自身も時々書きますが、私たちは何が起こっているのかについて正直であるべきです。もう一つの例として、トムソン・ロイターのシニアデザイナー、サイモン・スカーによるグラフがあります。このグラフは、2003年から2011年までのイラクにおける月ごとの死亡者数を示しています。逆さまの棒グラフで、死亡者数が多い月ほど棒が長く下に垂れ下がります。スカーはその棒を赤く色付けし、グラフ全体がページの上部から恐ろしい傷口から流れ出る血のように見えます。メッセージがあいまいでないように、グラフのタイトルは「イラクの血の toll」となっています。ラリー・ビュキャナンの地下鉄の不平等グラフがあなたの心に響くとしたら、スカーのグラフはあなたの心臓を引き裂きます。それがデザイン賞を受賞したのも無理はありません。そして、地下鉄の図とは異なり、スカーのグラフは関連情報を提供しています：説得力があり、情報も豊富です。 しかし、データビジュアライゼーションの専門家であるアンディ・コットグリーブがスカーのグラフを見たとき、彼は小さな実験を試みました。まず、彼はグラフの色を変え、同じ棒をクールなコーポレートブルーグレーで示しました。次に、それを逆さまにしました。最後に、タイトルを「イラクの血の toll」から「イラク：死亡者数の減少」に変更しました。感情的な影響の変化は驚くべきものです。スカーのグラフは生々しい怒りを叫びますが、コットグリーブのグラフは冷静で、ほとんど癒しのようです。どちらのグラフが優れているかは、メッセージによります。スカーのグラフは「人間性よ、何ということだ！」と叫び、コットグリーブのグラフは「最悪の時代は過ぎ去った」と冷静に述べています。どちらのメッセージも正当です。これは、色や配置の最も単純な選択がグラフのトーンや人々の受け取り方を変えることができるということを思い出させます。ちょうどあなたの声のトーンが言葉の受け取り方を劇的に変えるように。 低い身分の統計学者ウィリアム・ファーと、ただの女性フローレンス・ナイチンゲールが、ビクトリア時代の頑固な医者や兵士たちをどうやって説得したのでしょうか？まず、彼らはデータが完全に信頼できるものであることを確認しなければなりませんでした。事実、事実！ファーとナイチンゲールは、自分たちの仕事が政治的な敵によって攻撃されることをよく理解していました。ある興味深いやり取りの中で、ナイチンゲールはファーに最新の統計分析への攻撃に備えるよう警告しました。彼の返答は、彼がその仕事の質に自信を持っていることを示しています。「待ちましょう、そして弾薬を温存しましょう。私たちは恐怖に駆られた人々のように空に向かって撃つつもりはありません。彼らが私たちの『間違い』を指摘するなら、もしそれが間違いであれば、私たちはそれを自由に認めます。しかし、私たちの基盤を揺るがしたり、壁を吹き飛ばしたりすることはできません。」その後、彼らは自分たちの発見を発表しなければなりませんでした。ナイチンゲールは1858年にローズダイアグラムを広め、1859年の初めにそれを発表しました。 それは、彼女がスカタリ病院にいた数年後のことであり、ジョン・サイモン博士が伝染病はほぼ避けられないと主張してから数ヶ月のことでした。裏面にあるローズダイアグラムは、素晴らしい視覚的な主張です。私はロイヤル・スタティスティカル・ソサエティの図書館で、オリジナルの印刷物を間近で見たことがあります。それは息をのむほど美しく、同時に衝撃的で、スカタリでの衛生改善前後の感染症による死亡者数を示す色とりどりのくさびの美しい配列です。この図を厳しく評価するなら、「ステロイドを使った円グラフ」と言えるかもしれません。技術的には、これは極座標面積図であり、おそらく最初に作成されたそのような図の一つです。乾燥した統計的真実の提示ではなく、物語を語っています。 この視覚的修辞がどれほど強力なものであるかを理解するために、代わりに棒グラフでの提示を考えてみてください（このページの例は、ナイチンゲールの伝記作家ヒュー・スモールによるグラフを基に、ウィリアム・ファーのデータを使用しています）。初見では、スモールの棒グラフはずっと明確で追いやすいですが、視聴者を誤った結論に導いてしまいます。1855年1月と2月の恐ろしい死亡者数に焦点を当てており、これらの死亡が厳しい冬によって引き起こされたのかもしれないと考えさせ、春が救いをもたらしたのではないかと疑問を抱かせるかもしれません。また、死亡者数の減少を劇的で滑らかに見せており、急激な変化ではなくプロセスとして捉えられます。それに対して極座標面積図は、死亡者数を衛生改善前と後の二つの期間に分けています。これにより、原データでは明確でない鋭い変化を視覚的に作り出しています。極座標面積図は、くさびの面積に比例して死亡者数をプロットするため、棒の高さではなく、1855年1月と2月がどれほどひどかったのかをややぼやけさせ、むしろ「衛生委員会前の厳しい状況」と一緒にまとめてしまっています。 ナイチンゲールは、改善された衛生の重要性をページから飛び出させ、視聴者にスカタリの経験がイギリス帝国全体の病院、兵舎、さらには私的住居でも繰り返される可能性があると納得させたかったのです。彼女はその主張を強化するために、図の「前後」の構造を強力に作り上げました。これはまるでダズル迷彩のようなものでしょうか？おそらくそうかもしれません。しかし、データが堅実で明白であるため、私はそうではないと考えがちです。デブリスのように不完全な統計や役に立たない比較に依存しているわけではなく、地下鉄の不平等図のように中身がないわけでもありません。むしろ「イラクの血の代償」に近いですが、読者に結論を導かせる方法はずっと微妙です。 ローズダイアグラムについての議論は、そのデータの解釈を一つに導く巧妙さを際立たせるものが少ない。しかし、このアイデアは真実であり重要であった。視覚的なレトリックは、人々が正しい結論に至る手助けをした。ナイチンゲールはシドニー・ハーバートに対して、この図が「私たちが言葉で公衆の脳に伝えられないことを、目を通して影響を与えるためのものだ」と説明した。ナイチンゲールは、自身の図をできるだけ多くの人々に見てもらうために、急進的な作家ハリエット・マーチンオーにクリミア戦争とそこでのイギリス兵の苦しみについての感動的な本を執筆するよう依頼した。マーチンオーはナイチンゲールの報告書を読み、「これまで見た中で最も注目すべき政治的または社会的な作品の一つ」と称賛した。ナイチンゲールは、マーチンオーの本に彼女の極地面積図を折り込み式の表紙として掲載した。しかし、軍はこの本を軍の図書館や兵舎から禁止したため、兵士たちに読まれることはあまりなかった。それでもナイチンゲールは、彼女の図に特定の聴衆を想定していた。彼女はハーバートにこう語った。「報告書の付録を覗くのは科学者だけで、これは一般の人々のためのものです…さて、一般の人々とは誰でしょうか？（1）女王（2）アルバート公…（7）ヨーロッパのすべての王室の首脳、各国の大使や閣僚を通じて（8）軍のすべての指揮官（9）すべての連隊の外科医や医療担当者…（10）両院の主要な衛生学者（11）すべての新聞、レビュー、雑誌です。」反対意見を持っていた上級医師たちも、次第にナイチンゲールの衛生改善の主張に賛同するようになった。1870年代には、議会は数件の公衆衛生法を可決した。イギリスの死亡率は低下し、平均寿命は延び始めた。フローレンス・ナイチンゲールの物語が特に印象的なのは、彼女が統計を同時に道具と武器として利用できることを理解していたからだ。彼女は、定義を標準化し、全員が正しいフォームを記入するという面倒な作業や、「最も乾燥した」分析を行い、批評家からの攻撃に耐えうる基盤の重要性を理解していた。しかし、彼女はデータを魅力的に見せる必要性も理解しており、最も説得力のある形で提示することを重視していた。彼女は世界を変える力を持つ図を作り上げた。フローレンス・ナイチンゲールは歴史の正しい側に立っていたが、キャッチーなグラフィックを誤用する多くの人々はそうではない。美しい視覚化を受け取る私たちにとって、この本で学んだことはすべて当てはまる。まず第一に、そして最も重要なのは、視覚的な感覚が非常に感情的であるため、自分の感情的な反応を確認することだ。グラフが自分にどのような感情を引き起こすか、一瞬立ち止まって考えてみてほしい。勝利感、守りの姿勢、怒り、祝福の感情？その感情を考慮に入れよう。次に、グラフの基本を理解しているか確認すること。軸は実際に何を意味しているのか？ あなたは、何が測定されているのか、あるいは数えられているのか理解していますか？そのデータを理解するための文脈はありますか、それともグラフにはほんの数点のデータしか示されていませんか？グラフが複雑な分析や実験の結果を反映している場合、あなたは何が行われているのか理解していますか？もし自分自身で評価する立場にないのなら、評価を行った人たちを信頼しますか？（あるいは、別の意見を求めたことがありますか？） データの視覚化を見ているとき、誰かがあなたを説得しようとしている可能性があることを認識すると、より良い判断ができるでしょう。巧妙に説得力のあるグラフがあっても問題はありませんし、巧妙に説得力のある言葉も同様です。そして、説得されて考えを変えることに何の問題もありません。それが次のテーマです。 ルール10：オープンマインドを持つ 信念を持った人を変えるのは難しいものです。彼に反対意見を言えば、彼は背を向けます。事実や数字を示せば、彼はあなたの情報源を疑います。論理に訴えかけても、彼はあなたの主張を理解しません。これはレオン・フェスティンガー、ヘンリー・リケン、スタンレー・シャクターの著書『予言が失敗する時』からの引用です。 アーヴィング・フィッシャーは、歴史上最も偉大な経済学者の一人でした。1940年代後半、ノーベル賞受賞者のラグナー・フリッシュは「彼は時代の10年から2世代先を行っていた」と評しました。フィッシャーの才能が彼の専門分野を照らし出してから半世紀以上が経った後のことです。フリッシュの翌年にノーベル記念賞を受賞したポール・サミュエルソンは、フィッシャーの1891年の博士論文を「経済学において書かれた最も偉大な博士論文」と称賛しました。 フィッシャーの同時代の人々はそう考えていました。一般の人々にも愛されていました。100年前、アーヴィング・フィッシャーは地球上で最も有名な経済学者でした。しかし、現在フィッシャーを思い出すのは歴史を知る経済学者だけです。彼はミルトン・フリードマンやアダム・スミス、若い同時代人のジョン・メイナード・ケインズのような家庭名ではなくなっています。それは、アーヴィング・フィッシャーと彼の評判に何か恐ろしいことが起こったからです—私たち全員に教訓を与えるような出来事です。 フィッシャーの失墜は、野心がなかったからではありません。「私はやりたいことがたくさんある！」