ネイト・シルバーと『シグナルとノイズ』への称賛 ウォール・ストリート・ジャーナル ノンフィクション書籍大賞 「シルバー氏は34歳という若さで、ノイズの中からシグナルを見つける専門家です。活気に満ちた文体は、エネルギッシュから怒りに満ちたものまで多様で、チェスや野球、天気予報、地震分析、政治などの分野における予測の方法を探る興味深いエッセイの数々を通じて、彼の成功と失敗を示しています。特に、地球温暖化に関する章は、私が見た中で最も客観的で正直な分析の一つです。ノイズでさえも、良い読み物となっています。」 —ニューヨーク・タイムズ 「ジョン・ケネス・ガルブレイスのような公共知識人が経済政策の議論を形作り、ウォルター・クロンカイトのような公人がベトナム戦争に関する世論を動かしたのと精神的にはさほど異ならない... この本は、十年の中で最も重要な書籍の一つになるかもしれません。」 —ニューヨーク・タイムズ・ブックレビュー 「学術的な数学なしで、予測の技術に関する真剣な論考を、一般読者向けに明るく提供しています。シルバーのカバレッジは多岐にわたり、ポーカーや地震から気候変動やテロリズムまで幅広く、長年無視されてきた統計学者トーマス・ベイズへのオマージュでもあります。」 —ニューヨーク・レビュー・オブ・ブックス 「シルバー氏の軽快なスタイルは、最も難解な統計資料さえも理解しやすくしています。さらに、彼の主張や例は丹念に調査されています。」 —ウォール・ストリート・ジャーナル 「ネイト・シルバーは統計学のカート・コバーンです。彼の野心的な新著『シグナルとノイズ』は、ハリケーン追跡やプロポーカー、対テロリズムに関する一連のケーススタディを通じて予測のテーマを追求する、実用的なハンドブックであり哲学的なマニフェストでもあります。未来について良い予測を立てたい人や、他者の予測を評価したい人にとって、非常に貴重なリソースとなるでしょう。言い換えれば、誰にとっても必要な本です。」 —ボストン・グローブ 「シルバーは、理論と数値の詳細を織り交ぜながら、予測を行うための基本的な入門書を驚くほど軽快に提供しています。数字を知る必要がある人々の物語を通じて。」 —ワシントン・ポスト 『シグナルとノイズ』は多くの側面を持っています。ベイズ理論の確率入門、運と性格についての考察、ポーカーが人生に与える洞察に関するコメントなどですが、今最も重要な機能は、データに装った胡散臭い情報を見抜き、避けるためのガイドであるということです。最も新鮮なのは、その謙虚さです。時には知らないことに対処しなければならず、誰かにそれを教えてもらう必要があります。」 —エスクァイア 「多くの人が敬遠するテーマを面白く一般化した本です。シルバーのコンサルティングから野球分析、プロポーカー、政治予測への旅は、非常に restless で好奇心旺盛な心の持ち主のものです。そして、これこそが数字を扱う以上に、真の予測力が生まれるところです。」 —スレート 「ネイト・シルバーは、アメリカの選挙ウォッチャーにとっての禅マスターのような存在です。」 ...ナシーム・ニコラス・タレブの広く読まれている『ブラック・スワン』の精神を受け継ぎ、シルバー氏は人間が予測能力に過信しており、確率的な考え方をするのが苦手で、不確実性を考慮しないモデルを構築していると主張しています。 —『エコノミスト』 「シルバーは、株式市場、嵐、スポーツ、そしてその他の確定していない事象の予測に対する私たちの試みを探求しています。」 —『ワイアード』 「『シグナルとノイズ』は、ビッグデータの時代において必読の書であり、あらゆるビジネス、あらゆるスポーツイベント、そしてすべての政策立案者に影響を与えます。」 —Forbes.com 「鋭い洞察。驚くべきことに、シルバーの手にかかる統計は、楽しさを欠くものではありません。」 —『スミソニアン・マガジン』 「実際のデータに基づく確率的思考の重要な挑戦を、愚かなリベラルな概念（例えば『事実』）を一掃しようとする文化の足元に投げかけた、広範囲にわたる重要な著作です。」 —『ビレッジ・ボイス』 「シルバーは、印刷技術の登場から産業革命、そして現在に至るまでの600年にわたる人間の情報収集の歴史に光を当て、その過程がいかに感動的なものであったかを示しています。私たちは多くのことを学び、まだ学ぶべきことがたくさん残っています。」 —MLB.com 「住宅バブルから政治学に至るまで、最も優れた専門家たちがしばしば最大の誤りを犯すのは、信号（真実）とノイズ（気を散らすもの）を区別できないからです。ただ一つの予測をリスクにさらすとすれば、シルバーの本は手放せなくなるでしょう。」 —『マザー・ジョーンズ』 「アルゴリズムの神であり主。」 —ジョン・スチュワート、『デイリー・ショー』 「ネイト・シルバーの『シグナルとノイズ』は、21世紀の『新しい機械の魂』です（私たちが予測するのがずっと得意だと思っていた世紀です）。ネイトの影響により、私たちの政治的議論はすでにより情報に基づき、データ駆動型になっています。しかし、ここで彼は数字の中に常に見えていたもの—定量的な質問を正しく理解することの重要性と倫理的な義務—を示しています。素晴らしい読書体験で、完全に引き込まれます。」 —レイチェル・マドウ、『ドリフト』の著者 「ヨギ・ベラが言った通りです：『予測は難しい、特に未来については。』この重要な本で、ネイト・シルバーは専門家のパフォーマンスが予知的から無用に至るまでなぜ異なるのか、そしてなぜ私たちが予期しない事態に備えなければならないのかを説明しています。次に何が起こるかを気にするすべての人に必読です。」 —リチャード・H・セイラー、『ナッジ』の共著者 「『ビッグデータ』の時代における予測は、あなたが想像するものとは異なります。ネイト・シルバーの新鮮で独自の本は、私たちの未来を予測する際に客観的現実と主観的現実を区別するための予測不可能な洞察を提供します。彼は、科学、技術、さらには政治の進展を予測する際に人間の要素が依然として不可欠であることを思い出させてくれます...もし私たちが自分の過ちから学ぶことができれば。」 —ジョン・ハントスマン知事 「予測を一つ：『シグナルとノイズ』を読んだ後、なぜいくつかのモデルがうまく機能するのか、そしてなぜ多くのモデルが機能しないのかについて、より深い洞察を得ることができるでしょう。」 あなたは、来週の天気予報にもっと注意を払うようになるでしょうが、それ以降の天気予報にはまったく関心を持たなくなるでしょう。ネイト・シルバーは、複雑で難解なテーマを楽しく、興味深く、そして私たちにとって関連性のあるものに変えてくれます。 —ピーター・オルザグ（元予算管理局長） 「予測、予言、仮定、不安、期待、見積もり…これほど多くの言葉が英語に存在するのは、私たちの生活においてそれが中心的な役割を果たしているからです。私たちは予測を真剣に受け止めない傾向があります。なぜなら、どこかで私たちは知らないということを知っているからです。シルバーは、政治、科学、経済の曖昧な世界において、この避けられない人生の一部がどのように誤って投影されるかを示してくれます。チェス、スポーツ、吹雪、地球温暖化、マクラフリン・グループを通じて、彼は信号からノイズを取り除く方法を真剣かつ体系的に示そうとしています。」 —ビル・ジェームズ（『ビル・ジェームズ・ベースボール・アブストラクト』の著者） ネイト・シルバーは、FiveThirtyEight.comの創設者であり編集長です。『信号とノイズ』は、なぜ多くの予測が失敗するのか、しかし一部は成功するのかを探る作品です。 この本は、2012年にアメリカ合衆国でペンギン・プレスから初版が発行され、2020年に新しい序文を加えてペンギン・ブックスから出版されました。著作権は2012年、2020年にネイト・シルバーに帰属します。 ペンギンは著作権を支持しています。著作権は創造性を育み、多様な声を促進し、自由な言論を守り、活気ある文化を生み出します。この本の正規版を購入し、著作権法を遵守して無断で複製、スキャン、配布しないことで、作家を支援し、ペンギンがすべての読者のために本を出版し続けることを可能にしていることに感謝します。 イラストのクレジット： 図4-2：オックスフォード大学ティム・パーカー博士の提供 図7-1：「1918年インフルエンザ：すべてのパンデミックの母」ジェフリー・タウベンバーガーとデイビッド・モレンス著、感染症ジャーナル、2006年1月号 図9-2、9-3C、9-4、9-5、9-6、9-7：Cburnett、ウィキメディア・コモンズ 図12-2：ペンシルベニア大学ウォートン・スクールJ・スコット・アームストロング博士の提供 アメリカ合衆国議会図書館は、ハードカバー版を以下のようにカタログ化しています： シルバー、ネイト『信号とノイズ：なぜ多くの予測が失敗するのか、しかし一部は成功するのか』ネイト・シルバー著 ページ数不明。文献参照と索引を含む。ISBN 978-1-59420-411-1（ハードカバー） ISBN 978-0-14-312508-2（ペーパーバック） 特別市場用ISBN：978-1-52470-463-6 1. 予測。 2. 予測—方法論。 3. 予測—歴史。 4. ベイズ統計的意思決定理論。 5. 知識の理論。 I. タイトル。 CB158.S54 2012 519.5'42—dc23 2012027308 著者は、出版時に正確な電話番号、インターネットアドレス、その他の連絡先情報を提供するためにあらゆる努力を尽くしましたが、出版社および著者は、出版後に発生した誤りや変更について一切の責任を負いません。また、出版社は著者や第三者のウェブサイトやその内容に対しても一切の管理権を持たず、責任を負いません。 表紙デザイン：Yentus & Booher 目次 母と父へ Nate Silverと『シグナルとノイズ』への賛辞 著者について タイトルページ 著作権 献辞 序文 2020年版への前書き 1. 予測の壊滅的な失敗 2. あなたはテレビの評論家より賢いですか？ 3. 私が気にするのは勝ちと負けだけ 4. 何年もあなたたちは「雨は緑だ」と言ってきた 5. 信号を必死に探して 6. 3フィートの水に溺れる方法 7. ロールモデル 8. ますます間違いが少なくなる 9. 機械に対する怒り 10. ポーカーのバブル 11. もし勝てないなら… 12. 健全な懐疑心の気候 13. 知らないことはあなたを傷つける 結論 謝辞 注釈 索引 2020年版への前書き 私たちは警告を受けていました。しかし、それはあまり意味がありませんでした。2015年、ビル・ゲイツは、パンデミックが戦争よりも何百万もの人々を殺す可能性が高いと述べました。2016年、ドナルド・トランプが大統領に当選した後（このことについては後で詳しく述べます）、オバマ大統領の移行チームは、新型コロナウイルスを含むいくつかのパンデミックシナリオへの対応を扱った「プレイブック」を残しました。2019年、アントニー・ファウチ博士は、SARSのような呼吸器系パンデミック、つまりCOVID-19とまったく同じものについて、夜も眠れない理由を記者に尋ねられた際に言及しました。 明確に言うと、これらの予測はそれほど具体的ではありませんでした。「新型コロナウイルスが2019年冬に中国の武漢で発生する」とは誰も言っていませんでした。これらの人々は予知能力を持っていたわけではありません。しかし、背景リスクがかなり高いことは証明されていました。平均して、アメリカでは約50年ごとに深刻なパンデミックが発生しています。COVID-19の前の2つの大きなパンデミックは、1918-19年と1957-58年のインフルエンザパンデミックであり、これは年間約2％の確率を示唆しています。このようなパンデミックが1918-19年のパンデミックと同じ割合でアメリカ人を殺した場合、つまり人口の約0.7％が亡くなった場合、230万人の死亡者が出ることになります。230万人の2％を取ると、年間46,000人の死亡者が出ることになり、これは9.11の攻撃で亡くなった人数の10倍以上です。だからこそ、ゲイツやファウチのような人々が心配していたのです。COVID-19が具体的にどの時点で深刻な脅威となったのかを正確に言うのは難しいです。2月中旬まで、ある「スー」… 「予測」パネル—フィル・テトロックが主導するプロジェクトで、彼は第2章で紹介されますが、一般的に成功した予測を行ってきました—は、パンデミックが1か月後に実際にどれほど深刻になるかについて、わずか3％の可能性しか見積もっていませんでした。そして、時にはアメリカに対する脅威を軽視する専門家も多くいました—ドクター・ファウチもその一人です。しかし、イタリアや他の国で感染が拡大し始めると、状況は急速に悪化していきました。2月25日には、疾病管理予防センターがアメリカ人に対して「日常生活における重大な混乱に備えるべきだ」と不吉な警告を発しました。ハーバード大学のマーク・リピッチのような疫学者は、世界の人口の40％から70％が最終的にコロナウイルスに感染すると予測していました。それでも、カリフォルニア州が3月19日に全州的な自宅待機命令を出すまで、ほぼ4週間が経過しました。ありきたりな表現ですが、その日々はまさに嵐の前の静けさのように感じられました。嵐の雲が集まり始め、雷の初めての轟音を聞き、これから起こることの避けられない運命を認識するのです。しかし、どれほどひどいことになるのかは分からず、何もできない無力感を感じていました。 3月初め、ボストンで開催されたMITスローンスポーツアナリティクスカンファレンスで、スポーツ業界の幹部、スターアスリート、学者、ベンチャーキャピタル投資家、アメリカの議員、そしてこの本で紹介される数人と共に夕食を取ったことを覚えています。リスクと不確実性を評価するために何らかの形で報酬を受け取っているこれらの人々が、コロナウイルスの脅威を知らなかったら皮肉なことだったでしょう。しかし、私たちはかなり心配していました。これがしばらくの間、こうした集まりを持つ最後の機会になるかもしれないという感覚がありました。しかし、実際に何か行動を起こした人はいたのでしょうか？実際には、あまりありませんでした。（そもそもカンファレンスを開催すべきだったのかも不明です。1週間前にボストンで開催されたバイオジェンのカンファレンスは、スーパースプレッダーイベントとなってしまったのです。） カンファレンスの後、ニューヨーク市に戻ったとき、ビル・デブラシオ市長が人々に地下鉄の利用を避けるように言っていたことを覚えています。ニューヨークに住んでいない方には、地下鉄がどれほど重要か理解できないかもしれませんが、ニューヨーカーに地下鉄を避けるように言うのは、魚に泳ぐのを避けるように言うようなものです。それでも、オフィス、学校、バー、レストランはまだ営業しており、マディソン・スクエア・ガーデンではバスケットボールやホッケーの試合が行われていました。そして、観光客の群れが市内の主要な名所に押し寄せていました。総じて言えば、コロナウイルスは予測の失敗というよりも、専門家の指導に基づいて行動しなかったことの失敗でした。専門家の指導は多くの詳細を間違え、不確実性を伴っていましたが、大きな方向性に関してはほとんど正しかったのです。この本のほとんどは、なぜ専門家の予測がしばしば外れるのか、そしてより信頼性の高い予測を行うためには何が必要かについて扱っています。 『シグナルとノイズ』が2012年に出版されて以来、専門家たちが世界を変えるような出来事の発生確率をかなり高く予測したにもかかわらず、その予測がほとんど無視されたり誤解されたりするケースが増えてきました。つまり、良い予測をすることと、それを真剣に受け止めてもらうことは別の話です。特に、その確率が50％未満であってもゼロよりは意味のある場合、たとえばトランプが大統領に選ばれる確率が28.6％だったとしたら。選挙日についてはあまり覚えていませんが、マンハッタンのチェルシーという超青い地区で投票し合っていた有権者たちが互いにうなずきや微笑みを交わし、初の女性大統領を選ぶことになるのではないかと考えていたことは覚えています。午後5時にファイブサーティエイトのオフィスに到着したとき、出口調査ではヒラリー・クリントンが大きくリードしていることが示されていました。私たちのモデルではクリントンが有利とされており（彼女の勝率は72.4％、トランプは28.6％）、私たちはトランプにも本当にチャンスがあること、28.6％は現実的な数字であることを人々に納得させるために多くの時間を費やしていました。結局のところ、大したことではなかったのかもしれません。その後、9時頃にニューヨーク・タイムズのアップショットの針がトランプの方に揺れ始めたのを覚えています。フロリダ、ウィスコンシン、ミシガンといったスイングステートで、クリントンの数字が必要なところに届かず、少し足りない状況が続いていました。オフィスはとても静かで、クリントンが負ける可能性が高いことが明らかになってから、トランプが正式に勝利を宣言される午前2時30分までの時間がゆっくりと流れているように感じました。正直なところ、クリントンが選挙人団では負けても一般投票では勝つ可能性が高いことに気づいたとき、私は予知的な感覚を抱きました。まさに私たちが警告していたシナリオでした。私たちのモデルは結果を正確に予測してはいませんでしたが、私たちのモデルは「予測」を行うのではなく、確率を扱っており、このような結果—白人の労働者階級の有権者が中西部でトランプに流れたためにトランプが選挙人団を勝ち取る—に対して他の予測よりもはるかに高い確率を割り当てていました。 選挙後の寒く陰鬱な日曜日に、ニューヨークのハイドパークに車を走らせ、視点を得ようとしながらFDR国立歴史公園を訪れたことを覚えています。アメリカが大恐慌や第二次世界大戦のように、長く波乱に満ちた10年間を迎えるのではないかと考えました。私は数週間にわたり、ニューヨーク・タイムズや他のメディアの選挙報道を再読し、後に「2016年の真実の物語」となる一連のエッセイのための準備をしました。選挙戦の終盤には実際にはかなり接戦だったにもかかわらず、トランプが勝つ可能性を示すような兆候—たとえば、オハイオやアイオワといった伝統的なスイングステートでの世論調査でリードしていること—はほとんどのメディアによって無視されていました。 例えば、タイムズの報道を読んでいたら、クリントンの「待機中の政権」と明言されていたため、トランプの勝利の可能性が28.6パーセントだとは思わなかったでしょう。むしろ、ゼロだと思ったはずです。しかし、これらのメディアは、トランプが勝つ可能性があるという考慮を怠った自分たちの責任を「データ」に押し付けるのが早かったのです。 選挙中にすべてがうまくいったわけではありません。ドナルド・トランプが2015年6月にトランプタワーのエスカレーターを降りて立候補を発表した瞬間から、キャンペーンは壮大な混乱でした。1年も経たないうちに、トランプは共和党の指名を獲得しましたが、私は当初、そして公然と、時には不快に思うほど懐疑的でした。なぜなら、共和党の体制派がトランプに反対していたため、彼は失敗するだろうという基本的な理論があったからです。体制派は通常勝利し、自分たちの好む候補者を選ぶことができました（例えば、2012年のミット・ロムニーのように）。しかし、この本が教えようとしているのは、短絡的で雑な判断を避け、より厳密で規律あるアプローチを適用することです。党が決定するという理論には一定の実証的な裏付けがありましたが、サンプルサイズはそれほど大きくなく、反例もかなりありました。確かに、体制派は通常勝ちますが、もしトランプのような反体制候補が数ヶ月間も世論調査でリードしていたらどうでしょうか？そして、GOPの体制派が混乱している兆候があったら？こうした要素をどのように相対的に評価するかは明らかではなく、そのため、確率的な統計モデルを構築することが有用です。そうでなければ、関与する不確実性を考慮して、主張にはかなり控えめであるべきです。しかし、私は自分のアドバイスに従っていませんでした。全体の予備選プロセスをシミュレーションするための統計モデルを設計することはありませんでした。もしそうしていたら（2020年のように）、私の見解は異なっていたかもしれません。基本的には、私はその場しのぎで、いい加減に進めてしまい、初期のあまりよく考えられていない立場に固執してしまいました。トランプが指名を獲得するために一つずつハードルをクリアしていくのを見るのは痛々しいものでした。そして、良い予測はしっかりとした基盤の上に築かれなければ、平均的なテレビの評論家の予測と同じ程度のものになってしまうことを思い知らされました。 一般選挙は別の話でした。私たちはすぐにモデルを稼働させました。世論調査が変動する中で、トランプの勝利の可能性は12パーセントから50パーセントまで変わり、最終的な選挙日予測では28.6パーセントに落ち着きました。これは、ボストン・レッドソックスのスラッガー、デビッド・オルティス（生涯打率.286）がヒットを打つ確率に匹敵する、かなり高い確率です。私たちのモデルの確率は、トランプの勝利の可能性についての従来の知見よりも一般的に高いものでした。 ベッティング市場では、トランプの当選確率が市場によって10％から20％の間で評価されていました。もし私たちのモデルのアドバイスに従っていたら、トランプに賭けて多くの利益を得ていたでしょう。私のABCニュースの同僚の一人は、ニューヨークやワシントンのニュースルームでの一般的な見解を反映して、トランプの当選確率を5％と見積もっていました。また、他のいくつかの統計モデルでは、トランプの当選確率は1％や2％と低く評価されていました。私たちの経験から、すべての人がこのように記憶するわけではないことは承知しています。しかし、予備選挙での経験—トランプが勝たないという過信—を経て、ヒラリー・クリントンが勝利を確実にしているわけではないことを人々に伝えたかったのです。モデルの構築方法は変わりませんでした（基本的には2008年と2012年のモデルと同じでした）が、私たちの話し方は変わりました。そのため、「はい、ドナルド・トランプには勝利への道がある」、「トランプが人気投票で負けながらホワイトハウスに勝つ方法」、「トランプはクリントンの後ろにいる普通の世論調査の誤差に過ぎない」といった見出しを作成しました。選挙の1週間前、私はハフポストのライアン・グリムと大きな、やや不適切なツイッター論争を繰り広げました。彼は私がトランプに有利な方向に世論調査を「歪めている」と書き、民主党が心配する必要はないのにパニックを引き起こしていると示唆しました（ハフポストのモデルではトランプの当選確率はわずか2％でした）。 モデルの最終予測におけるトランプの選挙人団の確率は以下の通りです： - プリンストン選挙コンソーシアム：<1％ - ハフポスト世論調査：2％ - デイリーコス選挙：5％ - プリディクトワイズ：11％ - NYTアップショット：15％ - ファイブサーティエイト：20％ なぜ私たちのモデルが他のモデルよりもトランプに対して楽観的だったのかについて、詳細に説明するつもりはありませんが、最も重要な要因は、異なる州の結果が独立しているのではなく相関していることを認識していた点です。特に、州が人口統計的に似ている場合です。つまり、トランプがミシガン、ウィスコンシン、ペンシルベニア、オハイオ、アイオワを勝ち取ったことは驚きではありませんでした。これらの州はすべて、オバマが2012年に勝利した州であり、白人の労働者階級の有権者が多くいました。トランプが選挙人団で勝つためには、そのグループの中でわずかに世論調査を上回る必要があったのです。これが、私たちのモデルがトランプに選挙人団で勝つ可能性を人気投票よりもかなり高く評価した理由の一部です。それでも、これらの訴えはあまり耳に届きませんでした。予備選挙での驚きの勝利や、数週間後のブレグジットの驚きにもかかわらず（世論調査では接戦が示されていましたが）、他のジャーナリストたちにトランプの可能性を真剣に受け止めてもらうのは難しかったのです。FBI長官ジェームズ・コミーのクリントンのメールに関する議会への手紙の後、世論調査がかなり接近したにもかかわらずです。ニューヨーク・タイムズのエイミー・チョジックが後に私たちのポッドキャストで言ったように、一般的な見解はヒラリー・クリントンがドナルド・トランプに負けることを信じる準備ができていなかったのです。クリントンは2007年から待機中の大統領のように見え、トランプは… 彼は「過去10年間をリアリティTVスターとして過ごしてきた男」だった。* ここで明確にしておきたいのは、私の主張は、誰もが数ヶ月前にCOVID-19が世界的なパンデミックになることを予測すべきだったとか、トランプの勝利が確実だったということではありません。むしろ、これらは非常に重要な結果の高い確率であり、そのリスクは大部分無視されていたということです。なぜでしょうか？「一般の人々は数学が苦手だ」とか「人々は確率を理解していない」と言うのは簡単ですが、私はそれほど単純ではないと思います。少なくとも選挙のケースにおいては、世論調査の結果、一般の人々はクリントンの勝利に対して特に安心しきっているわけではありませんでした。例えば、ロサンゼルス・タイムズの最終調査では、実際に有権者に各候補者が勝つ確率を推定させたところ、平均的な有権者はトランプに43％の勝率を与え、モデルやメディアが示したよりもかなり高い数字でした。2° また、これは必ずしも数学的な能力の問題ではないと思います。私は人生で多くのポーカーをプレイしてきましたが、女性プレイヤーは少ないものの、出会う人々は年齢、人種、性格、背景、ゲームへのアプローチにおいてかなり多様です。数学オタクのステレオタイプに当てはまるプレイヤーもいますが、彼らはさまざまな職業から来ています。それでも、ゲームをある程度の期間プレイしているほとんどの人は、かなり鋭い確率的直感を持っています。彼らは、相手が強い手を持っているかブラフをしているかの確率を大まかに把握し、パターンを認識し、過去に似たような状況に置かれたことを思い出します。全員が勝ち続けるプレイヤーではありませんが、経験を積むことで（悪いプレイを続けてお金を失うのは痛いものです）、彼らは通りから連れてきた平均的な人よりもはるかにポーカーが上手です。では、より良い確率的思考の障壁は何でしょうか？私はそれが基本的に二つのカテゴリーに分かれると思います。 「ゆっくり考える」ことは重要ですが、それは大変な作業です。 さて、もしかしたらあなたはポーカーをプレイしたことがないかもしれません。では、もう一つ、もっと身近な例を考えてみましょう：仕事や学校への通勤です。これを確率的推論の演習とは見なさないかもしれませんが、あなたが行っているかなり洗練された計算を考えてみてください：どのルートが最も早いか、他のドライバーや歩行者がどのように行動するか、信号に間に合うか、重要な会議に遅れそうな場合の交通違反のリスクはどれくらいか。これらはあなたにとっては自然なことのように思えるかもしれませんが、実際には多くの労力がかかっています。非常に強力なコンピュータを運転させるためには数十年の訓練が必要でした。* ダニエル・カーネマンの2011年の著書『ファスト＆スロー』—この本がこの本のインスピレーションとなっています—では、二つのタイプの認知について説明しています。それは「速い思考」、つまりシステム1と「遅い思考」、つまりシステム2と呼ばれています。システム1は迅速で本能的であり、犬が道に飛び出そうとしたときに、経験豊富なドライバーとしてどのように反応するかを支配します。一方、システム2は意図的で意識的です。 これは、上司に昇給をお願いするメールを書く際に使う考え方です。私が言ったように、難しい課題に対する経験を積むことで、思考がシステム2からシステム1に移行することがあります。私は数学が得意で、以前にプレイしたポーカーの手をコンピュータシミュレーションで何時間も分析することがありますが、実際には非常に直感的で、ゲームの最中は素早くプレイします。しかし、これは私が経験を積み、ゲームを研究してきたからこそ、私の「直感」がかなり良くなり、何かがおかしいと感じるのが容易になったからです。問題は、経験がほとんどない複雑な問題に対してシステム1の直感的思考を適用しようとする時に起こります。例えば、コロナウイルスについて考えてみてください。予測が恐ろしいものであったとしても、システム2の思考を強いられて、自分の生活がどのように変わるかを実際に書き出してみると、イタリアの病院があふれ、中国でのロックダウンを見て、何が起こっているのかの大きさを認識するかもしれません。しかし、ほとんどの西洋社会の人々は、COVID-19のような悪化したパンデミックを生涯で経験したことがないため、それが特に切実に感じられることはありませんでした。さらに、指数関数的成長は理解しにくいものです。コロナウイルスの感染者数が約3日ごとに倍増している場合、初めの10件のクラスターは1か月以内に約1万件になることがありますが、私たちの脳はそのような数字に慣れていません。したがって、システム1にとって、ロックダウンの最初の数日は雪の日のように感じられたかもしれません。一方で、2002年と2003年にSARSを経験した東アジアの国々は、一般的にCOVID-19に対してより効果的な対応をしました。 また、大統領選挙について考えてみましょう。選挙は、世紀に一度のパンデミックよりも一般的です。しかし、4年ごとにしか起こらない出来事はそれでも比較的珍しいため、記憶は長く残ることがあります。例えば、2016年に人々が世論調査を見ていたとき、彼らは2008年や2012年を思い出したかもしれません。オバマがキャンペーンのさまざまな時点で危機に直面したこと（例えば、2012年の最初の大統領討論会の後、ロムニーが世論調査でほぼ並んだこと）を思い出しながら、最終的にはかなり快適に勝利しました。また、最近の世論調査でのアンダードッグが大統領選挙に勝った特に良い例もありませんでした。もし人々にトランプの勝算について意識的に考えさせたら（システム2を使わせたら）、ロサンゼルス・タイムズの世論調査のように、トランプにかなり高い確率を与えたかもしれません。しかし、もし彼らが直感的かつ感情的に行動し、同じように直感的かつ感情的に行動しているジャーナリストの報道を見たり読んだりしていたら、28.6％の確率は現実的または切実に感じられなかったかもしれません。 したがって、時には自分の直感を信じずに、ゆっくり考える必要があります。しかし、これを難しくする要因もあります。その一つが、ニュースイベントが展開する中での単純化されたメディアの物語です。 私はジャーナリストに対して多くの同情を抱いています—私自身もジャーナリストの一人ですが—しかし、ジャーナリズムが「歴史の第一草稿」と呼ばれる理由があります。それは、第一草稿が通常、完全に混乱しているからです。多くのことが間違っていて、これはほぼ避けられないことです。ニュースストーリーを展開するには、多くの確率的で仮の思考が必要です。したがって、ジャーナリストや他の専門家が情報をあまりにも整然とした形で提示しているときは、注意が必要です。逆に、「わからない」「確信が持てない」「まだ学んでいるところだ」「考えが変わった」といった表現を使うジャーナリストや専門家をより信頼すべきです。 考えを変えることは特に重要です。予測の最も難しい部分の一つは、新しい情報が明らかになるにつれて、どれだけ早く先入観を修正すべきかを知ることです。この本の後半では、先入観についてもっと詳しく述べる予定です。どちらの方向にも間違えることは簡単で、「これは大丈夫だ」と言いながら、元の予測が炎上していることもあれば、風見鶏のように揺れ動いていることもあります。しかし、現在のメディアエコシステムでは、考えを変えるのが遅すぎることがより大きなリスクである可能性があります。特定の立場に所属するようになると、その周りに同盟を形成し、同じ考えを持つ他者からのポジティブな強化を求める傾向があります。また、読者は自分の先入観を確認したいがためにあなたを探し求めることもあります。これにより、最も正確な予測をすることだけを考えている場合よりも、考えを変えることがよりコストがかかることになります。 また、過去の戦争にこだわる傾向を避けるべきです。関連する例が一つでもあることは、ゼロよりもはるかに良いことは確かです。（SARSの経験がある国々がCOVID-19に対してより良い結果を出したことを思い出してください。）しかし、過剰に補償するのも簡単です。ある有名なクリップがあります（私のような選挙オタクには有名ですが）2017年のバージニア州知事選挙の前朝、MSNBCの「モーニング・ジョー」に出演した一群の評論家たちのものです。この選挙は、2016年のトランプの逆転勝利以来、最も注目された選挙の一つでした。民主党のラルフ・ノーサムが世論調査で約3ポイントリードしており、これは彼が約75％の確率で勝つことを意味していましたが、パネリストたちはノーサムの勝利を予測することに対して非常に消極的で、共和党のエド・ギレスピーが勝つだろうと示唆する者もいました。彼らの考えは、（トランプ以前の）「世論調査で3ポイントリードしている候補者は必ず勝つ」というものから、（トランプ以降の）「世論調査で3ポイントリードしている候補者は決して勝たない」というものに変わってしまい、「世論調査で3ポイントリードしている候補者は通常勝つ」という正しい答えを見落としてしまいました。結果的に、ノーサムは約9ポイント差で勝利し、これは世論調査が予測していたよりもかなり大きな差でした。 多くの人々は、すべての証拠が手元にあるときに出来事を理解するのがどれほど簡単かを認識できていません。だからといって、すべての悪い予測が免責されるべきだとは言いません。全く逆です。 この本の目的は、社会がどのようにしてより良い予測を行えるかを説明することです。しかし、不確実な状況下でより良い初期の予測を行うことは、後からの推測とはまったく異なる取り組みです。意思決定者がその時点で利用可能な情報に基づいて何を信じていたのかを尋ねることは、彼女が神託のように振る舞うべきだったと考えるよりも、より良い視点です。 群衆の知恵に注意せよ 2012年に『シグナルとノイズ』が出版されて以来、私がこの本の大きなテーマの一つについて考えを変えたのは、群衆の知恵に対する懐疑心が高まったことです。この本はこのテーマについてかなり曖昧な表現をしています。たとえば、第11章で金融市場の効率性について説明するように、市場が完全に効率的であるわけではなく、むしろそれに打ち勝つのが非常に難しいのです。取引を行うたびに、株式を売買するにせよ、野球選手を取引するにせよ、その取引の反対側には、同じくらい賢く、十分に訓練された別の人がいるのです。（さらにメタファーを広げると、アイデアの交換を行っていると仮定しましょう。）あなたは彼らが知らないことを確実に知っているのでしょうか？彼らがあなたが知らないことを確実に知らないと確信していますか？もしあなたの取引条件がそんなに魅力的であるなら、なぜ彼らはそもそもあなたと取引をしようとするのでしょうか？ここには明らかに何らかのバランスがあります。一方では、あなた一人がそのテーマに関するコンセンサスよりも賢いと考えるのは傲慢です。理論的には、コンセンサスは多くの賢い人々の意見や経験を反映しているからです。もう一方では、誰もそのコンセンサスに疑問を持たなければ、社会は前進しませんし、コンセンサスが特に良い結果をもたらしているわけでもありません。（少なくとも、2020年6月時点で12万人以上のアメリカ人が亡くなったパンデミックの中でこれを書いている私には、そう見えません。） 私が言いたいのは、そのバランスが少なくともわずかに変わったと思うことです。私は、あなたがコンセンサスを少し信頼し、従来の知恵に少し疑問を持つ必要があるかもしれないと考えています。それは、あなたが何らかの専門的な反対者であるべきだということではありません。ほとんどの人は自分の判断を過大評価しています。しかし、私はあなたが8年前に私が言ったよりももっと懐疑的であるべきだと思います。ジェームズ・スロウィエッキの2004年の著書『群衆の知恵』は、集団の判断が個人の判断よりも優れている場合、あるいは劣っている場合についてのものです。「集団」は、組織やビジネス、業界、市場の形を取ることができます。重要なのは、グループ内の誰か一人の意見を単に反映するのではなく、コンセンサスを形成するためのメカニズムが存在するということです。私はスロウィエッキの主張を少し単純化し、修正していますが、彼が賢い集団判断に関連付けている基本的な特徴は3つあります。これを読んでいる間、これらのカテゴリーが今日のアメリカでどれほどうまく機能しているか、あるいは機能していないかを考えてみてください。 1. 多様性。もし皆が同じ考え方で問題に取り組んでいるなら、グループを形成する意味はありません。 100人のネイトがいる部屋（恐ろしい考えですね！）は、1人のネイトが出す結論とほぼ同じ結論に至るでしょう。ただし、彼らはお互いに常に同意することで、より頑固で柔軟性を失っている可能性があります。ですから、あなたのグループには多様な背景、経験、スキルセットを持つ人々を含めることが重要です。 独立性。人々はアイデアを自由に共有し、反対意見を恐れずに表明できる必要があります。そうでなければ、グループの最も影響力のあるメンバーが他のメンバーを従わせ、偽の合意を生み出してしまいます。さらに、人々の好みが他の人々の好みに依存する情報のカスケードを避けることも重要です。 信頼。グループは、人々が公正で腐敗がないと確信しているときに効果的です。そして、政府のように代表性を謳うグループでは、人々は代表者が自分たちの利益ではなく、全体の利益を考えていると信じる必要があります。これらのカテゴリーの中で、アメリカ社会は最初の点に関しては改善していると言えるかもしれませんが、他の2つの側面では悪化していると思います。アメリカは人種的および性別の多様性においていくつかの進展を遂げましたが、1960年代以来の最大の持続的な反人種差別抗議の最中にこの文章を書いている今、明らかにまだ長い道のりがあります。例えば、過去20年間で議会における女性の数はほぼ倍増しましたが（それでも24％に過ぎません）、スロウィエッキは一般的に思想の多様性やスキルセットの多様性について語っていますが、人種や性別の多様性とも関連しています。白人男性だけの部屋には多くの盲点があるでしょう。しかし、メディアのような機関は、他の点においてはあまり代表的でなくなっているかもしれません。