と、イェール大学で学んでいた頃に古い友人に書きました。「私はいつも、自分が望むことを達成する時間がないと感じています。もっと読みたい。たくさん書きたい。お金を稼ぎたい。」 フィッシャーにとってお金が重要であることは理解できます。彼の父親は、フィッシャーがイェールに到着したその週に結核で亡くなりました。フィッシャーの意欲と知性は彼を支えました。彼はギリシャ語とラテン語、代数と数学、スピーチ（将来のアメリカ合衆国国務長官に次いで2位）で賞を受賞し、クラスのバレクティリアン（卒業生代表）であり、ボート部のメンバーでもありました。しかし、これらの業績の中で、若者は学業を続けるために資金を集める必要がありました。彼は富に囲まれながらも、経済的に苦労することが何であるかを理解していました。しかし、26歳の時、フィッシャーは少しの財産を手にしました。彼は裕福な実業家の娘である幼なじみのマーガレット・ハザードと結婚しました。 1893年に行われたアーヴィングとマーガレットの結婚式は、ニューヨーク・タイムズに取り上げられるほど豪華で、招待客は2,000人、司祭は3人、豪華な昼食、そして60ポンドのウェディングケーキが用意されました。彼らは14ヶ月間のヨーロッパ新婚旅行を経て、ニューヘイブンの460プロスペクトストリートに新築された豪邸に戻りました。この家は、マーガレットの父からの結婚祝いとして、彼らが不在の間に建てられ、図書室や音楽室、広々としたオフィスが備えられていました。 アーヴィング・フィッシャーについて知っておくべきことが3つあります。まず1つ目は、彼が健康オタクであったことです。これは理解できます。結核は若き日の彼の父を亡くさせ、15年後には彼自身もこの病気に襲われました。だからこそ、彼は厳格な健康管理を実践しました。アルコール、タバコ、肉、紅茶、コーヒー、チョコレートを一切断ちました。ある晩餐のゲストは、彼の奇妙さを感じながらもそのもてなしを楽しみました。「私が美味しい料理を次々と食べる中、彼は野菜と生卵だけを食べていました。」 これは単なる個人的な問題ではなく、彼は健康と栄養の伝道者でもありました。彼はライフ・エクステンション研究所を設立し、ちょうど大統領任期を終えたウィリアム・ハワード・タフトをその会長に説得しました。（タフトは肥満で、歴代の大統領の中で最も重い体重を持っていましたので、意外な選択に思えるかもしれませんが、彼の体重問題が食事や運動への関心を促したのです。）1915年、フィッシャーがほぼ50歳のとき、彼は『How to Live: Rules for Healthful Living Based on Modern Science』という本を出版しました。（『生きる方法』！これは本当に大きな野心です。）この本は大ヒットし、現代の視点から見ると非常に面白い内容です。彼は「日光浴」を推奨し、「その強度と持続時間は常識に基づくべきだ」と述べました。また、「徹底的な咀嚼を実践することが重要であり、自然で無意識のうちに飲み込むまで噛むべきだ」とも言っています。さらに、歩く際の足の正しい角度についても言及し、「各足で約7～8度の外向きの角度が理想だ」と記しています。 また、優生学に関する短いセクションもありますが、これは時代遅れになっています。しかし、この本を笑うのは簡単ですが、『How to Live』はフィッシャーの経済分析と同様に、時代を先取りした内容が多く含まれています。彼は幸福に関する問題に科学的思考を適用しました。詳細な運動法を説明し、マインドフルネスを説き、当時の多くの医師が喫煙者であった中で、タバコが癌を引き起こすことを正しく警告しました。これがアーヴィング・フィッシャーについて知っておくべき2つ目のことです：彼は経済学やその他の分野における合理的な数値分析の力を信じていました。彼は結核の経済的コストを計算し、ベジタリアニズムや徹底的な咀嚼の実験的調査を行い、咀嚼が持久力を高めることを発見しました。（1917年のグレープナッツの朝食シリアルの広告には、フィッシャー教授の推薦が含まれていました。）『How to Live』のある部分では、彼は読者に「～」と伝えるために一時的に立ち止まります。 現代の科学的衣服の研究において、新しい単位「クロ」が登場しました。これは衣服の「保温力」を測定するための技術的な単位です。彼の数字への愛情は、時には彼を誤った方向に導くことがあったと言えるでしょう。例えば、フィッシャーが禁酒法の利点を定量化した際、彼は小規模な研究から、空腹時に強い酒を飲むと労働者の効率が2パーセント低下するという一般化を行いました。フィッシャーは禁酒法がアメリカ経済に60億ドルの利益をもたらすと計算しましたが、当時それは非常に大きな利益でした。第一章で見たように、アブラハム・ブレディウスの美術専門知識は、ハン・ファン・メーゲレンのひどい偽作が本当にフェルメールの作品であると信じる理由を強調しました。同様に、フィッシャーの統計的専門知識は、脆弱な基盤の上に禁酒法に関する壮大な計算を生み出すことを可能にしました。彼のアルコールの悪影響に対する強い感情は、彼の統計的推論の厳密さを損なっていました。 次に知っておくべきことはお金です。アーヴィング・フィッシャーは裕福であり、妻の遺産だけがその理由ではありませんでした。お金を稼ぐことはフィッシャーにとって誇りの問題であり、彼は妻に依存したくありませんでした。『How to Live』からの印税や、名刺を整理する方法などの発明があり、これはロロデックスの先駆けとなりました。彼はその発明「インデックス・ビジブル」を文房具会社に66万ドルで売却し、当時の価値で数百万ドルに相当する現金、取締役会の席、株式の束を手に入れました。フィッシャーは学術研究を「インデックス・ナンバー研究所」という大規模なビジネスに変えました。この研究所は、データ、予測、分析をシンジケートパッケージとしてアメリカ全土の新聞に販売しました。予測はデータと分析の自然な延長でした。結局、世界を理解することが目的である場合もありますが、時には現在の状況を把握し、次に何が起こるかを予測し、場合によっては利益を得る手段として関心を持つこともあります。このようなプラットフォームを持つことで、フィッシャーは投資に対するアプローチを広めることができました。彼のアプローチは、借りたお金を使って新しい産業企業の株を購入し、アメリカの成長に賭けるというものでした。このような借入はレバレッジと呼ばれ、利益と損失の両方を拡大します。しかし、1920年代の株式市場では、投資家は心配するような損失はほとんどありませんでした。株価は急騰していました。その成長にレバレッジをかけて賭けた人々は、自分が賢いと感じる理由が十分にありました。フィッシャーは幼馴染に手紙を書き、自分の野望が達成されたことを知らせました。 「私たちはみんなたくさんのお金を稼いでいる！」 1929年の夏、アーヴィング・フィッシャーは、ベストセラー作家、発明家、大統領の友人、起業家、健康キャンペーンの推進者、連載コラムニスト、統計の先駆者、そしてその世代で最も偉大な学者経済学者であり、何度も億万長者となった男として、息子に自慢することができた。家族の邸宅の改装費用はハザード家の資金ではなく、アーヴィング・フィッシャー自身が支払ったのだ。この成果は彼にとって重要だった。フィッシャーの父は、彼が17歳の少年からその時代で最も尊敬される人物の一人に成長するのを見届けることなく亡くなった。アーヴィングと息子が目の前で邸宅が形を変えていくのを見ながら、彼の誇りを許しても良いかもしれない。しかし、彼は金融の崖っぷちに立っていた。1929年の秋、株式市場は崩壊した。ダウ・ジョーンズ工業株平均は、9月の初めから11月の終わりまでの間に3分の1以上も下落した。しかし、アーヴィング・フィッシャーを破滅に導いたのは、崩壊そのものではなかった—少なくとも、すぐには。もちろん、崩壊は壊滅的な金融イベントであり、2008年の銀行危機よりもはるかに深刻だった。その後に続いた大恐慌は、西洋世界に襲った最大の平時経済災害だった。フィッシャーは多くの人々よりもリスクにさらされていた。なぜなら、彼はレバレッジを使って投資を行い、損失と利益の両方を拡大させていたからだ。しかし、フィッシャーを破滅に導くには、レバレッジをかけた金融バブルへの賭け以上のものが必要だった。それは頑固さだった。崩壊には劇的な瞬間があったが、単に「ブラック・サーズデー」や「ブラック・マンデー」のような日々の急落だけではなかった。それは、1929年9月の380ポイントから1932年夏の40ポイントをわずかに超えるまでの、短い反発を挟んだ長い下落の過程として理解されるべきだった。もしフィッシャーが1929年末に損失を切り、マーケットから退いていたら、彼は大丈夫だっただろう。彼は学術研究や他の多くの情熱に戻り、長年の取引利益と著者やビジネスマンとしての収入で支えられた贅沢なライフスタイルを維持できたはずだ。しかし、フィッシャーは最初の見解をさらに強めた。彼は市場が再び上昇すると確信していた。彼は崩壊が「狂気の端を振るい落とす」ものであり、「パニックの心理を反映している」といったコメントをいくつか残した。彼は回復が間近であると公言した。しかし、それは実際にはそうではなかった。最も重要なのは、彼が単に市場に留まっていたわけではない。自分が正しいと信じる彼の自信は、より大きな利益を求めて借金に依存し続けることを促した。フィッシャーの主要な投資の一つは、彼がロロックスシステム「インデックス・ビジブル」を売却した後のレミントン・ランドへの投資だった。株価はその物語を物語っている：崩壊前は58ドル、数ヶ月後には28ドルに下落した。フィッシャーはその時点でレバレッジが非常にリスキーであることを学んでいたかもしれない。しかし、彼はさらに多くの資金を借りて投資を続け、株価はすぐに1ドルにまで落ち込んだ。それは破滅への確実な道だ。私たちはフィッシャーをあまり早く判断すべきではない。 たとえあなたがその場で最も賢い人であったとしても（アーヴィング・フィッシャーはたいていそうでしたが）、考えを変えるのは簡単ではありません。フィッシャーと同時代のロバート・ミリカンも、同様に卓越した人物でしたが、彼の関心は少し異なっていました。ミリカンは物理学者だったのです。1923年、フィッシャーの株式投資のアドバイスがアメリカ全土で注目されている頃、ミリカンはノーベル賞を受賞していました。彼の業績は数多くありますが、ミリカンが最も有名なのは、非常にシンプルな実験、すなわち「油滴実験」です。この実験では、香水スプレーから放出された油滴の霧に電気的な電荷を与え、2つの帯電したプレートの間で浮かせます。ミリカンはプレート間の電圧を調整し、油滴が動かずに浮かんでいる状態を作り出すことができました。