2018年の研究によれば、ニューヨーク・タイムズやウォール・ストリート・ジャーナルの従業員の約半数が29のエリート大学のいずれか、または12の法科大学院やビジネススクールに通っており、これはアメリカの約3,700の学位授与機関のほぼ文字通り1％を代表しています。教育が人種とともに、国の主要な政治的分断の線になりつつある中で（大学に通っていない白人有権者が2016年のトランプの勝利に重要な役割を果たしました）、メディアや他の機関の人々がすべてエリート大学に通い、特定の政治的見解を共有している場合には懸念の余地があります。 そして、私はソーシャルメディアについて常に不満を言う人になりたくはありませんが…少なくとも数段落は不満を言わせていただきます。ツイッターやフェイスブックは一般的に合意を増幅し、反対意見をかき消したり、さらに攻撃したりします。人気のない意見を述べることで社会的制裁を受けると、独立性が大いに損なわれます（前述の通り、考えを変えることも難しくなります）。また、会話をフィルタリングして自分が同意する人々の意見しか聞かないようにしている場合、そもそもその意見を聞くことがないかもしれません。 2016年のトランプの予備選および一般選挙の勝利ほどメディアでの自己批判を引き起こさなかったものの、2020年の民主党予備選におけるジョー・バイデンの勝利は、同様の現象を反映していました。バイデンの勝利の可能性は常に過小評価されており、彼はほぼ全期間にわたって世論調査でリードしていたにもかかわらず（2016年の共和党予備選のトランプのように）、アイオワ州の党員集会での敗北までその傾向は続きました。それにもかかわらず、10月中旬には、賭け市場—通常、選挙に関する一般的な見解の良い指標とされる—は、バイデンが指名を獲得する確率をわずか18％とし、エリザベス・ウォーレンには50％以上の勝算を与えていました。この時点でバイデンはウォーレンよりも（わずかに）世論調査で上回っていたにもかかわらずです。 なぜこのようなことが起こったのでしょうか。それは、ウォーレン支持者がソーシャルメディア上で過剰に代表されていたためかもしれません（ジャーナリストがソーシャルメディアに多くの注意を払うことも影響しているでしょう）。ソーシャルメディアで活動する民主党支持者は、リベラルで大学教育を受けた白人である可能性が高く、これらはウォーレン支持者の特徴でした。一方、バイデンの支持者は年齢が高く、より中道的で、労働者階級に属し、黒人やヒスパニックである可能性が高いのです。 最後に、信頼の観点から見ると、アメリカの制度は深刻な問題を抱えています。議会、教会、メディア、学校、ホワイトハウスに至るまで、ほとんどの主要なアメリカの制度は、ガロップの調査によると、信頼を寄せていると答える人々の数が急激に減少しています。 【表2：各制度に対して「非常に信頼している」または「かなり信頼している」と答えたアメリカ人の割合】 | 制度 | ピーク（年） | 現在（2019年） | |------------------------|--------------|----------------| | 公立学校 | 62% (1975) | 29% | | 大統領職 | 71% (1991) | 38% | | 教会/組織宗教 | 68% (1975) | 36% | | 議会 | 42% (1973) | 11% | | 銀行 | 60% (1979) | 30% | | 新聞 | 51% (1979) | 23% | | テレビニュース | 46% (1993) | 18% | | 最高裁判所 | 56% (1985, 1988) | 38% | | 軍 | 85% (1991) | 73% | | 大企業 | 34% (1975) | 23% | | 警察 | 64% (2004) | 53% | | 組織労働 | 39% (1977) | 29% | | 刑事司法制度 | 34% (2004) | 24% | | 医療制度 | 44% (2003, 2004) | 36% | | 小企業 | 70% (2017) | 68% | これらの制度のうち、どれが公衆の信頼を失うに値するのか、またどれがスケープゴートなのかは別の問題です。しかし、いずれにせよ、これは潜在的な問題を生じさせます。人々がこれらのグループの言うことを信頼しないだけでなく、その感情が相互に強化され、これらの制度が公衆を信頼しない可能性もあるのです。例えば、アメリカの公衆衛生の専門家は、COVID-19パンデミックの初期にマスク着用の重要性を初めて否定しました。この動きは、マスクを着用するように人々に求めることで医療従事者に必要な個人用防護具が不足することを懸念した結果の一部でもありました。専門家たちは—正しいかどうかは別として—「マスクはおそらく役立つが、自分で作るか、数週間待つべきだ」と言うほど公衆を信頼していなかったのです。 また、ソーシャルディスタンスに関するアドバイスは時折一貫性がなく、安全とされることについてのメッセージが混在していました（屋外での抗議活動は？）。 トランプの政治集会についての話でしょうか？それとも、何が価値あるトレードオフだったのか。私がこれを書いているのは6月ですが、パンデミックの間に医療専門家への信頼は大幅に低下しています。特に共和党支持者の間で顕著です。コロナウイルスの政治には解決すべき多くの問題があり、そのほとんどはパンデミックが過ぎ去った後に考えるべきことかもしれません。しかし、この状況は専門家と一般市民の間の信頼の崩壊を強化しました。したがって、スロウィエッキの基準に従えば、アメリカの主要な機関における集団的判断が悪化している理由があると思われます。私たちは合意の利点が減り、集団思考の欠点が増えているのです。残念ながら、それは私たちの個々の判断が良くなっているわけではありません。私たちは自分自身のバイアスや判断の限界について懸念し、集団思考に警戒すべきです。数年前まで支配的だった、堅苦しく単一的な「両方の側面」を扱うジャーナリズムには多くの批判があるでしょうが、それはトランプの候補者としての立場や大統領としての行動を考えるには不十分でした。私は、これに代わって登場した多様なジャーナリズムのスタイルや視点が、全体としては優れていると思います。しかし、今では、あなたが目にするニュースが特定の好みに合わせてカスタマイズされる可能性が高くなっています。これは、取り決め婚が主流だった社会から、みんながTinderで出会う社会に移行するようなものです。あなたが受け取る信号は、あなたが慣れ親しんだものとは異なり、あなたの感性を思った以上に持ち上げるかもしれません。したがって、私たちは特に、自分の政治的な好みに合致したり、自分の信念を裏付けたりするような、複雑な出来事についての単純化されたストーリーを耳にしたときには警戒すべきです。リベラルな人は、フォックスニュースに懐疑的であるべきだと教えられる必要はありません。しかし、もしあなたの友人全員が同じことを言っているように見えるなら、それこそが警戒すべき時です。それらの意見が必ずしも間違っているわけではありません。あなたがニュースソースや友人をうまく選んでいることを願っています。しかし、ニュース記事が本能的な反応を引き起こす場合、特にそれがソーシャルメディアで共有されるときは、少し立ち止まって、慎重に確認することが重要です。自分の先入観を見直しましょう。私は時々、「シグナルとノイズ」をバンパーステッカーに凝縮できるとしたら、「確率的に考えろ」と書かれるだろうと思います。そこに今、もう一つ追加したいのは、「ゆっくり考え、懐疑的であれ」ということです。 **序章** これは情報、技術、科学の進歩についての本です。競争、自由市場、アイデアの進化についての本です。私たちをコンピュータよりも賢くするもの、そして人間の誤りについての本です。これは、私たちがどのように一歩ずつ客観的な世界の知識を得ていくのか、そしてなぜ時には後退するのかについての本です。これは予測についての本であり、これらすべての交差点に位置しています。なぜある予測が成功し、なぜ他の予測が失敗するのかを探る研究です。 その後、ヨーロッパ全土に急速に広がりました。私の希望は、私たちが未来を計画する際にもう少し洞察を得て、過ちを繰り返す可能性が少しでも減ることです。 情報が増えれば問題も増える 情報技術の革命はマイクロチップではなく、印刷機から始まりました。ヨハネス・グーテンベルクの1440年の発明は、情報を大衆に提供し、その結果生まれたアイデアの爆発は、意図しない結果や予測不可能な影響をもたらしました。これは1775年の産業革命の火花となり、文明はほとんど科学的または経済的進歩を遂げていなかった時代から、私たちが今日知っているような指数関数的な成長と変化の時代へと突入しました。この出来事は、ヨーロッパの啓蒙時代やアメリカ合衆国の成立を引き起こしました。しかし、印刷機はまず別のものを生み出しました。それは何世紀にもわたる聖戦です。人類が自らの運命を予測し、選択できると信じるようになると、最も血なまぐさい時代が続きました。 グーテンベルク以前にも本は存在していましたが、広く書かれ、読まれることはありませんでした。代わりに、それらは貴族のための贅沢品であり、写字生によって一冊ずつ作られていました。単一の写本を再現するための相場は、約5ページごとに1フローリン（今日のドルで約200ドル相当の金貨）でしたので、今あなたが読んでいるような本は約20,000ドルもかかることになります。また、写本は写本のコピーであるため、転写エラーのリストが付いてくる可能性が高く、各世代を通じて間違いが増殖し、変異していきました。このため、知識の蓄積は非常に困難でした。記録された知識の量が実際に減少するのを防ぐためには、英雄的な努力が必要でした。なぜなら、本が再生産されるよりも早く劣化してしまう可能性があったからです。聖書のさまざまな版や、プラトンやアリストテレスのような少数の正典的なテキストは生き残りましたが、計り知れない量の知恵が失われ、ページに記録するインセンティブはほとんどありませんでした。知識の追求は本質的に無駄に思え、全く無意味にさえ感じられました。 もし今日、物事が急速に変化しているために無常感を抱いているとすれば、無常は私たちの前の世代にとってはもっと文字通りの懸念でした。「日の下に新しいものはない」と、伝道の書の美しい聖句が述べているように、すべてが発見されていないからではなく、すべてが忘れ去られるからです。 印刷機はそれを変え、永続的かつ深遠な影響を与えました。ほぼ一夜にして、本を作るコストは約300分の1に減少しました。したがって、今日のドルで20,000ドルかかる本が、代わりに70ドルで手に入るようになったのです。 ほぼすべての主要なヨーロッパの都市に、さらに10年以内に到達することになります。印刷機が発明されてからの最初の世紀に、書籍の生産数は指数関数的に増加し、約30倍に達しました。人類の知識の蓄積が始まり、急速に進展していきました。 しかし、初期のインターネットの時代と同様に、情報の質は非常にばらつきがありました。印刷機は高品質の地図の生産にほぼ即座に利益をもたらしましたが、ベストセラーリストはすぐに異端的な宗教文書や疑似科学的な書籍に支配されるようになりました。誤りも大量生産されるようになり、いわゆる「ウィキッド・バイブル」では、歴史上最も不幸な誤植が印刷されました。「あなたは姦淫を犯すべきである」と。新しいアイデアに触れることで、大量の混乱が生じていました。情報量は、私たちがそれをどう扱うか、あるいは有用な情報と誤情報を区別する能力よりもはるかに速く増加していました。皮肉なことに、共有される知識が増えることで、国や宗教の線に沿った孤立が進んでいきました。 印刷機の初期の熱心な顧客の中で、最も熱心だったのは伝道に利用した人々でした。マルティン・ルターの「95箇条の論題」はそれほど過激ではなく、同様の感情は何度も議論されてきました。エリザベス・アイゼンシュタインが書いているように、ルターの論題が革命的だったのは、「教会の扉に掲示されたままではなかった」という点です。代わりに、彼の論題はグーテンベルクの印刷機によって少なくとも30万回再生産されました。これは現代の基準でも大ヒットでした。ルターの宗教改革が引き起こした分裂は、すぐにヨーロッパを戦争に巻き込みました。1524年から1648年まで、ドイツ農民戦争、シュマルカルデン戦争、八十年戦争、三十年戦争、フランス宗教戦争、アイルランド連合戦争、スコットランド内戦、イギリス内戦など、多くの戦争が同時に勃発しました。プロテスタントの広がりとはあまり関係のない1480年に始まったスペイン宗教裁判や、1508年から1516年までの聖なる同盟の戦争も忘れてはなりません。三十年戦争だけでドイツの人口の3分の1が死亡し、17世紀はおそらく最も血なまぐさい時代であり、20世紀初頭も主要な競争を繰り広げました。 しかし、この混乱の中で、印刷機は科学的および文学的な進展を生み出し始めていました。ガリレオは自らの（検閲された）アイデアを共有し、シェイクスピアは戯曲を生み出していました。シェイクスピアの戯曲は、運命の概念にしばしば焦点を当てています。多くのドラマと同様に、彼の作品が悲劇的である理由は、登場人物が達成したいと思うことと、運命が彼らに提供するものとの間にギャップがあるからです。コントロールするというアイデアは… 運命はシェイクスピアの時代には人間の意識の一部となったようだが、それを実現するための能力はまだ備わっていなかった。そのため、運命を試みる者は大抵、死に至る結果を招いてしまった。このテーマは『ジュリアス・シーザーの悲劇』で最も鮮明に描かれている。劇の前半を通じて、シーザーは様々な警告の兆候を受け取る。彼が「予言」と呼ぶもの（「3月のイドを警戒せよ」）は、彼の戴冠が虐殺に繋がる可能性を示唆している。しかし、シーザーはこれらの兆候を無視し、誇らしげにそれが他の誰かの死を指し示していると主張するか、証拠を選択的に解釈する。結局、シーザーは暗殺されてしまう。「しかし、人は物事を自分の都合の良いように解釈することができる」とシェイクスピアはシセロの声を通じて警告している。これは、新たに得た情報の海を泳ぎ抜こうとする誰にとっても良いアドバイスだ。信号と雑音を見分けるのは難しい。データが語る物語は、しばしば私たちが聞きたい物語であり、私たちは通常、それが幸せな結末を迎えるように仕向ける。しかし、『ジュリアス・シーザーの悲劇』が予言の古代的な概念に基づいていたのに対し（運命論、占い、迷信と結びついている）、それは同時に、これらの兆候を解釈して利益を得ることができるという、より現代的で根本的なアイデアも提示している。「人は時に自らの運命の主人である」とカッシウスは言い、ブルータスをシーザーに対する陰謀に引き込もうとする。運命の主人としての人間の概念は広まりつつあった。今日では「予測」と「予言」という言葉はほぼ同じ意味で使われているが、シェイクスピアの時代には異なる意味を持っていた。予言は占い師が告げるものであり、予測はカッシウスの考えに近いものだった。「予測」という用語は英語のゲルマン語のルーツから来ており、ラテン語から来た「予言」とは異なる。予測は新しいプロテスタント的な世俗性を反映しており、神聖ローマ帝国の超越性とは対照的だった。予測を立てることは通常、不確実な状況下での計画を意味していた。それは慎重さ、知恵、勤勉さを持つことを示唆しており、現在の「先見の明」という言葉の使い方に近い。 この考えの神学的な意味合いは複雑だが、地上の世界で利益を得ようとする者にとってはそれほど複雑ではなかった。これらの特性はプロテスタントの労働倫理と強く結びついており、マックス・ウェーバーはこれが資本主義と産業革命をもたらしたと見なしていた。この予測の概念は進歩の概念とも密接に関連していた。多くの書物にある情報は、私たちの生活を計画し、世界の動向を利益をもって予測する助けとなるはずだった。数世代にわたる聖戦を引き起こしたプロテスタントたちは、蓄積された知識を使って社会を変える方法を学んでいた。産業革命は主にプロテスタントの国々で始まり、自由な報道が行われている国々で進展した。 科学的なアイデアは、検閲の恐れなく流れることができる。産業革命の重要性は過小評価できません。人類の歴史のほとんどにおいて、経済成長は年間約0.1％という非常に緩やかなペースで進行しており、これにより人口は徐々に増加しましたが、一人当たりの生活水準の向上は見られませんでした。そして突然、何もなかったところに進展が現れました。経済成長は人口の成長率をはるかに上回って急上昇し、現在に至るまでその傾向は続いています。たまに発生する世界的な金融危機を除いて。 印刷機によって生み出された情報の爆発は、私たちにとって大きな利益をもたらしました。これには330年と、ヨーロッパの戦場で数百万の命が失われるという時間がかかりましたが、その利点が根付くまでには時間がかかりました。 生産性のパラドックス 私たちは、過去40年間の人類の歴史が示す危険に直面しています。それは、情報を有用な知識に変えるにはまだ時間がかかる可能性があり、注意を怠るとその間に後退するかもしれないということです。「情報時代」という言葉は特に新しいものではありません。1970年代後半に広く使われ始めました。関連する「コンピュータ時代」という用語は、1970年頃から使われていました。この頃、コンピュータは実験室や学術的な環境でより一般的に使用されるようになりましたが、家庭用電化製品としてはまだ普及していませんでした。この時代には、情報技術の成長が人類社会に具体的な利益をもたらすまでに300年はかかりませんでしたが、15年から20年はかかりました。 1970年代は、「非常に少量のデータに対して膨大な理論が適用された」時期でした。私たちはコンピュータを使って世界のモデルを作り始めましたが、それらがいかに粗雑で仮定に満ちているかを認識するまでには時間がかかりました。そして、コンピュータが持つ精度は予測の正確さの代わりにはならないことも理解するのに時間がかかりました。経済学から疫学に至るまで、この時代は大胆な予測が行われ、同じくらい頻繁に失敗した時代でした。例えば、1971年には、10年以内に地震を予測できるようになると主張されましたが、40年後の今でもその問題は解決に至っていません。その代わりに、1970年代と1980年代のコンピュータブームは、経済的および科学的生産性の一時的な低下をもたらしました。経済学者たちはこれを「生産性のパラドックス」と呼びました。「コンピュータ時代はどこにでも見られるが、生産性の統計には見られない」と経済学者は書いています。 ロバート・ソローは1987年に述べました。アメリカ合衆国は1969年から1982年の間に4回の明確な景気後退を経験しました。1980年代後半は、我々の経済にとっては強い時期でしたが、世界の他の国々にとってはそれほどではありませんでした。科学の進歩は経済の進歩よりも測定が難しいですが、その一つの指標は特許の数、特に研究開発への投資に対する特許の数です。新しい発明の生産が安くなった場合、これは我々が情報を賢く活用し、それを知識に変えていることを示唆しています。逆に、発明の生産が高くなっている場合、これは我々がノイズの中から信号を見つけ出そうとしており、無駄な時間を過ごしていることを示唆しています。1960年代、アメリカではアメリカの発明者による特許出願1件あたり約150万ドル（インフレ調整後）が費やされていました。しかし、この数字は情報時代の幕開けとともに減少するどころか増加し、1986年には約300万ドルに達しました。 我々がその新技術が何を成し遂げられるかについてより現実的な見方を持つようになると、1990年代には研究の生産性が再び向上し始めました。盲目的な道を歩むことが少なくなり、コンピュータは我々の日常生活を改善し、経済を助けるようになりました。予測の物語は、しばしば長期的な進歩と短期的な後退のものです。長期的には予測可能に思える多くのことが、短期的には我々の計画を台無しにします。 「ビッグデータ」の約束と落とし穴 現在の流行語は「ビッグデータ」です。IBMの推計によれば、我々は毎日2.5クインティリオンバイトのデータを生成しており、その90％以上が過去2年間に作成されたものです。この情報の指数関数的な成長は、1970年代のコンピュータのように、万能薬と見なされることがあります。『ワイアード』誌の編集者クリス・アンダーソンは2008年に、データの膨大な量が理論や科学的方法の必要性を排除すると書きました。この本は科学と技術を強く支持するもので、非常に楽観的なものだと考えていますが、これらの見解は大きく誤っていると主張しています。数字は自らを語ることはできません。我々がそれらの意味を与えるのです。シーザーのように、我々は… この態度は、私のバックグラウンドを知っている人には驚くべきものかもしれません。私はデータや統計を使って成功した予測を行うことで知られています。2003年、退屈なコンサルティングの仕事をしていた私は、メジャーリーグベースボール選手の統計を予測するシステム「PECOTA」を設計しました。このシステムにはいくつかの革新があり、たとえば予測は確率的で、各選手の可能な結果の範囲を示していました。そして、我々はその結果を比較した際に、競合するシステムよりも優れていることがわかりました。2008年には、次の選挙を予測することを目的としたウェブサイト「FiveThirtyEight」を設立しました。 FiveThirtyEightの予測は、50州中49州の大統領選挙の勝者と、全ての35のアメリカ合衆国上院選挙の勝者を正確に予測しました。選挙後、私は「マネーボール」や「フリーコノミクス」のような、オタクが世界を征服する物語を描いた本の成功を利用しようとする出版社からアプローチを受けました。この本は、そのような視点から構想されました。野球から金融、国家安全保障に至るまで、データ駆動の予測を調査するものです。しかし、4年間にわたり、12以上の分野で100人以上の専門家と話し、数百の学術論文や書籍を読み、ラスベガスからコペンハーゲンまで調査を追い求める中で、ビッグデータの時代における予測がうまくいっていないことに気づきました。私はいくつかの点で運が良かったのです。まず、私が説明するような多くの間違いを犯しながらも成功を収めたこと、そして、戦うべき戦いをうまく選んだことです。例えば、野球は特異なケースです。特に豊かで示唆に富んだ例であり、この本ではその理由—「マネーボール」から10年後、なぜ統計オタクとスカウトが調和して働いているのか—を考察しています。本書では、他にも希望の持てる例をいくつか紹介しています。人間の判断とコンピュータの力が融合する気象予測もその一つです。気象学者は悪評を持っていますが、彼らは驚くべき進歩を遂げており、25年前の3倍の精度でハリケーンの上陸位置を予測できるようになっています。一方で、ラスベガスを本当に打ち負かしているポーカー選手やスポーツベッター、IBMのディープブルーを構築し、世界チェスチャンピオンを打ち負かしたプログラマーたちにも出会いました。しかし、これらの予測の進展は、一連の失敗と対比して考慮しなければなりません。アメリカ人を定義するものが一つあるとすれば、それは私たち自身の運命をコントロールできるというカシウスの考えへの信念です。私たちの国は、アイデアの自由な流れが宗教的信念だけでなく、科学や商業の信念を広めるのに役立ったことを見た宗教的反逆者たちによって、産業革命の夜明けに設立されました。私たちの国としての強みと弱み—独創性や勤勉さ、傲慢さやせっかちさ—は、私たちが自らの道を選ぶという揺るぎない信念から生じています。しかし、新しい千年紀はアメリカ人にとってひどいスタートを切りました。私たちは9月11日の攻撃を予測できませんでした。問題は情報が不足していたわけではありません。60年前の真珠湾攻撃と同様に、すべての信号はそこにありました。しかし、私たちはそれらを結びつけることができませんでした。テロリストがどのように行動するかについての適切な理論が欠けていたため、私たちはデータに盲目であり、攻撃は「未知の未知」となってしまったのです。また、最近の世界的な金融危機に伴う予測の広範な失敗もありました。 私たちのモデルに対する無邪気な信頼と、仮定の選択に対する脆弱性を理解できなかったことが、悲惨な結果を招きました。一方で、私は、景気後退を数ヶ月以上前に予測することができないことを発見しましたが、それは試みが足りなかったわけではありません。インフレの制御においてはかなりの進展があったものの、経済政策の立案者たちは他の面では盲目的に行動しています。2000年の大統領選挙の前に政治学者たちが発表した予測モデルは、アル・ゴアが11ポイントの大差で勝利すると予測していましたが、実際にはジョージ・W・ブッシュが勝ちました。このような結果は異常なものではなく、政治予測においてはこのような失敗がかなり一般的です。ペンシルベニア大学のフィリップ・E・テトロックによる長期的な研究では、政治学者がある政治的結果が絶対に起こらないと主張した場合でも、実際には約15％の確率でそれが起こることが分かりました。（ただし、政治学者はテレビのコメンテーターよりは優れているでしょう。） 最近、1970年代のように地震予測の試みが復活していますが、そのほとんどは高度に数学的でデータ駆動の技術を使用しています。しかし、これらの予測は実際には起こらなかった地震を想定しており、実際に起こった地震に対する備えには失敗しました。福島の原子力発電所は、マグニチュード8.6の地震に耐えられるように設計されていましたが、それは一部の地震学者がそれ以上の地震は不可能だと結論づけたからです。しかし、2011年3月に日本で発生した恐ろしいマグニチュード9.1の地震がありました。予測が失敗している分野は多くあり、社会に大きなコストをもたらしています。例えば、生物医学研究を考えてみましょう。2005年、アテネ出身の医療研究者ジョン・P・イオアニディスは「なぜほとんどの発表された研究結果は誤りなのか」という論文を発表しました。この論文は、査読付きジャーナルに記載されたポジティブな結果を調査しました。これは、実験室で行われた医療仮説の成功した予測の記録です。結論として、これらの結果のほとんどは実世界で適用されると失敗する可能性が高いとされました。バイエル社は最近、イオアニディスの仮説を確認しました。彼らは、自ら実験を試みた際に、医療ジャーナルで主張されたポジティブな結果の約3分の2を再現できませんでした。 ビッグデータは最終的には進展をもたらすでしょう。そのスピードや、私たちがその間に後退するかどうかは、私たち次第です。 未来が私たちを驚かせる理由 生物学的には、私たちは祖先とあまり変わりません。しかし、石器時代の強みが情報時代の弱点になっています。人間にはあまり自然な防御がありません。私たちはそれほど速くもなく、強くもありません。爪や牙、ボディアーマーも持っていません。毒を吐くことも、カモフラージュすることも、飛ぶこともできません。その代わり、私たちは知恵を使って生き延びています。私たちの思考は迅速で、パターンを検出し、機会や脅威に対してためらうことなく反応するように組み込まれています。 「パターンを見つける必要性は、人間に特有のもので、他の動物にはあまり見られません」と、私が情報処理を研究しているMITの神経科学者トマソ・ポッジオに言われました。「困難な状況で物体を認識することは、一般化を意味します。新生児は顔の基本的なパターンを認識することができますが、それは個体によって学ばれたものではなく、進化によって獲得されたものです。」 ポッジオは、問題はこれらの進化的本能が時には存在しないパターンを見つける原因になることだと言います。「人々は常にそうしてきました。ランダムなノイズの中からパターンを見つけるのです。」 人間の脳は非常に優れたもので、約3テラバイトの情報を保存できると言われています。しかし、それはIBMが現在世界で毎日生産されている情報の量の約百万分の一に過ぎません。したがって、私たちは記憶する情報を非常に選択的に選ばなければなりません。アルビン・トフラーは1970年に『未来の衝撃』という本の中で、彼が「情報過多」と呼んだことのいくつかの結果を予測しました。彼は、私たちの防衛機構が、世界がより多様で複雑になっているにもかかわらず、自分たちのバイアスを確認する方法で世界を単純化することになるだろうと考えました。私たちの生物学的本能は、情報が豊富な現代の世界には必ずしも適応しているわけではありません。私たちが自分たちが持ち込むバイアスを意識するために積極的に働きかけない限り、追加の情報から得られる利益は最小限か、あるいは減少するかもしれません。印刷機の誕生後の情報過多は、より大きな宗派主義を生み出しました。今や、異なる宗教的な考えは、より多くの情報、より強い確信、より多くの「証拠」で証明されることができ、異なる意見に対する寛容さは減少しました。同じ現象が今日も起こっているようです。政治的な党派性は、トフラーが『未来の衝撃』を書いた頃から急速に増加し始め、インターネットの登場によってさらに加速しているかもしれません。これらの党派的な信念は、より多くの情報が真実に近づくという方程式を狂わせる可能性があります。最近の『ネイチャー』の研究では、強い政治的党派性を持つ人々が地球温暖化についてより多くの情報を持っているほど、互いに合意しないことがわかりました。一方で、情報の量が毎日2.5クインティリオンバイト増加しているとしても、有用な情報の量はほぼ確実に増えていません。そのほとんどはただのノイズであり、ノイズは信号よりも早く増加しています。テストすべき仮説や掘り下げるべきデータセットはたくさんありますが、客観的な真実の量は比較的一定です。印刷機は私たちの間違いの作り方を変えました。ルーチンの転写ミスは少なくなりましたが、間違いがあった場合、それは何度も再生されることになります。例えば「ウィキッド・バイブル」のように。ワールドワイドウェブのような複雑なシステムにはこの特性があります。彼らは単純なシステムほど頻繁には失敗しませんが、失敗するときはひどく失敗します。 資本主義とインターネットは、情報を広めるのに非常に効率的ですが、それによって良いアイデアだけでなく悪いアイデアも広がる可能性があります。悪いアイデアは、不均衡な影響を生むことがあります。金融危機の前、システムは非常に高いレバレッジがかかっており、信用格付け機関のモデルにおける一つの緩い仮定が、世界の金融システム全体を崩壊させる大きな役割を果たしました。規制はこれらの問題を解決する一つのアプローチですが、私はそれが自分自身の内面を見つめることから目を背けるための言い訳ではないかと疑っています。私たちは立ち止まり、認める必要があります。 予測の解決策 もし予測がこの本の中心的な問題であるなら、それは同時に解決策でもあります。予測は私たちの生活に欠かせないものです。仕事に行くルートを選ぶとき、二回目のデートに行くかどうかを決めるとき、雨の日のためにお金を貯めるとき、私たちは未来がどのように進むか、そして私たちの計画が好ましい結果を得る確率にどのように影響するかについて予測を立てています。これらの日常的な問題のすべてが厳密な思考を必要とするわけではありません。私たちは各決定にかける時間を限られたものにする必要があります。それでも、私たちは意識していようがいまいが、毎日何度も予測を行っています。このため、この本では予測を特定の専門家や実務者が行う機能ではなく、共有の営みとして捉えています。専門家の予測が外れたときに彼らを揶揄するのは面白いですが、私たちはそのような快感に注意すべきです。私たちの予測が専門家のものと同じくらい悪いと言うことは、非常に薄い称賛で自分たちを貶めることになります。 しかし、予測は科学において特に重要な役割を果たします。皆さんの中には、私がほのめかしてきた前提に不安を感じる方もいるかもしれませんが、今ここで明言します：私たちは決して完全に客観的な予測を行うことはできません。しかし、この本は客観的な真実が存在しないという虚無主義的な見解には明確に反対しています。むしろ、客観的な真実を信じ、それを追求することがより良い予測を行うための第一の前提であると主張します。予測者の次のコミットメントは、彼女がそれを不完全に認識していることを理解することです。予測は主観的な現実と客観的な現実を結びつける重要な要素です。科学哲学者カール・ポパーはこの見解を認識していました。ポパーにとって、仮説は反証可能でなければ科学的ではなく、つまり予測によって現実世界でテストできるものでなければなりません。私たちが注意すべきは、テストした少数のアイデアがうまくいっていないこと、そして多くのアイデアがテストされていないか、全くテストできないということです。経済学では、失業率の予測をテストする方が、刺激策の効果に関する主張をテストするよりもはるかに容易です。政治学では、選挙結果を予測するために使用されるモデルをテストできますが、政治制度の変更が政策結果にどのように影響するかに関する理論を検証するには数十年かかることもあります。私はポパーのように、そのような理論がしたがって非科学的であるとか、価値がないと主張することはありません。 しかし、私たちがテストできる数少ない理論が非常に不十分な結果をもたらしているという事実は、私たちがまだテストしていない多くのアイデアも非常に間違っている可能性が高いことを示唆しています。私たちは、気づいていない多くの幻想の中で生きていることは間違いありません。しかし、前進する方法はあります。それは、半端な政策アイデアに依存する解決策ではありません。特に、私が私たちの政治システムを問題の大きな一因と見なすようになったことを考えると、なおさらです。むしろ、解決策は態度の変化を必要とします。この態度は、ベイズの定理と呼ばれるものに体現されています。これは第8章で紹介します。ベイズの定理は名目上は数学的な公式ですが、実際にはそれ以上のものです。それは、私たちが自分のアイデアやそれをテストする方法について異なる考え方をしなければならないことを示唆しています。私たちは、確率や不確実性にもっと慣れる必要があります。問題に対して持ち込む前提や信念について、より慎重に考える必要があります。この本は大まかに二部に分かれています。最初の7章では予測の問題を診断し、最後の6章ではベイズの解決策を探求し適用します。各章は特定のテーマに焦点を当て、ある程度の深さで説明しています。この本が詳細であることは否定できません。部分的には、そこにこそ問題の本質があるからであり、部分的には、特定のテーマに一定の没入があれば、要約よりもはるかに多くの洞察を得られると私が考えているからです。私が選んだテーマは、通常、何らかの形で公に共有されている情報があるものです。予測者がプライベートな情報に基づいて予測を行う例は少なく（たとえば、企業が顧客記録を使って新製品の需要を予測する方法など）、私の好みは、私の言葉を信じるのではなく、自分で結果を確認できるトピックです。 本書の短いロードマップ この本は自然科学、社会科学、スポーツやゲームの例を交えながら進んでいきます。予測の成功と失敗がより明確に区別できる比較的単純なケースから、少し繊細さを必要とする他のケースへと展開していきます。第1章から第3章では、最近の金融危機に関する予測の失敗、野球における成功、そして政治予測の領域を考察します。ここでは、いくつかのアプローチがうまく機能し、他のアプローチはそうでないことが示されています。これらの章は、予測問題の根底にある最も基本的な質問について考えるきっかけを与えてくれるでしょう。私たちはどのようにデータに対して判断を適用できるのでしょうか—偏見に屈することなく？市場競争はいつ予測を改善し、どのように悪化させるのでしょうか？過去を指針として使う必要性と、未来が異なるかもしれないという認識をどのように調和させるのでしょうか？第4章から第7章では、動的システムに焦点を当てます。地球の大気の挙動、すなわち天候をもたらすもの、地殻プレートの動き、すなわち地震を引き起こす可能性のあるもの、アメリカ経済の挙動を説明する複雑な人間の相互作用、そして感染症の広がりについて探ります。 このシステムは、私たちの優れた科学者たちによって研究されています。しかし、動的システムは予測を難しくし、これらの分野での予測は必ずしも成功していません。第8章から第10章では、解決策に目を向けます。まず、ベイズの定理を多くの経済学者や科学者よりも巧みに応用するスポーツベッターを紹介し、次にチェスとポーカーという2つのゲームを考察します。スポーツやゲームは、明確なルールに従うため、私たちの予測能力を試す良い実験室となります。これらは、ランダム性や不確実性についての理解を深め、情報を知識に変える方法についての洞察を提供します。しかし、ベイズの定理は、より存在論的な問題にも適用できます。第11章から第13章では、これらのケースとして、地球温暖化、テロリズム、金融市場のバブルの3つを考察します。これらは予測者や社会にとって難しい問題です。しかし、私たちがその挑戦に立ち向かうなら、私たちの国、経済、そして地球を少しでも安全にすることができるのです。印刷機の時代から、世界は大きく進歩しました。情報はもはや希少な商品ではなく、私たちはそれをどう扱うべきか分からないほどの量を持っています。しかし、その中で実際に役立つ情報は比較的少ないのです。私たちは情報を選択的かつ主観的に認識し、その結果生じる歪みに対してあまり自己反省をしません。私たちは情報を求めていると思っていますが、実際には知識を求めているのです。信号が真実であり、ノイズが真実から私たちを逸らすものです。これは信号とノイズについての本です。 予測の壊滅的失敗 2008年10月23日、株式市場は急落し、過去5週間でほぼ30％も下落していました。かつては評価されていたリーマン・ブラザーズのような企業が破産し、信用市場はほぼ機能を停止していました。ラスベガスの住宅はその価値の40％を失い、失業率は急上昇していました。数千億ドルが失敗する金融機関に投入され、政府への信頼は世論調査で過去最低の数値を記録しました。大統領選挙まで2週間を切っていました。通常、選挙が近づくと静まり返る議会は、活気に満ちていました。通過した救済法案は不人気になることが確実で、違反者が罰せられるという印象を与える必要がありました。下院監視委員会は、主要な信用格付け機関であるスタンダード＆プアーズ（S&P）、ムーディーズ、フィッチ・レーティングスの責任者を招致し、証言を求めました。格付け機関は、数兆ドルのモーゲージ担保証券がデフォルトする可能性を評価する責任を負っていました。控えめに言っても、彼らは予測を外してしまったようです。