そして、油滴の直径を測定することで、その質量を計算し、重力の引力を正確に打ち消す電気的な電荷を求めることができたのです。これにより、ミリカンは単一の電子の電気的な電荷を計算することができました。私も学校でこの実験を試みた一人ですが、正直なところ、ミリカンのようにきれいな結果を得ることはできませんでした。正確に測定すべき詳細がたくさんあり、特に小さな油滴の直径を正しく測ることが重要です。それを間違えると、他の計算もすべて狂ってしまいます。今では、ミリカン自身も彼が主張したほどきれいな結果を得ていなかったことがわかっています。彼は自分に都合の悪い観察結果を体系的に省略し、その省略について嘘をついていました（また、彼は後輩のハーヴェイ・フレッチャーの貢献を過小評価しました）。科学史の研究者たちは、このような選択的なデータの扱いが倫理的および実践的にどれほど深刻であるかについて議論しています。明らかに見えるのは、もし科学界がミリカンのすべての結果を見ていたなら、彼の答えが正しいという自信は低かっただろうということです。それは悪いことではなく、実際に彼の答えは間違っていました。ミリカンの答えは低すぎたのです。カリスマ的なノーベル賞受賞者リチャード・ファインマンは、1970年代初頭にミリカンの誤りをより良い測定で修正する過程が奇妙であると指摘しました。「一つはミリカンのより少し大きく、次のはそれより少し大きく、次のもまた少し大きくなって、最終的には高い数値に落ち着く。なぜ彼らはすぐに新しい数値が高いことを発見しなかったのか？」というのです。答えは、ミリカンの数値に近いものはあまり疑われずに受け入れられ、間違っていると思われる数値は懐疑的に見られ、捨てられる理由が見つけられるということです。第一章で見たように、私たちの先入観は強力なものです。私たちは新しい情報をフィルターし、それが期待に合致すれば受け入れる可能性が高くなります。そして、ミリカンの推定値が低すぎたため、予想外に低い測定値が出ることは稀だったのです。 通常、驚くべき測定値はミリカンのものよりもかなり大きいものでした。それを受け入れるまでには長い時間がかかりました。ミリカンが自分の業績をより立派に見せるためにいくつかの測定値を捨ててしまったという事実も、状況を悪化させました。しかし、後の研究がアボガドロ数やプランク定数などの物理定数の他の推定値においても同様の徐々に収束するパターンを見つけたため、いずれは受け入れられたであろうと自信を持って言えます。収束は1950年代から1960年代、時には1970年代にかけて続きました。これは、科学者たちが重要で変わらない事実を測定する際でさえ、データを自分の先入観に合わせてフィルタリングする様子を強力に示しています。これは全く驚くべきことではありません。私たちの脳は常に不完全な情報に基づいて周囲の世界を理解しようとしています。脳は期待することについて予測を立て、しばしば驚くほど乏しいデータに基づいてギャップを埋めようとします。だからこそ、悪い電話回線での通常の会話を理解できるのです—本当に新しい情報、例えば電話番号や住所が雑音の中で話されるまでは。私たちの脳はギャップを埋めるため、期待するものを見たり聞いたりします。ミリカンの後継者たちが期待したものを見つけたのもそのためです。ギャップを埋められないときに、接続がどれほど悪いかを実感します。私たちは期待する匂いさえ嗅ぎます。科学者が人々に香りを嗅がせると、反応は「これはグルメチーズの香りです」と言うか「これは脇の臭いです」と言うかで大きく異なります（実際には両方とも、流れるチーズと体の隙間に存在する芳香分子を嗅いでいるのです）。 期待する感覚を持つこのプロセスは広く普及しています。チーズの研究ではそれは本能的でしたが、電子の電荷やアボガドロ数の場合は知的なものでした。どちらの場合も、無意識的であったようです。しかし、私たちは新しい情報を意識的にフィルタリングすることもできます。なぜなら、それが私たちの一日を台無しにすることを望まないからです。第一章では、ヘルペスの血液検査を受けたくない学生や、悪いニュースが予想されるときに株式ポートフォリオを確認しない投資家に出会いました。もう一つの例として、1967年に発表された研究があります。この研究では、学部生にテープ録音されたスピーチを聞かせ、「高校のジュニアやシニアが準備したスピーチの説得力と誠実さを評価してください」と依頼しました。「各スピーチの後に、説得力と誠実さを評価するための評価シートが渡されます」とも言われました。しかし、ここには落とし穴がありました。スピーチは煩わしい雑音で覆われていました。実験参加者にはこう説明されました。「スピーチは小型のポータブルテープレコーダーで録音されたため、かなりの電気的干渉があります。この干渉は、コントロールボタンを押してすぐに離すことで『調整できる』ことができます。」 「制御を何度も使用することで、静的およびその他の干渉ノイズが多少軽減される。」/10 いいでしょう。もちろん、今までの流れから推測できるように、この実験にはいくつかの欺瞞が含まれていました。参加した学部生の中には熱心なクリスチャンもいれば、喫煙者もいました。一つの講演は「キリスト教は悪である」という古典的な無神論のパンフレットに基づいており、別の講演は「喫煙と肺癌を結びつける議論に対する権威ある反論」に依存していました。そして、もう一つの講演は、喫煙が肺癌を引き起こすという事実について同様の権威を持って語っていました。私たちが見てきたように、私たちは皆、情報を比喩的にフィルタリングする能力を持っており、いくつかのアイデアを捨て、他のアイデアにしがみつくことができます。この実験では、フィルターはより文字通りのものでした。実験参加者が聞いて評価すべきメッセージを覆い隠す静的ノイズです。ボタンを押すことで、そのパチパチ音やシューという音を取り除くことができましたが、すべてのスピーチに対して熱心にボタンを押す人ばかりではありませんでした。クリスチャンたちが、過激な無神論を安心感のある静的ノイズの背後に置いておくことに満足していたということを聞いても驚かないでしょう。喫煙者たちは、自分たちの習慣が完全に安全であると説明する講演を聞くためにボタンを何度も押しましたが、別のテープメッセージが不快なニュースを伝えるときには静的ノイズを再び戻すことを許しました。事実が私たちの考えを変えない理由の一つは、私たちが不快な真実を避けたがるからです。最近では、静的を減少させるボタンをいじる必要はありません。ソーシャルメディアでは、誰をフォローし、誰をブロックするかを選ぶことができます。膨大な数のケーブルチャンネル、ポッドキャスト、ストリーミングビデオが、何を見て何を無視するかを決める手助けをしてくれます。私たちはこれまで以上に多くの選択肢を持っており、私たちがそれらを利用することは間違いありません。不快な事実を受け入れなければならない場合でも心配はいりません。いつでも選択的に記憶を誤って思い出すことができます。それが、1972年に洗練された実験を行った心理学者バルーク・フィッシュホフとルース・ベイスの結論でした。彼らは、男性と女性の学生に対して、リチャード・ニクソンの中国とソ連への訪問が迫っていることについての予測を尋ねる調査を行いました。ニクソンと毛沢東が会う可能性はどれくらいでしょうか？アメリカが中国に外交的承認を与える可能性は？アメリカとソ連が共同の宇宙プログラムを発表するでしょうか？フィッシュホフとベイスは、人々が後に自分の予測をどのように記憶するかを知りたかったのです。彼らは参加者にあらゆるチャンスを与えました。なぜなら、予測は具体的で書き留められていたからです。（通常、私たちの予測は会話の中でかなり曖昧な予測に過ぎません。私たちはそれを文書にすることはめったにありません。）したがって、正確さを期待することもできたかもしれません。しかし、残念ながら、参加者たちは自分を過大評価してしまいました。ある出来事を25％の可能性と見積もり、それが実際に起こった場合、彼らはそれを50/50の提案として記憶してしまうことがあるのです。 ある人がある出来事に60パーセントの確率を置いていたが、その出来事が実際には起こらなかった場合、彼女は後になって自分が30パーセントの確率を予測していたと記憶を改変するかもしれません。フィッシュホフとベイスの論文は「私はそれが起こると知っていた」というタイトルでした。これは、私たちの感情がどのようにして最も単純な情報—つまり、最近行った予測の記憶—をフィルターするかを示す、もう一つの顕著な例です。ある意味で、これは驚くべき精神的柔軟性を示しています。しかし、誤りを認めてそこから学ぶのではなく、フィッシュホフとベイスの被験者たちは、自分の記憶を変えて、現実と向き合う痛みを避けようとしていました。私たちが見てきたように、自分が間違っていたと認めてから見解を変えることは、簡単なことではありません。もちろん、アーヴィング・フィッシャーは、もし彼が最初から正しかったなら、考えを変える必要はなかったでしょう。彼の本当の失敗は、調整を怠ったことではなく、最初から正確に予測できなかったことかもしれません。確かに、最初から正しい方が、痛みを伴う経験を通じて学ぶよりも好ましいです。しかし、私たちが持っている予測能力に関する最良の研究は、最初から正しいことも簡単ではないことを示唆しています。1987年、カナダ生まれの若い心理学者フィリップ・テトロックは、予測業界に18年後に爆発する時限爆弾を仕掛けました。テトロックは、社会科学者たちがアメリカとソ連の間の核戦争を防ぐという壮大なプロジェクトの一環として参加していました。そのプロジェクトの一環として、彼は多くのトップ専門家にインタビューを行い、ソ連で何が起こっているのか、ソ連がロナルド・レーガンの強硬な立場にどのように反応するか、次に何が起こるか、そしてその理由を探りました。しかし、彼はフラストレーションを感じました。リーディングな政治学者、ソ連研究者、歴史家、政策専門家たちが次に何が起こるかについて矛盾した見解を持っていることにフラストレーションを感じ、矛盾する証拠に直面しても考えを変えない彼らの態度にフラストレーションを感じ、さらには失敗した予測がどのように正当化されるかの多くの方法にフラストレーションを感じました。ある者は災害を予測しましたが、実際にはカタストロフィーが起こらなかったことを合理化することに満足していました。「私はほぼ正しかったが、幸運にもゴルバチョフが権力を握ったのです。」や「私は正しい間違いを犯しました：ソ連の脅威を過小評価する方が、過大評価するよりもはるかに危険です。」また、もちろん、すべての株式市場予測の失敗に対する逃げ道として「私のタイミングだけが間違っていた」という言い訳もありました。テトロックの反応は、忍耐強く、丹念で、静かに素晴らしいものでした。