残念な結果の最悪の予測 2000年代後半の危機は、私たちの政治的および金融的制度の失敗と考えられることが多いです。これは明らかに大規模な経済的失敗でした。2011年までに、4つの... 大不況が公式に始まってから数年後、アメリカ経済はその生産能力の約8000億ドルも下回っていました。しかし、私は金融危機を最も適切に捉える方法は、判断の失敗、つまり予測の壊滅的な失敗として見ることだと確信しています。この予測の失敗は広範囲にわたり、危機の前後を問わず、モーゲージブローカーからホワイトハウスに至るまで、ほぼすべての段階で発生しました。最も悲惨な予測の失敗には共通点が多くあります。私たちは、実際の世界ではなく、自分たちが望む世界についての物語を語る信号に焦点を当てます。私たちは、測定が最も難しいリスクを無視しがちですが、それが私たちの幸福に対する最大の脅威である場合もあります。私たちは、実際よりも粗雑な近似や仮定を持って世界を理解しようとします。私たちは不確実性を嫌いますが、それは解決しようとしている問題の不可避な一部であることもあります。金融危機の核心に迫りたいのであれば、まずはすべての予測の中で最も大きな失敗、つまりこれらの誤りを犯した予測を特定することから始めるべきです。 格付け機関は、通常は世界で最も信用力のある政府や優良企業にのみ与えられるAAA格付けを、数千のモーゲージ担保証券に付与しました。これらの金融商品は、他の誰かが住宅ローンをデフォルトする可能性に賭けることを可能にしました。これらの会社が発行する格付けは、明示的に予測を意味しています：ある債務がデフォルトする可能性の推定です。たとえば、スタンダード＆プアーズは、特に複雑なタイプの証券である担保付債務義務（CDO）をAAAと格付けした際、次の5年間に支払いが行われない確率はわずか0.12％、つまり850分の1の確率であると投資家に伝えました。これにより、AAA格付けの企業債と同じくらい安全であり、現在のS&Pが想定する米国財務省債券よりも安全であるとされました。格付け機関はカーブで評価することはありません。実際、S&Pの内部データによると、AAA格付けのCDOの約28％がデフォルトしました（独立した推定ではさらに高い数字もあります）。これは、CDOの実際のデフォルト率がS&Pの予測の200倍以上であったことを意味します。 これは予測における失敗としてはほぼ完全なものであり、ほぼ完全に安全と評価された数兆ドルの投資が、実際にはほぼ完全に安全ではなかったのです。まるで天気予報が摂氏30度の晴れだったのに、実際には吹雪だったかのようです。 予測がこれほどまでに外れると、その説明の仕方には選択肢があります。一つの道は、外部の状況、つまり「不運」と考えられるものを非難することです。時には、これは合理的な選択肢であり、正しい場合もあります。 国立気象局が晴れの確率が90％だと言ったときに、実際には雨が降ってゴルフの予定が台無しになったとしても、彼らを責めることはできません。数十年にわたる歴史的データは、気象局が「雨が降る確率は10分の1」と言った場合、長期的には実際に約10％の確率で雨が降ることを示しています。しかし、予報士が成功した予測の履歴を持っておらず、誤差の大きさが大きい場合、この説明は信頼性を欠きます。このような場合、問題は予報士の世界観にある可能性が高く、実際の世界にはないことが多いのです。CDO（担保付債務義務）の場合、格付け機関には全く実績がありませんでした。これらは新しく非常に独創的な証券であり、S&Pが主張したデフォルト率は歴史的データから導き出されたものではなく、誤った統計モデルに基づく仮定でした。その上、彼らの誤差の大きさは膨大でした。AAA格付けのCDOは、理論上の確率の200倍もデフォルトする可能性が高かったのです。格付け機関が名誉挽回のチャンスを得るには、モデルが欠陥を抱えていたことを認め、その間違いが彼らのものであったと認める必要がありました。しかし、議会の公聴会では、彼らは責任を回避し、不運だったと主張しました。彼らは外部の要因、つまり住宅バブルを非難しました。「S&Pは、住宅市場とモーゲージ市場の極端な下落に驚かされたのは私たちだけではありません」と、スタンダード＆プアーズの責任者デヴェン・シャルマはその10月に議会で語りました。「住宅所有者、金融機関、格付け機関、規制当局、投資家の誰もが、これから起こることを予測していませんでした。」誰も予測できなかったのです。無実を主張できないときは、無知を宣言することがよくあります。これは、予測が失敗したときの最初の防衛線です。しかし、シャルマの発言は嘘でした。「あの女性とは性的関係を持っていない」とか「私は決してステロイドを使用したことはない」という、議会の伝統的な嘘の一つです。 住宅バブルについて注目すべきは、それを予測していた人々の数です。そして、彼らはそれをかなり前から指摘していました。イェール大学の経済学者ロバート・シラーは、2000年に彼の著書『非合理的な熱狂』でその始まりを指摘しています。経済政策研究センターの辛辣な経済学者ディーン・ベイカーは、2002年8月にバブルについて書いていました。通常は堅実な文体で知られる『エコノミスト』誌の記者は、2005年6月に「歴史上最大のバブル」について言及しました。ノーベル賞受賞経済学者ポール・クルーグマンは、2005年8月にバブルとその避けられない終焉について書きました。「これはシステムに組み込まれていました」とクルーグマンは後に私に語りました。「住宅の崩壊はブラックスワンではありませんでした。住宅の崩壊は、部屋の中の象でした。」 一般のアメリカ人も懸念していました。「住宅バブル」という用語に関するGoogle検索は、2004年1月から約10倍に増加しました。 2005年の夏を通じて、住宅バブルに対する関心は、カリフォルニアのように住宅価格が急騰した州で最も高かったが、これから最も大きな下落を経験しようとしていた。実際、バブルについての議論は非常に広範囲にわたっていた。「住宅バブル」という二語のフレーズは、2001年にはわずか8件のニュース記事にしか登場しなかったが、2005年には3,447件に跳ね上がった。信頼できる新聞や雑誌では、住宅バブルについて1日に約10回議論されていた。それにもかかわらず、金融市場のリスクを測定するのが仕事である格付け機関は、これを見逃していたと言っている。彼らがこれを最良の防御策だと考えているように見えることは、何かを物語っている。彼らの予測には深刻な問題があった。 「音楽が止まるのを望んでいなかったと思う」 この章のために話をした経済学者や投資家の中で、格付け機関に好意的な見方をしている人はいなかった。しかし、彼らはその悪い評価が貪欲から来ているのか無知から来ているのかで意見が分かれていた。彼らは本当にもっと良く知っていたのだろうか？ジュール・クロールは、この問題について判断を下すのに特に適した人物かもしれない。彼自身が格付け機関を運営しているからだ。2009年に設立されたクロール・ボンド・レーティングスは、私が2011年にニューヨークのオフィスで彼に会ったとき、バージニア州アーリントンにある巨大なショッピングセンターの建設業者に対する住宅ローンの初めての格付けを発表したばかりだった。クロールは、格付け機関が最も欠けているのは「監視」だと批判している。この言葉は、格付け業界において特別な意味を持つ。クロールは、格付け業界に入る前に、企業の詐欺を監視する探偵機関のような会社、クロール社で modestly 有名（そして少し不謹慎に裕福）になった人物だ。彼らは詐欺を嗅ぎ分ける方法を知っていた—たとえば、ヘッジファンドの億万長者を誘拐した犯人が、彼のクレジットカードでピザを注文して自らを台無しにした事件のように。私が彼に会ったとき、クロールは69歳だったが、彼の血統犬のような直感は鋭く、格付け機関が何をしているのかを調べ始めたときにその感覚が刺激された。「監視は、格付け業界における専門用語です」とクロールは私に言った。「それは、あなたが見ていることについて投資家に情報を提供することを意味します。毎月、住宅ローンのデフォルトや前倒し返済などのデータが詰まったテープを受け取ります。これは早期警告です—物事は良くなっているのか悪くなっているのか？世界はあなたが彼らに情報を提供することを期待しています。」 つまり、格付け機関は住宅市場の問題を最初に検出すべきだった。彼らは誰よりも良い情報を持っていた：何千人もの借り手が住宅ローンの支払いを時間通りに行っているかどうかの新鮮なデータだ。しかし、彼らは2007年になるまで大規模な住宅ローン担保証券の格付けを引き下げ始めなかった—その時点で問題は明らかになり、差し押さえ率はすでに倍増していた。「彼らは愚かな人々ではありません」とクロールは私に言った。「彼らは知っていました。音楽が止まるのを望んでいなかったと思います。」 Kroll Bond Ratingsは、証券取引委員会により債務担保証券を評価するためにライセンスを与えられた、全国的に認識された統計的格付け機関（NRSRO）の10社のうちの1つです。しかし、ムーディーズ、S&P、フィッチの3社が他の格付け機関の中でも特に市場シェアをほぼ独占しており、S&Pとムーディーズは金融崩壊前に発行されたCDOの約97％を格付けしていました。 S&Pとムーディーズが市場で支配的な地位を享受していた理由の1つは、彼らが長い間この業界の一員であったからです。彼らは法的な寡占状態の一部であり、政府によって業界への参入は制限されています。その一方で、大規模な年金基金の規約には、S&Pやムーディーズからの承認がしばしば求められ、約3分の2がS&P、ムーディーズ、またはその両方の名前を挙げて、年金基金が債務を購入する前に評価を受けることを要求しています。 S&Pとムーディーズは、その特別な地位を利用して、ウォール街の不採用の履歴書から選んだにもかかわらず、驚異的な利益を上げていました。ムーディーズの構造金融格付けからの収益は、1997年から2007年の間に800％以上増加し、バブル期には彼らの格付けビジネスの大部分を占めるようになりました。これらの製品は、ムーディーズをS&P 500の中で5年連続で最高の利益率を持つ企業に押し上げました。（2010年には、バブルが崩壊し、格付け機関の問題が明らかになった後でも、ムーディーズは25％の利益を上げていました。）新しいCDOが発行され続ける限り、大きな利益が確保され、投資家が評価の正確性を確認する手段が遅すぎるまで存在しなかったため、格付け機関には品質に基づいて競争するインセンティブがほとんどありませんでした。ムーディーズのCEOであるレイモンド・マクダニエルは、取締役会に対して、格付けの品質が会社の利益を左右する最も重要な要素ではないと明言しました。 代わりに、彼らの方程式はシンプルでした。格付け機関は、CDOの発行者から格付けを行うたびに報酬を受け取ります。CDOが多ければ多いほど、利益も増えます。異なる種類の住宅ローンを組み合わせることで、事実上無限の数のCDOを作成することができました。また、興味が薄れた場合には、異なる種類のCDOを相互にデリバティブとして組み合わせることも可能でした。格付け機関が格付けの機会を断ることはほとんどありませんでした。後の政府の調査では、ムーディーズの2人の上級社員の間でのインスタントメッセージのやり取りが明らかになり、その中で1人が「牛によって構造化された証券でもムーディーズは格付けするだろう」と主張していました。 場合によっては、格付け機関はさらに踏み込み、債務発行者が格付けを操作するのを助けることもありました。S&Pは透明性への配慮を主張し、発行者に自社の格付けソフトウェアのコピーを提供しました。 これにより、発行者はプールに追加できる不良住宅ローンの正確な数を判断しやすくなりましたが、その結果、評価が低下することはありませんでした。住宅バブルの可能性、そしてそれが崩壊するかもしれないということは、格付け機関にとって脅威を意味しました。人々の生計に影響を与えるかのように、シャルマの主張はそれほど不合理ではないかもしれません。実際、他の人々が見逃していたとしても、格付け機関は住宅バブルの可能性を明確に考慮していました。驚くべきことに、彼らはそれが大した問題ではないと結論づけました。S&Pの広報担当者キャサリン・マシスから提供されたメモには、S&Pが2005年に実施したシミュレーションの詳細が記されており、全国の住宅価格が2年間で20％下落することを予測していました。これは、実際に2006年から2008年にかけて約30％下落したことからも、それほど遠くはありません。このメモは、S&Pの既存のモデルが「景気後退のリスクを十分に捉えている」と結論づけ、同社の高評価の証券は「住宅市場の低迷を乗り切り、信用格付けの引き下げを受けることはない」と述べています。 ある意味では、格付け機関が住宅バブルを完全に見逃していた場合よりも、これがさらに問題です。この本では、「未知の未知」の危険性について論じます。私たちが全く気づいていないリスクです。おそらく、より大きな脅威は、私たちが把握していると思っているリスクですが、実際にはそうではないものです。このような場合、私たちは自分自身を欺くだけでなく、その誤った自信が他の人にも感染する可能性があります。格付け機関の場合、それは金融システム全体に影響を及ぼしました。「何かが間違う可能性があるものと、絶対に間違うことがないものとの大きな違いは、絶対に間違うことがないものが間違った場合、それを修理したり手を加えたりすることが通常不可能であるということです」とダグラス・アダムスは『銀河ヒッチハイカーガイド』シリーズの中で書いています。 では、なぜ格付け機関のモデルは、科学的な精度を持っているにもかかわらず、現実をうまく表現できなかったのでしょうか？問題の根源を見つけるためには、もう少し掘り下げる必要があります。その答えには、CDOのような金融商品がどのように構成されているか、そして不確実性とリスクの違いについての少しの詳細が必要です。CDOは住宅ローン債務の集合体であり、異なるプール、つまり「トランシェ」に分かれています。その中には非常にリスクの高いものもあれば、ほぼ完全に安全と評価されるものもあります。シカゴ大学で金融危機に関するコースを教えている友人のアニル・カシヤップは、CDOの簡略化された例を考案しました。ここではその例を使って説明します。5つの住宅ローンがあり、それぞれが5％のデフォルトの可能性を持っていると仮定します。これらの住宅ローンの状況に基づいて、徐々にリスクが高くなるいくつかの賭けを作成することができます。 これらの賭けの中で最も安全なもの、私が「アルファプール」と呼ぶものは、5つの住宅ローンのすべてがデフォルトしない限り支払いが行われます。一方、最もリスクの高い「イプシロンプール」は、5つの住宅ローンのうち1つでもデフォルトした場合、あなたが責任を負うことになります。そして、その間には他のステップもあります。なぜ投資家がアルファプールではなくイプシロンプールに賭けることを好むのでしょうか？それは簡単です。リスクが高いため、価格が安く設定されるからです。しかし、もしあなたがリスクを避ける投資家、例えば年金基金のようなもので、低評価の証券への投資を禁じる規則があるとします。何かを購入するのであれば、確実にAAA評価を受けるアルファプールを選ぶことになるでしょう。アルファプールは5つの住宅ローンで構成されており、それぞれのデフォルトの確率はわずか5パーセントです。すべての住宅ローンが実際にデフォルトしない限り、あなたは賭けに負けることはありません。そのような事態が起こるリスクはどれくらいでしょうか？実際、それは簡単な質問ではなく、そこに問題があります。選択する仮定や近似によって、得られる答えは大きく異なります。間違った仮定をすると、モデルが非常に間違った結果を導く可能性があります。一つの仮定は、各住宅ローンが他のローンとは独立しているということです。このシナリオでは、リスクは十分に分散されています。例えば、クリーブランドの大工が住宅ローンをデフォルトしても、デンバーの歯科医がデフォルトするかどうかには影響しません。このシナリオでは、賭けに負けるリスクは非常に小さく、サイコロを5回連続で1の目を出すのと同じくらいの確率です。具体的には、5パーセントを5乗した確率、つまり320万分の1の確率になります。この分散の奇跡が、格付け機関が平均してB+の信用格付けを持つサブプライム住宅ローンのグループが、プールにまとめることでほとんどデフォルトの可能性がないと主張した理由です。 もう一つの極端な仮定は、住宅ローンが完全に独立しているのではなく、すべてが同じように振る舞うとすることです。つまり、5つの住宅ローンのすべてがデフォルトするか、全くデフォルトしないかのどちらかです。5回のサイコロの出目を別々に見るのではなく、今や1回の出目に賭けていることになります。5パーセントの確率で1の目が出て、すべての住宅ローンがデフォルトすることになり、あなたの賭けは元々考えていた160,000倍のリスクを伴うことになります。 この仮定のどちらがより妥当かは、経済状況によって異なります。経済と住宅市場が健全であれば、最初のシナリオ、つまり5つの住宅ローンが... 互いに関係がないというのは、合理的な近似かもしれません。デフォルトは時折発生しますが、それは不運な出来事によるものです。例えば、誰かが巨額の医療費を請求されたり、仕事を失ったりすることがあります。しかし、一人のデフォルトリスクは他の人のリスクとはあまり関係がありません。しかし、もしこれらの住宅所有者の運命を結びつける共通の要因があるとしたらどうでしょうか。例えば、実体経済に何の改善もないのに住宅価格が80％も上昇する巨大な住宅バブルがあるとします。そうなると問題が生じます。一人の借り手がデフォルトすると、他の人も同じ問題に陥るかもしれません。賭けに負けるリスクが桁違いに増大します。この後者のシナリオは、2007年にアメリカで現実のものとなりました（この章の後半で住宅バブルについて簡単に振り返ります）。しかし、格付け機関が賭けていたのは、主に相関のないリスクという前提でした。この前提に関する問題は、学術文献や格付け機関の内部告発者によって、住宅バブルが弾けるずっと前から理解されていましたが、格付け機関がそれに対処しようとした努力は不十分でした。例えば、ムーディーズは、AAA格付けの証券に対してデフォルト確率を50％引き上げるというアドホックな調整を行う時期がありました。それは非常に慎重な態度のように思えるかもしれませんが、50％のバッファが仮定のゆるみをカバーするには十分だと考えられたのでしょう。しかし、彼らの予測における誤差が線形で算術的であれば問題なかったかもしれません。しかし、レバレッジ、つまり借金で資金調達された投資は、予測の誤差を何倍にも増幅させ、非常に幾何学的かつ非線形の誤りを引き起こす可能性があります。ムーディーズの50％の調整は、日焼け止めを塗って核 meltdown から守られていると主張するようなもので、問題の規模にはまったく不十分でした。彼らのデフォルトリスクの推定が50％も低すぎる可能性があるだけでなく、500％や5,000％も過小評価していたかもしれません。実際には、デフォルトは格付け機関が主張したよりも200倍も起こりやすく、そのため彼らのモデルはわずかに20,000％も外れていたのです。より広い意味で、格付け機関の問題は、リスクと不確実性の違いを理解することができなかったか、あるいは理解することに興味がなかったことにあります。リスクとは、1921年に経済学者フランク・H・ナイトが初めて述べたように、価格を付けることができるものです。例えば、相手がインサイドストレートを引かなければポーカーのハンドに勝つと言ったとしましょう。その確率は11分の1です。これがリスクです。ポーカーで「悪い負け」を経験するのは不快ですが、少なくともその確率を知っていて、事前に考慮することができます。長期的には、相手が不十分なオッズで必死に引くことで利益を得ることができるのです。 一方で、不確実性とは、測定が難しいリスクのことです。そこに潜む悪魔たちについて、漠然とした認識を持っているかもしれませんし、実際に強い懸念を抱いているかもしれません。格付け機関が行った錬金術は、不確実性をリスクのように見え、感じられるものに変えることでした。彼らは、膨大なシステム的不確実性にさらされた非常に新しい証券を取り上げ、それがどれほどリスクがあるのかを定量化できると主張しました。それだけでなく、あらゆる可能性のある結論の中から、これらの投資がほぼリスクフリーであるという驚くべき結論に至りました。多くの投資家は、これらの自信に満ちた結論を正確なものと誤解し、物事がうまくいかなかった場合のバックアッププランを立てる人はあまりいませんでした。それでも、格付け機関は金融危機に対して大きな責任を負っていますが、彼らだけが間違いを犯したわけではありません。金融危機の物語は、予測の失敗として三幕で語ることができます。 第一幕：住宅バブル 歴史的に見て、アメリカの住宅は利益をもたらす投資ではありませんでした。実際、ロバート・シラーと彼の同僚カール・ケースが開発した指数によれば、アメリカの住宅の市場価格は長期的にはほとんど増加していません。インフレを考慮に入れると、1896年に住宅に投資した1万ドルは、1996年にはわずか1万600ドルの価値しかありませんでした。100年の間のリターンは、株式市場が通常1年で生み出すものよりも少なかったのです。 しかし、住宅が利益をもたらす投資でなかったとしても、少なくとも安全な投資ではありました。2000年代以前、アメリカの住宅価格における最も重要な変化は、第二次世界大戦直後の数年間に見られました。この時期、1942年の底値に対して約60％の上昇がありました。しかし、1950年代の住宅ブームは、2000年代の住宅バブルとはほとんど共通点がありません。この比較は、なぜ2000年代が混乱したのかを明らかにするのに役立ちます。戦後の数年間は、生活様式の大きな変化と関連していました。アメリカ人は戦争からの復興を果たし、貯蓄が豊富にあり、繁栄の時代に突入しました。広い住居への需要が高まりました。1940年から1960年の間に、住宅所有率は44％から62％に急増し、その成長の大部分は郊外に集中していました。さらに、住宅ブームはベビーブームとともにありました。戦後、アメリカの人口は10年ごとに約20％の割合で増加しており、2000年代の成長率の約2倍でした。これにより、10年間で住宅所有者の数は約80％増加し、住宅価格の上昇に見合うかそれを上回るものでした。対照的に、2000年代には住宅所有率はわずかにしか増加せず、2005年には65％から約69％に達しました。すでに住宅を購入していないアメリカ人の多くは、住宅を購入できる立場にはありませんでした。 2000年から2006年の間に、家庭の所得の40パーセンタイルは名目で15％増加しましたが、これはインフレをカバーするには不十分で、新しい家を購入するにはなおさら足りませんでした。むしろ、住宅ブームは、家を転売しようとする投機家や、信用力の低い消費者に対するますます疑わしいローンを通じて、人工的に盛り上げられていました。2000年代は、貯蓄率が記録的に低い時代であり、ある年には1％をわずかに上回る程度でした。しかし、住宅ローンはかつてないほど取得しやすくなっていました。価格は供給と需要から切り離され、貸し手、仲介業者、格付け機関は、すべての住宅販売から何らかの形で利益を得ていたため、パーティーを続けるために努力していました。アメリカがこれまでに経験したことのない住宅バブルであったとしても、他の国々はそうした経験があり、その結果は一様に悲惨でした。シラーは、オランダからノルウェーまでの国々の数百年にわたるデータを調査し、不動産が手の届かないレベルに達すると、ほぼ必然的に崩壊が続くことを発見しました。例えば、1990年代初頭の日本の不動産バブルは、最近のアメリカの住宅バブルに対する特に不気味な前例を形成しています。日本の商業不動産の価格は、1981年から1991年の10年間で約76％上昇しましたが、その後の5年間で31％下落しました。これは、アメリカの住宅価格がバブルの間およびその後にたどった軌道と非常に似ています（図1-4）。 シラーは、バブルに関するもう一つの重要な証拠を発見しました。それは、住宅を購入する人々が、自分たちの投資がどのようなリターンをもたらすかについて、まったく非現実的な期待を抱いていたということです。2003年にケースとシラーが委託した調査によれば、住宅所有者は自分の不動産が年間約13％の割合で価値が上がると期待していました。しかし、私が先に言及した1896年から1996年までの100年間の実際のデータでは、住宅の販売価格はインフレ調整後でわずか6％増加したに過ぎず、年間に換算すると約0.06％の増加でした。これらの住宅所有者は、住宅市場に対する過信をある程度は許されるかもしれません。住宅バブルは文化に浸透し、2005年には「Flip This House」と「Flip That House」という2つの別々のテレビ番組が10日間の間に立ち上げられるほどでした。大きな投資リターンを期待していなかった住宅購入者でさえ、近所の人々に遅れを取らないことを気にしていたかもしれません。「20年前、サクラメントへの道中では交通渋滞はなかったことを覚えています」と、シラーの頻繁な同僚であるジョージ・アカロフが語ってくれました。彼のオフィスはカリフォルニア大学バークレー校にあり、住宅価格が最も大きく下落した地域の中心に位置しています。 「現在、交通の渋滞が頻繁に発生する傾向があります。人々はこう考えていました。『今買わなければ、5年後には10マイル先の家に同じ価格を支払うことになるだろう』。住宅所有者が家を手放すことができないと信じていたのか、購入を先延ばしにすることができないと感じていたのかは分かりませんが、状況は月ごとに厳しくなっていました。2007年末には明らかな問題の兆候が見え始めました。20の大都市圏のうち17か所で、住宅価格が前年に比べて下落していたのです。さらに不吉だったのは、住宅需要の先行指標である住宅許可証の発行が急激に減少し、ピーク時から50％も減少していたことです。一方、債権者たちは、サブプライムローン市場における緩い基準の結果をようやく実感し、融資を行う意欲が低下していました。2007年末までに、差し押さえ件数は倍増していました。 政策立案者たちの最初の反応は、バブルを再膨張させることでした。フロリダ州のチャーリー・クリスト知事は、新しい住宅購入者に対して1万ドルのクレジットを提案しました。2008年2月にアメリカ合衆国議会で可決された法案はさらに進み、ファニーメイとフレディマックの融資能力を大幅に拡大し、より多くの住宅販売が促進されることを期待しました。しかし、住宅価格は依然として容赦なく下落し、2008年にはさらに20％下がりました。 第2幕：レバレッジ、レバレッジ、レバレッジ 多くの経済学者が住宅バブルをその発生時に特定しましたが、住宅価格の崩壊が広範な経済に与える影響を理解していた者は少数でした。2007年12月、ウォールストリートジャーナルの予測パネルの経済学者たちは、翌年に景気後退が起こる確率をわずか38％と予測しました。これは驚くべきことでした。なぜなら、後にデータが示すように、その時点ですでに経済は景気後退にあったからです。別のパネルであるプロフェッショナル予測者調査の経済学者たちは、経済があれほどひどく崩壊する可能性は500分の1未満だと考えていました。 経済学者たちが見落とした主な要因は2つありました。1つ目は、住宅価格の下落が平均的なアメリカ人の財政に与える影響です。2007年時点で、中流階級のアメリカ人はその資産の65％以上を自宅に結びつけていました。彼らはそれ以外では貧しくなっており、家庭の資産をATMのように利用していました。非住宅資産、つまり貯蓄、株式、年金、現金、小規模ビジネスの株式などの合計は、2001年から2007年の間に中央値の家庭で14％減少しました。住宅バブルの崩壊がほぼすべての住宅資産を帳簿から消し去ったとき、中流階級のアメリカ人は数年前よりもかなり困窮していることに気づきました。消費者が自分の財政をより現実的に見つめるようになった結果、消費支出が減少しました。これを経済学者は「資産効果」と呼びますが、その影響はGDPの年間約1.5％から3.5％の間で推定されており、平均成長を景気後退に変えるには十分な可能性がありました。」 一般的な景気後退と、世界的な金融危機は別物です。富の効果だけでは、住宅バブルがどのようにして金融危機を引き起こしたのかを説明するには不十分です。実際、住宅市場は金融システムの中では比較的小さな部分に過ぎません。2007年、アメリカの住宅販売総額は約1.7兆ドルで、毎年取引される株式の40兆ドルと比べると微々たるものです。しかし、メインストリートでの活動とは対照的に、ウォールストリートでは住宅に対して猛烈な賭けが行われていました。2007年には、モーゲージ担保証券の取引総額が約80兆ドルに達しました。つまり、誰かがモーゲージに1ドルを投じるごとに、ウォールストリートはほぼ50ドル分の賭けを行っていたのです。 ここで金融危機の兆しが見えてきます。住宅購入者の賭けは50倍に膨れ上がっていました。この問題は一言で言えば「レバレッジ」です。もしあなたがレッドスキンズがカウボーイズに勝つために20ドルを借りて賭けるなら、それはレバレッジを使った賭けです。同様に、モーゲージを取得するためにお金を借りることや、モーゲージ担保証券に賭けるためにお金を借りることもレバレッジです。リーマン・ブラザーズは2007年に約33対1のレバレッジ比率を持っており、これは金融ポジション33ドルに対して資本が1ドルしかないことを意味していました。つまり、ポートフォリオの価値がわずか3〜4％下落しただけで、リーマン・ブラザーズは負の資本を抱え、破産の危機に直面する可能性があったのです。 リーマンだけが高いレバレッジを持っていたわけではありません。他の主要なアメリカの銀行のレバレッジ比率も約30で、金融危機に向けて着実に増加していました。アメリカの銀行のレバレッジ比率に関する歴史的データは不完全ですが、イングランド銀行の分析によると、イギリスの銀行における全体的なレバレッジの程度は、2007年には歴史的な高水準に近いか、あるいは前例のないものであった可能性があります。 しかし、リーマン・ブラザーズを特に際立たせていたのは、モーゲージ担保証券に対する貪欲な欲求でした。2007年にリーマンが保有していたモーゲージ担保証券は850億ドルで、これは資本の基礎価値の約4倍に相当し、その価値が25％下落すれば、会社が破綻する可能性が高いことを意味していました。通常、投資家はこのような資産を購入することに非常に慎重であるべきであり、少なくとも賭けを慎重にヘッジするはずです。「もしあなたが市場にいて、誰かがあなたに理解できないものを売ろうとしているなら、その人はあなたにレモンを売ろうとしていると思うべきです」とジョージ・エイカーラフは私に言いました。エイカーラフはこのテーマについて「レモン市場」という有名な論文を書き、ノーベル賞を受賞しました。 この論文では、情報の非対称性に悩まされる市場において、商品の質が低下し、市場が不正な売り手と騙されやすい、あるいは切羽詰まった買い手に支配されることが示されています。例えば、見知らぬ人が街であなたに近づき、彼の中古車を買う気があるか尋ねたとします。彼はブルーブックの価値を見せましたが、試乗をさせることには応じませんでした。あなたは少し疑いを持つのではないでしょうか？この場合の核心的な問題は、見知らぬ人がその車について、修理履歴や走行距離など、あなたよりもはるかに多くの情報を持っていることです。賢明な買い手は、このような市場ではどんな価格でも取引を避けるでしょう。これは、不確実性がリスクを上回るケースです。あなたは彼から買うためには割引が必要だとわかっていますが、実際にどれくらいの割引が必要なのかはわかりません。そして、彼が価格を下げれば下げるほど、そのオファーがあまりにも良すぎるのではないかと疑念を抱くかもしれません。公正な価格など存在しないかもしれません。しかし、今度はその車を売る見知らぬ人に、あなたが信頼できる誰かが保証してくれると想像してみてください。あなたの親しい友人や、以前に取引をしたことのある人など、信頼できそうな人物です。そうなれば、あなたは再考するかもしれません。これが、格付け機関の果たした役割です。彼らは多くのAAA格付けを持つモーゲージ担保証券を保証し、そうでなければ存在しなかったかもしれない市場を可能にしました。市場は彼らにモーゲージパーティの「デビー・ダウナー」としての役割を期待していましたが、彼らはむしろロバート・ダウニー・ジュニアのように振る舞っていました。特にリーマン・ブラザーズは、指定運転手が必要でした。2007年3月の電話会議で、リーマンのCFOクリストファー・オメーラは、最近の市場の「ひっかかり」は彼を心配させるものではなく、リーマンは他の人々が早期にポジションを清算する中で「底値を探る」ことを希望していると投資家に伝えました。彼は、モーゲージ市場の信用品質は「非常に強い」と説明しましたが、これは証券のAAA格付けを見て、担保のサブプライム品質を見なければ到達できない結論でした。リーマンは「レモン」を買ってしまったのです。一年後、住宅バブルが崩壊し始めると、リーマンは必死にポジションを売ろうとしていました。しかし、投資家が信用デフォルトスワップに対して要求していた急騰するプレミアムのために、彼らはリスクを約20パーセントしか減らすことができませんでした。それはあまりにも少なく、手遅れでした。そして、リーマンは2008年9月14日に破産しました。 休憩：恐怖は新たな欲望 リーマン破産後の出来事の正確な経緯は、一冊の本を埋め尽くすことができるほどで（「Too Big to Fail」のような優れた本で描かれています）、金融会社が倒産すると、未履行の義務を通じて経済に影響を与え続けることを思い出すだけで十分でしょう。 リーマン・ブラザーズが損失を出した賭けに対して支払いを続けられなくなった場合、それは誰かが突然、自身のポートフォリオに大きな穴を抱えることを意味しました。その問題は他の企業にも影響を及ぼし、金融システム全体に波及効果をもたらす可能性があります。投資家や貸し手は事故を目の当たりにしながら、誰が誰に対して何を負っているのか分からず、健全な企業とゾンビ企業を区別できなくなり、どんな価格でもお金を貸すことをためらうようになるかもしれません。その結果、健全な企業でさえも効果的に機能できなくなります。このため、政府は時に、納税者に大きな負担をかけ、人気を失うリスクを冒しながらも、破綻しそうな金融機関を救済するのです。しかし、ベア・スターンズやAIGを救済した連邦準備制度は、リーマン・ブラザーズに対しては救済を選択せず、投資家の期待を裏切り、翌朝の取引開始時にダウ平均が500ポイントも急落しました。なぜ政府がベア・スターンズやAIGを救済したのにリーマン・ブラザーズは救済しなかったのかは不明です。一つの説明として、リーマンは非常に無責任で、その財務状況があまりにも悪化していたため、政府はどのような価格で何が達成できるのか確信が持てず、悪いお金に良いお金を追いかけたくなかったのではないかということがあります。 私が2009年12月にホワイトハウスで出会った際、当時の国家経済会議のディレクターであったラリー・サマーズは、リーマン・ブラザーズを救済していればアメリカの経済がわずかに良い結果を得られたかもしれないと語りました。しかし、システム内の過剰なレバレッジにより、ある程度の痛みは避けられなかったのです。「これは自己否定的な予言でした」とサマーズは金融危機について語りました。「皆が大きくレバレッジをかけると、脆弱性が生じ、その過信は根拠のないものとなります。」 「リーマンは非常に乾燥した森の中の燃えるタバコでした」と彼は続けました。「もしそれが起こらなかったら、別の何かが起こっていた可能性が高いです。」 サマーズはアメリカ経済を一連のフィードバックループで構成されていると考えています。単純なフィードバックの一例は供給と需要の関係です。あなたがレモネードスタンドを運営していると想像してみてください。レモネードの価格を下げると売上が上がり、価格を上げると売上が下がります。外が100度で、あなたがそのブロックで唯一のレモネードスタンドであるために多くの利益を上げていると、向かいのうるさい子供が自分のレモネードスタンドを開いて価格を下げてきます。供給と需要は負のフィードバックの一例です：価格が上がると売上が下がります。名前とは裏腹に、負のフィードバックは市場経済にとって良いことです。もし逆のことが起こり、価格が上がると売上も上がるとしたらどうなるでしょうか。あなたはレモネードの価格を25セントから2.50ドルに上げますが、売上は減少するどころか倍増します。さらに価格を2.50ドルから25ドルに上げると、売上は再び倍増します。最終的には、あなたは1杯のレモネードに46,000ドルを請求することになります。 レモネードの話です。アメリカでは毎年平均的な収入があり、3億人のアメリカ人がそのレモネードを手に入れるために行列を作っています。これはポジティブフィードバックの一例です。一見すると素晴らしいように思えますが、すぐに国中の人々がレモネードで破産してしまったことに気づくでしょう。そうなると、あなたが利益で買おうとしていたビデオゲームを製造する人が誰もいなくなります。サマーズの見解によれば、アメリカ経済では通常、ネガティブフィードバックが支配的で、これはサーモスタットのように機能し、経済がリセッションに陥ったり過熱したりするのを防ぎます。サマーズは、最も重要なフィードバックの一つは「恐れ」と「欲望」の間にあると考えています。リスクを取ることに対する嗜好は投資家によって異なりますが、そのバランスが取れています。もし株価が企業の財務状況の悪化によって下がった場合、恐れている投資家は自分の株を、底値で買おうとしている欲深い投資家に売ります。しかし、欲望と恐れは不安定なものであり、そのバランスが崩れることがあります。システム内に欲望が過剰になるとバブルが発生し、恐れが過剰になるとパニックが起こります。通常、私たちは決定を下す前に友人や隣人に相談することで利益を得ます。しかし、彼らの判断が揺らぐと、私たちの判断も影響を受けます。人々は他の家と比較することで家の価格を推定する傾向があります。例えば、町の向こう側の新しい分譲地にある3ベッドルームの家が40万ドルで売られている場合、近くのコロニアルスタイルの家が35万ドルで売られていると、まるでお買い得に見えるのです。このような状況下で、ある家の価格が上がると、他の家がより魅力的に見えることがあります。また、別の資産、例えばモーゲージ担保証券を購入しようとしているとしましょう。このタイプの資産は評価がさらに難しいかもしれません。しかし、投資家がそれを多く購入し、格付け機関がそれを保証するほど、あなたはそれが安全で価値のある投資であるという自信を持つことができます。したがって、ポジティブフィードバックが生じ、バブルの可能性が高まります。最終的にネガティブフィードバックが住宅市場を抑制しました。現在の価格で家を買えるアメリカ人はもういませんでした。実際、多くのアメリカ人は最初から家を買う余裕がなく、すぐに彼らのモーゲージは水面下に沈んでしまいました。しかし、これは数兆ドルの賭けが行われた後のことでした。これらの資産を購入している人々が間違っているはずがないという前提のもとで、非常にレバレッジがかかり、経済に大きなダメージを与えずには解消できない状態でした。「私たちは欲望が過剰で、恐れが不足していました」とサマーズは2009年に私に言いました。「今は恐れが過剰で、欲望が不足しています。」第3幕：今回は違わなかった。住宅バブルが崩壊すると、欲深い投資家は恐れを抱くようになり、不確実性があらゆる角に潜んでいることに気づきました。金融危機を解決するプロセスは、誰が誰に何を借りているのかを解明しようとするもので、 長引く二日酔いのような経済的影響。経済学者のカーメン・ラインハートとケネス・ロゴフは、彼らの著書『今回は違う：八世紀の金融の愚行』のために膨大な金融史を研究し、金融危機が通常、失業率の上昇を引き起こし、それが4年から6年続くことを発見しました。ラインハートによる別の研究では、最近の金融危機に焦点を当て、過去15カ国のうち10カ国が危機前の失業率に回復したことがないと報告されています。これは、通常の景気後退とは対照的で、景気後退から1年ほどの間に経済が平均に戻ることで、通常は平均以上の成長が見られ、雇用が迅速に回復するのです。しかし、その重要性にもかかわらず、多くの経済モデルは金融システムと経済の他の部分との区別をしていませんでした。ラインハートとロゴフの歴史的教訓は、ホワイトハウスがもっと注意を払うべきものでした。やがて、彼ら自身も悪名高い予測の責任を負うことになります。2009年1月、バラク・オバマが就任宣誓を行う直前、ホワイトハウスの新しい経済チームは、消費者や企業の需要不足を補うための大規模な刺激策の青写真を準備する任務を負っていました。ローマーは、1.2兆ドルの刺激策が必要だと考えていました。最終的に、ホワイトハウスの政治チームからの反対を受けて、金額は約8000億ドルに修正されました。刺激策を議会や国民に売り込むために、ローマーと彼女の同僚たちは、危機の深刻さと刺激策がどのようにそれを改善できるかを概説したメモを準備しました。そのメモには、刺激策の有無による失業率の予測を示すグラフが prominently featured されていました。メモによれば、刺激策がなければ、2008年12月に報告された7.3％の失業率は、2010年初頭に約9％に達するとされていました。しかし、刺激策があれば、失業率は8％を超えることはなく、2009年7月には減少に転じるとされていました。議会は2009年2月に党派の投票で刺激策を可決しました。しかし、失業率は上昇を続け、2009年7月には9.5％、10月には10.1％に達しました。これは、ホワイトハウスが「刺激策なし」のシナリオでも予測していたよりもはるかに悪い結果でした。保守系のブロガーたちは、毎月ローマーのグラフを更新し、実際の失業率を楽観的な予測に重ねて示しました。今、これらのグラフを見た人々は、異なる、そしてまったく逆の結論に至ることがあります。 ポール・クルーグマンは、最初から「刺激策が小さすぎる」と主張しており、ホワイトハウスが需要の不足を大幅に過小評価していた証拠だと見ています。「この特定の刺激策の後に失業率があまり下がらなかったという事実は、私たちが金融危機からの大きなショックに直面していることを知っていたことを意味します」と彼は私に語りました。もちろん、他の経済学者たちは、このグラフを刺激策が完全に失敗した証拠と見なしています。 ホワイトハウスは、S&Pの「他の誰もが同じ間違いを犯した」という弁護を自らのバージョンで提供することができます。その予測は、当時の独立した経済学者たちが発表したものと大体一致していました。一方で、初期の経済統計は危機の規模を大幅に過小評価していました。政府の最初の推定値、つまりローマーとサマーズが刺激策を売り込んでいた時点でのものは、2008年秋にGDPが3.8％減少したというものでした。実際には、金融危機は経済に対して2倍以上の打撃を与えていました。実際のGDPの減少率は9％に近く、つまり国は政府が最初に推定したよりも約2000億ドル貧しくなっていたのです。おそらくホワイトハウスのより許しがたい誤りは、そんなに精密に見える予測を行ったこと、そしてそれが間違っている可能性について国民に準備をさせなかったことです。ホワイトハウス内外を問わず、どの経済学者も失業率のような主要な経済指標の進展をうまく予測することはできませんでした。（マクロ経済予測については第6章で詳しく見ていきます。）不況時に行われた失業率予測の不確実性は、歴史的に見てプラスマイナス2％程度でした。したがって、ホワイトハウスが失業率8％を最も可能性の高い結果と考えていたとしても、簡単に二桁に達することもあり得たし（あるいは6％まで下がることもあり得たのです）。刺激策の効果についてもかなりの不確実性があります。刺激策の支出が成長にどれだけ寄与するかを示す乗数効果の推定は、研究によって大きく異なり、ある研究では1ドルの刺激策支出が4ドルのGDP成長をもたらすと主張する一方で、別の研究では1ドルあたり60セントのリターンしかないと言っています。刺激策の効果を測定する際の大きな不確実性に、あらゆる種類のマクロ経済予測に内在する大きな不確実性を重ねると、非常に悪い予測が生まれる可能性があります。 予測の失敗に共通していたこと 金融危機に伴う予測の失敗は少なくとも4つありました。住宅バブルは、予測の失敗と考えることができます。住宅所有者や投資家は、価格の上昇が住宅価値のさらなる上昇を意味すると考えていましたが、実際には歴史が示すところでは、これは下落のリスクを高めるものでした。 - 格付け機関やリーマン・ブラザーズのような銀行は、モーゲージ担保証券がどれほどリスクが高いかを理解することに失敗しました。彼らが議会で主張したこととは逆に、問題は格付け機関が住宅バブルを見抜けなかったことではありませんでした。むしろ、彼らの予測モデルは、住宅価格の崩壊がもたらすリスクについて誤った前提と過剰な自信に満ちていました。 - 住宅危機がどのように世界的な金融危機を引き起こすかを予測することに広範な失敗がありました。これは、市場における高いレバレッジの度合いから生じており、アメリカ人が新しい家に投資するために用意した1ドルに対して、50ドルのサイドベットが賭けられていました。 - 最後に、金融危機の直後には、その危機が引き起こす可能性のある経済問題の規模を予測することに失敗しました。経済学者や政策立案者は、金融危機が通常非常に深刻で長引く不況をもたらすというラインハートとロゴフの発見に耳を傾けませんでした。これらの予測の失敗には共通の糸があります。各ケースにおいて、人々はデータを評価する際に重要な文脈を無視していました。 - 住宅価格に対する住宅所有者の自信は、最近のアメリカの住宅価格に大きな下落がなかったことに起因しているかもしれません。しかし、崩壊前のような広範な住宅価格の上昇はこれまでにありませんでした。 - 銀行がムーディーズやS&Pのモーゲージ担保証券の格付け能力に自信を持っていたのは、これらの機関が他の種類の金融資産の格付けで一般的に適切に機能していたからかもしれません。しかし、格付け機関はクレジットデフォルトオプションのような新しく複雑な証券を格付けしたことはありませんでした。 - 経済学者が金融システムが住宅危機に耐えられると信じていたのは、過去に住宅価格の変動が金融システムに大きな影響を与えなかったからかもしれません。しかし、金融システムはこれまでにないほど高いレバレッジをかけており、住宅に対してこれほど多くのサイドベットを行ったことはありませんでした。 - 政策立案者が金融危機から経済が迅速に回復できると信じていたのは、最近の不況の経験から来ているかもしれません。その多くは急速な「V字型」の回復と関連していました。しかし、それらの不況は金融危機とは関連しておらず、金融危機は異なるものです。この種の問題には技術的な用語があります。それは、これらの予測者が考慮していた出来事が「サンプル外」であったということです。重大な予測の失敗があるとき、この問題は通常、犯罪現場にその痕跡を残します。この用語は何を意味するのでしょうか？簡単な例が説明を助けるでしょう。 サンプル外、心の外：失敗した予測の公式 あなたが非常に優れたドライバーだとしましょう。ほとんどの人は自分が良いドライバーだと思っていますが、あなたは… 本当に実績があると言えるでしょう。30年間の運転歴の中で、わずか2回の軽微な接触事故しか起こしておらず、その間に20,000回の車の移動を行ってきました。また、あまりお酒を飲む方ではなく、絶対にやったことがないのは酔っ払って運転することです。しかし、ある年のオフィスのクリスマスパーティーで少し羽目を外してしまいました。親しい友人が会社を辞めることになり、ストレスも溜まっていたので、1杯のウォッカトニックが気づけば12杯に。酔っ払ってしまい、完全に酩酊状態です。さて、帰るために運転するべきか、それともタクシーを呼ぶべきか？これは簡単な質問のように思えます：タクシーを利用すべきです。そして、翌日の会議をキャンセルしましょう。しかし、自分で帰る理由を冗談交じりに作ることもできます。20,000回の車の移動の中で、わずか2回の軽微な事故しか起こしておらず、他の19,998回は無事に目的地に到着しているのです。これはかなり良い確率のように思えます。こんな圧倒的な証拠があるのに、タクシーを呼ぶ手間をわざわざかける必要があるのでしょうか？もちろん問題なのは、20,000回の車の移動の中で、これほど酔っ払っていたことは一度もなかったということです。酔っ払って運転するというサンプルサイズは20,000回ではなくゼロであり、過去の経験をもとに事故のリスクを予測することはできません。これはアウトオブサンプルの問題の一例です。この種の問題を避けるのは簡単そうに思えますが、格付け機関はまさにこの誤りを犯しました。ムーディーズは、過去のデータをもとに住宅ローンのデフォルトがどの程度相関しているかを推定しました。具体的には、1980年代からのアメリカの住宅データを調べました。しかし、1980年代から2000年代中頃までの間、アメリカでは住宅価格は常に安定しているか上昇していました。このような状況下では、一人の住宅所有者の住宅ローンが他の住宅所有者のものとほとんど関係がないという仮定は、十分に妥当だったかもしれません。しかし、その過去のデータには、住宅価格が同時に下落し始めたときに何が起こったかを説明するものはありませんでした。住宅市場の崩壊はアウトオブサンプルの出来事であり、その条件下でのデフォルトリスクを評価するためのモデルは無価値でした。 ムーディーズは完全に無力だったわけではありません。彼らは視野を広げることで、もっと妥当な推定を行うことができたかもしれません。アメリカはこれまでにこんな住宅崩壊を経験したことがありませんでしたが、他の国々は経験しており、その結果は悲惨でした。もしムーディーズが日本の不動産バブル崩壊後のデフォルト率を調べていたら、住宅ローン担保証券の危うさについてもっと現実的な見方ができたかもしれませんし、AAAの格付けを付けることはなかったでしょう。しかし、予測者はしばしばこのようなアウトオブサンプルの問題を考慮することを避けがちです。私たちが時間や空間的に離れた出来事をサンプルに含めると、研究している関係が私たちが慣れ親しんでいるほどにはうまく機能しないケースに直面することが多くなります。 モデルは、力が弱く見えるでしょう。パワーポイントのプレゼンテーションや学術論文、ブログ記事の中で、印象が薄くなるのです。私たちは、自分たちが思っていたよりも世界についての理解が少ないことを認めざるを得なくなります。私たちの個人的および職業的なインセンティブは、ほとんど常にこれを避けるように働きます。私たちは、自分たちのモデルが世界の単純化に過ぎないことを忘れたり、意図的に無視したりします。間違いを犯しても、それは些細なことだと考えがちです。しかし、複雑なシステムでは、間違いは度合いで測られるのではなく、全く異なる桁で測られます。S&Pやムーディーズは、CDOに関連するデフォルトリスクを200倍過小評価しました。経済学者たちは、実際に起こったような深刻な景気後退が起こる確率は500分の1だと考えていました。私が序章で述べたように、情報時代において私たちが直面する広範なリスクの一つは、知識の量が増えているにもかかわらず、私たちが知っていることと知っていると思っていることとのギャップが広がっている可能性があるということです。この症状は、非常に精密に見える予測が全く正確でない場合にしばしば関連付けられます。ムーディーズは計算を小数点以下二桁まで行いましたが、それは現実とは全くかけ離れていました。これは、弾丸が常に同じ場所に着弾するからといって、自分が良い射手だと主張するようなものです—ターゲットには全く近づいていないのに（図1-7参照）。 金融危機やその他の予測の失敗は、この誤った自信から生じます。精密な予測は正確なものとして見せかけ、私たちの中にはそれに騙されて賭けを倍増させる者もいます。私たちが自分の判断の欠陥を克服したと思ったときこそ、アメリカ経済のような強力なものが急停止することがあるのです。 テレビのコメンテーターよりも賢いですか？ 多くの人にとって、政治予測は1982年から毎週日曜日に放送されている政治討論番組「ザ・マクラフリン・グループ」と同義です。この番組は、サタデー・ナイト・ライブによってほぼ同じ期間パロディ化されています。ジョン・マクラフリンがホストを務めるこの番組は、1970年にアメリカ合衆国上院への失敗した立候補をした頑固な80代の老人が運営しており、政治的な議論をスポーツのように扱い、30分の中で4、5つのテーマを回しながら、マクラフリンがパネリストにオーストラリアの政治から地球外知性の可能性までの質問を投げかけます。 「ザ・マクラフリン・グループ」の各エディションの最後には、「予測」と呼ばれるセグメントがあり、パネリストはその日の話題について数秒間意見を述べる時間が与えられます。時には、パネリストがトピックを選び、政治にわずかに関連する何かについて予測をすることが許されることもあります。他の時には、マクラフリンが「強制予測」を求め、特定の問題についての見解を尋ねるポップクイズのような形式になります。 マクラフリンの質問の中には、次の最高裁判所の候補者を数人の有力候補の中から挙げるような、答えるのが難しいものもあります。しかし、他の質問は簡単なものです。2008年の大統領選挙の前の週末、マクラフリンはパネリストたちに、ジョン・マケインとバラク・オバマのどちらが勝つかを尋ねました。この質問は、あまり考える必要がないものでした。バラク・オバマは、2008年9月15日のリーマン・ブラザーズの崩壊以降、ほぼすべての全国調査でジョン・マケインをリードしていました。この崩壊は、マ Great Depression以来の最悪の経済不況を引き起こしました。また、オバマはオハイオ州、フロリダ州、ペンシルベニア州、ニューハンプシャー州など、ほぼすべての接戦州の調査でもリードしていました。さらに、コロラド州やバージニア州のように、通常は民主党が勝たない州でもリードしていました。私がFiveThirtyEightのために開発した統計モデルでは、オバマが選挙に勝つ確率は95％を超えていると示唆されていました。賭け市場もやや曖昧でしたが、オバマを7対1の有力候補として見ていました。しかし、マクラフリンの最初のパネリストであるパット・ブキャナンは、この質問を避けました。「未決定票が今週末に決まるだろう」と彼は言い、他のパネリストたちから笑いを誘いました。シカゴ・トリビューンのクレランス・ペイジは「選挙は接戦すぎて予測できない」と言いました。フォックスニュースのモニカ・クラウリーはより大胆に、マケインが「半ポイント差」で勝つと予測しました。唯一、ニュースウィークのエレノア・クリフトだけが明白なことを述べ、オバマ・バイデンのチケットが勝つと予測しました。その翌火曜日、オバマは365の選挙人票を獲得し、ジョン・マケインの173票に対して大統領選挙人に選ばれました。これは、調査や統計モデルが予測していた通りの結果でした。歴史的な大勝利ではありませんでしたが、「接戦すぎて予測できない」ということはありませんでした。オバマはマケインに対して約1000万票の差をつけて勝利しました。逆の予測をした人々には説明が必要でしたが、翌週に再び同じ4人のパネリストが集まった『マクラフリン・グループ』では、そのようなことはありませんでした。パネルでは、オバマの勝利の統計的な詳細、ラーム・エマニュエルを首席補佐官に選んだこと、ロシアのドミトリー・メドベージェフ大統領との関係について議論されましたが、失敗した予測については一切言及されませんでした。実際、パネリストたちは結果が最初から避けられないものであったかのように話していました。クラウリーは「変化の選挙年だった」と説明し、マケインがひどいキャンペーンを行ったと述べましたが、彼女がそのキャンペーンに賭ける意志があったことは言及しませんでした。予測者は通常、単一の予測に基づいて判断されるべきではありませんが、このケースは例外が必要かもしれません。 選挙の前の週末までに、マケインがまだ勝つ可能性がある理由を説明するための唯一のもっともらしい仮説は、世論調査で見逃されていたオバマに対する大規模な人種的敵意が存在する場合だろう。しかし、パネリストの誰もこの仮説を提示しなかった。代わりに、彼らは世論調査が存在しない、経済が崩壊していない、そしてブッシュ大統領がマケインを引きずり下ろすのではなく、まだそこそこ人気があるという別の宇宙で活動しているように見えた。それでも、私はこれが何らかの異常であるかどうかを確認することに決めた。『マクラフリン・グループ』のパネリストたちは、政治について話すことで生計を立てているのだから、予測のスキルが本当にあるのだろうか？私は、マクラフリンと他のパネリストたちが番組の最後のセグメントで行った約1,000の予測を評価した。予測の約4分の1は分析するにはあまりにも曖昧であったり、遠い未来の出来事に関するものであった。しかし、他の予測については、完全に間違っているから完全に正しいまでの5段階で評価した。パネリストたちはコインを投げているのと同じだった。338の予測がほぼ完全に間違っているか、完全に間違っていると判断した。同じ数の338がほぼ完全に正しいか、完全に正しいとされていた。 完全に正しい 285 39% ほぼ正しい 53 7% 部分的に正しい、部分的に間違っている 52 8% ほぼ間違っている 20 3% 完全に間違っている 268 37% 評価した予測の合計 733 100% 評価されなかった予測 249 また、パネリストの中には、2008年の選挙を当てたクリフトを含め、他のパネリストよりもはるかに優れている者はいなかった。各パネリストについて、私は彼らが正しかった予測の数を反映するパーセンテージスコアを計算した。クリフトと他の頻繁に登場する3人のパネリスト—ブキャナン、故トニー・ブランクリー、そしてマクラフリン自身—は、49%から52%のほぼ同じスコアを受け取り、予測が正しい可能性と間違っている可能性がほぼ同じであることを示していた。彼らは理髪店のクァルテットと同じくらいの政治的洞察力を示していた。『マクラフリン・グループ』は、政治に夢中な人々のためのスラップスティックエンターテイメントとして、ほぼ明示的に意図されている。これは、リベラルと保守が互いに延々と口論する、CNNの『クロスファイア』のような番組の叫び合いの時代からの名残である。現在のエコーチャンバーの時代は、叫び合いの時代とあまり変わらないが、リベラルと保守がそれぞれのチャンネルに閉じ込められ、ケーブルラインナップの中でフードネットワークやゴルフチャンネルによって非武装地帯で隔てられている点が異なる。この配置は、必ずしもより信頼できる分析をもたらすわけではないが、より高い視聴率を生むようだ。しかし、意見の量ではなく、学問の正確さと徹底性に対して報酬を受け取る人々はどうだろうか？政治学者やワシントンのシンクタンクのアナリストたちは、予測を行うのがもっと上手なのだろうか？ 東欧のブロックの崩壊は驚くほど速いペースで、しかも考慮すべきことをすべて踏まえると、驚くほど秩序立った形で進行しました。1987年6月12日、ロナルド・レーガンはブランデンブルク門に立ち、ミハイル・ゴルバチョフにベルリンの壁を壊すよう懇願しました。この発言は、ジョン・F・ケネディが人を月に送ると誓った時のように大胆なものでした。レーガンは先見の明がありました。わずか2年後には、壁は崩れ去りました。1988年11月16日、メイン州ほどの大きさのエストニア共和国の議会は、強大なソ連からの独立を宣言しました。その3年も経たないうちに、ゴルバチョフはモスクワの硬派からのクーデター未遂をかわし、クレムリンの前でソ連の旗は最後に降ろされました。エストニアや他のソ連共和国はすぐに独立国家となるでしょう。ソ連帝国の崩壊が事後的には予測可能に思えたとしても、主流の政治学者のほとんどはその兆しを見抜いていませんでした。数少ない例外はしばしば嘲笑の的となりました。もし政治学者たちがソ連の崩壊、つまり20世紀後半における最も重要な出来事の一つを予測できなかったのなら、彼らは一体何の役に立つのでしょうか？カリフォルニア大学バークレー校の心理学と政治学の教授フィリップ・テトロックは、当時同じような疑問を抱いていました。実際、彼はソ連崩壊の時期に、野心的で前例のない実験を行っていました。1987年から、テトロックは国内政治、経済、国際関係に関するさまざまなトピックについて、学界や政府の専門家からの予測を広範囲にわたって収集し始めました。 テトロックが発見したところによれば、政治の専門家たちはソ連の崩壊を予測するのが難しかったのです。なぜなら、政権の崩壊を予測するだけでなく、その理由を理解するためには、異なる主張の糸を織り合わせる必要があったからです。これらの考えには本質的に矛盾はありませんでしたが、政治的スペクトルの異なる側から発信されることが多く、特定のイデオロギーに固執する学者たちは両方の意見を受け入れることは少なかったのです。一方で、ゴルバチョフは物語の重要な部分であり、彼の改革への願望は真剣なものでした。もしゴルバチョフが政治に入らず、会計士や詩人になっていたら、ソ連は少なくとも数年は存続していたかもしれません。リベラル派はゴルバチョフに対してこのような同情的な見方を持つ傾向がありました。保守派は彼をあまり信頼せず、彼のグラスノスチ（情報公開）の話を単なるポーズに過ぎないと見なす者もいました。一方で、保守派は共産主義に対して本能的に批判的でした。彼らはソ連の経済が失敗していることや、一般市民の生活がますます困難になっていることを理解するのが早かったのです。1990年になっても、CIAはかなり誤った推定をしていました。 ソビエト連邦のGDPは、アメリカの約半分であり（1人当たりの基準で、現在の韓国やポルトガルの安定した民主主義国と同等の水準）、実際、最近の証拠によれば、ソビエト経済はアフガニスタンとの長期戦争や中央政府のさまざまな社会問題への無関心によって弱体化し、CIAが考えていたよりも約1兆ドルも貧しかったことがわかりました。そして、その経済は年間最大5％も縮小しており、インフレ率は二桁に達していました。これら二つの要因を考慮すると、ソビエト連邦の崩壊はかなり容易に想像できます。ゴルバチョフは、国のメディアと市場を開放し、市民により大きな民主的権限を与えることで、体制変革を促進するメカニズムを提供しました。そして、国の経済が疲弊していたため、人々は彼の提案を喜んで受け入れました。中央政府はあまりにも弱体化しており、エストニア人はロシア人にうんざりしていただけでなく、ロシア人もエストニア人に対してほぼ同様にうんざりしていました。なぜなら、衛星共和国はモスクワから受け取る補助金に対して、ソビエト経済に対してあまり貢献していなかったからです。 東欧でドミノが倒れ始めると（1989年末までにチェコスロバキア、ポーランド、ルーマニア、ブルガリア、ハンガリー、東ドイツがすべて革命の真っ只中にありました）、ゴルバチョフや他の誰も、彼らが国を崩壊させるのを防ぐことはほとんどできませんでした。多くのソビエトの学者は問題の一部を理解していましたが、全てのパズルのピースを組み合わせた専門家はほとんどおらず、ソ連の突然の崩壊を予測した人はほとんどいませんでした。テトロックは、ソビエト連邦の例に触発され、他の分野で専門家の意見を調査し始めました。湾岸戦争、日本の不動産バブル、ケベックのカナダからの独立の可能性、そして1980年代と1990年代のほぼすべての主要な出来事について専門家に予測を求めました。ソビエト連邦の崩壊を予測できなかったことは異常だったのか、それとも「専門家」の政治分析はほとんど期待に応えないものなのか？彼の研究は15年以上にわたり、最終的に2005年に『Expert Political Judgment』という本として出版されました。テトロックの結論は厳しいものでした。彼の調査に参加した専門家たちは、職業、経験、専門分野にかかわらず、ほとんどランダムな確率と変わらない結果を出し、未来の政治的イベントを予測する点では基本的な統計手法にも劣っていました。彼らは過剰に自信を持ち、確率を計算するのが非常に苦手でした。彼らが「起こる可能性がゼロ」と主張した出来事の約15％は実際に起こり、彼らが「絶対に起こる」と確信していた出来事の約25％は実際には起こりませんでした。専門家が経済、国内政治、国際問題について予測を行っても、その判断は一様に悪かったのです。 より良い予測を行うための正しい態度：ずる賢くなること。専門家のパフォーマンスは、 全体としては貧弱な結果だったが、テトロックは一部の専門家が他よりも良い予測をしていたことを発見した。メディアで最も頻繁に引用された予測を行った専門家たちは、敗北側に属していた。テトロックの調査によれば、専門家がメディアとのインタビューを多く行うほど、その予測の精度は低くなる傾向があった。しかし、別の専門家のサブグループは比較的良い結果を出していた。心理学者としての訓練を受けたテトロックは、専門家たちの認知スタイル、つまり彼らが世界をどのように考えているかに興味を持っていた。そのため、彼はすべての専門家に性格テストから抜粋した質問を行った。これらの質問への回答に基づいて、テトロックは専門家たちを「ハリネズミ」と「キツネ」のスペクトラムに分類することができた。ハリネズミとキツネの言及は、ロシアの小説家レオ・トルストイに関するアイザイア・バーリンのエッセイのタイトルに由来している—『ハリネズミとキツネ』。バーリンはこのタイトルを、ギリシャの詩人アルキロコスに帰される一節から借用した。「キツネは多くの小さなことを知っているが、ハリネズミは一つの大きなことを知っている。」 トルストイのファンでない限り、あるいは華やかな文章が好きでない限り、バーリンのエッセイを読む特別な理由はないだろう。しかし、基本的なアイデアは、作家や思想家を二つの大きなカテゴリーに分けることができるというものである。 - ハリネズミは、ビッグアイデアを信じるタイプAの性格であり、世界に関する支配的な原則を持っている。これらの原則は物理法則のように振る舞い、社会のほぼすべての相互作用を支えている。カール・マルクスの階級闘争や、ジークムント・フロイトの無意識、あるいはマルコム・グラッドウェルの「ティッピングポイント」を考えてみてほしい。 - 一方、キツネは、さまざまな小さなアイデアを信じ、問題に対して多様なアプローチを取る、たくましい生き物である。彼らはニュアンス、不確実性、複雑さ、異なる意見に対してより寛容である傾向がある。ハリネズミが常に大きな獲物を狙うハンターであるのに対し、キツネは集める者である。テトロックは、キツネがハリネズミよりも予測においてかなり優れていることを発見した。例えば、彼らはソビエト連邦についてより正確な予測を行った。ソ連を高度にイデオロギー的な観点から—本質的に「悪の帝国」として、あるいは比較的成功した（そしておそらくは称賛に値する）マルクス主義経済システムの例として見るのではなく、彼らはそれをそのままの姿で捉えた：ますます機能不全に陥り、崩壊の危機にある国であると。ハリネズミの予測はほとんどランダムな確率と変わらなかったのに対し、キツネは予測のスキルを示した。 **図2-2: キツネとハリネズミの態度** **キツネの考え方** - 多面的：異なる分野からのアイデアを取り入れ、政治的スペクトラムの起源に関係なく考える。 - 適応力がある：元のアプローチがうまくいかない場合、新しいアプローチを見つけるか、同時に複数のアプローチを追求する。 **ハリネズミの考え方** - 専門的：しばしばキャリアの大半を一つまたは二つの大きな問題に費やしている。「外部者」の意見を懐疑的に見ることがある。 頑固な人々：同じ「全力投球」のアプローチを貫く—新しいデータを使って元のモデルを洗練させる。自己批判的：予測の間違いを認めることに時折（稀に喜んではいないが）前向きであり、その責任を受け入れる。頑固：間違いは運が悪かったり、特異な状況に起因すると考えがち—良いモデルが悪い日を迎えたと。複雑さに寛容：宇宙は複雑であり、多くの根本的な問題が解決不可能または本質的に予測不可能であると見なす。秩序を求める：ノイズの中から信号を特定すれば、世界は比較的単純な支配関係に従うと期待する。慎重：予測を確率的に表現し、自分の意見に対しても条件を付ける。自信満々：予測をあまり保留せず、変更することに消極的。経験的：理論よりも観察に依存する。キツネはより優れた予測者である。イデオロギー的：日常の多くの問題の解決策は、より大きな理論や闘争の現れであると期待する。ハリネズミは予測が弱い。 ハリネズミがテレビのゲストとして優れている理由 ある冬の午後、私はバークレーキャンパスのすぐ近くにある荘厳で日当たりの良いホテル・デュラントでテトロックとランチを共にしました。自然な流れで、テトロックは自らをキツネであると明かしました。彼は穏やかに話し、学問的で、私の質問に答える前に20秒から30秒間考える習慣がありました（あまりにも軽率な回答を避けるためです）。「公共知識人のインセンティブは何ですか？」とテトロックは私に尋ねました。「比較的匿名でいることに満足している学者もいます。しかし、公共知識人になりたいと望む人々もいて、かなり大胆に、かなり劇的な変化に非無視的な確率を付けることを目指しています。それが注目を集める可能性が高いのです。」つまり、大胆でハリネズミのような予測は、テレビに出る可能性が高くなります。 ビル・クリントンの元顧問であり、現在はフォックスニュースのコメンテーターを務めるディック・モリスの例を考えてみましょう。モリスは典型的なハリネズミであり、彼の戦略は与えられた機会にできるだけ劇的な予測をすることのようです。2005年、モリスはジョージ・W・ブッシュのハリケーン・カトリーナへの対応が、ブッシュが公衆の支持を取り戻す助けになると宣言しました。2008年の選挙前夜、彼はバラク・オバマがテネシー州とアーカンソー州で勝利すると予測しました。2010年には、モリスは共和党がアメリカ合衆国下院で簡単に100議席を獲得できると予測しました。2011年には、ドナルド・トランプが共和党の指名を目指して立候補し、「非常に良い」勝利のチャンスがあると言いました。 これらの予測はすべてひどく外れました。カトリーナはブッシュにとって終わりの始まりであり、反発の始まりではありませんでした。オバマはテネシー州とアーカンソー州で大敗し、実際、彼が4年前にジョン・ケリーよりも悪い成績を収めた数少ない州の一つでした。2010年11月、共和党は良い夜を迎えましたが、獲得したのは63議席で、100議席ではありませんでした。 トランプは、モリスが出馬すると主張してからわずか2週間後に、大統領選への出馬を正式に辞退しました。しかし、モリスは機転が利き、エンターテイメント性があり、自分自身を上手にマーケティングすることに成功しています。彼は今もフォックスニュースで定期的に出演しており、数十万人に彼の本を販売しています。フォックス型の人々は、テレビ、ビジネス、政治といったタイプAの文化に馴染むのが難しいことがあります。彼らは、多くの問題が予測しづらいと信じており、これらの不確実性を明示的に考慮すべきだと考えていますが、これが自己信頼の欠如と誤解されることがあります。彼らの多元的なアプローチは、信念の欠如と見なされることもあります。ハリー・トルーマンは「片手の経済学者」を求め、彼の政権内のフォックスたちが明確な答えを出せないことに苛立っていました。しかし、フォックス型の人々は、実際にはより良い予測を行う傾向があります。彼らはデータがどれほどノイズを含むかを素早く認識し、誤った信号を追いかけることが少ないのです。彼らは自分が知らないことについても多くを知っています。もし、医療状態の経過を予測する医者や、退職金のリターンを最大化する投資アドバイザーを探しているなら、フォックス型の人に任せるのが良いかもしれません。彼女は自分が達成できることについて控えめな主張をするかもしれませんが、実際にそれを実現する可能性が高いのです。 政治予測が失敗しがちな理由 フォックス型の態度は、政治に関する予測を行う際に特に重要かもしれません。政治予測の分野でハリネズミが騙される特有の罠がいくつかあり、フォックス型の人々はそれを避けることに注意を払っています。その一つが単純に党派的イデオロギーです。モリスはビル・クリントンに助言したにもかかわらず、共和党員としてのアイデンティティを持ち、彼らの候補者のために資金を集めています。そして、彼の保守的な見解は彼のネットワークであるフォックスニュースのものと一致しています。しかし、リベラル派もハリネズミになる傾向から免れているわけではありません。私のマクラフリン・グループのメンバーによる予測の正確性に関する研究では、エレノア・クリフトは、通常パネルの中で最もリベラルなメンバーでありながら、共和党にとってより好意的な結果を示唆する予測をほとんど出すことがありませんでした。これは2008年の選挙結果を予測する上では彼女にとって有利に働いたかもしれませんが、長期的には彼女の保守的な同僚と同じくらいの正確さでした。テトロックが研究したような学術的専門家も同様の問題に悩まされることがあります。実際、少しの知識は、ハリネズミが持つと危険なものになることがあります。テトロックのより注目すべき発見の一つは、フォックス型の人々は経験を積むことで予測が上達する傾向があるのに対し、ハリネズミは逆にパフォーマンスが悪化する傾向があるということです。テトロックは、ハリネズミが持つ事実が多ければ多いほど、それを自分のバイアスを確認する方法で操作する機会が増えると考えています。この状況は、インターネット接続のある暗い部屋にヒポコンドリーの人を閉じ込めた場合に起こることに似ています。 彼に与える時間が長くなるほど、彼が手に入れる情報も増え、その結果、彼が自己診断で出してくる結論はますます滑稽なものになる。やがて彼は、普通の風邪をペストと勘違いするようになるだろう。しかし、テトロックは、左派と右派の「ハリネズミ」たちが特に予測が下手であることを発見した一方で、すべての政治的立場の「キツネ」たちはこれらの影響に対してより免疫があることも見出した。キツネたちは、世界があるべき姿について強い信念を持っているかもしれない。しかし、彼らは通常、その信念を世界が実際にどうであるか、そして近い将来にどうなる可能性があるかの分析から切り離すことができる。一方、ハリネズミは、自分の根本的な関心と分析を区別するのが難しい。テトロックの言葉を借りれば、彼らは「事実と価値観が混ざり合ったぼんやりとした融合」を作り出す。彼らは証拠に対して偏見を持ち、自分が見たいものだけを見て、実際にそこにあるものは見ようとしない。テトロックのテストを使って、自分がハリネズミかどうかを診断することができる：より多くの情報にアクセスしたとき、あなたの予測は改善されますか？理論的には、より多くの情報があれば、予測に追い風が吹くはずだ。役に立たない情報は無視すればいいのだから。しかし、ハリネズミはしばしば自らを棘だらけの茂みに閉じ込めてしまう。 2010年の中間選挙の数日前、ナショナルジャーナルはそのパネルに、民主党が下院と上院の両方を維持できる可能性について尋ねた。この質問に対してほぼ全員が一致した：民主党は上院を維持するが、共和党が下院を制するだろう（パネルは両方とも正しかった）。民主党と共和党の内部者たちも、下院における共和党の獲得議席数の全体的な規模についてほぼ一致していた。民主党の専門家は47議席の獲得を予測し、共和党は53議席の獲得を予測したが、435議席ある下院においては微々たる差である。しかし、ナショナルジャーナルはまた、パネルに対して11の個別選挙の結果を予測するよう求めた。ここでは、違いがはるかに大きかった。パネルはネバダ州、イリノイ州、ペンシルベニア州の上院選挙、フロリダ州の知事選挙、アイオワ州の重要な下院選挙での勝者について意見が分かれた。全体として、共和党のパネルは民主党が11の選挙のうち1つしか勝たないと予想したのに対し、民主党のパネルは6つの選挙で勝つと予想した。 （実際の結果は予想通り中間的なもので、民主党はNational Journalが尋ねた11の選挙のうち3つを勝ち取った。）明らかに、党派性はここで何らかの役割を果たしている。民主党員と共和党員はそれぞれ自分たちのチームを応援していた。しかし、パネルが異なるタイプの質問に対して答えた際の異常な分裂を説明するには不十分だ。一般的に共和党がどれくらい成功するかについて尋ねられたとき、パネルリストの間にほとんど違いはなかった。しかし、特定のケースについて尋ねられると、彼らは深く異なっていた。