フィッシュホフとベイスの足跡をたどりながら、より詳細に、そしてはるかに大規模に、彼は約300人の専門家から予測を集め始め、最終的には27,500の予測を蓄積しました。彼が尋ねた質問の主な焦点は政治と地政学にあり、経済などの他の分野からもいくつかの質問が含まれていました。 テトロックは明確に定義された質問を求め、後知恵を活用して各予測が正しいか間違っているかを判断できるようにしました。そして、彼は結果が出るのを18年間待ちました。テトロックは2005年に、微妙で学術的な著書『専門家の政治判断』を発表しました。彼は、自身の専門家たちがひどい予測者であることを発見しました。これは、予測が実現しなかったという単純な意味だけでなく、専門家たちが異なる文脈でどれほど自信を持って予測を行うべきかについてほとんど理解していなかったという深い意味でも真実でした。カナダの領土の一体性について予測するのは、シリアの領土の一体性について予測するよりも容易ですが、最も明白なケースを超えると、テトロックが相談した専門家たちはカナダとシリアを区別することができませんでした。テトロックの専門家たちは、フィッシュホフとベイスのアマチュアたちと同様に、自分たちの予測を劇的に誤記憶し、一部の失敗をずっと正しかったこととして思い出していました。 この専門家の驕りの物語にさらなる魅力を加えるのは、最も有名な専門家たちがメディアの注目を浴びていない人々よりもさらに不正確な予測を行ったことです。それ以外は、屈辱は均等に分配されました。政治的イデオロギー、職業、学問的訓練に関係なく、専門家たちは未来を見通すことができませんでした。テトロックの研究について聞いたほとんどの人々は、世界は予測するにはあまりにも複雑であるか、専門家たちが予測するにはあまりにも愚かである、あるいはその両方だと結論づけます。しかし、マクロ経済学や地政学の難解な人間の問題に対しても、予測アプローチが存在し、成果を上げる可能性があると信じ続けた人が一人いました。その人はフィリップ・テトロック自身でした。 2013年4月1日、私はテトロックからのメールを受け取りました。彼は「米国の情報コミュニティ内の機関であるインテリジェンス先進研究プロジェクト活動によって部分的に資金提供された大規模な新しい研究プログラムに参加してほしい」と述べていました。このプログラムの核心は、テトロックの長期的な研究に似た定量的な予測の集まりであり、2011年から運営されていました。予測は、経済的および地政学的な出来事に関するもので、「ギリシャがデフォルトするか、イランに軍事攻撃があるかなど、情報コミュニティが関心を持つ現実的で緊急の問題」でした。これらの予測は、数千人の参加者によるトーナメントの形を取り、トーナメントは4年間にわたって行われました。「あなたは単にウェブサイトにログインし、あなたがすでにフォローしているかもしれない事柄について最良の判断を示し、必要に応じてその判断を更新するだけです。時間が経過し、予測が評価されると、あなたは他の人たちの結果と比較することができます」とテトロックのメールは続きました。 私は参加しませんでした。自分は忙しすぎると思い込み、もしかしたら臆病すぎたのかもしれません。 実際のところ、私はこのプロジェクトに参加しなかった。主にテトロックの研究のおかげで、予測の課題は不可能だと結論づけていたからだ。それでも、2万人以上の人々がこのアイデアを受け入れた。その中には、情報分析、シンクタンク、または学術界での経験を持つ専門家と呼べる人々もいれば、純粋なアマチュアもいた。テトロックと他の2人の心理学者、バーバラ・メラーズ（メラーズとテトロックは結婚している）とドン・ムーアは、このボランティアの大軍の協力を得て実験を行った。いくつかのグループには基本的な統計技術のトレーニングが施され（このことについては後で詳しく述べる）、他のグループはチームに分けられたり、他の予測に関する情報を与えられたり、孤立して活動したりした。この全体の取り組みは「グッド・ジャッジメント・プロジェクト」と名付けられ、未来を見通すより良い方法を見つけることを目的としていた。この広大なプロジェクトは多くの洞察を生み出したが、最も注目すべき点は、選ばれた人々のグループが存在し、その予測は決して完璧ではなかったものの、典型的な予測者が達成するダーツを投げるチンパンジーの基準よりもはるかに優れていたということだ。さらに、彼らは運が変わるにつれて衰えるのではなく、時間とともに改善されていった。テトロックは、このグループを「スーパー予測者」と呼び、少し誇張気味だった。シニカルな人々は早急に結論を出したが、未来を見通すことは可能であることが示された。では、スーパー予測者とは何か？専門知識ではない。教授たちは、よく情報を持ったアマチュアと同じくらいの成果しか上げられなかった。また、知性の問題でもなかった。そうでなければ、アーヴィング・フィッシャーはうまくいっていたはずだ。しかし、より良い予測者の間にはいくつかの共通の特性があった。まず、私たちオタクにとって励みになるのは、特定の種類のトレーニングが役立つということだ。基本的な統計のトレーニングを1時間受けるだけで、予測者のパフォーマンスが向上し、世界に関する専門知識を「次の10年以内に女性がアメリカ合衆国の大統領に選ばれる確率は25％です」といった合理的な確率予測に変える助けとなった。最も効果的だったアドバイスは、「ベースレート」と呼ばれるものに焦点を当てるように促すことだった。 ベースレートとは一体何か？例えば、あなたが結婚式に出席していて、新郎の酔っ払った学校の友人や新婦の不満を抱えた元彼と一緒に後ろのテーブルに座っていると想像してみてほしい。（そういう結婚式だ。）スピーチの退屈な瞬間に、あなたのテーブルの会話は不快な質問に移る。「この二人は本当にうまくいくのか？結婚は続くのか、それとも離婚に運命づけられているのか？」本能的な出発点はカップルについて考えることだ。結婚式のロマンチックな雰囲気の中で離婚を想像するのは常に難しい（ただし、新婦の元彼とウィスキーを共有することで、その楽観的な気持ちが揺らぐかもしれないが）、あなたは 自然に次のような質問を考えることがあります。「彼らはお互いに幸せで、コミットしているように見えるか？」「彼らが喧嘩しているのを見たことがあるか？」「すでに3回も別れては戻ってきたのか？」つまり、目の前にある事実をもとに予測を立てるのです。しかし、より良いアプローチは、視点を広げて非常にシンプルな統計を見つけることです。それは「一般的に、どれくらいの割合の結婚が離婚に至るのか？」ということです。この数字は「ベースレート」として知られています。ベースレートが5％なのか50％なのかを知らなければ、愚痴をこぼす元パートナーからの情報は、何の役にも立たない枠組みに収まってしまいます。ベースレートの重要性は、心理学者ダニエル・カーネマンによって広まり、彼は「外部の視点と内部の視点」というフレーズを作りました。内部の視点とは、目の前の特定のケース、つまりこのカップルを見つめることを意味します。一方、外部の視点は、より一般的な「比較クラス」のケースを見なければなりません。この場合、比較クラスはすべての既婚カップルです。（外部の視点は必ずしも統計的である必要はありませんが、しばしばそうなります。）理想的には、意思決定者や予測者は外部の視点と内部の視点、つまり統計と個人的な経験を組み合わせるべきです。しかし、内部の視点から始めるよりも、外部の視点から始めて、それを個人的な経験に照らして修正する方がはるかに良いのです。内部の視点から始めると、実際の参照枠がなく、スケール感が欠けてしまい、確率を10倍も大きく見積もったり、逆に10倍も小さく見積もったりすることが容易です。 次に、スコアをつけることが重要でした。テトロックの知的先駆者であるフィッシュホフとベイスが示したように、私たちは以前の予測が正しかったか間違っていたかを覚えておくという、非常にシンプルなことをするのが難しいと感じます。第三に、スーパーフォアキャスターは新しい情報が出てくるたびに予測を頻繁に更新する傾向があり、これは新しい証拠に対する受容性が重要であることを示唆しています。この予測を調整する意欲は、最初からより良い予測をすることと相関しています。スーパーフォアキャスターが他の人を上回ったのは、ニュース中毒者で時間を持て余しているからではなく、新しい見出しごとに予測を微調整することで成功しているからではありません。たとえトーナメントのルールが一度きりの予測を要求していたとしても、スーパーフォアキャスターはトップに立っていたでしょう。これは、スーパーフォアキャスティングの第四の、そしておそらく最も重要な要素を指し示しています。それは、オープンマインドな性格を持つことです。スーパーフォアキャスターは、心理学者が「積極的にオープンマインドな思考者」と呼ぶ人々であり、単一のアプローチに固執せず、新しい証拠や新しい議論のもとで古い見解を捨てることに抵抗がなく、他者との意見の不一致を学ぶ機会として受け入れます。「スーパーフォアキャスターにとって、信念は守るべき宝物ではなく、検証すべき仮説です」と、フィリップ・テトロックは研究が完了した後に書きました。 「スーパーフォーキャスティングをバンパーステッカーのスローガンに還元するのは簡単ですが、もしそうしなければならないとしたら、それがその内容です。」もしそれでもバンパーステッカーには長すぎるなら、こう言ってもいいでしょう：スーパーフォーキャスティングとは、自分の考えを変えることを厭わないことです。残念ながら、アーヴィング・フィッシャーは考えを変えるのに苦労しました。しかし、すべての人が同じように苦労したわけではありません。ジョン・メイナード・ケインズとの対比は際立っています。二人には多くの共通点があるにもかかわらず、ケインズはフィッシャーとは異なり、経済学の巨星でした。フィッシャーと同様に、彼も人気のある著者であり、新聞のコメンテーター、権力者たちの友人、そしてカリスマ的なスピーカーでした。（ケインズのスピーチを見たカナダの外交官ダグラス・ルパンは、「私は魅了されています。彼は私が今まで聞いた中で最も美しい存在です。彼は私たちの種に属しているのでしょうか？それとも別の秩序から来たのでしょうか？」と書きました。）フィッシャーと同様に、ケインズも金融市場に熱心に参加しており、初期のヘッジファンドを設立し、通貨投機に手を出し、ケンブリッジのキングス・カレッジのために大規模なポートフォリオを管理していました。しかし、彼の運命は非常に異なりました。二人の共通点と対比は教訓的です。フィッシャーが成功を手に入れるために苦労したのに対し、ケインズは究極のインサイダーでした。彼はエートン・カレッジで教育を受け、イギリスの初代首相やそれ以降の19人と同じように育ちました。父親と同様に、彼も高名な学者となり、ケンブリッジの中でも最も華やかなキングス・カレッジのフェローになりました。