これらの質問は党派の違いを浮き彫りにした。 情報が多すぎることは、ハリネズミの手に渡ると悪影響を及ぼすことがある。共和党が全体として民主党に対してどれくらい議席を獲得する可能性があるかという質問は抽象的なものであり、435の選挙すべてを研究していない限り、それを解決するための追加の詳細はほとんどなかった。それに対して、特定の選挙、例えばネバダ州の上院選挙について尋ねられると、パネルリストは様々な情報を持っていた。そこにある世論調査だけでなく、その選挙について読んだニュース記事や友人から聞いた噂、テレビで候補者を見たときの印象なども含まれていた。彼らは候補者やそのスタッフを個人的に知っているかもしれない。多くの情報を持つハリネズミは物語を構築する。物語は現実よりも整然としていて、主人公と悪役、勝者と敗者、クライマックスと結末があり、通常は自分たちのチームにとってハッピーエンドとなる。世論調査で10ポイント劣勢の候補者が勝つだろう、なぜなら私はその候補者を知っているし、彼女の州の有権者も知っているから、そして世論調査が接近しているという彼女の広報担当者から何かを聞いたかもしれないし、彼女の最新のコマーシャルを見たかもしれない。こうした物語を構築する際、私たちは証拠を批判的に考える能力を失うことがある。選挙は通常、魅力的な物語を提供する。2008年のバラク・オバマやサラ・ペイリン、ジョン・マケイン、ヒラリー・クリントンの政治についてどう思っていたとしても、彼らには説得力のある人生の物語があった。『ゲーム・チェンジ』のようなキャンペーンに関する報告書は、緊迫感のあるベストセラー小説のように読まれた。2012年に立候補した候補者たちは魅力に欠ける面々だったが、それでも通常のドラマチックなクリシェの組み合わせを提供するには十分だった。悲劇（ハーマン・ケイン？）から滑稽劇（リック・ペリー）まで。物語に迷い込むことがある。政治はその人間的要素のために、特に予測が難しいかもしれない。良い選挙は私たちのドラマ的感性を引きつける。これは、良い予測をするために政治的な出来事に対して完全に冷静である必要があるという意味ではない。しかし、狐のような冷静さが利益をもたらすことがあるということを意味する。 予測に対する狐のようなアプローチ 私は2008年2月、ルイジアナ州ニューオーリンズのルイ・アームストロング国際空港で遅延したフライトを待っている間に、FiveThirtyEightのアイデアを思いついた。 何らかの理由で—おそらくケイジャンマティーニが何かを刺激したのだろう—突然、ヒラリー・クリントンとバラク・オバマが、当時まだ民主党の指名を巡って激しく争っていた頃、ジョン・マケインに対してどのように戦うかを予測するウェブサイトを作る必要があることが明らかに思えた。私の選挙政治への興味は、実は少し前から始まっていたが、それは政治プロセスへの愛情というよりも、むしろフラストレーションから来ていた。2006年に行われたインターネットポーカー禁止の試みを注意深く監視しており、それは当時私の主な収入源の一つだった。政治報道は、スポーツの「マネーボール革命」に比べても劣っていると感じていた。予備選挙の準備が進む中、私はMSNBC、CNN、Fox Newsなどの政治番組をますます見るようになったが、その多くは内容が薄っぺらだった。選挙までまだ数ヶ月もあったにもかかわらず、報道はクリントンの指名の必然性に焦点を当て、早期の世論調査に内在する不確実性を無視していた。クリントンの性別やオバマの人種に対する過剰な関心が目立った。記者会見での巧妙な発言や無名の上院議員の支持を得たことで「その日を勝ち取った」候補者を決定することに執着しているようだったが、これは99％の有権者には関心がないことだった。政治ニュース、特にキャンペーンに本当に影響を与える重要なニュースは、不規則なペースで進行する。しかし、ニュース報道は毎日作られる。その多くは、重要性を隠すために設計されたストーリーの形で提供されるフィラーに過ぎない。政治報道はしばしば信号を失うだけでなく、ノイズを強調することが多い。ある州で共和党がリードしているという複数の世論調査があっても、別の調査が同じことを言ってもニュースにはならない。しかし、民主党がリードしているという新しい調査が出れば、それは見出しを飾ることになる—たとえその調査が異常値であり、結果を正確に予測しない可能性が高くても。言い換えれば、競争によって設定された基準は非常に低かった。基本的なリサーチを行うだけで、誰かが天才のように見えることができた。そこで私は、Daily Kosというウェブサイトでブログを始め、世論調査や資金調達の数字に関する詳細でデータに基づいた分析を投稿することにした。過去に最も正確だった世論調査会社や、アイオワ州のように一つの州で勝つことが他の州の数字にどれだけ影響を与えるかを研究した。記事はすぐにフォロワーを獲得したが、Daily Kosのようなサイトのコメントは通常、定量的というよりも定性的（かつ党派的）である。2008年3月、私は自分の分析を独自のウェブサイトFiveThirtyEightに展開し、一般選挙についての予測を行うことを目指した。FiveThirtyEightの予測モデルは、最初は非常にシンプルで、基本的には世論調査の平均を取り、それを過去の正確性に基づいて重み付けするものであったが、徐々により複雑になっていった。 しかし、それは非常に狐のような三つの広範な原則に従っていました。原則1：確率的に考える 私が政治や他の分野で発表する予測のほとんどは確率的です。単一の数字を出して、何が起こるかを正確に知っていると主張するのではなく、私は可能な結果の範囲を明示します。例えば、2010年11月2日の時点で、私の予測では、共和党がアメリカ合衆国下院で獲得する議席数は、図2-3に示されているようなものでした。最も可能性の高い結果の範囲は、約半数のケースをカバーするもので、共和党が45から65議席を獲得するというものでした（実際の獲得議席は63でした）。しかし、共和党が70議席や80議席を獲得する可能性もありました—ディック・モリスが予測した100議席はほぼ確実に無理でした。逆に、民主党が下院を維持するために必要な議席をぎりぎり確保する可能性もありました。このように広範な結果の分布は、現実世界の不確実性を最も正直に表現したものでした。この予測は、435の下院議席それぞれの予測から構築されており、その中で非常に多くのレースが極めて接戦であることが分かりました。実際、驚くべきことに77議席が1桁の差で決まったのです。もし民主党が競争の激しい地区で予測を数ポイント上回っていたら、下院を簡単に維持できたでしょう。逆に共和党がその逆を行っていたら、彼らの獲得議席は本当に驚くべき数字になっていたかもしれません。政治の潮流の小さな変化が、劇的に異なる結果を生む可能性があったのです。正確な数字にこだわるのは愚かでした。この確率的原則は、個々のレースの結果を予測する際にも当てはまります。例えば、候補者が世論調査で5ポイントリードしている場合、彼が勝つ可能性はどれくらいでしょうか？これはFiveThirtyEightのモデルが解決しようとしている問題の一つです。 答えは、彼が関与しているレースの種類によって大きく異なります。投票用紙の下に行くほど、世論調査はより不安定になります：下院選の世論調査は上院選の世論調査よりも正確性が低く、上院選は大統領選よりも正確性が低いのです。また、予備選の世論調査は一般選挙の世論調査よりもかなり正確性が低いです。2008年の民主党予備選では、平均的な世論調査が約8ポイント外れており、その誤差範囲からはるかに大きなものでした。2012年の共和党予備選の世論調査の問題は、さらに悪かったかもしれません。実際、アイオワ、サウスカロライナ、フロリダ、ミシガン、ワシントン、コロラド、オハイオ、アラバマ、ミシシッピなどの主要な州では、選挙の1週間前に世論調査でリードしていた候補者が敗北しました。しかし、選挙日が近づくにつれて、世論調査はより正確になります。 図2-4は、FiveThirtyEightの上院予測モデルの簡略版から得られた結果を示しています。このモデルは1998年から2008年までのデータを使用して、候補者が世論調査の平均でのリードの大きさに基づいて勝つ確率を推測します。例えば、選挙日の前日に5ポイントのリードを持つ上院候補者は、歴史的に見て約95％の確率で勝利しています。これはほぼ確実な勝利と言えますが、ニュースでは「接戦」と表現されることが多いです。一方、選挙の1年前に5ポイントのリードがある場合、勝つ確率はわずか59％で、コインを投げるのとほぼ同じ確率です。 図2-4：世論調査の平均に基づく上院候補者の勝利確率（リードの大きさによる） | リードの大きさ | 選挙までの時間 | 1ポイント | 5ポイント | 10ポイント | 20ポイント | |----------------|----------------|-----------|------------|-------------|--------------| | 1日 | | 64% | 95% | 99.2% | 99.999% | | 1週間 | | 60% | 89% | 98% | 99.97% | | 1ヶ月 | | 52% | 81% | 95% | 99.2% | | 3ヶ月 | | 55% | 22% | 87% | 98% | | 6ヶ月 | | 53% | 66% | 29% | 93% | | 1年 | | 52% | 59% | 67% | 81% | FiveThirtyEightのモデルは、このように多くの価値を提供します。選挙を見て、ある候補者がすべてまたはほとんどの世論調査でリードしているのを確認すると、彼が勝つ可能性が高いと判断するのは非常に簡単です（いくつかの例外を除いて、この仮定は正しいことが多いです）。しかし、彼がどれほどの優位性を持っているかを正確に判断するのはずっと難しくなります。私たちの脳はパターンを検出するようにできているため、常に信号を探していますが、実際にはデータがどれほどノイズに満ちているかを理解する必要があります。このような考え方には慣れてきました。なぜなら、私のバックグラウンドはスポーツとポーカーという2つの分野に基づいており、そこではほぼすべてのことを少なくとも一度は目にするからです。十分な数のポーカーをプレイすれば、ロイヤルフラッシュを引くこともあります。さらにプレイを続けると、フルハウスを持っているときに相手がロイヤルフラッシュを作っていることに気づくでしょう。スポーツ、特に野球も、低確率の出来事が起こる機会をたくさん提供します。ボストン・レッドソックスは、2011年に99.7％の確率でプレーオフ進出が期待されていたにもかかわらず、結局進出を果たせませんでした。ただし、レッドソックスやシカゴ・カブスに関しては、通常の確率の法則が適用されないと言う人を疑うことはありません。 しかし、政治家や政治観察者は、この不明瞭さに不満を感じます。2010年、ある民主党の下院議員が選挙の数週間前に私に電話をかけてきました。彼は西海岸の安全な民主党地区を代表していましたが、その年の共和党の好調ぶりを考慮し、自身の議席を失うことを心配していました。彼が知りたかったのは、私たちの予測にどれだけの不確実性があるかということでした。私たちの数字は、彼にとって、近似的に100％の勝率を示しました。しかし、100％は本当に99％、99.99％、それとも99.9999％を意味するのでしょうか？もし後者、つまり10万分の1の敗北の可能性があるなら、彼は他の脆弱な地区の候補者にキャンペーン資金を寄付する準備ができていました。しかし、彼は100分の1のリスクを取るつもりはありませんでした。 一方で、政治的な党派に属する人々は、予測における不確実性の役割を誤解することがあります。彼らはそれを「賭けを分散させること」や、「予測が外れた場合の言い訳を用意すること」と考えるでしょう。しかし、実際のところ、それが意図されているわけではありません。たとえば、特定の現職の議員が90％の確率で選挙に勝つと予測する場合、同時に彼が10％の確率で負けることも予測しているのです。良い予測の特徴は、これらの確率が長期的に見てほぼ正確であることです。テトロックの「ハリネズミ」は、これらの確率を理解するのが特に苦手でした。「ある出来事が90％の確率で起こる」と言うとき、それには非常に具体的で客観的な意味があります。しかし、私たちの脳はそれをより主観的なものに変換してしまいます。心理学者ダニエル・カーネマンとアモス・トヴェルスキーの研究によれば、これらの主観的な推定は現実と必ずしも一致しないことがあるのです。私たちは、飛行機が安全に着陸する確率が90％であることと、99％や99.9999％であることを区別するのが難しいのです。これらは、チケットを予約すべきかどうかに関して大きく異なる意味を持つにもかかわらずです。練習を重ねることで、私たちの推定は改善されることがあります。しかし、テトロックのハリネズミを特徴づけるのは、彼らが自分の間違いから学ぶことに対して頑固すぎることでした。彼らの予測における現実の不確実性を認めることは、世界がどのように振る舞うべきかについての理論の不完全さを認めることを意味します。これは、イデオロギーを持つ人が最も避けたいことです。 原則2：今日の予測は、残りの人生の最初の予測である もう一つの誤解は、良い予測は変わるべきではないということです。確かに、日々の予測に大きな変動がある場合、それは悪い兆候かもしれません。モデルが不適切に設計されているか、予測しようとしている現象があまり予測可能でないことを示している可能性があります。2012年、私は各州の共和党予備選挙の予測を、そこでの世論調査に基づいて発表しましたが、その確率はしばしば世論調査と同様に大きく変動しました。選挙結果がより予測可能である場合、特に選挙戦の後半においては、予測は通常より安定します。2008年の選挙後、民主党の人々から最もよく聞かれたコメントは、彼らがFiveThirtyEightを見て冷静さを保とうとしたというものでした。大統領選挙の終盤では、毎日30件から40件の異なる州からの世論調査が発表されることがあり、その中には必然的に誤差範囲を超える結果も含まれます。候補者や戦略家、テレビの解説者たちは、レースが実際よりも接戦に見えるようにするために、これらの異常値の世論調査に注目するかもしれませんが、FiveThirtyEightのモデルでは、通常それらはあまり影響を与えないことがわかりました。最終的に、正しい態度は、先週、先月、あるいは昨年何を言ったかに関係なく、今日できる限り最良の予測を行うべきだということです。 新しい予測を立てることは、古い予測がただ消えてしまうことを意味するわけではありません。理想的には、古い予測の記録を残し、人々にその予測がどれほど正確だったかを評価してもらうべきです。しかし、もし昨日の予測が間違っていたと思う理由があるなら、それに固執することに何の栄光もありません。「事実が変われば、私も考えを変える」という考え方です。 このような修正を行う分析を好まない人もいて、それを弱さの表れと誤解することがあります。考えを変えることは、風向きを確かめるために指を出すようなもので、まるでズルをしているかのように見えるのです。批判者たちは、政治が物理学や生物学のような基本的な法則に従っているという考えに基づいて、暗黙的または明示的に批判を行います。（私の最も頻繁な批判者の一人は、プリンストン大学の神経科学の教授です。）そうした状況下では、新しい情報はあまり重要ではなく、選挙は彗星が地球に向かって突進するように予測可能な軌道をたどるべきだと考えられています。しかし、物理学や生物学とは異なり、選挙予測はポーカーに似ています。相手の行動を観察し、いくつかの手がかりを得ることはできますが、相手のカードを見ることはできません。その限られた情報を最大限に活用するためには、新しいより良い情報が得られるたびに予測を更新する意欲が必要です。逆に、恥をかくリスクを恐れて予測を変えないことは、勇気の欠如を示すことになります。 原則3：コンセンサスを探る すべてのハリネズミは、大胆で斬新な予測をすることを夢見ています。それは、あるテーマに関するコンセンサスの見解とは根本的に異なるものです。彼らの同僚は彼らを排斥し、さらには彼らのゴールデンレトリバーさえも少し変な目で見るようになります。しかし、その予測が正確で、深く、疑いの余地なく正しいことが判明します。2日後には、彼らは『ウォール・ストリート・ジャーナル』の表紙を飾り、ジェイ・レノのソファに座って、勇敢で大胆な先駆者として特集されます。時折、このような予測をすることが正しい場合もあります。専門家のコンセンサスが間違っていることもあり、ソビエト連邦の崩壊を予測していた人は、その功績に対して多くの称賛を受けるに値したでしょう。しかし、そのような幻想的なシナリオは非常に可能性が低いのです。私を含むキツネたちは、実際にはあまり従順ではありませんが、私たちの予測が競合他社の予測と大きく異なるときは不安になります。 多くの証拠が示すところによれば、集団の予測は個人の予測よりも正確であることが多く、分野によっては15％から20％ほど正確性が高いことがあります。ただし、これは必ずしも集団の予測が良いということを意味するわけではありません。（このテーマについては、後で本書の中でさらに詳しく探求します。）しかし、問題に対して複数の視点を適用することで利益を得られることは確かです。「キツネは、ハリネズミの集団で行うことを、自分の頭の中でうまくやり遂げることができる」とテトロックは私に言いました。 彼が言いたいのは、キツネがこの合意形成プロセスを模倣する能力を発達させたということです。専門家のグループ全体に質問する代わりに、彼らは常に自分自身に質問を投げかけています。これはしばしば、異なる考えを持つ人々のグループが自然に行うように、さまざまな種類の情報を集約することを意味します。一つの証拠を聖杯のように扱うのではなく、です。（例えば、FiveThirtyEightの予測は、通常、世論調査のデータと経済情報、州の人口統計などを組み合わせています。）テトロックの指導を無視した予測者は、しばしばその代償を払うことになります。 魔法の弾丸予測に注意せよ 2000年の選挙を前に、経済学者ダグラス・ヒブスは、経済成長に関連する一つの変数と軍事的犠牲者数に基づいて、大統領選挙の結果を驚くほど正確に予測できると主張する予測モデルを発表しました。ヒブスは非常に大胆で、かつ「ハリネズミ的」な主張をしました。彼は、大統領の支持率（歴史的に再選の可能性を示す非常に信頼性の高い指標）を考慮に入れても、予測は全く改善されないと述べました。インフレ率や失業率も重要ではなく、候補者の身元も関係ないとしました。政党は、ジョージ・マクガバンのような非常にイデオロギー的な上院議員を指名しても、ドワイト・D・アイゼンハワーのような中道的で戦争の英雄を指名しても同じだとヒブスは主張しました。代わりに重要なのは、実質一人当たり可処分所得という比較的知られていない経済変数だと彼は断言しました。 では、このモデルはどうだったのでしょうか？それはアル・ゴアの圧勝を予測し、彼が選挙で9ポイント差で勝つと予測しました。しかし、フロリダでの再集計の結果、ジョージ・W・ブッシュが勝利しました。ゴアは全国的な人気投票では勝ちましたが、このモデルは選挙が接戦になることはないと示唆しており、接戦になる確率は約80分の1とされていました。似たようなアプローチを取った他のモデルもいくつかあり、彼らは大統領選挙のような複雑なものを二つの変数の公式にまとめたと主張しました。（奇妙なことに、どのモデルも同じ二つの変数を使用していませんでした。）実際、これらのモデルの中には、ヒブスの方法よりもはるかに悪い実績を持つものもあります。2000年には、これらのモデルの一つがゴアの19ポイント勝利を予測し、実際の結果に対して数十億対一のオッズを提示していました。これらのモデルは、1988年の選挙後に流行し始めました。この選挙では、経済が好調でブッシュの共和党前任者であるレーガンが人気だったため、基本的な要素がジョージ・H・W・ブッシュに有利に働いていましたが、世論調査はレースの後半までマイケル・ダカキスを支持していました。ブッシュは結局、簡単に勝利しました。しかし、これらのモデルがより広く発表されるようになって以来、その実績は非常に悪いものとなっています。1992年以降の5回の大統領選挙において、典型的な「基本に基づく」モデルは、世論調査を無視し、有権者がどのように投票するかを正確に見極めると主張していました。 彼らなしで行動することは、主要候補者間の最終的な差をほぼ7パーセントポイントも外してしまった。** 経済データと世論調査データ、その他の情報を組み合わせたより柔軟なアプローチを取るモデルは、より信頼性の高い結果を生み出している。 質的情報の重視 これらの魔法の弾丸のような予測モデルの失敗は、公開された経済統計に依存した定量的なものであったにもかかわらず起こりました。実際、私がこの本で文書化している最もひどい予測のいくつかは定量的なものです。たとえば、格付け機関は、異なる種類の住宅ローンがデフォルトする可能性を正確に「データ駆動型」で推定するモデルを持っていました。これらのモデルは、自らの利益に基づく仮定—異なる住宅ローンのデフォルトリスクは互いにほとんど関係がないという—に依存していたため、危険なほど間違っていました。この仮定は、住宅と信用のバブルの真っ只中では全く意味を成しませんでした。確かに、私自身の予測においては、より定量的なアプローチを強く好みます。しかし、ハリネズミはあらゆる種類の情報を取り入れ、それが自らの偏見を強化することができますが、異なる種類の情報を総合的に評価することに慣れたキツネは、定量的な要素とともに質的な要素を考慮することで時には利益を得ることができます。 政治アナリストの中で、クック政治報告を運営する緊密なチームよりも成功の実績が長い者はほとんどいません。このグループは、1984年にルイジアナ州出身の親しみやすい丸顔のチャーリー・クックによって設立され、ベルトウェイの外では比較的知られていません。しかし、政治に熱心な人々は長年にわたりクックの予測に頼り、その結果に失望する理由はほとんどありませんでした。クックと彼のチームには一つの特定の使命があります。それは、特にアメリカ合衆国の選挙、特に議会の結果を予測することです。これは、アメリカ合衆国下院の全435の選挙区と、隔年で行われる約35の上院選挙の結果を予測することを意味します。 上院や州知事選の結果を予測することは比較的容易です。候補者は一般的に有権者に良く知られており、最も重要な選挙は広く注目を集め、信頼できる企業によって定期的に世論調査が行われます。このような状況下では、私がFiveThirtyEightで使用しているような世論調査を集約する良い方法を改善するのは難しいです。しかし、下院選挙は別の問題です。候補者はしばしば相対的な無名から登場します—市議会議員や小規模なビジネスオーナーが全国政治に挑戦することを決意する場合など—そして、選挙の数日前まで有権者にほとんど知られていないこともあります。一方、議会選挙区は文字通り国の隅々に広がっており、さまざまな人口統計的特異性を生み出しています。下院選挙区の世論調査は、利用可能な場合でもせいぜい不安定であり、しばしば利用できないこともあります。しかし、これはクックのようなアナリストにとって情報が全くないというわけではありません。 実際、情報は豊富にあります。世論調査に加えて、地区の人口統計や過去の選挙での投票傾向に関するデータもあります。また、現職大統領の支持率のような全国的な政党傾向に関するデータも存在します。資金調達に関するデータもあり、これは連邦選挙委員会に厳密に報告されなければなりません。他の情報はより定性的ですが、それでも有用な可能性があります。候補者は優れたスピーチを行えるのでしょうか？彼女のプラットフォームは地区の特性にどれほど合致しているのでしょうか？どのような広告を出しているのでしょうか？政治キャンペーンは本質的に小さなビジネスです。彼女は人をどれだけうまく管理できるのでしょうか？もちろん、これらの情報は慎重に考慮しなければ、問題を引き起こす可能性があります。しかし、クック・ポリティカルは予測を行う経験が豊富で、正確性において印象的な実績を持っています。クック・ポリティカルは、レースを「ソリッド・リパブリカン」（共和党候補がほぼ確実に勝つレース）から「ソリッド・デモクラット」（その逆）までの7段階のスケールで分類しています。1998年から2010年の間、クックが「ソリッド・リパブリカン」と表現したレースは、実際には1,207回中1,205回、つまり99％以上の確率で共和党候補が勝利しました。同様に、彼らが「ソリッド・デモクラット」と表現したレースは、1,229回中1,226回、つまり92％の確率で民主党候補が勝ちました。クックが「ソリッド・デモクラット」または「ソリッド・リパブリカン」に分類するレースの多くは、同じ政党が毎年圧倒的な差で勝つ地区で行われており、これらは予測がそれほど難しくありません。しかし、クック・ポリティカルは、予測にかなりのスキルを要するレースでもほぼ同様の成功を収めています。たとえば、彼らが「共和党候補に傾いている」と分類した選挙は、実際には約95％の確率で共和党が勝利しています。同様に、彼らが「民主党に傾いている」と表現したレースは、92％の確率で民主党が勝ちました。さらに、クックの予測は、世論調査のような定量的指標と意見が異なる場合でも良好な実績を持っています。 2010年9月のある日、私はワシントンにあるクック・ポリティカルのチームを訪れ、その年の11月の選挙の約5週間前に、彼らの下院予測を担当するデイビッド・ワッサーマンと午後を過ごしました。クックのプロセスの最もユニークな特徴は、候補者とのインタビューです。選挙の時期には、クックのオフィスがあるウォーターゲート複合施設の5階の入り口は、文字通り回転ドアのようになり、候補者たちが資金調達や戦略セッションの合間に1時間の対談のために立ち寄ります。私が訪れた日、ワッサーマンは3件のインタビューを予定していました。彼は、共和党候補のダン・カパンケとのインタビューに私を同席させてくれると提案しました。 カパンケは、ウィスコンシン州第3選挙区で現職の民主党員ロン・カインを打倒することを期待していました。この選挙区は州の南西部にあるいくつかの小さなコミュニティを含んでいます。クック政治センターはこのレースを「民主党優勢」と評価しており、カパンケには勝利の可能性が低いと見なされていましたが、より好意的なカテゴリーである「民主党優勢」に移行することを検討していました。カパンケは州上院議員で、農業用資材のビジネスを経営しており、高校の体育教師のような無骨な態度を持っていました。また、彼はウィスコンシン特有の濃いアクセントを持っており、彼が所有するマイナーリーグの野球チーム「ラクロス・ロガーズ」について話すとき、私は彼が「ロガー」（木材伐採者）を指しているのか、「ラガー」（ビール）を指しているのか分からなくなりました。どちらもウィスコンシンの野球クラブにぴったりのニックネームです。同時に、彼の率直さは、彼が魅力に欠ける部分を補う助けとなり、彼は通常は民主党に投票する地区で州上院議席を一貫して勝ち取ってきました。 しかし、ワッサーマンはインタビューにおいてポーカープレイヤーのようなアプローチを取ります。彼は無表情で常にプロフェッショナルですが、候補者に少しストレスを与えることで、より多くの情報を引き出そうとしています。「私の基本的なテクニックは、インタビューの初めに候補者との快適で友好的な関係を築くことです」と彼は私に語りました。「主に、彼らの出身地についてのあいまいな詳細を話させることで、そしてその後、より具体的な質問を投げかけます。あなたが党のリーダーシップと意見が異なる問題を挙げてください。目的は、彼らを混乱させることではなく、彼らのスタイルやアプローチを感じ取ることです。」 カパンケとのインタビューはこのテンプレートに従いました。ワッサーマンの政治地理に関する知識は彼を地元の人のように見せ、カパンケは自分の地区の複雑さについて喜んで話しました。ラクロスで勝つために必要な有権者の数や、オー・クレアで失う分をどのように補うかなどです。しかし、彼はロガーズの球場の新しい照明を買うためにロビー活動家からの寄付を利用したという疑惑に関する一連の質問でつまずきました。 これは小さな問題でした。カパンケが妻や税金を不正に扱ったと非難されたわけではありません。しかし、これがワッサーマンが評価を変更するのを思いとどまらせるには十分でした。実際、カパンケはその11月の選挙で約9,500票差で敗れましたが、共和党は中西部のほとんどの類似した地区で勝利を収めました。これは実際にはより一般的な出来事であり、ワッサーマンは通常、インタビュー後も同じ評価を維持します。彼が候補者から新しい情報を引き出そうとどれだけ努力しても、その情報がレースに対する彼の以前の見解を覆すほど重要であることは少ないのです。ワッサーマンのアプローチは、彼が目の前にいる候補者に魅了されることなく、この情報を評価できるからこそ機能します。多くの能力の低いアナリストは、魅了されたり、嘘をつかれたり、話を盛られたりする危険にさらされるでしょう。 そうしなければ、キャンペーンの物語に完全に迷い込んでしまうかもしれません。または、候補者のインタビュー技術について自分自身の見解に夢中になり、選挙に関連する他の情報を無視してしまうこともあります。ワッサーマンは、代わりにすべてをより広い政治的文脈で考慮します。素晴らしい民主党の候補者がインタビューを見事にこなしても、共和党が通常20ポイントの差で勝つ地区では全くチャンスがないかもしれません。では、なぜ候補者のインタビューを行う必要があるのでしょうか？主に、ワッサーマンは赤信号を探しています。例えば、民主党の下院議員エリック・マッサ（後に男性スタッフに対するセクハラの疑惑で突然辞任することになります）が、ワッサーマンに何度も年齢を尋ねたときのように。心理学者ポール・ミールは、これを「骨折」ケースと呼びました。つまり、あまりにも明白な何かがある状況で、それを考慮しないのは愚かだということです。毎年これらのいくつかを見つけることで、ワッサーマンはいくつかの選挙を正しく予測する助けになります。彼はインタビューから得た情報を過剰に重視することなく評価することができ、それが実際には予測を悪化させることもあります。情報が定量的であれ定性的であれ、それをどのように使うかが重要です。 客観的でいることは簡単ではありません。この本では、私は「客観的」と「主観的」という用語を慎重に使っています。「客観的」という言葉は時に定量的と同義とされますが、そうではありません。むしろ、それは私たちの個人的なバイアスや偏見を超えて問題の真実を見ることを意味します。純粋な客観性は望ましいですが、この世界では達成不可能です。予測を行う際には、多くの異なる方法から選択することができます。その中には、世論調査のような定量的な変数のみに依存するものもあれば、ワッサーマンのアプローチのように定性的な要因も考慮するものもあります。しかし、どの方法も予測者が行わなければならない決定や仮定を導入します。人間の判断があるところには、偏見の可能性があります。より客観的になる方法は、私たちの仮定が予測に与える影響を認識し、それについて自問自答することです。政治においては、イデオロギー的な先入観や雑音のあるデータから整然とした物語を編み出す傾向があるため、特に難しいことがあります。したがって、テレビで見る評論家たちとは異なる習慣を身につける必要があります。予測の不確実性を表現し、定量化する方法を学ぶ必要があります。事実や状況が変わるにつれて予測を更新する必要があります。異なる視点から世界を見ることに知恵があることを認識する必要があります。これらのことを進んで行うほど、情報を乱用することなく多様な情報を評価する能力が高まります。要するに、あなたは「キツネのように考える」方法を学ぶ必要があります。賢い予測者は、人間の判断が世界の動きを予測する上で課す制限を認識しています。その限界を知ることで、彼女はいくつかの予測をより正確に行うことができるのです。私たちが気にするのは、ただそれだけです。 W'S AND L'S レッドソックスは非常に不機嫌だった。彼らはニューヨークから戻ったばかりで、嫌いなヤンキースとの週末シリーズで全ての試合に敗れ、2009年のアメリカンリーグ東部地区タイトルを獲得するチャンスが絶たれてしまった。レギュラーシーズンは残り7試合となり、レッドソックスはアメリカンリーグのワイルドカードとしてプレーオフに進出することはほぼ確実だったが、組織としてはこのような形でポストシーズンに臨みたくはなかった。統計的な研究によれば、レギュラーシーズンの終わり方がプレーオフでのパフォーマンスにほとんど影響を与えないことが示されているが、レッドソックスは今年は自分たちの年ではないと感じ始めていた。私はフェンウェイ・パークに一人の人物に会うために来ていた。それはレッドソックスのスター二塁手、ダスティン・ペドロイアだった。ペドロイアは2006年から私のお気に入りの選手の一人であり、私がベースボール・プロスペクタスのために開発した予測システム「PECOTA」は、彼が野球界のトップ選手の一人になると予測していた。PECOTAの予測は、多くのスカウトの意見とは対照的で、彼らはペドロイアを「身体的な才能がない」と見なし、彼の小柄な体格や独特のスイングを批判し、彼がマージナルな選手になると結論づけていた。PECOTAが2006年にペドロイアを野球界で4番目に優れたプロスペクトと評価したのに対し、伝統的にスカウトの意見を重視する「ベースボール・アメリカ」は彼を77位にランク付けした。このような報告は、ペドロイアのルーキーシーズンの初めにESPNのキース・ローが提出したもののように典型的だった。 「ダスティン・ペドロイアはメジャーリーグの投手に対して一貫して打つための力やバットスピードがなく、パワーもない。もし彼が260程度の打率を維持できれば役に立つだろうし、サードやショートに転がるのを止められればバックアップの内野手としての未来があるかもしれない。」ローはこのコメントを2007年5月12日に発表した時点で、ペドロイアの打率は247で、ホームランはたったの1本だった。正直なところ、私も彼に対する信頼を失いつつあった。彼の打席をほとんど見てきたが、ペドロイアは打席で圧倒されているように見えた。 しかし、まるで自分を疑う者たちに反論したいかのように、ペドロイアは野球を打ちまくり始めた。次の15試合で彼は驚異的な打率472を記録し、4月には158まで落ち込んでいた打率を336まで引き上げた。7月、ローの報告から2か月後、ペドロイアはアメリカンリーグのオールスターに選ばれた。10月には、彼はレッドソックスが1918年以来2度目のワールドシリーズを制覇するのを助けた。その11月、彼はルーキー・オブ・ザ・イヤーに選ばれた。翌シーズン、24歳のペドロイアはアメリカンリーグの最優秀選手賞を受賞し、もはやバックアップの内野手ではなくスーパースターとなった。スカウトたちは彼を大いに過小評価していた。私はペドロイアがどのようにして成功を収めたのかを理解したくてフェンウェイに来た。質問リストを用意し、レッドソックスは私にプレスの認可を与え、フィールドレベルへのアクセスを提供してくれた。簡単ではないことは分かっていた。 メジャーリーグのプレイングフィールドは、選手たちが聖域と見なす場所ですが、インタビューを行うには最適な場所ではありません。レッドソックスは、負け越した週末を経て、機嫌が悪く緊張していました。ペドロイアがケビン・ユキリス（チームのがっしりとした三塁手）からの送球を受け取り、新しい一塁手のケイシー・コッチマンに中継する様子を見ていると、彼には何か違うものがあることが明らかでした。ペドロイアの動きは正確でしたが、ユキリスはいくつかのプレーをミスし、コッチマンの注意は散漫になっているようでした。しかし、何よりも彼の態度が目を引きました。ペドロイアは内野でボールを素早く回し、チームメイトの集中力が欠けていると感じるたびに不満そうな表情を浮かべていました。約15分の練習の後、レッドソックスはその日の対戦相手であるトロント・ブルージェイズに内野を譲りました。ペドロイアが私の近くを通り過ぎると、私は一塁側の内野に立っていて、レッドソックスのダグアウトから数ヤードの距離でした。スカウトたちが彼の体格について言っていたことは正しかったです。ペドロイアは公式には身長5フィート9インチ（私が丸めると同じ高さ）とされていますが、私は彼よりも2インチほど高かったです。また、彼の明らかに運動選手らしくない外見についても同様です。25歳で薄毛になりつつあるペドロイアは、頭にある髪の毛と同じくらいあごひげがあり、ホームの白ユニフォームの下には少しお腹が出ていました。もし彼を街で見かけたら、ビデオレンタル店の店員だと思うかもしれません。ペドロイアはダグアウトに入るために振り向き、そこで一人で座りました。これは彼を捕まえる絶好のチャンスだと思い、勇気を振り絞りました。「ねえ、ダスティン、ちょっといい？」ペドロイアは数秒間私を疑わしげに見つめ、そしてできるだけ見下すような口調で、強調するために一音ずつ区切って言いました。「いや、無理だ。メジャーリーグの試合の準備をしているんだ。」私は数分間フィールドに留まって自分の尊厳を取り戻そうとした後、プレスボックスに向かって試合を観戦しました。翌日、私の認証が切れ、ニューヨークに戻った後、友人のデビッド・ラウリラ（元同僚でベテランのインタビュアー）にペドロイアからもっと有益な情報を引き出せるかどうかの偵察任務を依頼しました。しかし、ペドロイアはあまりおしゃべりではなく、ラウリラに対して想像できる中で最も無味乾燥な引用をしました。「知ってる？俺は数字や統計に興味がないんだ」とペドロイアはラウリラに言いました。「俺が気にしているのは勝ちと負けだけだ。他には何も重要じゃない。」ペドロイアは、党の方針から外れたことで様々なトラブルに巻き込まれた後、このようなクリシェで話すことを学びました。彼が故郷のカリフォルニア州ウッドランドを「ゴミのような場所」と呼んだ時のことのように。「それを引用してもいいよ」とペドロイアはボストンマガジンに言いました。「俺は気にしない。」彼は本当に気にしていません。私は、彼がその態度を持っていなければ、スカウティングレポートに気を取られてメジャーリーグに上がれなかったかもしれないことに気づくことになるでしょう。 