第一次世界大戦中、彼はイギリス帝国のために債務と通貨を管理する仕事をしており、30歳にも満たない若さでした。彼は誰とでも知り合いで、首相の耳元でささやくこともありました。イギリス経済で何が起こっているかについての内部情報を持っており、イングランド銀行からは金利の動きについて事前に知らせを受けることもありました。しかし、このイギリスのエスタブリッシュメントの子供は、アメリカの同時代人とは非常に異なる人物でした。彼は高級ワインや豊かな食事を愛し、モンテカルロでギャンブルを楽しみました。彼の性生活は1900年代の経済学者というよりも1970年代のポップスターに近く、バイセクシャルでポリアモラスであり、最終的には幼馴染ではなくロシアのバレリーナ、リディア・ロポコワと結婚しました。ケインズの元恋人の一人が彼らの結婚式での親友でした。彼は他の面でも冒険心に満ちていました。例えば、1918年、ケインズはイギリス財務省で働いていました。第一次世界大戦はまだ続いており、ドイツ軍はパリの外でキャンプを張り、都市を砲撃していました。しかし、ケインズはパリで偉大なフランスの芸術家エドガー・ドガがフランスの19世紀の偉大な画家たち、マネ、アングル、ドラクロワの膨大なコレクションをオークションにかけることを耳にしました。そこでケインズは狂気の冒険を始めました。 まず、彼はイギリス財務省を説得しました。財務省は、地球上でこれまでに見た中で最も壊滅的な戦争に四年間も関わっていましたが、20,000ポンド相当の美術品を購入するための基金を設立するように促しました。現在の価値に換算すると、数百万ポンドに相当します。買い手市場であるという考えには確かに理にかなった部分がありましたが、戦時中の財務省から19世紀のフランス美術に贅沢をするための資金を引き出すには、かなりの説得力が必要です。その後、駆逐艦と銀色の飛行船に護衛されながら、ケインズはロンドンのナショナル・ギャラリーの館長と共にフランスへ渡りました。館長は誰にも気づかれないように偽の口ひげをつけていました。ドイツの砲撃音が地平線の向こうで響く中、彼らはオークションに到着し、ドガの作品を一掃しました。ナショナル・ギャラリーは、非常に安い価格で27点の傑作を手に入れました。ケインズ自身もいくつか購入しました。チャンネルを越えて戻った後、パリでの冒険に疲れ果てたケインズは、友人のヴァネッサ・ベルの家のドアを叩き、「生け垣の外にセザンヌを置いてきたので、運ぶ手伝いをしてもらえませんか？」と頼みました。（ベルは作家バージニア・ウルフの妹であり、ケインズの元恋人ダンカン・グラントの愛人でもありましたが、別の人と結婚していました。ケインズの社交界は複雑でした。）ケインズはお得な買い物をしたのです。現在、良いセザンヌはナショナル・ギャラリーがオークションで購入することを敢えてしたどの作品よりもはるかに高価です。しかし、アーヴィング・フィッシャーがこれをどう思ったかは分かりません。戦争の終結時、ケインズはヴェルサイユの平和会議でイギリス財務省を代表しました。（彼はその結果に嫌悪感を抱き、その後の出来事が彼の見解を裏付けることになりました。）その後、通貨が自由に変動し不安定な状況の中で、ケインズはその動きに投機するための、歴史家たちが「最初のヘッジファンド」と呼ぶものを設立しました。彼は裕福な友人や自分の父親から資金を集め、「勝とうが負けようが、この高リスクのギャンブルは私を楽しませてくれる！」と、あまり安心できないコメントをしました。 最初、ケインズはすぐにお金を稼ぎました—25,000ポンド以上、彼が財務省から引き出した美術基金よりも多くです。彼の賭けは、フランス、イタリア、ドイツの通貨が戦後のインフレーションで苦しむだろうというものでした。この点では彼は大体正しかったのですが、「市場はあなたが持ちこたえられるよりも長く間違ったままでいることができる」という古い言い回しがあります。1920年、ドイツの見通しに対する一時的な楽観主義がケインズの基金を消し去りました。しかし、彼はひるまずに投資家たちの元に戻りました。「私は自分の資本をリスクにさらす立場にはありません。資源を使い果たしてしまったので」と彼は述べました。しかし、魅力的なケインズは他の人々を説得し、彼の基金は1922年には再び利益を上げることができました。ケインズの次の投資プロジェクトの一つ—彼は複数のプロジェクトを持っていました—はキングス・カレッジのポートフォリオに関するものでした。この大学は五世紀の歴史を持ち、投資方針に関する長年の規則があり、農業収入や鉄道債券、政府のギルトといった非常に保守的な投資に依存していました。 1921年、常に説得力のあるケインズは、大学に対してこれらの規則を変更するよう説得し、大学のポートフォリオの重要な部分に対して完全な裁量権を与えさせました。ケインズのこの資金に対する戦略はトップダウン方式でした。彼は英国国内外の景気の好況と不況を予測し、それに応じて株式や商品に投資し、マクロ経済の見通しに応じて異なるセクターや国に移動しました。このアプローチは理にかなっているように思えました。ケインズは国内での主要な経済理論家であり、イングランド銀行からの情報も受け取っていました。英国経済の動向を読み取れるのは、ジョン・メイナード・ケインズしかいないと思われていました。しかし、ケインズはフィッシャーと同様に、1929年の大暴落を予測することはできませんでした。ただし、フィッシャーとは異なり、彼は回復しました。ケインズは億万長者として亡くなり、彼の金融センスによって評判が高まりました。その理由は単純です。ケインズはフィッシャーとは異なり、考えを変え、投資戦略を見直しました。ケインズにはフィッシャーに対する一つの利点がありました。それは、彼の投資家としての実績が痛々しいほどに混ざり合っていたことです。確かに、彼は1918年のアートオークションで素晴らしい成功を収め、1922年には通貨市場で小さな fortuneを得ました。しかし、1920年には全てを失い、キングス・カレッジのポートフォリオに対する彼の巧妙に見えたアプローチも機能していませんでした。1920年代を通じて、ケインズの景気循環の予測は市場全体に対して約20パーセント遅れを取る結果となりました。それは災害ではありませんが、確かに何かがうまくいっていないことを示しています。これらの経験はケインズが1929年の大暴落を予測するのには役立ちませんでしたが、彼がそれに反応するのには役立ちました。彼はすでに投資家としての限界について考え、異なるアプローチが効果をもたらすかもしれないと考えていました。暴落が起こると、ケインズは肩をすくめて調整しました。1930年代初頭には、ケインズはビジネスサイクルの予測を完全に放棄しました。世界で最も偉大な経済学者は、自分が十分にうまくできないと判断したのです。これは、自信に満ちたことで有名な男からの驚くべき謙虚さの例です。しかし、ケインズは証拠を見て、通常とは異なる行動を取りました。彼は、特別なマクロ経済の洞察を必要としない投資戦略に移行しました。彼はこう説明しました。「時間が経つにつれて、私は投資において正しい方法は、自分が何かを知っていると思う企業にかなりの額を投資し、その経営に完全に信頼を置くことだとますます確信するようになっています。」経済がどうなっているかを忘れ、良好に管理された企業を見つけて株を購入し、あまり賢くなろうとしないことが重要です。このアプローチが馴染み深いと感じるなら、それは世界で最も裕福な投資家であるウォーレン・バフェットに最も有名に関連付けられています—そして彼はジョン・メイナード・ケインズの言葉を好んで引用します。今日、ケインズは成功した投資家として正当に評価されています。キングス・カレッジでは、彼は初期の不振から回復しました。 最近、2人の金融経済学者、デイビッド・チャンバーズとエルロイ・ディムソンがケインズのキングス・カレッジのポートフォリオの実績を調査したところ、非常に優れた結果が得られたことがわかりました。ケインズは控えめなリスクで高いリターンを確保し、25年間にわたり株式市場全体を平均して年間6パーセントポイント上回る成績を収めていました。これは、自分の考えを変えることができることに対する印象的な報酬です。 では、なぜアーヴィング・フィッシャーは適応に苦しんだのでしょうか？すべてがとてもシンプルに思えます。物事がうまくいっていないときは、何か違うことをするべきです。しかし、フィッシャーの最初の問題は、皮肉なことに、彼の成功した実績でした。彼は1920年代の終わりまでに非常に裕福になり、ほぼすべての試みで成功を収めていました。投資家として、彼は1920年代の生産性ブームを正しく予測し、株式市場が急騰するだろうと判断し、その判断に基づいてレバレッジをかけた投資が大きな利益をもたらしました。ケインズとは異なり、フィッシャーは自分の誤りを示す証拠をほとんど受け取っていませんでした。彼にとって、金融危機の規模を受け入れるのは難しかったに違いありません。彼はそれを一時的な狂気の発作として片付ける誘惑に駆られ、それを実行しました。それに対して、マーケットが崩壊したとき、ケインズはそれをありのままに見ることができました。彼は以前にも崩壊を経験し、大きな損失を被ったことがありました。彼は、ロバート・ミリカンの研究が欠陥を抱えていると事前に警告されていた物理学者のようでした。そのため、彼の推定値はあまり真剣に受け取るべきではないということです。あるいは、「これはチーズかもしれないし、脇の下かもしれないので、よく考えてください」と言われた後に試験管の匂いを嗅ぐ実験参加者のようでもありました。 フィッシャーは、もう一つの点でも脆弱でした。彼は常に投資アイデアについて執筆し、株式市場が上昇しているという考えに自らの評判をかけていました。予測ビジネスには多くの曖昧な予言があるため、そのような公のコミットメントは非常に誠実です。しかし、それは危険でもあります。問題は予測の具体性ではありません。私たちが見てきたように、スーパー予測者は自分の予測を注意深く記録する傾向があります。そうでなければ、彼らは自分の間違いから学ぶことができません。違ったのは、高い公的プロフィールがフィッシャーが考えを変えるのを難しくしたということです。 1955年に心理学者モートン・ドイッチとハロルド・ジェラードが行ったこの研究では、大学生に線の長さを推定させました。これは、数ヶ月前にソロモン・アッシュによって行われた実験の修正版です。学生の中には推定値を書き留めなかった者もいました。他の学生は消去可能なパッドに推定値を書いた後、その結果を消しました。さらに別の学生は、永久マーカーで推定値を書き留めました。新しい情報が出てくると、より公的なコミットメントを行った学生は、考えを変えることに最も消極的でした。 「カート・ルーウィンは1930年代にこの効果に気づきました」と、現代心理学の創始者の一人であるフィリップ・テトロックは言います。「公のコミットメントをすることで、態度が固定されてしまうのです。」 「愚かなことを言うと、自分が少し愚かになる。自分を修正するのが難しくなる。」と述べたように、フィッシャーのコミットメントは非常に公然としたものでした。ウォール街の崩壊が始まる2週間前、ニューヨーク・タイムズは彼が「株は永久に高い高原に達したように見える」と語ったと報じました。そこからどうやって後退するのでしょうか？フィッシャーの3つ目の問題、ひょっとしたら最も根深い問題は、最終的には未来が知り得るものであるという彼の信念でした。「賢明なビジネスマンは常に予測を行っている」と彼はかつて書きました。確かにそうかもしれません。しかし、ジョン・メイナード・ケインズの長期予測に関する有名な見解と対比してみてください。「これらの事柄については、計算可能な確率を形成するための科学的根拠はありません。我々は単に知らないのです。」 フィッシャーは、足の出方の完璧な角度を指定し、「clo」単位の温暖化の厳密さを称賛し、禁酒法からの生産性向上を見積もることを喜んで行う男でした。彼は、十分に強力な統計的視点を持てば、どんな問題も科学者の手に委ねられると信じていました。確かに統計的視点は強力です。しかし、私は、どんな問題においても、単なる数字以上のものが必要であることをあなたに納得させられたことを願っています。可哀想なアーヴィング・フィッシャーは、自分が論理と理性の人間だと信じていました。彼は教育改革とベジタリアン食の実証された利点の提唱者であり、「富の科学」の学者でした。それにもかかわらず、彼は国で最も有名な財政的破綻者となってしまいました。彼は考え続け、働き続け、なぜ大恐慌がそれほど深刻だったのかを鋭く分析した報告を作成しました—その中には、債務が経済に与える影響との痛ましい対峙も含まれていました。しかし、彼の経済的アイデアは今日でも尊重されている一方で、彼は周縁的な存在となってしまいました。彼は税金やブローカーに対して深く借金を抱え、晩年には、控えめな環境で一人暮らしをする未亡人となり、詐欺師たちの格好の標的となりました。彼は常に、自分の財産を取り戻すための大きな金融のチャンスを探し続けていました。豪邸はとっくに失われていました。彼は破産を避け、さらには刑務所にも入らずに済みましたが、それは亡き妻の姉が数千万ドルに相当する彼の借金を肩代わりしてくれたおかげでした。それは親切でしたが、誇り高いフィッシャー教授にとっては、究極の屈辱だったに違いありません。経済史家のシルビア・ナサールはフィッシャーについて「彼の楽観主義、過信、頑固さが彼を裏切った」と書いています。ケインズもまた自信に満ちていましたが、彼は世界には論理では簡単に解決できない事実があることを苦労して学びました。彼が父に言った言葉を思い出してください。「この高リスクのギャンブルは私を楽しませてくれる。」モンテカルロのギャンブラーは、投資が魅力的なゲームであることを知っていましたが、それはあくまでゲームであり、サイコロの不運な振りをあまり心に留めてはいけないと理解していました。彼の初期の投資アイデアが失敗したとき、彼は別のことを試みました。ケインズは考えを変えることができましたが、残念ながらフィッシャーはそうすることができませんでした。 フィッシャーとケインズは、第二次世界大戦の終結からそれほど時間が経たないうちに、数ヶ月の間に亡くなりました。フィッシャーはかつての影響力を失った姿であり、ケインズは1944年のブレトンウッズ会議で世界銀行やIMF、そして全世界の金融システムを形作った、地球上で最も影響力のある経済学者でした。晩年のケインズは、「私の唯一の後悔は、人生でシャンパンをもっと飲まなかったことだ」と振り返りました。しかし、彼はおそらく言わなかった言葉でより多く記憶されています。それでも彼はその言葉に従って生きました。「私の情報が変わると、私は結論を変えます。あなたはどうしますか、サー？」 もし彼がこの教訓をアーヴィング・フィッシャーに教えていたら良かったのですが、フィッシャーとケインズは同じくらい専門的であり、彼らは自ら収集した統計データを手元に持っていました。アブラハム・ブレディウスのように、詐欺師ハン・ファン・メーゲレンにひどく騙された美術学者の運命と同様に、彼らの運命は専門知識によってではなく、感情によって決まっていました。この本では、数字を集めて分析することで世界を理解する手助けができると主張しています。しかし、データが利用できないから間違いを犯すのではなく、データが示すことを受け入れようとしないからこそ、しばしば間違いを犯すことがあるとも主張しています。アーヴィング・フィッシャーや多くの他の人々にとって、データを受け入れないことは、世界が変わったことを認めたくないという拒否から来ていました。フィッシャーのライバルである起業家予測者ロジャー・バブソンは、フィッシャーが「今日の世界で最も偉大な経済学者の一人であり、非常に有用で無私の市民」である一方で、「彼は数字ではなく感情によって世界が支配されていると考えているため、予測者として失敗した」と説明しました。 この本が、世界は数字と感情の両方によって支配されていることを説得できたことを願っています。 **ゴールデンルール** **好奇心を持とう** 聴衆が理解できないことは何も思いつきません。唯一の問題は、彼らの興味を引くことです。一度興味を持てば、彼らは世界の何でも理解します。私はこの本の中で10の統計的戒律を示しました。まず、私たちは主張に対する感情的反応に気づき、それが私たちにどのように感じさせるかによって受け入れたり拒否したりするのではなく、立ち止まって考えることを学ぶべきです。次に、「鳥の目」からの統計的視点と「虫の目」からの個人的経験を組み合わせる方法を探るべきです。三つ目は、与えられたデータのラベルを見て、本当に何が説明されているのかを理解しているかどうかを問い直すことです。四つ目は、比較や文脈を探し、主張を視点に置くことです。五つ目は、統計の背後にあるデータの出所を調べ、他に消えてしまったデータがあるかもしれないことを考慮することです。六つ目は、示されているデータから誰が欠けているのかを問い、もし彼らが含まれていたら結論が異なるかもしれないことを考えることです。七つ目は、アルゴリズムやそれを駆動する大規模データセットについて厳しい質問をし、知的な透明性がなければ信頼できないことを認識することです。 第八に、私たちは公式統計の基盤、そしてそれを守る時には英雄的とも言える統計学者たちにもっと注意を払うべきです。第九に、美しいグラフやチャートの表面下を探るべきです。そして第十に、私たちはオープンマインドを保ち、自分たちが間違っている可能性や、事実が変わったかどうかを問いかけるべきです。十の戒律を持つことは、ある意味で陳腐な表現だと認識しています。実際には、これらは戒律というよりも、私が苦労して身につけた経験則や思考の習慣です。特に興味のある統計的主張に出会ったとき、あなた自身も試してみる価値があるかもしれません。もちろん、メディアで目にするすべての主張に対して、個人的にチェックリストを使うことを期待しているわけではありません—そんな時間は誰にでもありませんから。しかし、これらはニュースソースの初期評価を形成するのに役立つことがあります。ジャーナリストは用語を定義し、文脈を提供し、情報源を評価する努力をしていますか？これらの思考習慣が見られない場合、警鐘が鳴るべきです。十の経験則は誰にとっても覚えるには多いので、もう少しシンプルにするべきかもしれません。これらの提案には共通のテーマがあることに気づきました—それは、もしよければ「黄金のルール」と呼んでもいいでしょう。好奇心を持ち、深く掘り下げて質問をすることです。これは多くを求めることですが、あまり無理ではないことを願っています。この本の冒頭で、私たちが統計を使って世界を理解できるという考えを捨てないでほしいとお願いしました。ダレル・ハフのような人々が誘惑するシニカルな不信に屈しないでほしいのです。私たちは、数字が重要な質問に対する答えを提供してくれると信じることができ、またそうすべきだと考えています。私たち「モア・オア・レス」の同僚たちと私は、リスナーが自分で問題を調査した場合と同じ結論に至ることができると信頼してもらえるよう、一生懸命働いています。しかしもちろん、リスナーにも好奇心を持ち、私たちに質問してほしいと思っています。「Nullius in verba（言葉に頼るな）」という言葉があります。私たちは質問をせずに信じるべきではありません。哲学者オノラ・オニールはかつて、「適切な信頼は盲目的な受け入れではなく、積極的な探求から生まれる」と宣言しました。それは正しいように思えます。私たちが周囲の世界を信頼できるようになるためには、興味を示し、いくつかの基本的な質問をする必要があります。これらの質問が難解でも技術的でもないことを、あなたに納得させられたことを願っています。思慮深く好奇心のある人なら誰でも喜んで尋ねることができる質問です。そして、現代の混乱にもかかわらず、これらの質問に対する答えを見つけることはかつてないほど簡単になっています。好奇心は、驚くほど強力なものだということがわかりました。約10年前、イェール大学のダン・カハンが率いる研究者たちは、学生たちに特定の建物の外での抗議活動の映像を見せました。学生の中には、それが中絶クリニックの外でのプロライフデモだと伝えられた者もいれば、軍のリクルートオフィスの外でのゲイ権利デモだと知らされた者もいました。学生たちはいくつかの事実に関する質問を受けました。それは平和的な抗議活動でしたか？抗議者たちは通り過ぎる人々を脅かそうとしましたか？ 彼らは叫んだり、怒鳴ったりしたのか？建物の入り口を塞いだのか？人々が答えた内容は、彼らが抱く政治的アイデンティティによって異なった。妊娠中絶に反対するデモだと考えた保守的な学生たちは、その抗議行動に問題はないと見なした：虐待も暴力も妨害もないと。左派の学生たちは、彼らがゲイの権利を求める抗議を見ていると思い、同じ結論に達した：抗議者たちは品位と自制を持って行動していた。しかし、ゲイの権利のデモだと考えた右派の学生たちは、全く異なる結論に達し、反妊娠中絶の抗議を見ていると思った左派の学生たちも同様だった。これらのグループは、抗議者たちが攻撃的で、威圧的で、妨害的だったと結論づけた。 カハンは、第一章で触れた問題を研究していた。私たちの政治的および文化的アイデンティティ、つまり同じ考えを持つ人々のコミュニティに属したいという欲望が、特定の敏感な問題において、私たちが望む結論に至る原因となることがある。残念なことに、気候変動のような複雑な統計的主張を解析する際に、私たちは政治的に快適な結論に達するだけでなく、自分の目の前の証拠に関係なく、政治的に快適な結論に至る。