野球予測システムの構築 私は記憶の限り、野球と野球統計のファンです。私の故郷のチーム、デトロイト・タイガースは、1984年に私が6歳の時にワールドシリーズを制覇しました。小さな数学の天才として、私はゲームの数字に惹かれ、7歳で初めて野球カードを買い、10歳で初めて『エリアス・ベースボール・アナリスト』を読み、12歳で自分の統計を作成しました。（その統計は、あまり知られていないレッドソックスの内野手ティム・ネーリングがゲームの中で最高の選手の一人であると結論づけていましたが、少し信じがたいものでした。） しかし、私の興味は2002年にピークに達しました。当時、マイケル・ルイスは『マネーボール』という本を書いており、オークランド・アスレチックスの台頭と、彼らの統計に精通したゼネラルマネージャー、ビリー・ビーンの物語を描いていました。25年前に『ビル・ジェームズ・ベースボール・アブストラクト』という本を出版し、セイバーメトリクスの時代を切り開いたビル・ジェームズが、レッドソックスのコンサルタントとして雇われることになりました。野球統計に対する不健康な執着が、単なる趣味以上のものになりそうだと感じていました。そして、ちょうどその時、私は新しい仕事を探していました。大学を卒業して2年、シカゴに住み、KPMGという会計事務所でトランスファープライシングコンサルタントという仕事をしていました。その仕事は悪くありませんでした。上司や同僚は親切でプロフェッショナルでした。給料も良く、安定感がありました。しかし、マレーシアの携帯電話工場での価格設定をどうすれば税負担を最小限に抑えられるかを企業に指導したり、セントルイスに早朝6時のフライトで飛んで石炭会社の契約を評価したりするのは、私にとって刺激的な仕事とは言えませんでした。24歳の私には、すべてがリスクがなく、慎重すぎて、日常的すぎました。そして、私はこれまでで最も退屈な思いをしていました。しかし、一つの利点は、余った時間がたくさんあったことです。そのため、空いている時間を利用して、後にPECOTAの基礎となるカラフルな野球統計のスプレッドシートを作成し始めました。 大学時代、私は『ベースボール・プロスペクタス』という年次出版物を読み始めました。このシリーズは、1996年にゲイリー・ハッカベイによって設立されました。彼は陽気で皮肉な赤毛の人物で、初期のインターネットニュースグループrec.sport.baseballからライターのチームを集め、スポーツの統計分析の最前線に立っていました。ハッカベイは市場の機会を感じ取っていました。ビル・ジェームズは1988年にアブストラクトの出版を停止し、それを代替しようとしたほとんどの製品はそれほど良くなく、1994年と1995年の長期にわたる野球ストライキの間に倒産してしまいました。1996年に出版された最初の『ベースボール・プロスペクタス』は、レーザープリンターで一冊ずつ印刷され、セントルイス・カーディナルスの章をうっかり省略し、わずか75部しか売れませんでした。しかし、この本はすぐにカルト的な支持を得て、毎年売上が指数関数的に増加しました。『ベースボール・プロスペクタス』は、統計好きにとっての夢のような存在でした。そこには、 膨大な数のデータがあり、それはメジャーリーグの選手だけでなく、マイナーリーグの有望選手のパフォーマンスも「メジャーリーグレベルに翻訳」されたものでした。文章は鋭く、時には難解で、シンプソンズの引用や、 obscureな80年代のポルノ映画に関するジョーク、そしてグループの最も嫌いなゼネラルマネージャーについての皮肉交じりの言葉で満ちていました。しかし最も重要なのは、各選手が次のシーズンにどのようにパフォーマンスを発揮するかについての予測であり、それはハッカベイが開発した「ヴラディミール」と呼ばれる予測システムの形で示されていました。このシステムは、ジェームズが始めた革命の次のステップのように思えました。優れた野球の予測システムは、以下の3つの基本的なタスクを達成する必要があります。 1. 選手の統計の文脈を考慮すること 2. スキルと運を分けること 3. 選手のパフォーマンスが年齢とともにどのように進化するかを理解すること（これを「エイジングカーブ」と呼びます） 最初のタスクは比較的容易です。野球は、主要なアメリカのスポーツの中で唯一、標準化されていないフィールドで行われてきました。コンパクトなニューイングランドの街のグリッドによって形作られた、狭くて四角いフェンウェイ・パークで高い打率を記録するのは、駐車場の堀に囲まれた広大なドジャー・スタジアムで記録するよりもはるかに簡単です。選手がホームとアウェイでどのようにパフォーマンスを発揮するかを観察することで、選手が直面する難易度を考慮するための「パークファクター」を開発できます。（例えば、1970年代にレッドソックスでMVPを獲得したフレッド・リンは、フェンウェイ・パークでのキャリア通算打率が.347でしたが、他のスタジアムではわずか.264でした。）同様に、ナショナルリーグからアメリカンリーグに移籍した選手がどうなるかを観察することで、どちらのリーグが優れているかをかなりの程度まで判断でき、選手の競争相手の強さを考慮することができます。 次のタスクである「スキルと運を分ける」ことは、より多くの作業を必要とします。野球は、短期的には運が支配するように設計されています。最良のチームでも約3分の1の試合に負け、最良の打者でも5回中3回は出塁できません。時には運が選手の本当のスキルレベルを隠すこともあります。あるシーズンにおいて、真の打率.275の選手は、運だけで.300を打つ確率が約10％、.250を打つ確率も約10％あります。 優れた予測システムができることは、どの統計が運に対して比較的影響を受けやすいかを整理することです。例えば、打率はホームランよりも変動が大きいです。これは特に投手にとって重要で、彼らの統計は非常に不安定です。投手の勝敗記録を予測したい場合、彼が記録した三振数や与えた四球数を見ることは、前シーズンの勝ち数や負け数を見るよりもはるかに有益です。なぜなら、前者の統計は年ごとにずっと一貫しているからです。 予測を立てる際の目標は、根本的な原因を見極めることです。打者を三振させることは、彼らが出塁するのを防ぎ、出塁を防ぐことは得点を阻止し、得点を防ぐことは試合に勝つことを妨げます。しかし、下流に進むにつれて、システムにノイズが増えていきます。投手の勝敗記録は、彼のオフェンスが何点を取るかにも大きく影響されます。これは彼がほとんど制御できない要素です。シアトル・マリナーズのエース投手フェリックス・ヘルナンデスは、2009年に19勝5敗を記録しましたが、2010年には同じように投げていたにもかかわらず13勝12敗でした。これは、2010年のマリナーズに非常にひどい打者がいたためです。このようなケースは決して珍しくなく、データをしっかりと分析すれば明らかになります。野球は、過去140年間にメジャーリーグのフィールドで起こったほぼすべての出来事が忠実に記録されている、世界で最も豊富なデータセットを提供しています。毎年数百人の選手がメジャーリーグでプレーしています。一方で、野球はチームスポーツでありながら、非常に秩序立った形で進行します。投手はローテーションで投げ、打者は打順で打ち、彼らは自分の統計に大きく責任を持っています。複雑性や非線形性に関する問題は比較的少なく、因果関係を整理するのは容易です。これにより、野球の予測者にとっては楽な状況が生まれます。仮説は通常、経験的にテストされ、高い統計的満足度で証明または反証されます。経済や政治の予測のようにデータがはるかに希薄な分野では、4年ごとの大統領選挙のように、毎年数百の新しいデータポイントがあるわけではないため、そのような贅沢はありません。そのため、予測が外れる可能性が高くなります。 さて、「年齢曲線」についてです。これまでの話は、選手のスキルレベルが年ごとに一定であることを前提としています。もしノイズから信号を分離できれば、必要なことはすべてわかるでしょう。しかし、実際には野球選手のスキルは常に変動しており、そこに挑戦があります。ジェームズは数千人の選手の統計を調べることで、典型的な選手は20代後半まで成長し、その後スキルが衰え始めることを発見しました。特に30代半ばに達すると顕著です。この発見から、ジェームズは「年齢曲線」という重要な概念を生み出しました。オリンピックの体操選手は10代でピークを迎え、詩人は20代、チェスプレイヤーは30代、応用経済学者は40代、フォーチュン500のCEOの平均年齢は55歳です。ジェームズは、野球選手は27歳でピークを迎えることを発見しました。1985年から2009年の間にMVPを受賞した50人のうち、60％が25歳から29歳の間で、20％がちょうど27歳でした。これは、野球をプレーするために必要な身体的および精神的な特性の組み合わせが最も優れている時期です。 ゲームは最もバランスが取れているように見える。 図3-1：打者の年齢曲線 パフォーマンス 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 年齢 この年齢曲線の考え方は、ジェームズの研究を読んだチームにとって非常に価値のあるものであった。野球の契約ルールの下では、選手はキャリアのかなり後までフリーエージェントにならない。つまり、少なくとも6シーズンのメジャーリーグでのプレーを経てからである（それ以前は、ドラフトしたクラブの独占的な管理下にあり、完全な市場価格を要求することはできない）。典型的なルーキーは23歳または24歳でメジャーリーグに到達するため、30歳になるまでフリーエージェントにはならないことが多い。これは、彼のピークパフォーマンスの期間が過ぎ去った直後である。チームは、フリーエージェントが20代に示した生産性を30代でも再現するだろうという前提のもとで高額な契約を結んでいたが、実際には通常その生産性は低下し、メジャーリーグの契約は保証されているため、チームには対処のしようがなかった。しかし、ジェームズの年齢曲線はあまりにも滑らかなイメージを描いていた。確かに、平均的な選手は27歳でピークを迎えるかもしれない。しかし、野球カードの裏面をじっと見つめてきた人なら誰でも知っているように、選手は異なるペースで年を取る。1980年代にアトランタ・ブレーブスでプレーしていた三塁手ボブ・ホーナーは、20歳でルーキー・オブ・ザ・イヤーを受賞し、24歳でオールスターに選ばれた。当時の一般的な見解は、彼は名誉の殿堂入りする運命にあるというものであった。しかし、30歳になる頃には、怪我や日本リーグのヤクルトスワローズでの不適切なプレーによって、彼はプロ野球から完全に退いてしまった。一方、シアトル・マリナーズの偉大な選手エドガー・マルティネスは、27歳になるまでメジャーリーグでの安定した仕事を持っていなかった。彼は遅咲きであり、30代後半に最も良い年を迎え、40歳の時にはリーグの打点王となった。ホーナーとマルティネスは例外的なケースかもしれないが、選手が年齢曲線が示唆するような滑らかな発展パターンに従うことは非常に稀であり、むしろ鋭いピークと谷のある断続的な平衡が一般的である。実際の年齢曲線はノイズが多く、非常にノイズが多い（図3-2）。平均的には、滑らかなパターンを形成する。しかし、平均は、1.7人の子供を持つ家族のように、単なる統計的抽象に過ぎない。おそらく、ゲイリー・ハッカベイは、ジェームズの曲線が取り上げていないノイズの中に何らかの信号があると考えたのだろう。おそらく、ショートストップのような身体的に要求の厳しいポジションの選手は、ライトフィールドの選手よりも早くスキルが低下する傾向があるのかもしれない。おそらく、全体的によりアスレチックな選手は、1つまたは2つの強いスキルしか持たない選手よりも長いキャリアを持つことが期待できるのかもしれない。 図3-2：異なる打者の騒がしい加齢パターン ハッカベイのシステムは、26種類の異なる加齢曲線が存在し、それぞれが異なるタイプの選手に適用されるという仮説を立てました。もしハッカベイが正しければ、どの曲線がどの選手に適しているかを評価し、その選手のキャリアの進行を予測することができるでしょう。例えば、選手がボブ・ホーナーのようなタイプであれば、早期にピークを迎え、早期に衰退するかもしれません。一方で、マルティネスのような選手であれば、彼の最高のシーズンは後の方に訪れるかもしれません。ハッカベイの予測は一部当たっていたものの、最終的にはジェームスが開発した「スロウ・アンド・ステディ」な予測と比べて、それほど正確ではありませんでした。問題の一部は、26という数がハッカベイのカテゴリーにとって恣意的なものであり、どのグループに選手が属するかを見極めるには、科学だけでなく芸術的な感覚も必要だったことです。しかし、エリートレベルで野球をプレーするためには、身体的および精神的な多様なスキルが必要です。筋肉の記憶、身体の強さ、手と目の協調、バットのスピード、投球の認識、そしてチームがスランプに陥ったときに集中力を保つ意志力などです。ハッカベイの異なる加齢曲線の考え方は、人間のパフォーマンスに内在する複雑さに対して、より自然な適合性を持っているように思えました。 PECOTAを開発するにあたり、私はハッカベイからいくつかの要素を借り、ビル・ジェームスからもいくつかの要素を取り入れようとしました。1986年の『ベースボール・アブストラクト』で、ジェームスは「類似スコア」と呼ばれるものを紹介しました。これはその名の通り、2人のメジャーリーグ選手のキャリア統計の統計的類似性を評価するために設計されています。この概念は比較的シンプルです。まず、2人の選手の間に1,000ポイントのスコアを割り当て、次に彼らの違いごとにポイントを減点していきます。非常に類似した選手は950点や975点を維持することもありますが、差異はすぐに積み重なります。類似スコアは、野球の歴史に関する一定の知識を持つ人にとって非常に満足のいくものです。選手の統計を孤立して見るのではなく、歴史的な文脈を提供してくれます。例えば、ペドロイアの25歳までの統計は、1970年代にミネソタ・ツインズを率いたパナマの偉大な選手ロッド・ケアウや、デプレッション時代のタイガースのスター、チャーリー・ゲーリンガーのものに似ていました。ジェームスは主に、彼の類似スコアを過去を振り返るためのものとして意図していました。例えば、選手の統計が殿堂入りにどれほど適しているかを分析するためです。もしあなたが好きな選手がクーパーズタウンにふさわしいと主張しようとしていて、最も類似した統計を持つ10人中9人がそこに入っていることに気づいたなら、非常に強い主張ができるでしょう。しかし、類似スコアは予測的にも使えるのではないでしょうか？もし私たちが、 例えば、ペドロイアと同じ年齢で最も比較可能な100人の選手がいたとします。その選手たちのキャリア全体にわたるパフォーマンスは、ペドロイアがどのように成長する可能性があるかについて何かを教えてくれるのではないでしょうか？これが私が取り組もうとしたアイデアであり、2002年のKPMGでの長い日々の中で、PECOTAが徐々に形を成していきました。それは巨大でカラフルなExcelのスプレッドシートの形を取りました。幸運なことに、ExcelはKPMGでの私の日常業務で使用していた主要なツールの一つでした。（私の上司が通りかかるたびに、私はクライアントのために非常に複雑なモデルに熱心に取り組んでいると思われていました。） 最終的には、仕事の合間に1時間か2時間を盗み、夜に家でさらに数時間を使って、10,000以上の選手シーズン（第二次世界大戦以降のすべてのメジャーリーグシーズン）からなるデータベースと、任意の選手を他の選手と比較するためのアルゴリズムを開発しました。このアルゴリズムは、ジェームズのものよりもやや複雑で、野球の非常に豊富なデータセットを最大限に活用しようとしました。選手の比較には、技術的には最近傍分析と呼ばれる異なる方法を使用しました。また、選手の身長や体重など、従来はスカウティングの領域に属するさまざまな要素も考慮しました。ハッカベイのシステムのように、PECOTAは異なるタイプの選手が異なる方法で成長する可能性を考慮しました。しかし、26の成長曲線のいずれかに無理に当てはめるのではなく、野球の統計的な銀河の中で比較可能な選手のセットを特定することで、自然にそれを実現しました。たとえば、ダスティン・ペドロイアの比較可能な選手の中に、メジャーリーグで成功する強力な選手が不釣り合いに多く含まれていることが判明した場合、それはペドロイアの成功の可能性について何かを示唆するかもしれません。しかし、実際には、選手の最も比較可能な選手は混合の結果になることが多いです。キャリアのある時点で似たような統計を持つ選手たちの進路は、その後大きく異なることがあります。ジェームズの類似スコアによれば、ペドロイアはチャーリー・ゲーリンガーやロッド・カルーに似ているとされ、彼らは長く名声を得たキャリアを持ち、最終的には殿堂入りを果たしました。しかし、ペドロイアのその期間の統計は、モントリオール・エクスポズの目立たない二塁手ホセ・ビドロとも似ていました。これらの違いは、マイナーリーグ選手にとって特に劇的であることがあります。2009年、PECOTAが当時19歳のアトランタ・ブレーブスの有望株ジェイソン・ヘイワードのためにトップの比較選手を特定したとき、殿堂入り選手から殺人被害者まで、さまざまな選手が見つかりました。ヘイワードの2番目に比較可能な選手であるチッパー・ジョーンズは、前者の例です。彼はアトランタ・ブレーブスの歴史の中で最も偉大な選手の一人で、クラブで17シーズンを過ごし、通算打率は.304、ホームランは450本以上を記録しています。 一方で、デネル・ステンソンという有望な選手もいました。彼の成績はヘイワードのものと似ていました。2003年にアリゾナで行われた育成リーグの試合に出場した後、彼は何者かに襲われ、銃撃され、自分のSUVで轢かれるという、明らかに無差別な暴力の犠牲になりました。ヘイワードと比較される選手たちは皆、大きくて強く、多才なアスリートであり、高いドラフト指名を受け、マイナーリーグで早熟な才能を示しました。しかし、彼らの運命は大きく異なりました。PECOTAの革新は、各選手に対して、彼らの比較対象が示した前例に基づいて、可能性のある結果の範囲を提供することでした。基本的には、最良のケース、最悪のケース、そして最も可能性の高いシナリオです。人間のパフォーマンスを予測しようとする際には、無限の結果が生じる可能性があります。これまでのところ、ヘイワードのキャリアは波がありました。2009年には素晴らしい活躍を見せ、マイナーリーグの年度最優秀選手に選ばれました。2010年にブレーブスでメジャーデビューを果たすと、最初の30試合で8本のホームランを打ち、オールスターにも選ばれ、すべての期待を超える結果を残しました。しかし、2011年の2年目のシーズンは厳しく、打率はわずか.227でした。良い統計予測システムであれば、ヘイワードの2011年シーズンの後に楽観的な理由を見つけられたかもしれません。彼の成績は打率を除けば基本的に同じだったからですし、打率は他の統計よりも運に左右されやすいものです。しかし、統計は選手について知りたいすべてを教えてくれるのでしょうか？10年前、それは野球界で最も熱い話題でした。 「みんな仲良くできないの？」というのが、あまりにもおざなりではあるが一般的な『マネーボール』の読み方だ。これは、選手のパフォーマンスを評価するためにそれぞれ異なるパラダイムを採用した二つの対立するグループ、「スタットヘッズ」と「スカウト」の間の対立の物語だということだ。2003年に『マネーボール』が出版された際、マイケル・ルイスの読者たちがこの二つのグループの間にある敵意を感じ取るのは間違いではなかった。（本自体がその敵意を助長した可能性もある。）その年、ニューオーリンズのマリオットで開催された野球のウィンター・ミーティングに参加したとき、まるで高校時代に戻ったような気分だった。一方には、まるでオアシスの水牛のように、ウィスキーを飲みながら昔の戦争話を交わすアスリートたちがいた。彼らはしばしばホテルの部屋にこもり、互いにトレードを交渉していた。彼らは野球界のベテランたちで、主に40代や50代で、元アスリートも多く、長いキャリアを経て組織の階層を上り詰めてきた。もう一方には、ノートパソコンのバッグとカラープリントのポジションペーパーを持った20代や30代の「オタク」たちがいて、ロビーを何度も回りながらアスリートを捕まえて仕事を頼もうとしていた。両者の間にはあまり交流がなく、互いに傲慢で閉鎖的だと見なしていた。 実際の対立の根源は、アスリートたちがオタクたちを自分たちの職を脅かす存在と見なしていたことにあったのかもしれない。彼らは、スカウティング予算の実際の削減やその予感を根拠に挙げていた。「今は対立的な状況だ」と、アナハイム・エンゼルスのスカウティングディレクター、エディ・ベインは『ベースボール・アメリカ』の論争を呼んだラウンドテーブルで『マネーボール』に焦点を当てて語った。「我々の古い世代の人たちが失うべきではない仕事を失っている。削減はお金の問題かもしれないが、我々はコンピュータ関連のことが原因だと考えている。そして、それに対して不満を持っている。」 実際にどれだけのチームがスカウティング予算を削減したのかは不明だ。トロント・ブルージェイズはその一つで、2002年から2005年にかけて一連の不振なドラフトの代償を払った。しかし、予算削減は、カナダドルの低迷に苦しむ親会社ロジャース・コミュニケーションズの特異性によるものであり、当時のゼネラルマネージャーであるビーンの弟子J.P.リッチャルディの気まぐれではなかった。『マネーボール』が出版されてから10年が経過したが、これらの火種はとっくに消え去っている。2004年に統計とスカウティングの両方を重視した融合アプローチで86年ぶりにワールドシリーズのタイトルを獲得したレッドソックスの成功は、和解の重要な要因だったかもしれない。2003年には「スカウティング」組織と分類されていた組織、例えばセントルイス・カージナルスなども、今ではその枠を超えている。 ルイビル・カージナルスは、それ以来、より分析的なアプローチを採用し、現在ではスポーツ界で最も革新的なチームの一つとなっています。「スタットヘッド」チームであるオークランド・アスレチックスは、スカウティング予算を縮小するのではなく、拡大しました。2007年から2009年の経済不況は、分析手法の使用をさらに促進したかもしれません。野球は不況を比較的うまく乗り切りましたが、突然、誰もが「マネーボール」チームとなり、限られた予算を最大限に活用する必要が生じました。安価なスタットヘッド労働力は不足していませんでした。ハーバードやイェールの経済学やコンピュータサイエンスの卒業生たちは、通常なら投資銀行で年収40万ドルの仕事を計画していたかもしれませんが、タampaやクリーブランドに移り、1/10の給与で24時間働くことを厭わなかったのです。4万ドルの「オタク」は、パフォーマンスが平均に戻る運命にある4000万ドルのフリーエージェントよりも良い投資でした。しかし、スタットヘッドたちの一方的な勝利ではありませんでした。スタットヘッドたちがその価値を証明したなら、スカウトたちも同様に証明しました。 PECOTA対スカウト：スカウトの勝利 PECOTAはもともと「Pitcher Empirical Comparison and Optimization Test Algorithm」の略で、1980年代にカンザスシティ・ロイヤルズでプレーしていたマージナルな内野手ビル・ペコタの名前をもじった不格好な頭字語でした。プログラムは当初、打者ではなく投手のパフォーマンスを予測するために構築されていました。投手のパフォーマンスは予測が非常に難しいため、数年間「WFG」というシステムで実験した後、ベースボール・プロスペクタスは諦めて予測ラインを空白のままにしていました。そこで私は機会を感じ、PECOTAをハッカベイに提案しました。驚いたことに、彼とベースボール・プロスペクタスのチームはそれに納得し、私が打者用の類似システムを開発する条件でPECOTAを株式と引き換えに購入することを提案してきました。私はそれを実行し、最初のPECOTA予測セットは2003年の冬にベースボール・プロスペクタスに掲載されました。2003年のシーズンが終わると、PECOTAは他の商業的予測システムよりも少し良いパフォーマンスを示しました。実際、2003年から2008年の間、システムは私たちや他の人々がテストした際に毎回競合と同等かそれ以上の結果を出し、ベガスのオーバーアンダーラインをも上回りました。また、システムの評判を高める幸運な成功もいくつかありました。例えば、2007年には、PECOTAがシカゴ・ホワイトソックスがワールドシリーズタイトルを獲得してからわずか2年後に、勝利数が72にとどまると予測しました。この予測はシカゴのメディアやホワイトソックスのフロントオフィスからの抗議の声を引き起こしました。しかし、結果はまさにその通りで、ホワイトソックスは72勝90敗となりました。しかし、2009年頃には、他のシステムがPECOTAに追いつき、時にはそれを上回ることもありました。 私はジェームズとハッカベイから借りたように、他の研究者たちもPECOTAのいくつかの革新を取り入れつつ、自分たちの新しいアイデアを加えていました。これらのシステムの中には非常に優れたものもあります。毎年、メジャーリーグ選手のパフォーマンスをどれだけ正確に予測できるかで最高の予測をランキングすると、より進んだシステムは通常、互いに1％ポイントか2ポイント以内に収まります。 しかし、私はPECOTAのもう一つの目標に長い間興味を持っていました。それは、ペドロイアのようなマイナーリーグ選手のパフォーマンスを予測することです。これは潜在的に非常に難しい作業です。そして、最近まで他のシステムがこれを行っていなかったため、実際の競争相手はスカウトだけでした。2006年には、初めてPECOTAのトップ100プロスペクトのリストを発表し、同時にベースボールアメリカが発表したスカウティングに基づくリストと比較しました。PECOTAのリストに載った選手たちは、メジャーリーグに昇格した後の6シーズンでどれだけの価値をもたらすと予想されるかによってランク付けされました。 2011年のシーズンは、予測が発表されてから6年目にあたるため、私はついにタイムカプセルを開けて、彼らがどれほどのパフォーマンスを発揮したかを確認することができました。このリストに載っている選手たちはまだ比較的若いですが、彼らがスター選手なのか、ベンチウォーマーなのか、あるいは期待外れなのかについては、今ではかなり良い見当がつくはずです。このリストではペドロイアが野球界で4番目に優れたプロスペクトとしてランク付けされていました。また、PECOTAには他にも成功例がありました。PECOTAは、ベースボールアメリカでは全くランク付けされていなかったプロスペクトのイアン・キンズラーを高く評価しました。彼はその後、2度オールスターに選ばれ、テキサス・レンジャーズの攻撃の重要な一員となりました。PECOTAは、2011年に野球の難解なトリプルクラウンをほぼ獲得しそうだったドジャースのスーパースター、マット・ケンプをベースボールアメリカよりも高く評価しました。しかし、ジョエル・グズマンやドナルド・マーフィー、ユセミロ・ペティなどの選手を聞いたことがありますか？もしあなたが野球ファンでなければ、おそらくないでしょう。PECOTAもこれらの選手を評価していました。 ベースボールアメリカにも外れがありました。スカウトたちはブランドン・ウッド、ラスティングス・ミリッジ、マーク・ロジャースについて非常に楽観的すぎました。しかし、彼らはもう少し成功したようです。彼らはレッドソックスの投手ジョン・レスター、ロッキーズの遊撃手トロイ・トゥロウィツキ、そしてボルチモア・オリオールズの外野手ニック・マルカキスのようなスター選手を特定しました。これらの選手はマイナーリーグでの成績が平凡で、PECOTAでは全くランク付けされていませんでした。システムを統計的に比較するためのデータは十分にあります。具体的には、各リストに載っている選手がメジャーリーグチームに対してどれだけの勝利をもたらしたかを、WARP（Wins Above Replacement Player）という統計を用いて見ることができます。これは選手が野球のダイヤモンドでどのように価値を提供するかを示すための指標で、打撃、投球、守備を含みます。 PECOTAリストに載っている選手たちは、2011年までに彼らのメジャーリーグチームに対して546勝をもたらしました。 しかし、『ベースボール・アメリカ』のリストに載っている選手たちは、630勝を挙げるという素晴らしい成績を残しました。スカウトの判断には時折誤りがあるものの、彼らは多くの価値を加えていました。彼らの予測は、統計だけに頼ったものよりも約15％も優れていたのです。これだけの差は大きくないように思えるかもしれませんが、実際にはかなりの影響を与えます。メジャーリーグのチームは、フリーエージェント市場で1勝あたり約400万ドルを支払う意向があります。そのため、スカウトが特定した追加の勝利は、この期間中に合計336百万ドルの価値があったのです。 ### スカウトと統計派のバイアス もしPECOTAリストがスカウトたちを上回る結果を出していたら面白かったのですが、そうなるとは思っていませんでした。リストが発表された直後に書いたように、スカウト対統計という視点を強調するのは楽しいことですが、PECOTAのランキングが『ベースボール・アメリカ』のランキングほど正確であるとは期待していませんでした。ランキングシステムの燃料は情報であり、スカウト情報と統計情報の両方を見られることは、より多くの燃料を持つことを意味します。純粋に統計に基づくプロスペクトリストがハイブリッドリストを上回る唯一の方法は、そのプロセスによって導入されるバイアスがあまりにも強く、利益を圧倒する場合です。言い換えれば、スカウトはハイブリッドアプローチを採用しています。彼らは統計だけでは得られない多くの情報にアクセスできます。スカウトもPECOTAも、選手の打率やERA（防御率）を確認できますが、PECOTAのような偏りのないシステムは、これらの数字からノイズを取り除き、文脈に置くのが少し得意です。しかし、スカウトはPECOTAが把握できない多くの情報にアクセスできます。例えば、投手の三振数からどれだけ速い球を投げるかを推測するのではなく、レーダーガンを使って速球の速度を測定することができます。また、ストップウォッチを使って、どれだけ速く塁を回るかを確認することもできます。この種の情報は、私たちが予測しようとしている根本的な原因に一歩近づくものです。マイナーリーグでは、速球が弱い投手でもストライクゾーンを見つけて球種を混ぜることで多くの三振を奪うことができます。対戦する打者の多くはそれほど優れた選手ではないため、彼らに挑戦することができるのです。しかし、メジャーリーグでは、打者は98マイルの速球でもホームランを打つことができるため、軟投派の投手には不利な状況です。PECOTAはこうした偽のポジティブに騙される一方で、優れたスカウトはそうではありません。逆に、スカウトはメジャーリーグの才能を持ちながらそれを活かしきれていない選手を見抜くことができるかもしれません。もちろん、人間の判断が関与する限り、バイアスの可能性も生じます。第2章で見たように、より多くの情報が、予測に対して誤った態度を取る人々にとっては逆効果になることもあります。彼らはそれを利用して、世界がどのように機能すべきかという偏った理論を進める口実にするのです。おそらく、マネーボール以前の時代には、こうしたバイアスがスカウトに影響を与えていたのかもしれません。 彼らは選手の才能よりも、選手の見た目—ユニフォームをうまく着こなしているかどうか—にもっと気を使っていたのかもしれません。最近の「ベースボール・アメリカ」のリストは非常に良いものですが、1990年代初頭のリストには、トッド・バン・ポッペルやルーベン・リベラ、ブライアン・テイラーのような、期待されながらもほとんど実績を残せなかった選手たちが多く含まれていました。しかし、統計を重視する人たちにも偏見があります。その中でも特に厄介なのは、何かが簡単に定量化できない場合、それは重要ではないと考えることです。例えば、野球においては、守備は打撃や投球よりもずっと測定が難しいのです。1990年代半ば、ビーンのオークランド・アスレチックスは守備にあまり重きを置かず、マット・ステアーズのような鈍重で大柄な選手たちが外野を守っていました。守備の分析が進むにつれて、アスレチックスの不完全な守備がシーズンに8勝から10勝も失わせていることが明らかになりました。これにより、たとえ打撃成績が良くても、優勝争いから脱落してしまうのです。ビーンはこのことに気付き、彼の最近の成功したチームは比較的良い守備を持つようになりました。 これらの盲点は、マイナーリーグ選手のパフォーマンスを予測する際にはさらに大きな代償を伴います。確立されたメジャーリーグ選手の場合、基本的には彼が過去のようにパフォーマンスを維持できるかどうかが問題です。特に巧妙な統計予測システムがあれば、数パーセントの上昇または下降トレンドを見抜くことができるかもしれません。しかし、選手が過去数シーズンと同じくらいの成績を来シーズンも残すだろうと単純に仮定すれば、大きく外れることはないでしょう。おそらく、彼の将来の能力は現在のパフォーマンスとそれほど変わらないでしょう。 しかし、野球は他の主要なプロスポーツとは異なり、非常に深いマイナーリーグシステムを持っています。ナショナル・フットボール・リーグには公式に認可されたマイナーリーグがなく、NBAには数チームのマイナーリーグしかありませんが、野球には240のマイナーリーグがあり、各メジャーリーグチームに8つのマイナーリーグが存在します。さらに、バスケットボールやフットボールの選手は大学や高校から直接プロに飛び込んで即戦力となることができますが、野球ではそのような即座のスターになることは非常に稀です。最も才能のあるドラフト指名選手でさえ、メジャーリーグに進む前にビリングスやベイカーズフィールド、ビンガムトンで時間をかけなければならないことが多いのです。これらの選手のパフォーマンスを予測するのは非常に難しいです。なぜなら、彼らが現在はできないこと—メジャーリーグで高いレベルでプレーすること—を最終的にできるようになることを期待しているからです。ブライス・ハーパーのような文字通りの一世代に一度の逸材を除けば、国内で最高の高校打者がメジャーリーグの投手と対戦したら、苦戦することは間違いありません。彼はメジャーリーグでプレーするために、より大きく、強く、賢く、そして規律を持つ必要があります—これには努力と運の組み合わせが必要です。 平均的な高校の教室に入って、数日間生徒たちを観察し、どの生徒が医者や弁護士、起業家になるか、またどの生徒が生活に苦しむことになるかを予測することを想像してみてください。成績やSATスコア、友達の多さを見れば、ある程度の判断はできるかもしれませんが、かなりの推測が必要になるでしょう。それでも、アマチュアスカウト（彼らを模倣するために設計された統計システムも含めて）は、まさにこのような予測を期待されています。野球選手の中には大学からドラフトされる選手もいますが、多くは高校から直接プロに進み、スカウティングプロセスは15歳半ばから始まることもあります。若い男性の集団である彼らは、ホルモンに満ち、思春期の葛藤を抱え、体が成長し続ける中で、酒や異性の誘惑に対処しています。もし、あなたがビジネスの未来を特権意識の強い19歳の若者たちに託さなければならないとしたら、どんな気持ちになるでしょうか。 ルイスが『マネーボール』で述べたように、ビリー・ビーンは並外れた才能を持ちながらもそれを活かせなかった選手の一人でした。1980年のドラフトで1巡目指名を受けた彼は、メジャーリーグでわずか148試合しかプレーせず、キャリア打率は.219でした。しかし、ビーンはジョン・サンダースのようなプロスペクトと比べれば、名誉の殿堂入りに値するキャリアを持っていました。サンダースは現在ロサンゼルス・ドジャースのスカウトをしていますが、彼はメジャーリーグでたった一度だけプレーした選手です。1965年4月13日、19歳のサンダースはカンザスシティ・アスレチックスにより、デトロイト・タイガースとの試合の7回に代走として起用されました。しかし、サンダースは一塁も進むことなく、最後の2人の打者がアウトになったため、次のイニングが始まる前に交代させられました。彼はその後、メジャーリーグで再びプレーすることはありませんでした。 サンダースには才能がなかったわけではありません。彼はネブラスカ州のグランドアイランド高校でマルチスポーツのスター選手でした。1963年にはオールステートのクォーターバック、1964年にはオールステートのバスケットボール選手、州の陸上競技大会ではディスカスで金メダルを獲得しました。野球は彼の得意なスポーツではなかったかもしれませんが、彼は非常に優れた選手でした。そして1964年の夏に卒業すると、アスレチックスからプロ契約を得ていました。しかし、サンダースの成長は「ボーナスベイビー」ルールというものによって妨げられました。1965年にメジャーリーグドラフトが導入される前は、すべてのアマチュア選手はフリーエージェントであり、チームは彼らに好きなだけお金を支払うことができました。最も裕福なチームが才能を独占するのを防ぐために、このルールは罰則を設けました。大きなサインボーナスを受け取った選手は、メジャーリーグのロースターで最初の2シーズンを過ごさなければならず、実際にはそのレベルでプレーする準備ができていない選手も多かったのです。このルールは、サンダースのような有望な選手にとって本当に厳しいものでした。ほとんどのボーナスベイビーはベンチに座っている時間が長く、メジャーリーグの試合に出ることはほとんどありませんでした。彼らは、最も必要な時期に日常的な試合経験を得る機会を奪われてしまったのです。 ファンやチームメイトたちは、なぜひげの生え始めた19歳の若者が、名ばかりのバットボーイとして何千ドルも支払われているのか理解できず、彼らの苦境に同情することはなかった。サンディ・コーファックスやハーモン・キルブルーのような一部のボーナスベイビーは名誉の殿堂入りを果たしたが、その時代の多くの才能ある選手たちは、この経験を乗り越えることができなかった。