前述のように、専門知識はこのような動機づけられた推論に対する保証にはならない。科学的リテラシーが高い共和党員と民主党員は、科学的教育が少ない人々よりも気候変動に関して意見が大きく分かれている。同じ失望させるパターンは、原子力、銃規制、フラッキングにおいても当てはまる。科学的リテラシーが高い反対派ほど、意見が対立する傾向が強い。数的理解力についても同様である。「熟練度が高いほど、分極化が進む」とカハンは指摘している。 部族主義に対する解毒剤を長い間探し続けたカハンは、疲れ果ててしまうのも無理はない。しかし数年前、彼と彼の同僚は、ある特性を発見した。それは一部の人々が持っているもので、他の人々も育むことができる特性であり、私たちをこの有害な分極化から守ってくれる。この最も政治的に汚染された部族的な問題において、知性や教育が通用しない場面でも、この特性は効果を発揮する。そして、もしあなたがそれが何であるかを知りたくてたまらないのなら、おめでとうございます。あなたはすでにその免疫を持っているかもしれません。好奇心がその無限のパターンを打破するのです。具体的には、カハンは「科学的好奇心」を特定しました。これは科学的リテラシーとは異なります。この二つの特性は相関関係にありますが、科学についてあまり知らない好奇心旺盛な人もいれば、さらに学ぶ意欲のない高度に訓練された人もいます。科学的に好奇心が強い共和党員は、これらの分極化した問題において民主党員とより近い意見を持つ傾向があります。むしろ、わずかに意見が一致することが多いのです。この効果を誇張しないことが重要です。 好奇心旺盛な共和党員と民主党員は、気候変動などの問題について意見が異なることが多いですが、彼らの好奇心が強ければ強いほど、これらの問題に対する証拠に基づく見解に近づいていくようです。別の言い方をすれば、私たちが好奇心を持つほど、部族的な思考が重要でなくなるようです。（科学への好奇心と政治的な立場の間にはほとんど相関関係がありません。幸いなことに、政治的スペクトル全体に好奇心を持つ人々がたくさんいます。）この発見はカハンを驚かせましたが、納得のいくことです。私たちが考えを変えたくない理由の一つは、好ましくない情報をフィルタリングしたり無視したりするのが得意だからです。しかし、好奇心のある人は驚きを楽しみ、予想外のことを求めます。彼らは驚くべきニュースをフィルタリングすることはなく、それが非常に魅力的だからです。カハンのチームが研究した科学に対する好奇心を持つ人々は、マーケティング調査の中に埋め込まれた簡単な質問によって特定されました。例えば、「どのくらいの頻度で科学書を読みますか？」という質問がありました。科学に好奇心を持つ人々は、バスケットボールの試合やセレブのゴシップ番組よりも、宇宙旅行やペンギンに関するドキュメンタリーを見ることに興味を持っています。そして、彼らは単に調査の質問に異なる答えをするだけでなく、心理学の実験室でも異なる選択をしました。ある実験では、参加者に気候変動に関するさまざまな見出しが示され、「最も興味深い」記事を選ぶように招待されました。見出しは4つありました。2つは気候懐疑的で、2つはそうではなく、2つは驚きを与えるもので、2つはそうではありませんでした： 1. 「科学者たちは、地球温暖化が実際には過去10年間で鈍化したというさらなる証拠を発見」(懐疑的、驚きなし) 2. 「科学者たちは驚くべき証拠を報告：北極の氷が予想以上に速く溶けている」(驚きがあり、懐疑的ではない) 3. 「科学者たちは驚くべき証拠を報告：南極の氷が増加しており、現在の海面上昇には寄与していない」(懐疑的で驚きがある) 4. 「科学者たちは、地球温暖化と極端な気象との関連を示すさらなる証拠を発見」(驚きも懐疑もなし) 通常、私たちは人々が自分の偏見に合った記事を選ぶと予想します。民主党員は地球温暖化を真剣に受け止める見出しを好む傾向があり、共和党員は懐疑的なトーンのものを好むでしょう。しかし、科学に好奇心を持つ人々—共和党員でも民主党員でも—は異なります。彼らは、自分の先入観に反する記事を喜んで手に取ります。それが驚きや新鮮さを感じさせる限り、です。そして、実際にその記事を読んでいると、何かを学ぶチャンスが常にあります。驚くべき統計的主張は、私たちの既存の世界観に対する挑戦です。それは感情的な反応、さらには恐れを引き起こすことさえあります。 神経科学の研究によれば、脳は私たちの先入観を脅かす事実に対して、命を脅かす野生動物に対するのと同じように不安を感じることが示唆されています。しかし、好奇心旺盛な心を持つ人にとっては、驚くべき主張が不安を引き起こす必要はありません。それは魅力的な謎や解くべきパズルになるのです。好奇心のある人は、この時点でいくつかの質問を持つかもしれません。私がダン・カハンに会ったとき、私の心の中で最も切実だった質問は、「好奇心を育てることはできるのか？」というものでした。私たちはもっと好奇心を持つことができるのか、そして他の人に好奇心を刺激することができるのか？その答えが「はい」である理由はいくつかあります。カハンによれば、彼の好奇心の測定は、段階的な変化が可能であることを示唆しています。彼が科学的好奇心を測定したとき、彼はスペクトルの一端に頑固に好奇心のない人々の塊があり、もう一端には貪欲に好奇心を持つ人々の塊があり、その間に大きなギャップがあるとは見つけませんでした。むしろ、好奇心は連続したベルカーブに従います：ほとんどの人は中程度に好奇心がないか、中程度に好奇心があるのです。これは好奇心が育てられることを証明するものではありませんが、少なくとも人々がそのカーブの好奇心のある端に少しでも近づける可能性があることを示唆しています。なぜなら、急激な飛躍は必要ないからです。 第二の理由は、好奇心がしばしば状況に依存することです。適切な場所、適切な時間にいると、誰にでも好奇心が湧き上がります。実際、カハンが個人の科学的好奇心が時間とともに持続することを発見したことは、一部の心理学者にとって驚きでした。彼らは、ある程度の理由から、好奇心を持つ人など存在せず、ただ好奇心を引き起こす状況があるだけだと信じていました。実際、今では人々が好奇心を持つ傾向があるか、または好奇心がない傾向があることが分かってきました。それでも、好奇心は文脈によって引き起こされたり抑えられたりすることは変わりません。私たちは皆、異なることに対して異なる時に好奇心を持つ可能性があります。好奇心を引き起こす要因の一つは、知識のギャップを埋める必要があるという感覚です。行動経済学者のジョージ・ロウエンスタインは、このアイデアを「情報ギャップ」理論として知られるものにまとめました。ロウエンスタインによれば、好奇心は「私たちが知っていることと知りたいことの間にギャップがあるとき」に輝き始めます。好奇心には甘いスポットがあります：何も知らなければ質問はしませんし、すべてを知っていれば質問もしません。私たちが知らないことを知るのに十分なことを知ったときに、好奇心が燃え上がるのです。残念ながら、私たちはしばしば自分が知らないことについて考えもしません。心理学者のレオニード・ロゼンブリットとフランク・カイルによって行われた、私たちの無関心についての美しい実験があります。彼らは実験参加者に、トイレ、ジッパー、自転車などの日常的な物のリストを見て、それぞれの物についての理解度を1から7のスケールで評価するという簡単な課題を与えました。 人々が自分の評価を記入した後、研究者たちは穏やかに衝撃的な攻撃を仕掛けました。彼らは被験者に詳しく説明するよう求めました。「こちらにペンと紙がありますので、フラッシュトイレについてできるだけ詳しく説明してください。図も含めて構いません」と言ったのです。この課題は、人々が思っていたほど簡単ではありませんでした。彼らは日常的なメカニズムの詳細を説明するのに苦労し、つまずきました。彼らはその詳細がすぐに思い出せると思っていましたが、実際にはそうではありませんでした。そして、彼らの評価に対して、ほとんどの被験者は自分自身に嘘をついていたことに気づきました。彼らはジッパーやトイレについて理解していると感じていましたが、詳しく説明するよう求められると、全く理解していないことに気づいたのです。以前の1から7の評価を再考するよう求められると、彼らは自分の評価を下げ、自分の知識が思っていたよりも浅かったことを認めました。ロゼンブリットとケイルはこれを「説明の深さの錯覚」と呼びました。 説明の深さの錯覚は、好奇心を殺し、罠となります。もし私たちがすでに理解していると思っているなら、なぜ深く掘り下げる必要があるのでしょうか？なぜ質問をするのでしょうか？人々が以前の自信から引き下がるのがこれほど簡単だったのは驚くべきことです。必要なのは、彼らの知識のギャップについて考えさせることだけでした。そして、ロウエンスタインが主張したように、知識のギャップは好奇心を刺激することがあります。ここでの問題はジッパーだけではありません。フィリップ・ファーンバックとスティーブン・スローマンが率いる別の研究チームは、『知識の錯覚』の著者たちであり、フラッシュトイレの質問を適応させて、炭素排出量のキャップ・アンド・トレード制度やフラット税、イランに対する一方的制裁の提案などの政策について尋ねました。研究者たちは重要なことに、これらの政策に賛成か反対か、またその理由を尋ねることはありませんでした。そうした質問は人々を固執させることが多いという先行研究がたくさんあるからです。代わりに、ファーンバックと彼の同僚たちは、同じシンプルな課題を与えました。「理解度を1から7のスケールで評価してください」。その後、同じ衝撃的なフォローアップが続きました。「詳しく説明してください。一方的制裁とは何か、フラット税はどのように機能するのかを教えてください」。すると同じことが起こりました。人々は「はい、これらの政策については基本的に理解している」と言いましたが、説明を促されると、その錯覚は消えました。彼らは、実際には全く理解していなかったかもしれないことに気づいたのです。 さらに驚くべきことに、錯覚が薄れると、政治的な分極化も薄れていきました。自分の政治的対立者を悪と直感的に表現し、自分の考えを守るために戦うことを厭わなかった人々は、自分が何にそんなに情熱を注いでいるのかを完全には理解していないことを認めざるを得なくなると、より穏やかになる傾向がありました。 この実験は言葉だけでなく行動にも影響を与えました。研究者たちは、人々がかつて支持していた立場を支持するロビー団体やその他の組織にお金を寄付する可能性が低くなることを発見しました。これは非常に美しい発見です。多くの人々が極端な意見を強い確信を持って抱いているように見える世界において、誰かの過信を和らげ、彼らの政治的立場を穏やかにするためには、単にその詳細を説明するように求めるだけで済むのです。次回、政治的に熱くなった議論をしているときには、相手に自己弁護を求めるのではなく、問題となっている政策を説明するように頼んでみてください。彼女は普遍的基本所得やフラット税制、ポイント制移民制度、あるいは全員のためのメディケアを導入したいと考えているかもしれません。それは興味深いですね。では、彼女がそれをどういう意味で言っているのか、具体的に聞いてみましょう。彼女は説明しようとする中で何かを学ぶかもしれませんし、あなたもそうかもしれません。そして、あなたたち二人は、想像していたよりも少し理解が浅く、少し意見が一致することに気づくかもしれません。 トイレの仕組みを理解したり、キャップ・アンド・トレード制度が実際に何であるかを理解するには、ある程度の努力が必要です。その努力を促す一つの方法は、無邪気に自信過剰な答えを求めて恥をかかせることですが、もう一つの、より優しい方法は、彼らの興味を引くことです。オーソン・ウェルズが言ったように、人々が興味を持つと、世界の何でも理解できるようになります。人々の興味を引く方法は、新しい問題でも解決不可能な問題でもありません。小説家や脚本家、コメディアンは、彼らが存在する限りこの技術を探求してきました。彼らは、私たちが謎を愛し、共感できるキャラクターに引き込まれ、良い物語の展開を楽しみ、笑わせてくれるものにはいつまでも付き合うことを知っています。そして、科学的な証拠は、オーソン・ウェルズが絶対に正しかったことを示唆しています。例えば、人々に物語と非物語のテキストを読ませた研究では、物語を読む速度が2倍で、後に記憶する情報量も2倍だったことがわかりました。 ユーモアについて考えると、コメディアンのスティーブン・コルベアの「市民教育」の例が挙げられます。現在の『ザ・レイト・ショー』のホストとしての役割の前に、コルベアはキャラクターとして右派の評論家を演じる『コルベア・レポート』を放送していました。2011年3月、コルベアはアメリカの政治におけるお金の役割を探る長期的なジョークを始めました。彼は大統領に立候補することを決めた場合に備えて、政治活動委員会（PAC）を設立する必要があると考えました。「私は明らかにPACが必要ですが、PACが何をするのか全く分かりません」と、彼は番組に出演している友好的な専門家に説明しました。その後数週間の間に、コルベアはPACやスーパーパック、501(c)(4)について説明を受けました。寄付を受け取ることができる場所、寄付の上限、透明性の要件、そして何に使うのかについて学ぶことになりました。彼は、適切な資金調達の構造を組み合わせることで、ほぼどんな目的のためにも、ほぼどんな金額でも資金を集めることができ、ほとんど開示なしに行えることを発見することになるでしょう。 「明らかに（c）(4)は、前例のない、説明責任のない、追跡不可能な現金の津波を生み出し、それが次の選挙の隅々にまで影響を及ぼすだろう」と彼は考え込んだ。「そして、私はそれを持っていないことに愚かさを感じる。」コルベールはその後、資金調達の仕組みを解消し、税務署に通知することなくお金を保持する方法を学んだ。彼はこのテーマに何度も戻り、キャラクターとして選挙ルールを悪用する方法についてアドバイスを求めることで、キャンペーンファイナンスについて、どのニュース報道よりも深く掘り下げて探求した。これらのことが実際に視聴者の問題に対する理解を深めたのだろうか？どうやらそうらしい。キャスリーン・ホール・ジャミソンを含むチームは、ダン・カハンとともに科学的好奇心の研究に取り組んでおり、コルベールのストーリーラインを利用して、人々が笑いの中でどれだけ学んだかを調査した。彼らは、『ザ・コルベール・レポート』を視聴することがスーパーパックや501(c)(4)団体についての知識の増加と相関していることを発見した。これらの団体がどのように機能し、法的に何ができるのかを知る手助けになった。新聞を読むことやトークラジオを聴くことも役立ったが、『ザ・コルベール・レポート』の効果ははるかに大きかった。例えば、コルベールを週に1日見ることで、新聞を週に4日読むのと同じくらいキャンペーンファイナンスについて学べたのだ—あるいは、5年分の教育に相当する。もちろん、これは相関関係の測定であり、因果関係ではない。すでにスーパーパックに興味がある人々がコルベールを見て彼のジョークを楽しんでいる可能性もある。あるいは、政治に夢中な人々がスーパーパックについて知っていて、コルベールを観るのが好きなのかもしれない。しかし、私はこの番組が理解の深化に寄与したと疑っている。なぜなら、コルベールは本当に詳細に踏み込んでいたからだ。そして、大勢の視聴者が彼に引きつけられたのは、彼が面白かったからだ。 アメリカで最も愛されるコメディアンの一人でなくても、この手法を成功させることはできる。NPRのポッドキャスト『プラネット・マネー』は、数千枚のTシャツをデザイン、製造、輸入することで、世界経済の詳細に光を当てた。これにより、綿農業の調査、テキスタイルにおける自動化の役割、アフリカのコミュニティが寄付されたアメリカのTシャツから新しいファッションを作り出す方法、物流業界の仕組み、バングラデシュで作られた男性用シャツに16.5％の関税がかかる一方で、コロンビアで作られた女性用シャツは無税であるという奇妙な詳細など、長期にわたるストーリーラインが展開された。 これらの例は、好奇心を刺激するため、コミュニケーションのモデルとして参考になる。「お金は政治にどのように影響を与えるのか？」という質問は特に魅力的ではないが、「もし私が大統領に立候補するなら、条件が少なく、監視もない状態でどうやってたくさんのお金を集めるだろうか？」という質問はずっと興味深い。アイデアを伝える仕事をしている私たちは、ファクトチェックや統計的な反論を超えていく必要がある。事実は貴重なものであり、ファクトチェックも重要だ。しかし、もし私たちが本当に人々に複雑な問題を理解してもらいたいのなら、彼らの好奇心を引き出す必要がある。人々が好奇心を持てば、彼らは学ぶだろう。 私は、BBCの「More or Less」チームとの仕事を通じて、次のようなことを見出しました。この番組はしばしば親しみを込めて「神話を打破する者」と見なされていますが、私たちの最も良い仕事は、統計を使って真実を明らかにする時だと感じています。私たちは、信頼できる数字を使って周囲の世界を探求する中で、人々を共に連れて行こうとしています。虚偽は興味深いですが、真実ほど興味深くはありません。 2016年の国民投票の後、私たちイギリスの有権者が欧州連合を離脱することを決めた際、経済学の専門家たちは自己反省を行いました。ほとんどの専門家は、EU離脱は悪い考えであり、コストがかかり、複雑で、約束された多くの利益をもたらすことはなく、国の最も差し迫った問題を解決することも難しいと考えていました。しかし、ある有名な発言があるように、「この国の人々は専門家にうんざりしている」と言われました。 経済学者の意見に関心を持つ人は少なく、私たちの評価として、専門家たちは自分たちが何を間違えたのか、そして将来に向けてどうすれば良くなるのかを理解したいと考えていました。その後、「職業と公衆」という会議で、イギリスの経済学界の著名な人々がこの問題について考え、解決策を議論しました。一つの分析では、私たちはTwitterでよりおしゃべりで親しみやすくなる必要があると提案されました。多くの発言者が、専門用語を使わずに明確に自分を表現する必要があると述べましたが、それは不合理ではありませんでした。 私自身の視点は少し異なります。私は、私たちが活動しているのは政治的に分極化した環境であり、私たちが提供するほぼすべての意見が党派によって激しく反論されることになると主張しました。経済学者は、不平等、課税、公共支出、気候変動、貿易、移民、そしてもちろんブレグジットといった論争の的となる問題に取り組んでいます。このような緊迫した環境では、ゆっくりと明確に話すだけでは限界があります。複雑なアイデアを伝えるためには、人々の好奇心を刺激し、さらには驚きの感覚を呼び起こす必要があります。 偉大な科学コミュニケーターたち—スティーブン・ホーキングやデイビッド・アッテンボローのような人々—は、小さな言葉を使って明確に話すだけで人々を惹きつけるわけではありません。彼らは私たちの好奇心の炎をかき立て、もっと学びたいという欲望を燃え上がらせます。もし私たち経済学者が人々に経済学を理解してもらいたいのであれば、まず彼らの興味を引きつけなければなりません。 経済学者に当てはまることは、科学者、社会科学者、歴史家、統計学者、そして複雑なアイデアを伝えたい他の誰にとっても同様です。話題がブラックホールの進化であれ、ブラック・ライヴズ・マターの出現であれ、予知の可能性であれ、事前登録の必要性であれ、詳細は重要です。そして、適切な方法で提示されれば、常に私たちを魅了する力を持つはずです。 私の仲間のコミュニケーターたちに言います。私たちの驚きの感覚を呼び覚ましましょう。好奇心の火花を点火し、それに燃料を与えましょう。物語、キャラクター、サスペンス、ユーモアといった古典的な手法を使って。 しかし、ジャーナリストや科学者、複雑なアイデアを伝える他の人々に頼るのはやめましょう。私たちは自分自身の好奇心に責任を持たなければなりません。「退屈な人だけが退屈する」という言葉があります。私たちが積極的に世界に関心を持つことで、世界はずっと面白くなります。「退屈の治療法は好奇心だ」という古い言い回しがあります。「好奇心には治療法がない」とも。まさにその通りです。物事の表面の下を覗き込み、自分の知識の隙間に気づき、各質問をより良い質問への道と考えるようになると、好奇心は習慣化されることがわかります。時には、ダレル・ハフのように考える必要があります。「どこにトリックがあるのか？」や「この嘘つきはなぜ私に嘘をついているのか？」といった、冷静で厳しい懐疑心には意味があります。しかし、「信じられない」というのは、驚くべき統計的主張に直面したときの正しい出発点であることもありますが、それで終わるのは怠惰で落胆させる場所です。そして、私はあなたがそこで終わらないことを願っています。私が、好奇心を持ち続けることの重要性を説得できたことを願っています。「もっと教えて」と言う新しいものを求める好奇心や、オースティン・ブラッドフォード・ヒルやリチャード・ドールがなぜ多くの人々が肺癌で亡くなっているのか、そしてタバコがその原因かもしれないと問い続けた執拗な好奇心のために、もっとスペースを作るべきだと。世界を理解したいのであれば、私たちは質問をしなければなりません—オープンマインドで真摯な質問を。そして、一度質問をし始めると、止めるのが驚くほど難しいことに気づくかもしれません。