サンダースの背景—ネブラスカ州でおそらく最高のアマチュアアスリートから、野球百科事典の脚注へと転落したこと—は、若い選手たちの心理を独自に理解する手助けとなっている。ある朝、彼がノースカロライナからジョージアに向かう途中に携帯電話で連絡を取った。彼はブレーブスの傘下チームの試合を観戦するために向かっていた。2003年のウィンター・ミーティングがニューオーリンズで行われた際、私はサンダースを「スポーツマン」の一人だと思っていた。彼は（短い）選手生活が終わった後、スポーツに人生を捧げた。しかし、サンダースはスポーツを「スポーツマン対オタク」という視点で見ることはなかった。「評価するのが好きなんだ」と彼は言った。「昔、計算機や加算機を使って統計的証明を楽しんでいた頃から、ずっとそうだった。」サンダースは次のような逸話を語った。「あるスカウトが言ったんだ、『さあ、みんな、球場に行ったら最初に何をする？プレスルームに行って、統計を手に入れるんだ。統計を手に入れる！それが何が悪いんだ？それがやるべきことだ。』」 確かに、統計は野球の歴史の初めからその一部であった。1859年にヘンリー・チャドウィックが発表した最初の新聞のボックススコアには、各選手のための5つの統計カテゴリ—得点、ヒット、アウト、アシスト、エラー—が含まれていた。これは、1871年に最初のプロリーグが設立される12年前のことだった。マネーボール時代の議論の多くは、統計を使用すべきかどうかではなく、どの統計を考慮すべきかに関するものであった。例えば、アナリストのジェームズが何年も指摘してきたように、出塁率（OBP）は打率よりも得点（および試合の勝利）との相関が高いという発見は、業界内の伝統主義者たちによって長い間過小評価されていた。 この種の議論は通常、スタットヘッドたちの領域で行われた。OBPが打率よりも有用な情報を伝えることや、投手のERAが勝敗記録よりもパフォーマンスの公正な指標であることは、地球の太陽の周りの公転と同じように科学的な事実であり、スタットヘッドたちはそれについて疑いなく正しかった。しかし、これらの議論で勝利することが、スタットヘッドコミュニティを自己満足や他の曖昧な点に対して軽視する方向に導いた可能性がある。メジャーリーグから離れるほど—選手のパフォーマンスを測定するのではなく予測しようとするほど—統計はあまり役に立たなくなる。ダブルAやトリプルAのようなより高度なマイナーリーグレベルの統計は、メジャーリーグの数字とほぼ同じくらい予測力があることが示されている。 スポーツにおいて、マイナーリーグの下位レベルでの統計はあまり信頼性がなく、大学や高校の選手の数字は予測力がほとんどありません。スカウトたちが統計の代わりに用いる伝統的な指標は「五つのツール」と呼ばれるもので、パワーヒッティング、アベレージヒッティング、スピード、腕力、守備範囲が含まれます。このリストは多くの批判を受けており、また受けるに値します。プレートディシプリン、つまり四球を選び三振を避ける能力は含まれていません。また、五つのツールを持ち出すことで、すべてが同じくらい重要であるという印象を与えることがありますが、実際にはパワーヒッティングはショートストップやキャッチャー以外のすべてのポジションにおいて腕力よりもはるかに重要です。さらに、五つのツールだけではあまり多くのことを教えてくれない可能性もあります。選手がマイナーリーグの階段を上るにつれて、そのツールは選手の統計に反映されるべきであり、そうでなければ彼はそれ以上昇進することはないでしょう。実際、一部のカテゴリーは本質的に統計です。「アベレージヒッティング」は選手の打率で表され、「パワーヒッティング」は二塁打やホームランで示されます。もしスカウトがある選手がパワーヒッティングのカテゴリーで80点満点中70点と評価しているが、その選手がアルトゥーナ・カーブで年間10本のホームランを打つのに苦労しているとしたら、そのスカウトレポートにどれほどの信頼を置けるでしょうか？業界のベテランであるサンダースは、五つのツールに置かれる強調に懐疑的です。「影響力のあるツールボックスは誰にでも明らかです。速く走り、強く投げる、そういったことです。スカウトはそれをすぐに見抜くことができます」と彼は私に語りました。「私が考えるべきことは、それらのスキルが勝利をもたらす選手に効果的に使われているかどうかです。それらのツールが実用的なスキルに変換されているのか？バットスピードは比較的すぐにわかります。しかし、もしその選手がバットスピードを持っていても、それを信じていない場合、つまり常に投球に飛びついてしまうなら、それは使えません。」サンダースは身体的なツールよりも、実用的でゲームに即したスキルに焦点を当てています。一方が他方にどの程度変換できるかは、彼が「選手のメンタルツールボックス」と呼ぶものに依存します。メンタルツールは身体的なツールよりも発達が遅いことが多く、サンダースの妻は特別支援教育者であり、私たちの多くが24歳までメンタル的な思春期の状態にあることを示唆する研究を彼に教えました。「その年齢までは、サンダースは選手のメンタルツールが発展している兆候が見られれば、少し寛容になります。それ以降は、パフォーマンスを見なければなりません。」興味深いことに、24歳は選手が通常ダブルAにいる年齢であり、そのパフォーマンスが統計からより予測可能になる時期です。サンダースは選手のメンタルツールボックスに何が含まれるべきかについての正式な定義を持っていませんが、私たちの会話の中で、彼がメジャーリーグレベルでの成功を予測するのに役立つと考える5つの知的および心理的能力を特定しました。 - 準備と労働倫理。野球はほとんどすべての他のプロスポーツとは異なります。 スポーツは、週に6回または7回行われます。野球選手は、アメリカンフットボールやバスケットボールの選手のように試合の日に「気合を入れる」ことはできません。彼は毎日プロフェッショナルなレベルでパフォーマンスを発揮する準備をしなければなりません。これは、一定の規律を持つ必要があることを意味します。サンダースは、選手の試合前の儀式を試合中よりも早く球場に到着することでよりよく見極められると主張しています。例えば、ペドロイアは、その9月の夜、フェンウェイ・パークでのインフィールド練習中にチームメイトよりも明らかに集中していました。彼にはルーチンがあり、気を散らすものには耐えられず、もちろん、彼が聞いたこともない記者がインタビューを試みることには応じませんでした。 - 集中力とフォーカス 準備と関連していますが、このカテゴリーは特に試合中に選手がどのように自分を振る舞うかに関係しています。野球は反射神経のスポーツです。バッターはピッチに対してスイングするかどうかを約0.3秒で決めなければなりませんし、インフィルダーはバットから飛び出した鋭いゴロにすぐに反応しなければなりません。「選手がエネルギーを持っていないなら、私たちは彼をどうすることもできません」とサンダースは言います。「私はショートストップやミドルインフィルダーに、ピッチごとの集中力が並外れていることを求めます。」 - 競争心と自信 どんなプロのアスリートも生まれながらの競争者であることは当然のように思えますが、野球選手はキャリアの初期段階で自己疑念や他の心理的障害を克服しなければなりません。ある瞬間には高校で王者だったのに、次の瞬間にはカナポリスとグリーンズボロの間をバスで移動し、スランプに陥るたびにインターネットで自分の失敗を読むことになります。サンダースは才能ある選手が期待に応えられないのを見ると、「成功したいという欲望が、失敗のメカニズムを引き起こしているのか？失敗への恐れがあるのか？成功したいという欲望は、失敗への恐れを克服するのに十分なものなのか？」と考えます。 - ストレス管理と謙虚さ 野球では、最高のバッターでも大半の時間失敗しますし、すべての選手はシーズン中にスランプに陥ることがあります。この失敗に対処する能力には短期記憶と一定のユーモアが必要です。サンダースのお気に入りのスカウティング手法の一つは、選手が厳しいプレーや不運なプレーの後にどのように反応するかを観察することです。「私は、バッターがピッチに対して振り回している時、ファンには滑稽に見える大きなスイングをしている時に、彼の顔に笑顔があるのを見るのが好きです。そして次の瞬間—バン！400フィート！」これらのスキルは、選手がメジャーリーグに到達し、ファンやメディアからの注目に対処しなければならなくなると、さらに重要になります。 - 適応力と学習能力 選手は試合中に新しい情報をどれだけうまく処理できるのでしょうか？コーチからのアドバイスを聞くことができるでしょうか？彼の生活状況が変わった時、どのように適応するのでしょうか？もし彼がトレードされたり、新しいポジションを求められたりしたらどうなるのでしょうか？ アマチュア野球からメジャーリーグへの道は、最も才能のある選手にとっても決して直線的ではありません。そのため、優れた選手はメンタルアプローチにおいてあまり堅苦しくなりすぎてはいけません。「このゲームで成功する選手は、建物の廊下を歩いていて曲がり角に差し掛かったときに、急に曲がるのではなく、円を描くように曲がる人たちです」とサンダースは観察しています。「それは制御された強度です。」 もちろん、これらの習慣は多くの人間の活動においても重要です。その中には、サンダースが「適応性」と呼ぶものも含まれ、特に予測者にとっては重要です。新しい情報が入ってきたとき、どのように反応しますか？状況の変化に対して過剰に反応したり、証拠が異なることを示しているのに冷静すぎて考えを変えなかったりすると、悪い予測につながります。しかし、野球ほど競争が激しい職業はほとんどありません。数千人のプロ野球選手と数十万人のアマチュアの中で、常にメジャーリーグでプレーできるのはわずか750人であり、その中でオールスターになるのは数十人に過ぎません。サンダースの仕事は、確率を覆すような特別な個人を見つけることです。彼は選手たちと同じくらい一生懸命に働かなければならず、60代後半でもほぼ毎日出張しています。しかし、サンダースはドジャースにとって最も価値のある情報を提供しています。それは他の人が持っていない情報です。 情報がゲームの名前 『マネーボール』の主人公ビリー・ビーンは、情報収集の徹底が良いスカウティングの秘訣だと考えています。「良いスカウトを定義するものは、他の人が知らない情報を見つけることです」と彼は私に言いました。「その子を知ること。家族を知ること。直接調べなければならないことがいくつかあります。」 ビーンはそのことをよく知っています。オークランド・アスレチックス（A's）の成功の多くは、チームの統計的な能力によるものでした。しかし、アマチュア選手のスカウティングも彼らの成果にとって同じくらい重要でした。『マネーボール』が描いた2000年代初頭のチームのスター選手たち—ミゲル・テハダ、ジェイソン・ジアンビ、バリー・ジート、ティム・ハドソン、エリック・チャベス—は、すべてクラブによって契約され、育成されました。ビーンは、A'sのスカウティング予算が今までで最も高くなっていると私に教えてくれました。さらに、彼はA'sが統計分析に魅了されたことが、その予算を増やす要因になったとも言いました。ご存知の通り、野球選手は6シーズンを終えるまではフリーエージェントにならず、通常は30歳以上になってからです。ビル・ジェームズの老化曲線の分析が示すように、これによりクラブはフリーエージェントに過剰に支出することがよくあります。なぜなら、彼らの最良の年は通常過ぎ去っているからです。しかし、これには裏の側面もあります。選手が30歳になる前には、彼はクラブにとって非常に大きな価値を提供できるのです。 さらに、野球の経済は、若い選手を非常に安価で獲得できるように構築されています。野球チームを他のビジネスと同様に利益と損失の観点から見ると、ほとんどすべての価値はスカウティングと育成プロセスによって生み出されます。もしチームの予測システムが非常に優れていれば、実際の価値が1200万ドルの選手に対して1000万ドルを支払うことができるかもしれません。しかし、スカウティングが本当に優れていれば、同じ選手に対して40万ドルしか支払わないこともあります。これがオークランドのような小さな市場で競争する方法です。したがって、アスレチックスはスカウティングの役割を軽視しているわけではなく、むしろその逆です。また、ビーンは、選手を組織に迎える際にその選手のメンタル面を考慮することをためらわないことも明言しました。組織は依然として厳密な分析を重視していますが、その厳密さと規律は、収集した情報を処理する方法に適用され、特定の情報を禁じることにはありません。「客観的な分析と主観的な分析の比率は、組織によって異なります」と彼は説明しました。「オークランドの立場から言えば、私たちは直感的な決定ではなく、客観的な決定を下すことを強いられています。もしオークランドで直感的な決定が一度でも正しかった場合、それはおそらく偶然でしょう。そして、私たちは偶然の決定を下して運に任せる立場にはありません。もし私たちがブラックジャックをしていて、ディーラーが4を見せていて、私たちが6を持っているなら、16でヒットするのは全く意味がありません。」 良い予測をするための鍵は、定量的な情報に限定することではなく、情報を適切に評価するための良いプロセスを持つことです。これがビーンの哲学の本質です：できるだけ多くの情報を収集し、その後、分析する際にはできるだけ厳密で規律を持つことです。あなたが有能な予測者であるかどうかの試金石は、より多くの情報があなたの予測を改善するかどうかです。もしあなたが失敗しているのなら、フィル・テトロックの政治評論家たちのように、悪い習慣や態度を持っているかもしれません。もしプロスペクトAが打率.300で20本のホームランを打ち、オフの日にはスープキッチンで働いている一方で、プロスペクトBが打率.300で20本のホームランを打っているが、自由時間にはナイトクラブで遊び、コカインを吸っている場合、この違いを定量化する方法はおそらくありません。しかし、確実にその点を考慮に入れたいと思うでしょう。実際、多くの場合、定性的な情報を定量的な情報に変換することは可能です。スカウトは実際に選手を20から80の範囲で評価する厳密な数値スケールを使用しています。その数値を選手の打率と一緒に統計モデルに組み込んで、どこで価値を追加できるかを確認することは不可能ではありません。カーディナルスのようなチームは、すでにこのような試みを行っています。実際、統計とスカウティング、定性的情報と定量的情報の境界は、ますます曖昧になっています。 野球界では非常に曖昧な状況が続いています。例えば、Pitch f/xの導入を考えてみてください。これは三次元カメラのシステムで、現在ではすべてのメジャーリーグのスタジアムに設置されています。Pitch f/xは、ピッチの速度だけでなく、ホームプレートに到達するまでの間にどれだけの横の動きや縦の動きをするかも測定できます。例えば、2009年にリーグの最優秀投手としてサイ・ヤング賞を受賞したミルウォーキー・ブルワーズの若手投手ザック・グリンキーが、野球界で最高のスライダーを持っていると言ったり、マリアーノ・リベラのカットファストボールが評判通り本当に優れていることを統計的に示すことができるようになりました。 従来、これらの情報はスカウティングの領域と見なされていましたが、今ではプロジェクションシステムに組み込むことができる別の変数となっています。私たちは、野球場で起こるすべてのことを完全に三次元で記録できる日が近づいていると言えるでしょう。ジャコビー・エルズベリーが頭上に打たれたフライボールに対してどれだけ良いジャンプをするか、イチローがどれだけ速く塁を回るか、またはヤディエール・モリーナが相手の盗塁者をアウトにしようとする際に、どれだけ早く二塁にボールを送るかを正確に測定できるようになります。この新しい技術は、マネーボールがそうであったようにスカウティングを消滅させることはありませんが、選手のメンタル面のように定量化が難しく、情報がより独占的なものに対する重視を変えるかもしれません。サンダースのような賢いスカウトはすでに先を行っています。 ダスティン・ペドロイアがなぜ失敗すると予測されたのか... しかし、なぜスカウトたちはダスティン・ペドロイアについてそんなに間違ったのでしょうか？すべてのスカウトは彼に関する基本的な事実には同意していました。ペドロイアが非常に良い打者であり、打席でのアプローチが賢明で、彼のメンタルツールが「桁外れ」であることは誰もが知っていました。彼には長いスイングがあり、守備は安定しているが目立たない、足の速さは平均以下で、身長が低く、素晴らしい体格を持っていないこともみんな知っていました。しかし、若い選手にとっては独特なプロフィールであり、多くのスカウトはそれをどう解釈すればよいのかわからなかったのです。「選手を評価するとき、スカウトは見たいものの感覚を持っています」とサンダースは私に語りました。「典型的な基準に対して、ダスティンはそのいくつかの面で逆行していました。特にサイズに関して。」 四角いペグを丸い穴に入れられないとき、私たちは通常ペグを責めますが、時には私たちの考えの硬直さがそれを受け入れられない原因であることもあります。私たちの第一の本能は情報をカテゴリーに分けることです。通常は比較的少数のカテゴリーに分けることで、管理が容易になります。（例えば、国勢調査局が数百の民族グループをわずか6つの人種カテゴリーに分類する方法や、数千のアーティストを数種類の音楽ジャンルに分類する方法を考えてみてください。） これは大抵の場合、うまく機能します。しかし、何かを分類するのに苦労すると、私たちはしばしばそれを見落としたり、誤って判断したりします。 これはビーンが「直感」に基づく決定を避ける理由の一つです。彼が最初の印象に過度に依存すると、潜在的に価値のある選手を見逃してしまう可能性があり、オークランドのような給与体系ではそれを許容できません。PECOTAのようなシステムは、何千人もの選手を調査して似たようなプロファイルを持つ選手を見つけ出す、より厳密な選手の分類方法を提供します。これにより、ペドロイアのスキルをより適切な文脈で評価することができます。PECOTAの分析では、いくつかの好ましい前例が見つかりました。例えば、ペドロイアの小柄な体格は、彼の他のスキルを考慮すると実際には利点であったかもしれません。野球では、ストライクゾーンは選手の肩から膝までの範囲と定義されています。アスリートが小さいほど、投手が狙うターゲットも小さくなります。良いバッティングアイを持つペドロイアのような選手は、これを特に活かすことができます。一方で、地面に近いことは二塁手の守備においても利点となります。このポジションは敏捷性に依存し、バットから飛び出してくるゴロに対する猫のような反射神経が求められます。野球史上の優れた二塁手の多くは非常に背が低いです。名誉の殿堂に入っている17人のうち、6フィートを超えているのはナップ・ラジョイとライン・サンドバーグの2人だけです。ジョー・モーガンは、史上最高の二塁手の一人であり、身長はわずか5フィート7インチでした。スカウトは自分たちの仕事に非常に優れていますが、これは選手をあまりにも早く、偏見を持って分類してしまったケースです。ペドロイアの小柄な体格は、ある意味では強みでした。それでも、保証はありませんでした。PECOTAはペドロイアの成功を確実なものとは見なしておらず、ただ彼に有利な確率があると評価していただけです。スカウトたちは彼に不利な確率を見ていました。違いを生んだのは、レッドソックスがダスティン・ペドロイアを信じていたことです。そして幸運なことに、ペドロイア自身も自分を信じていました。 ...そして彼が逆境を乗り越えた方法 私は2009年10月にニューヨーカー・フェスティバルのパネルで初めてビル・ジェームズに会いました。その後の華やかなパーティーでは、彼は非常にカラフルなセーターと、サイズが2つ大きいように見える傷だらけのクロッグを履いていて、ファッショニスタたちの中では場違いに見えました。パーティーの他の人々がスーザン・サランドンを追いかけている間、私たちはバーに腰を下ろしてしばらくおしゃべりをしました。 ジェームズのレッドソックスでの役割は多岐にわたり、詳細はあまり明かされていません（彼は公に話すことができる内容にはあまり詳しくありませんでした）。しかし、25年間外部から野球について執筆してきた彼は、今や晩年に差し掛かり、穏やかになっています。彼は内部にいることでスポーツの見え方が少し変わり、ゲームの精神的な側面をより早く認識するようになりました。「80年代に書いたことの中には正しくなかったことがたくさんある」と彼は私に言いました。「大きな変化は子供を持ったことです。これはクリシェですが、子供を持つと、誰もが誰かの赤ちゃんであることを理解し始めます。これは内部者と外部者の関係です。」 成長するにつれて、これらの人々はテレビのキャラクターやビデオゲーム、野球カードの中の存在になってしまい、彼らが人間であり、最善を尽くしているということをあまり考えなくなります。」私は、ジェームズのコメントがビーンやサンダースのものと非常に似ていることに驚かされました。彼らは伝統的に異なる視点からスポーツにアプローチしているにもかかわらず、です。実際、私のジェームズ、ビーン、サンダースとの会話のトランスクリプトを並べてみると、ほとんど区別がつかないでしょう（ただし、ジェームズのものはずっと面白いですが）。彼はレッドソックスのスカウトがクラブに提供する価値を認識し、それが自分の使命と平行していると信じています。野球では、成功は非常に特定の方法で測定されます—勝ち（W）と負け（L）で—そのため、全員を正しい方向に導くのは簡単です。もし、より多くの情報があなたの予測を悪化させるなら、あなたは職を失うことになるでしょう—「ザ・マクラフリン・グループ」に生涯の任命を受ける権利はありません。「ある意味で、私が野球を見る方法とスカウトが野球を見る方法は非常に似ています」とジェームズは続けました。「政治的スペクトルの右端と左端に行き着くと、同じことを言っている人々がいるのかもしれません。スカウトが見ようとしているものは、実際に私が見ようとしているものと同じです。」 ジェームズは2004年にレッドソックスのドラフトプロセスを手伝っており、その際にペドロイアを65番目の指名で選びました。彼はペドロイアに対して好意的な報告書を書いたものの、他の選手を指名することを勧めました。それでも、彼はその選択に満足しており、ペドロイアが批評家たちを愚かに見せるのを楽しんでいます。しかし、キャリアの初期には、ペドロイアの最大のファンの中でも疑念を抱く者が出始めていました。ペドロイアは2006年8月にメジャーリーグに昇格し、31試合に出場しましたが、打率はわずか.198で、エクストラベースヒットは6本だけでした。このことに誰もあまり心配していませんでした。レッドソックスは、通常とは異なり、シーズンの最終週にはプレーオフ争いから大きく離れており、ニューイングランドの関心はすでにセルティックスやペイトリオッツに向いていました。しかし翌年、フルタイムの二塁手として任されると、彼はまたもや出だしが遅く、シーズンの最初の1か月で打率はわずか.172でした。最近まで無計画な意思決定プロセスで悪名高かったカブスのようなチームなら、この時点でペドロイアを切っていたかもしれません。多くのクラブでは、すべての行動に対して等しい反応と逆反応があります。一方、レッドソックスはより体系的なアプローチによって規律を保っています。そして、シーズンのその時点でレッドソックスがペドロイアを見たとき、ジェームズは彼らが実際に多くの良い点を見出したと言いました。ペドロイアはボールにたくさんのコンタクトを取っていましたが、ヒットには結びついていませんでした。数字は、おそらく彼の方に向かってトレンドを始めるでしょう。「私たちは皆、データに対する自信を失う瞬間があります」とジェームズは私に言いました。 「あなたもご存知かもしれませんが、昨年を振り返ると、ダスティンは打率.180くらいでした。その時のスイングとミスの割合を見てみると、約8％か9％だったと思います。彼が苦しんでいた春の期間も同じでした。彼がこれほど力強くスイングしているのに、これだけのコンタクトを保ちながら打率.180を続けることは論理的に考えても不可能です。」 レッドソックスはペドロイアをドラフトする決定を軽視していませんでした。彼らは、彼が他のアマチュアやプロのレベルで成功を収めてきた理由を観察し続けていました。もしペドロイアをベンチに置くことにするなら、その決定は彼を昇進させる際と同じくらい慎重に考慮されなければなりませんでした。彼らはデータだけに基づいて決定を下すことはせず、より大きな文脈の中でそれを考慮しました。ジェームズが私に言ったように、彼らの唯一の関心事は、ペドロイアが自分を疑い始めるかどうかでした。別の選手ならそうなったかもしれませんが、ペドロイアはそうではありません。彼は愚か者や批評家に左右されることはありません。「幸運なことに、ダスティンは本当に自信過剰です。もし彼が怯えるようなタイプの人間だったら、そういう人たちの言うことを聞いてしまったら、彼は台無しになっていたでしょう。彼は人の言うことを聞かず、しっかりと踏ん張ってスイングを続け、最終的には状況が好転しました。」 ペドロイアは、ジョン・サンダースが「メジャーリーグの記憶」と呼ぶものを持っています。つまり、短期的な記憶です。彼はスランプに悩まされることはなく、自分が正しい方法でゲームをプレイしていると確信しているからです。そして、長い目で見れば、それが重要なのです。実際、彼は自分の仕事を妨げるものにはほとんど耐性がありません。これが彼を最も寛大な人間にするわけではありませんが、ボストン・レッドソックスで二塁手を務めるために必要なことなのです。それがペドロイアにとって唯一重要なことです。「私たちの弱点と強みは常に非常に密接に結びついています」とジェームズは言いました。「ペドロイアは、他の選手にとっては弱点となるようなことから強みを作り出しました。」 マネーボールの真の教訓 「マイケル・ルイスが言ったように、議論は終わりました」とビリー・ビーンはマネーボールについて話しているときに宣言しました。一時期、マネーボールはゲームの中の人々にとって非常に脅威的でした。彼らの仕事や生計が危険にさらされているように思えたからです。しかし、その結果は決して訪れませんでした。スカウトはコンピュータに取って代わられることはありませんでした。実際、異なるタイプの野球選手が将来どうなるかを知りたいという需要は、スカウティングレポートやPECOTAのような統計システムの形であっても、供給を大きく上回っています。チームがどの選手をドラフトするか、誰をトレードするか、フリーエージェントにいくら支払うべきかを決定するたびに、数百万ドルと将来のワールドシリーズの結果が賭けられています。チームはこれらの決定を下すために、利用可能なすべてのツールをますます活用しています。 情報革命は野球においてその期待に応えていますが、他の多くの分野では期待外れに終わっています。これは、野球が急速に発展する技術、適切に整ったインセンティブ、厳しい競争、そして豊富なデータという独自の組み合わせを持っているからです。しかし、これはビーンにとって必ずしも楽な状況を意味するわけではありません。彼は、他のチームがアスレチックスの優れた戦略を真似していることに懸念を示しました。たとえば、現在ではほとんどのチームが出塁率（OBP）の重要性を理解しており、守備の役割を軽視することはありません。しかし、変わらないのは、そうしたチームがアスレチックスよりもはるかに多くの資金を持っているということです。スポーツのような競争の激しい業界では、優れた予測者は常に革新を求めなければなりません。「市場の非効率を利用する」という目標を掲げるのは簡単ですが、それでは実際にどのようにそれを見つけ、そしてそれが新たな夜明けを意味するのか、あるいは誤った道筋なのかを判断するための計画にはなりません。他の誰も考えつかないアイデアを持つのは難しいことです。良いアイデアを持つのはさらに難しく、持ったとしてもすぐに模倣されてしまいます。だからこそ、この本は、少し違った方法でビジネスを進めるだけで競争に勝てるというような即効性のある解決策を推奨することを避けています。優れた革新者は通常、大きな視点と小さな視点の両方を持っています。新しいアイデアは、他の人があまり気にしない問題の最も細かい部分に見つかることがあります。また、世界がなぜそのようになっているのか、支配的なパラダイムに代わるものがあるのかを考える際に、最も抽象的で哲学的な思考をしているときに見つかることもあります。これらの二つの空間の間にある温帯地域では、99％の時間を過ごす私たちの生活の中で、アイデアを見つけることはほとんどありません。日常生活の中で行う分類や近似は通常は十分ですが、時には競争優位をもたらすかもしれない情報を見逃してしまうこともあります。重要なのは、アイデアや情報を正しい場所で探すためのツールや習慣を身につけることです。そして、それらを見つけた後に勝利（W）や敗北（L）に結びつけるためのスキルを磨くことです。それは大変な作業ですが、野球は革新者にとって非常に肥沃な試金石であり続けるでしょう。PECOTAが登場してから10年、真に画期的な予測システムは存在していません。しかし、誰かがPitch f/xデータを賢く活用したり、選手のパフォーマンスに関する定量的評価と定性的評価を融合させる方法を見つけたりするでしょう。これらはすべて起こることでしょう、そしてそれは早い段階で、もしかしたらこの本が印刷所にいる間に起こるかもしれません。「ゲームに入ってくる人々、創造性、知性は、今は比類のないものです」とビーンは私に語りました。「10年後にこの仕事に応募したら、面接すら受けられないでしょう。」 マネーボールは死んだ；マネーボール万歳。 「何年も前から、雨は緑だと言ってきた。」 2005年8月23日火曜日、空軍の偵察機がバハマ上空で異常な兆候を捉えました。「いくつかの小さな渦」が確認され、風が反時計回りに東から西へ回転している様子が報告されました。これは大西洋の広がりから離れ、アメリカ合衆国に向かう動きでした。この風のパターンの乱れは雲や衛星データからは検出しにくいものでしたが、貨物船はその兆候を認識し始めていました。国立ハリケーンセンターは、この異常を熱帯サイクロンとして特徴付けるのに十分な証拠があると考え、「熱帯低気圧12号」と名付けました。この嵐は「厄介な」もので、より深刻なものに発展する可能性もあれば、逆に消散する可能性もありました。大西洋盆地における熱帯低気圧の約半数は最終的にハリケーンになります。 しかし、この低気圧は急速に強化され、水曜日の午後にはハリケーンセンターのコンピュータモデルの一つがすでにアメリカ合衆国への二度の上陸を予測していました。最初は南フロリダ、次に「サイクロンがニューオーリンズに向かうかもしれない」との予測でした。嵐はハリケーンになるだけの力を蓄え、カトリーナという名前が付けられました。 カトリーナの最初の上陸は、マイアミの北側を通過し、その数時間後にはカテゴリー1のハリケーンとしてフロリダ・エバーグレーズを突っ切りましたが、多くの命を脅かすほどの長さではありませんでした。しかし、嵐のエネルギーを奪うほどの時間もありませんでした。むしろ、カトリーナはメキシコ湾の温かい水の中で力を増していました。土曜日の早朝、予報は悪化し、カトリーナはカテゴリー3のハリケーンとなり、カテゴリー5に向かっていることが分かりました。そして、その予測進路は徐々に西へ移動し、フロリダ半島からミシシッピ州とルイジアナ州へ向かっていました。コンピュータモデルは一致しており、嵐はニューオーリンズに向かうようでした。 「カトリーナの後、私は5回の議会公聴会に出席しました」と、当時国立ハリケーンセンターの所長だったマックス・メイフィールドは、私が彼にその脅威の全貌を初めて認識した時期を尋ねた際に言いました。「そのうちの一つで、ニューオーリンズに関心を持ち始めたのはいつかと聞かれました。私は『60年前だ』と答えました。」 ニューオーリンズに対する大規模なハリケーンの直接的な襲撃は、長い間、すべての気象予報士の最悪の悪夢でした。この街は、死と破壊を引き起こす可能性のある完璧な条件を提供していました。一方では、その地理的条件があります。ニューオーリンズはメキシコ湾に接するのではなく、むしろその中に沈んでいます。多くの住民は海面下に住んでおり、老朽化した堤防システムと自然の障壁に頼っていましたが、それらは文字通り海に流れ出ていました。もう一方では、その文化があります。ニューオーリンズは多くのことを上手に行いますが、誇りを持って拒否する二つのことがあります。ニューオーリンズは迅速に動かず、権威をあまり信じません。 もしそうであったなら、ニューオーリンズは本当のニューオーリンズではなくなっていたでしょう。また、カトリーナに対処するための準備もずっと整っていたはずです。なぜなら、ハリケーンが襲来する恐れがあるときに必要なことは、まさにその二つだからです。国立ハリケーンセンターはカトリーナの予測を的中させました。彼らは、堤防が決壊するほぼ5日前に、都市への潜在的な襲来を予測し、48時間以上前には悪夢のシナリオのいくつかが現実的であると結論づけました。20年か30年前には、これほどの事前警告はほぼ不可能だったでしょうし、避難する人も少なかったでしょう。ハリケーンセンターの予測と、過去数十年にわたる気象予測の着実な進歩は、間違いなく多くの命を救いました。しかし、すべての人がその予測に耳を傾けたわけではありません。約80,000人のニューオーリニアン—当時の市の人口のほぼ5分の1—が避難をしなかったため、1,600人が命を落としました。生存者への調査では、約3分の2が嵐がこれほどひどいものになるとは思っていなかったことがわかりました。その他の人々は、混乱した避難命令に戸惑っていました。市長のレイ・ナギンは、メイフィールドや他の公務員からの要請にもかかわらず、強制避難を呼びかけるまでにほぼ24時間待ちました。さらに、貧困層や高齢者、ニュースから孤立している住民たちは、たとえ逃げたくても逃げられなかったのです。気象予測は、この本の中での成功物語の一つであり、人間と機械が力を合わせて自然の複雑さを理解し、時には予測するケースです。しかし、自然の進行を予測できるからといって、それを変えることができるわけではありません。また、予測があっても、それを聞く意志がない人がいれば、あまり意味はありません。カトリーナの物語は、人間の創意工夫と人為的な過ちの物語です。 スーパーコンピュータの天気 コロラド州ボルダーにある国立大気研究所（NCAR）のスーパーコンピュータラボは、文字通り自らの天気を生み出しています。彼らは熱を発生させます。IBMのブルーファイアスーパーコンピュータが毎秒行う77兆回の計算は、かなりの量の放射エネルギーを生成します。風も吹いています。すべての熱を冷却しなければ、国の気象予測能力が危険にさらされるため、高圧ファンが常にコンピュータに酸素を吹きかけています。そして、騒音もあります。ファンの音は大きく、耳の保護具が標準装備となっています。ブルーファイアは、11のキャビネットに分かれており、それぞれ約8フィートの高さと2フィートの幅を持ち、側面には明るい緑のレーシングストライプが走っています。後ろから見ると、スーパーコンピュータがどう見えるかといえば、交差したケーブルと点滅する青いライトが機械の脳幹に接続されている様子です。前から見ると、ポータブルトイレの大きさと形をしており、銀色のハンドルが付いたドアのようなものがあります。「ポータポティのように見えますね」と私はドクターに言います。 NCARの技術開発部門のディレクターであるリチャード・ロフトは、スーパーコンピュータラボを監督しています。気象業界にいる人々は、冗談の対象になることに慣れています。ラリー・デイビッドは、テレビ番組『Curb Your Enthusiasm』の中で、気象予報士が雨が降らない時でも雨を予測することがあるのは、ゴルフコースで他の人より先にスタートを切るためだと提唱しています。政治的なコマーシャルでは、天候のメタファーを使って対立候補を攻撃することが多く、通常は彼らが常に問題に対して二転三転していることを示唆します。多くの人は、気象予報士が自分たちの仕事があまり得意ではないと考えています。実際、回転するコンピュータの列を見て、これがすべて無駄な努力なのではないかと疑問に思うのは魅力的でした。「これだけのことをして天気を予測するの？それなのに明日雨が降るかどうかもわからないの？」と。ロフトはあまり楽しそうには見えませんでした。コンピュータの性能向上は、地震や経済予測において明らかな改善をもたらしてはいません。しかし、気象学はかなりの進歩、さらには驚くべき進展があった分野です。その理由の大きな部分は、ロフトのスーパーコンピュータの力にあります。 **天気予報の非常に簡単な歴史** 「通常の計画から少し逸脱させてください」と、ロフトはオフィスで言いました。彼は結局ユーモアのセンスを持っていることがわかりました—『The Office』のドワイト・シュルートのより自己認識のあるバージョンのように、風変わりで独特です。ロフトは説明しました。「歴史の始まりから、人間は自分の環境を予測しようとしてきました。チャコキャニオンやストーンヘンジに遡ると、人々は一年で最も短い日と最も長い日を予測できることに気づきました。月が予測可能な動きをすることも。しかし、古代の人間には予測できないこともありました。動物からの待ち伏せや、突発的な洪水、雷雨などです。」今日、私たちはハリケーンが数日前にどこに上陸するかを予測できることを当然のことと考えていますが、気象学は成功した科学として発展するのが非常に遅れました。何世紀にもわたり、進展は鈍かったのです。高度な天文学者であったバビロニア人は、6000年以上も前に石板に保存された天気予報を作成しました。しかし最終的には、彼らは雨の神ニンギルスに頼ることになりました。アリストテレスは気象学に関する論文を書き、いくつかの確かな直感を持っていましたが、全体としては彼の試みの中ではあまり成功したとは言えません。実際の進展があったのは、ここ50年ほどのコンピュータの性能向上によるものです。 天気予報を形而上学の一環とは考えないかもしれませんが、天気を予測するという考えは、運命論と自由意志に関する古くからの議論を呼び起こします。「すべては書かれているのか、それとも私たち自身が書いているのか？」とロフトは尋ねました。「これは人間にとって基本的な問題です。そして、実際には二つの考え方がありました。一つは聖アウグスティヌスやカルヴァン主義を通じて来るもので、運命論を信じる人々を指します。」彼は続けて、運命論の下では、人間は自分たちがたどる道を予測する能力を持っているかもしれないと説明しました。 しかし、彼らにはそれを変える手段は何もなかった。すべては神の計画に従って進められていた。「これはイエズス会や、私たちには実際に自由意志があると言ったトマス・アクィナスに反することです。この問題は、世界が予測可能か予測不可能かについてのものです。」予測可能性に関する議論は、啓蒙時代や産業革命の時代に異なる条件で展開され始めました。アイザック・ニュートンの力学は、宇宙が非常に秩序立っていて予測可能であり、比較的単純な物理法則に従っていることを示唆しているように思えました。科学的、技術的、経済的進歩の概念は、以前の世紀では当然視されることはなかったものの、次第に浮かび上がり、人類が自らの運命をコントロールできるようになるかもしれないという考えも生まれました。予定説は、新たな考え、すなわち科学的決定論に取って代わられました。この考えはさまざまな形を取りますが、フランスの天文学者で数学者のピエール＝シモン・ラプラスほどそれを進めた人はいませんでした。1814年、ラプラスは次のような仮定を立て、後に「ラプラスの悪魔」として知られるようになりました。 「私たちは宇宙の現在の状態を、その過去の結果であり、未来の原因と見なすことができます。もしある瞬間に、自然を動かすすべての力と、自然を構成するすべての物体の位置を知る知性が存在し、その知性がこれらのデータを分析するのに十分な広さを持っているなら、その知性は宇宙の最も大きな天体の動きと最も小さな原子の動きを一つの公式で包括することができるでしょう。そのような知性にとっては、何も不確かではなく、未来は過去と同様に目の前に存在するでしょう。」 現在の条件（「自然を構成するすべての物体の位置」）について完璧な知識と、宇宙を支配する法則（「自然を動かすすべての力」）について完璧な知識があれば、私たちは完璧な予測を行うことができるはずです（「未来は過去と同様に目の前に存在する」）。宇宙のすべての粒子の動きは、ビリヤード台のボールの動きと同じように予測可能であるべきです。ラプラスは、人間がその任務を果たすことができないかもしれないと認めました。しかし、もし私たちが十分に賢く（そして十分に速いコンピュータを持っていれば）、天気やその他すべてを予測できるはずであり、自然そのものが完璧であることがわかるでしょう。ラプラスの悪魔は、200年の存在の間ずっと物議を醸してきました。決定論者たちと対立しているのは確率論者たちで、彼らは宇宙の条件がある程度の不確実性を伴ってしか知り得ないと信じています。確率論は、当初は主に認識論的なパラダイムであり、人間が宇宙を理解する能力には限界があることを認めていました。最近では、量子力学の発見により、科学者や哲学者たちは宇宙自体が確率的に振る舞うのかどうかを問いかけています。ラプラスが特定しようとした粒子は、十分に近くで観察すると波のように振る舞い始め、固定された位置を占めていないように見えます。 何かがどこに向かうかを予測するには、まずその物体がどこにあるのかを知らなければなりません。しかし、位置がわからなければ予測することはできません。これは、理論物理学者ヴェルナー・ハイゼンベルクの有名な不確定性原理の基本的な考え方です。物理学者たちは不確定性原理をさまざまに解釈していますが、これはラプラスの仮定が文字通りには真実でないことを示唆しています。宇宙自体がランダムであるなら、完璧な予測は不可能です。しかし幸いなことに、天候を研究するために量子力学を必要としません。天候は分子レベル（原子レベルではなく）で起こり、分子は量子物理学の影響を受けるにはあまりにも大きいのです。さらに、私たちは天候を支配する化学やニュートン物理学をかなりよく理解しており、長い間そうしてきました。 では、ラプラスの悪魔の改訂版についてはどうでしょうか？もし地球の大気中のすべての分子の位置を知っていたら—宇宙のすべての原子粒子の位置を知ることに比べれば、はるかに控えめな要求です—完璧な天候予測ができるでしょうか？それとも、天候にもある程度のランダム性が内在しているのでしょうか？ 天候に関する純粋に統計的な予測は長い間可能でした。たとえば、今日雨が降った場合、明日も雨が降る確率はどのくらいでしょうか？気象学者はデータベース内の過去の雨の事例を調べて、その答えを提供することができます。また、長期的な平均を見て、ロンドンでは3月に約35％の確率で雨が降ることを考慮することもできます。 しかし、これらの予測はあまり役に立ちません。傘を持っていくべきかどうかを判断するには不正確すぎますし、ハリケーンの進路を予測するにはなおさらです。そこで、気象学者たちは別のものを求めてきました。統計モデルの代わりに、天候を支配する物理的プロセスをシミュレーションする生きたモデルを望んでいたのです。しかし、私たちの天候を計算する能力は、理論的理解に比べて長い間遅れをとっています。どの方程式を解くべきか、そしておおよその正しい答えが何であるかはわかっていますが、地球の大気中のすべての分子についてそれを計算するには速すぎません。そのため、いくつかの近似を行う必要があります。 この問題を解決する最も直感的な方法は、大気を有限のピクセルの系列に分解して単純化することです。気象学者たちはこれをマトリックス、格子、またはグリッドと呼んでいます。ロフトによれば、これを行うための最初の信頼できる試みは、1916年にイギリスの物理学者ルイス・フライ・リチャードソンによって行われました。リチャードソンは、1910年5月20日の午後1時に北ドイツの天候を特定したいと考えていました。厳密には予測ではなく、日付は約6年前のものでした。しかし、リチャードソンは多くのデータを持っていました。ドイツ政府が収集した気温、気圧、風速の観測データの一連です。そして、彼には多くの時間がありました。彼は北フランスでボランティアの救急車部隊として勤務しており、砲撃の合間にすることがほとんどなかったのです。 リチャードソンはドイツを一連の二次元のボックスに分割しました。それぞれのボックスは、緯度3度（約210マイル）×経度3度の大きさです。そして、彼は各ボックス内の天候を支配する化学方程式を解こうとし、隣接するボックスの天候にどのように影響を与えるかを考え始めました。 残念ながら、リチャードソンの実験は惨敗に終わりました。彼の予測では、実際には起こらなかった気圧の劇的な上昇が示されていたのです。しかし、彼は結果を発表しました。確かに、これは天候を予測するための正しいアプローチのように思えました。基本原理から解決し、システムの挙動に関する強力な理論的理解を活用することで、粗雑な統計的近似に頼るのではなく、天候を予測しようとしたのです。問題は、リチャードソンの方法が非常に多くの作業を必要としたことです。コンピュータは、彼が確立したパラダイムにより適していました。第9章で見るように、コンピュータは私たちが期待するすべてのタスクに優れているわけではなく、予測の万能薬とは程遠い存在です。しかし、コンピュータは計算に非常に優れています。同じ算術作業を何度も繰り返し、迅速かつ正確に行うことが得意です。チェスのように比較的単純なルールに従うが、計算上は難しいタスクは、彼らの得意分野です。天候もその可能性がありました。 最初のコンピュータによる天気予報は、1950年に数学者ジョン・フォン・ノイマンによって行われました。彼は、1秒間に約5,000回の計算ができる機械を使用しました。これは、リチャードソンがフランスの干し草畑で鉛筆と紙を使って行うよりもはるかに速いものでした。しかし、それでも予測はあまり良くなく、ほぼランダムな推測と同程度の精度でした。結局、1960年代半ばにはコンピュータが天気予報においてある程度のスキルを示し始めました。そして、ブルーファイアは最初のコンピュータ予測よりも約150億倍速く、リチャードソンよりもおそらく1兆倍速く計算を行うため、かなりの能力を発揮しています。今日の天気予報は、15年前や20年前よりもはるかに良くなっています。しかし、近年の計算能力は指数関数的に向上している一方で、天気予報の精度の向上は着実ではあるものの、遅々として進んでいません。この理由は主に二つあります。一つは、世界が一元的または二次元的ではないことです。天気予報の精度を向上させる最も信頼できる方法は、気候を表現するために使用するグリッドのサイズを縮小することです。リチャードソンのボックスは約200マイル四方であり、地球の非常に一般的な見方を提供するものでした（ニューヨークとボストンのように、非常に異なる天候を持つ都市を同じ200マイル四方にほぼ収めることができるのです）。 もし、正方形の直径を半分にして、解像度を100×100にしようとした場合、予測の精度は向上しますが、解かなければならない方程式の数も増えます。実際、この数は2倍ではなく4倍に増加します。なぜなら、長さと幅の両方で大きさを倍にしているからです。つまり、解を得るために必要なコンピュータの処理能力は、ほぼ4倍必要になるということです。しかし、考慮すべき次元は2つだけではありません。異なるパターンが上空、大気下、海洋、そして地表近くで発生する可能性があります。三次元の宇宙では、グリッドの解像度を2倍にすると、コンピュータの処理能力は8倍必要になります。 さらに、4次元、つまり時間も考慮しなければなりません。気象モデルは静的では意味がありません。重要なのは、天候がどのように変化しているかを知ることです。雷雨は時速約40マイルで移動します。もし、40×40×40の三次元グリッドを持っているなら、1時間ごとに1回観測を行うことで、嵐の動きを監視できます。しかし、グリッドの寸法を半分にして20×20×20にすると、嵐は今度は30分ごとに1つのボックスを通過します。つまり、時間のパラメータも半分にする必要があり、これにより元の16倍の処理能力が必要になります。 もしこれが唯一の問題であれば、それほど大きな障害にはならないでしょう。おおよそ、気象予測の解像度を2倍にするためには、16倍の処理能力を手に入れる必要がありますが、処理能力は指数関数的に向上しており、約2年ごとに倍増しています。つまり、予測が2倍の力を持つようになるまで8年待つだけで済みます。これは、NCARがスーパーコンピュータをアップグレードしているペースとほぼ同じです。流体力学の法則を解決したとしましょう。これらは比較的ニュートン的であり、不確定性原理は物理学者にとって興味深いかもしれませんが、あなたにはあまり影響しないでしょう。最先端の機器であるBluefireを手に入れ、リチャード・ロフトを雇ってコンピュータのソフトウェアを設計し、シミュレーションを実行させることができました。何がうまくいかない可能性があるでしょうか？ カオス理論の登場です。何がうまくいかない可能性があるのでしょうか？カオス理論です。ブラジルでの蝶の羽ばたきがテキサスでの竜巻を引き起こすという表現を聞いたことがあるかもしれません。これは、1972年にMITのエドワード・ローレンツが発表した論文のタイトルから来ています。彼は気象学者としてキャリアをスタートさせました。カオス理論は、次の2つの特性を持つシステムに適用されます： 1. システムは動的であり、ある時点でのシステムの挙動が将来の挙動に影響を与えること。 2. システムは非線形であり、加法的な関係ではなく指数的な関係に従うこと。 動的システムは予測者に多くの問題をもたらします。例えば、アメリカ経済が常に一連の出来事の連鎖の中で進化しているため、予測が非常に難しいという点を第6章で述べています。非線形のシステムも同様です。金融危機を引き起こしたモーゲージ担保証券は、マクロ経済の状況における小さな変化がデフォルトの可能性を指数関数的に高めるように設計されていました。これらの特性を組み合わせると、実際に大きな混乱が生じる可能性があります。ローレンツは、アレクサンダー・フレミングとペニシリンの発見や、ニューヨーク・ニックスとジェレミー・リンのように、偶然の大発見をするまで、問題の深刻さを理解していませんでした。ローレンツと彼のチームは、ロイヤル・マクビーLGP-30という初期のコンピュータを使って天気予報プログラムの開発に取り組んでいました。彼らは進展があると思っていましたが、コンピュータが不規則な結果を出し始めました。彼らは、同じデータを使って同じコードを実行していると思っていましたが、プログラムはある時にはカンザスの晴天を予測し、次の時には雷雨を予測しました。数週間にわたりハードウェアを再確認し、プログラムのデバッグを試みた結果、ローレンツと彼のチームはデータが完全に同じではないことに気づきました。技術者の一人が小数点以下第3位でデータを切り捨てていたのです。例えば、グリッドの一隅の気圧が29.5168であるべきところが29.517になっていたのです。これがそんなに大きな違いを生むはずがないと思われるかもしれませんが、ローレンツはそれが影響を与えることを理解しました。カオス理論の最も基本的な原則は、初期条件の小さな変化（ブラジルで蝶が羽ばたくこと）が、大きく予測できない結果の乖離を生む可能性があるということです（テキサスでの竜巻など）。これは、システムの挙動がランダムであることを意味するわけではありません。「カオス」という用語が示唆するように。カオス理論は、モーリーの法則（「起こりうることは必ず起こる」）の現代的な解釈でもありません。特定のタイプのシステムは非常に予測が難しいということを意味しています。問題は、データに不正確さがあるときに始まります（モーゲージ担保証券のケースのように、仮定に不正確さがある場合も含まれます）。例えば、5と5の合計を取るべきなのに、2番目の数字を間違えて入力したとしましょう。5と5を足す代わりに、5と6を足してしまったのです。これでは11という答えが出てしまい、本当に欲しい10とは異なります。間違いはありますが、大きな違いではありません。加算は線形操作であり、比較的許容範囲が広いからです。しかし、指数的な操作は、データに不正確さがあるときに、はるかに大きな影響を受けます。もし5の0乗（3,125になるべき）を取る代わりに、5の6乗を取ってしまった場合、答えは15,625になってしまいます。これは大きく外れており、目標を500パーセントも外してしまったことになります。この不正確さは、プロセスが動的である場合、つまりプロセスのある段階での出力が次の段階での入力になる場合、急速に悪化します。 例えば、5の5乗を計算し、その結果を再び5乗に適用することを考えてみましょう。もし、前述のような誤りを犯し、2回目の5の代わりに6を使ってしまった場合、結果は3,000以上もずれてしまいます。この小さな、一見些細な間違いが、どんどん大きくなっていくのです。天候は動的システムの典型であり、大気中のガスや流体の動きを支配する方程式は非線形で、主に微分方程式です。したがって、カオス理論は天気予報に確実に適用され、予報はデータの不正確さに非常に影響を受けやすくなります。これらの不正確さは、人為的なエラーによって生じることもありますが、より根本的な問題は、私たちが周囲を観察できる精度には限界があるということです。どんな温度計も完璧ではなく、たとえ小数点以下の第3位や第4位がずれているだけでも、予報に大きな影響を与える可能性があります。 図4-2は、1999年のクリスマスイブにフランスとドイツの天気予報を試みたヨーロッパの天気モデルからの50回のシミュレーションの出力を示しています。これらのシミュレーションはすべて同じソフトウェアを使用しており、天候の挙動について同じ前提を持っています。実際、これらのモデルは完全に決定論的であり、初期条件を完璧に知っていれば、天気を完全に予測できると仮定しています。しかし、入力のわずかな変化が出力に大きな違いをもたらすことがあります。ヨーロッパの予報は、これらの誤差を考慮しようとしました。あるシミュレーションでは、ハノーファーの気圧がわずかに変動するかもしれませんし、別のシミュレーションでは、シュトゥットガルトの風の条件がほんのわずかに変わることもあります。これらの小さな変化が、あるシミュレーションではパリで巨大な嵐が発生する原因となり、別のシミュレーションでは穏やかな冬の夕方となることもあるのです。 これが、現代の天気予報が作成されるプロセスです。観測データの質に内在する不確実性を表現するために意図的に導入されたこれらの小さな変化が、決定論的な予報を確率的なものに変えます。たとえば、地元の気象予報士が「明日は雨が降る確率は40％です」と言った場合、その解釈の一つは、彼のシミュレーションの40％で嵐が発生し、残りの60％ではわずかに異なる初期パラメータを使用した結果、嵐が発生しなかったということです。しかし、実際にはそれほど単純ではありません。気象学者が天気予報を行うために使用するプログラムは非常に優れていますが、完璧ではありません。実際に目にする予報は、コンピュータと人間の判断の組み合わせを反映しています。人間はコンピュータの予報を改善することもあれば、悪化させることもあります。 ビジョンの重要性 ワールド・ウェザー・ビルディングは、メリーランド州キャンプスプリングスにある1970年代のオフィスビルで、見た目はあまり良くないバタースコッチ色をしています。ワシントンD.C.から約20分の距離に位置しています。このビルは、NOAA（国家海洋大気庁）の運営本部であり、政府の組織図では国立気象局（NWS）の親機関です。ボルダーにあるNCARの施設がロッキー山脈のフロントレンジを一望できるのに対し、このビルは官僚主義そのものを思わせます。 気象サービスは、ウリシーズ・S・グラント大統領の下、1870年に戦争省のもとに設立されました。これは部分的には、グラント大統領が軍事的な規律の文化こそが予報の正確性を生み出すと信じていたためであり、また部分的には、この事業があまりにも絶望的だったため、戦時中に何とか優位に立つために試みる価値があったからです。一般の人々が気象予報に興味を持つようになったのは、1888年1月のスクールハウス・ブリザードの後でした。その年の1月12日、当初は比較的温暖な日だったグレートプレーンズで、数時間のうちに気温がほぼ30度下がり、目もくらむような吹雪が襲いました。学校から帰る途中で吹雪に遭遇した子供たちが数百人、低体温症で命を落としました。初期の気象予報は粗雑でしたが、少なくともこのような厳しい事態に対して警告を提供できることが期待されていました。そのため、国立気象局は農務省に移され、より市民向けの使命を担うことになりました。 気象サービスの起源は、今日の文化にも色濃く残っています。気象予報士たちは、平凡な給料で24時間体制で働き、自らを公務員と見なしています。キャンプスプリングスで出会った気象学者たちは愛国心にあふれ、気象予報が国の農業、小規模ビジネス、航空会社、エネルギー部門、軍、公共サービス、ゴルフ場、ピクニックランチ、そして学校の子供たちを支える上での重要性を常に私に思い出させる機会を逃しませんでした。NWSは年間9億ドル（1人当たり約3ドル）で運営されており、気象が国の経済の約20％に直接影響を与えているにもかかわらず、非常に少ない予算でやりくりしています。 私が出会った気象学者の一人、ジム・ホークは、NWSの水文気象予測センターのディレクターです。彼はこの分野で35年のキャリアを持ち、NWSの計算部門（予報士が使用するコンピュータモデルの構築を手伝う）と運用部門（実際に予報を行い、それを公に伝える）両方で経験を積んできました。そのため、彼は気象学の世界における人間と機械の交差点についての視点を持っています。では、77テラFLOPSで数値を処理できるコンピュータよりも、人間が何をより良くできるのでしょうか？それは「見る」ことです。 ホークは私を予報フロアに案内しました。そこは、MARITIME FORECAST CENTERやNATIONAL CENTERといった青い吊り下げ看板が掲げられた一連の作業ステーションで構成されていました。各ステーションには1人または2人の気象学者が配置されており、彼らの周りには、国の隅々までのあらゆる種類の気象データをフルカラーで表示するフラットスクリーンモニターの艦隊がありました。予報士たちは静かに、そして迅速に作業を進めており、グラントの軍事的な精密さを感じさせました。 予報士の中には、軽いペンのようなものでこれらの地図に描き込み、コンピュータモデルが生成した温度勾配の輪郭を丁寧に調整している者もいました。ミシシッピデルタの西15マイル、エリー湖の北30マイルにわたって、彼らは徐々に、表現しようとするプラトン的理想に一歩近づけていました。予報士たちはコンピュータモデルの欠陥を理解しています。これらは必然的に混沌理論の結果として生じ、モデル内の些細なバグが潜在的に深刻な影響を及ぼす可能性があります。たとえば、シアトルで低気圧がプジェット湾にあるとき、コンピュータは夜間の降雨を予測する際に過度に保守的になることがあります。また、メイン州のアカディア国立公園の霧が、風が一方向に吹いているときには日の出までに晴れることを知らず、別の方向から吹いているときには午前中まで残ることもあります。これらは、予報士たちが時間をかけて学び、モデルの欠陥を克服するために得るような区別です。熟練したビリヤードプレーヤーが地元のバーのテーブルのデッドスポットに適応するように。 これらの予報士が提供している独自の資源は、彼らの視力です。これは、あらゆる分野の予報士にとって貴重なツールであり、2つの変数の相互作用を示すグラフィックを視覚的に検査することは、統計的テストよりも迅速かつ信頼性の高い方法でデータの外れ値を検出することができることが多いのです。また、これはコンピュータが人間の脳に比べて遅れをとっている分野の一つでもあります。文字の系列をわずかに歪めると、スパムやパスワード保護にしばしば使用されるCAPTCHA技術のように、非常に「賢い」コンピュータは混乱してしまいます。彼らはあまりにも文字通りに考えすぎており、わずかな操作を受けるとパターンを認識できなくなります。それに対して人間は、純粋な進化的必要性から非常に強力な視覚野を持っています。彼らはデータの歪みを迅速に解析し、パターンや組織といった抽象的な特性を特定します。これらの特性は、さまざまな気象システムにおいて非常に重要です。実際、気象コンピュータがほとんど役に立たなかった昔、天気予報はほぼ完全に視覚的なプロセスでした。 フラットスクリーンではなく、気象オフィスには一連のライトテーブルが並び、気象学者たちはチョークや製図用鉛筆で地図に印を付けながら、15マイルごとの天気予報を作成していました。最後のライトテーブルが引退したのは何年も前のことですが、この技術の精神は今も生き続けています。ホークは、優れた予報士は視覚的かつ抽象的に考える能力を持ちながら、コンピュータが提供する膨大な情報を整理する必要があると説明しました。さらに、彼らは研究しようとしているシステムの動的かつ非線形な性質を理解しなければなりません。これは簡単な作業ではなく、左脳と右脳の両方を活発に使うことが求められます。彼の予報士の多くは、エンジニアやソフトウェアデザイナーとして高い収入を得ることができるでしょうが、彼らは気象学者になる道を選びました。NWS（国立気象局）は、コンピュータが単独でどれだけうまく機能しているかを示すデータと、人間がどれだけの価値を加えているかを示すデータの2つの異なる記録を保持しています。機関の統計によれば、人間は降水予報の精度をコンピュータの指導だけに比べて約25％向上させ、気温予報は約10％向上させています。さらに、ホークによれば、これらの比率は時間とともに比較的一定であり、コンピュータがどれだけ進歩しても、彼の予報士たちはその上に価値を加え続けています。視覚的な要素は非常に重要です。 雷に打たれる可能性がますます低くなっています。ホークがキャリアを始めた1970年代中頃、気象予報士に関するジョークにはある程度の真実がありました。例えば、NWSは3日前に高温を予測する際、平均して約6度も外していました（図4-4）。これは、長期平均の表を見ただけで得られる精度とあまり変わりません。しかし、現在では人間と機械のパートナーシップが大きな成果を上げています。今日、平均的な誤差は約3.5度であり、ほぼ半分の不正確さが取り除かれました。 気象予報士たちは、厳しい天候の予測にも改善が見られています。雷に打たれて死亡する確率はどれくらいでしょうか？実際、これは一定の数字ではなく、雷が落ちるときに屋外にいる可能性や、良い予報がなかったために避難できない可能性によって異なります。1940年には、アメリカ人が1年間に雷で死亡する確率は約40万人に1人でしたが、今日では1100万人に1人となり、ほぼ30倍も低くなっています。この変化の一部は生活様式の変化（現在は屋内での作業が増えています）や通信技術、医療の改善によるものですが、より良い天気予報も大きな要因です。おそらく、最も印象的な進展はハリケーンの予測に見られます。 たった25年前、国立ハリケーンセンターがハリケーンの上陸3日前にその進路を予測しようとした際、平均で350マイルも外れていました。これは人間のスケールではあまり役に立ちません。例えば、ニューオーリンズから350マイルの半径を描くと、テキサス州ヒューストンからフロリダ州タラハシーまでの全域をカバーしてしまいます。このような広範囲を避難させることはできません。 しかし、現在では平均的な予測の誤差は約100マイルにまで縮まり、これはルイジアナ州南東部とミシシッピ州の南端だけをカバーするのに十分です。ハリケーンはその円の外側に影響を及ぼすこともありますが、今では影響がある可能性が高い比較的小さなエリアを見ていることになります。このエリアは、72時間前に避難を行うことが現実的に可能な大きさです。対照的に、1985年には上陸の24時間前になってようやく同じ精度の予測ができるようになりました。つまり、今では嵐が襲う前に約48時間の追加警告時間が得られるということです。そして、後で見ていくように、ニューオーリンズのような都市を避難させる際には、1時間ごとが非常に重要です。 気象サービスはまだラプラスの悪魔を打ち倒してはいませんが、もう少し評価されても良いと思います。気象予測の科学は、気象システムの複雑さによる課題にもかかわらず、成功の物語です。この本を通じてわかるように、予測を行う際にはこのようなケースは例外であり、一般的ではありません（経済学者へのジョークは別にしておいてください）。 その一方で、国立気象サービスはしばしば評価されません。民間企業との厳しい競争に直面しており、その競争はやや不公平な状況で行われています。世界のほとんどの気象機関とは異なり、気象サービスはそのモデルデータを希望する誰にでも無料で提供することが求められています（他の多くの国の優れた気象局は、政府の予測に対してライセンス料や使用料を請求します）。アキュウェザーやウェザー・チャンネルのような民間企業は、その成果を利用して独自の製品を開発し、商業的に販売することができます。消費者の圧倒的多数は、民間の提供者から予測を受け取っており、ウェザー・チャンネルのウェブサイトWeather.comは、Weather.govの約10倍のトラフィックを得ています。 私は一般的に自由市場の競争、つまり公的セクターと私的セクターの競争の大ファンです。競争は、野球がスカウトや統計から得た洞察をより良く組み合わせて選手の成長を予測するために急速に進化した大きな要因の一つです。しかし、野球における競争の指標は明確です：あなたは何試合勝ちましたか？ （あるいは、そうでない場合、あなたが費やした金額に対して、どれだけの試合に勝ったかということです。）天気予報の世界はもう少し複雑で、公共と民間の予報士には異なる目的があります。良い予報とは何でしょうか？「純粋な研究者は、ウェザー・チャンネルを見ているところを見られたくないでしょうが、実際には多くの人がこっそり見ています」と、ウェザー・チャンネル（TWC）の親しみやすい主任科学者で副社長のブルース・ローズ博士が教えてくれました。ローズ博士は、TWCの予報が政府のものよりも優れているとは言い切れませんが、異なるものであり、一般消費者のニーズにより焦点を当てていると主張しました。「モデルは通常、実際の天候要素をどれだけ正確に予測できるかで評価されるわけではありません」と彼は続けました。「ニューヨーク市で1インチの雨が降るのと、10インチの雪が降るのとでは、非常に重要な違いがあります。」これは一般消費者にとって大きな違いですが、科学者たちはその点にあまり興味を持っていないのです。実際、ローズ博士の多くの時間は、顧客が彼の予報をどのように解釈するかに関する非常に実用的で、やや平凡な問題に費やされています。たとえば、生の気象データを日常的な言葉に翻訳するアルゴリズムをどのように開発するかということです。「厳しい寒さ」とは何を意味するのか？「雪が舞う可能性」とは？「部分的に曇り」と「ほとんど曇り」の境界線はどこにあるのか？ウェザー・チャンネルはこれを解決する必要があり、あまりにも多くの予報を発表するため、臨機応変に言葉を決めるのではなく、正式なルールを確立する必要があります。時には、消費者に合わせて予報を調整する必要が滑稽な状況を生むこともあります。長年にわたり、ウェザー・チャンネルはレーダーマップで雨を緑色で示していました（時には激しい嵐のために黄色や赤色も使われました）。2001年のある時点で、マーケティング部門の誰かが雨を青色にするという素晴らしいアイデアを思いつきました。結局のところ、私たちが水の色として考える色だからです。ウェザー・チャンネルはすぐに、怒り狂った消費者からの電話攻撃に見舞われました。中には青い斑点を未知の降水（プラズマ嵐？放射性降下物？）と勘違いする人もいました。「それは核のメルトダウンでした」とローズ博士は言いました。「誰かが手紙を書いてきて、『何年も雨は緑だと言ってきたのに、今は青いのですか？これは一体何の狂気ですか？』と言っていました。」しかし、ウェザー・チャンネルは気象学を非常に真剣に受け止めています。そして、少なくとも理論上は、政府よりも良い予報を作れる可能性がある理由があります。ウェザー・チャンネルは、政府の生データを出発点として使用し、その上で自分たちが提供できる価値を追加することができるのです。問題は、「良い」予報とは何かということです。私はそれを単に「より正確な予報」と定義しています。しかし、いくつかの競合する考え方があり、それらは天気予報において重要です。 1993年にオレゴン州立大学の気象学者アラン・マーフィーが発表した影響力のあるエッセイでは、天気予報のコミュニティで一般的に使われている予測の質に関する三つの定義が提唱されました。マーフィーは、どの定義が優れていると主張しているわけではなく、むしろそれらについてのよりオープンで正直な議論を促進しようとしていました。これらの定義のバージョンは、予測や予言が行われるほぼすべての分野に適用できます。 マーフィーが述べた予測を評価する方法の一つ、恐らく最も明白な方法は、彼が「質」と呼んだもので、より正確には「精度」と定義されるべきものです。つまり、実際の天候は予測と一致していたのかということです。二つ目の指標は、マーフィーが「一貫性」と呼んだもので、私は「正直さ」と考えます。予測がどれほど正確であったとしても、それは予測者がその時点で可能な限り最善のものでしたか？それは彼女の最良の判断を反映していましたか、それとも公に提示される前に何らかの形で修正されていましたか？最後に、マーフィーは予測の経済的価値についても言及しました。それは公共や政策立案者がより良い意思決定を行うのに役立ったのでしょうか？ マーフィーの精度と正直さの区別は微妙ですが重要です。私が間違った予測をしたとき、私はしばしばその予測が当時の私の知識に基づいて最善のものであったかどうか自問します。時には、それが最善だったと結論づけることもあります。私の思考過程は健全で、リサーチを行い、良いモデルを構築し、問題の不確実性を慎重に特定していたからです。しかし、もちろん他の時には、何か気に入らない点があったことに気づくこともあります。重要な証拠を急いで却下してしまったかもしれません。問題の予測可能性を過大評価してしまったかもしれません。何らかの形で偏見があったり、誤ったインセンティブを持っていたかもしれません。 私は、予測が外れたときに自分を責めるべきだとは言っていません。むしろ、良い予測をした証拠の一つは、結果がどうであれ、あなたが平穏でいられることです—すべてがあなたの直接的なコントロール下にあるわけではありません。しかし、予測を行った際にどのような目的を持っていたのか自問する余地は常にあります。長期的には、マーフィーの精度と正直さの目標は、適切なインセンティブがあれば収束するはずです。しかし、時にはそうならないこともあります。 例えば、「マクラフリン・グループ」の政治評論家たちは、正確な予測を行うことよりもテレビで賢く見えることを重視していた可能性があります。彼らは合理的に行動していたかもしれません。しかし、もし彼らが特定の支持者層にアピールするためや、再度番組に呼ばれるために意図的に悪い予測をしていたのなら、マーフィーの予測における正直さの基準を満たしていませんでした。 マーフィーの三つ目の基準である予測の経済的価値は、さらに問題を複雑にすることがあります。ドクターに同情することもできますが、 ローズの主張は、例えば、都市の天気予報が氷点近くであれば、より注目されるべきであり、その降水が雨、氷、または雪として降る可能性があることを指摘しています。それぞれの天候は、朝の通勤や住民の安全に異なる影響を与えるからです。しかし、これは気象チャンネルがどこにリソースを集中させ、どのように重点を置くかという問題に過ぎません。予報の正確性や誠実さを必ずしも損なうものではありません。新聞はすべての記事が正確で誠実であることを目指しますが、どの記事を一面に掲載するかを決める必要があります。気象チャンネルも同様の決定を下さなければならず、予報の経済的影響はその判断の合理的な根拠となります。しかし、時には目標が対立し、商業的成功が正確性よりも優先されることもあります。 予報が悪化する競争 天気予報がその価値を示すために通過しなければならない基本的なテストは2つあります。1つ目は、気象学者が「持続性」と呼ぶもの、つまり明日の天気が今日と同じであるという仮定よりも良い結果を出さなければならないことです。2つ目は、特定の日に特定の地域での長期的な歴史的平均である気候学を上回らなければならないことです。これらは、リチャードソンやローレンツ、ブルーファイアが登場するずっと前から私たちの先祖が利用できた方法です。もしこれらを改善できないのであれば、高価なコンピュータの力はあまり役に立っていないということになります。私たちは、少なくとも第二次世界大戦まで遡る過去の天候結果に関する多くのデータを持っています。例えば、Wunderground.comにアクセスすれば、1978年1月13日午前7時のミシガン州ランシングの天気が18度で軽い雪、北東の風だったことを知ることができます。この日は私の誕生日です。しかし、過去の天気予報に関する情報を収集した人は比較的少数でした。その朝、ランシングで雪が予想されていたのか？これはインターネットで見つけることができると思われた数少ない情報の一つでしたが、実際には見つかりませんでした。2002年、エリック・フロアという起業家が、オハイオ州立大学のコンピュータサイエンスの卒業生で、MCIで働いていた彼は、この状況を変えました。フロアは、NWS（国立気象局）、気象チャンネル、AccuWeatherが発表した予報のデータを収集し始め、政府のモデルと民間の予報のどちらがより正確かを調べました。これは最初は彼自身の学びのためのものでしたが、すぐにForecastWatch.comという利益を上げるビジネスに進化しました。このサイトは、エネルギー取引業者（わずかな温度差が数万ドルに相当することもある）から学者まで、クライアント向けにデータを高度にカスタマイズしたレポートに再パッケージしています。フロアは、明確な全体的な勝者はいないことを発見しました。彼のデータによれば、AccuWeatherがわずかに最良の降水予報を持ち、気象チャンネルがわずかに優れた気温予報を提供し、政府の予報は全体的に堅実であることが示されています。 彼らは皆、かなり良い予測をしています。しかし、これらのモデルが時間を経るにつれて、精度はどんどん低下していきます（図4-6）。例えば、8日先の予測はほとんどスキルを示さず、持続性の予測には勝るものの、気候学的な予測とほとんど変わりません。そして、9日以上先の予測では、専門家の予測は実際に気候学的な予測よりも少し悪い結果となりました。 図4-6: 高温予測の比較 少し1週間を過ぎると、ロフトは私に言いましたが、カオス理論が完全に支配し、気象の動的記憶は自らを消去してしまいます。以下の比喩はやや不正確かもしれませんが、気象をNASCARのオーバルコースに例えると、さまざまな気象システムが個々の車としてトラックを走っていると考えると良いかもしれません。最初の数ダースのラップでは、車のスタート順を知っていれば、彼らが通過する順番をかなり良く予測できるはずです。私たちの予測は完璧ではありません—事故やピットストップ、エンジンの故障など、考慮しきれなかった要素があるからです—しかし、無作為な予測よりはずっと良いでしょう。しかし、すぐに速い車が遅い車を周回し始め、あっという間にフィールドは完全に混乱してしまいます。たとえば、2位の車が16位の車（まもなく周回される予定）や28位の車（すでに1回周回されており、再度周回される危険がある）と並走しているかもしれません。レースの初期条件について知っていたことは、ほとんど価値がなくなります。同様に、気象が循環するのに十分な時間が経過すると、気象パターンは初期の位置とほとんど似ていないため、モデルは役に立たなくなります。 それでも、フロイアの発見はいくつかの不安な疑問を提起します。もし7日または8日後にコンピュータモデルが本質的にゼロのスキルを示すのであれば、それは一つのことです。しかし実際には、彼らは負のスキルを示しており、私たちが自宅で長期的な気象平均の表を見ながら予測するよりも悪い結果を出しています。これはどういうことでしょうか？おそらく、コンピュータプログラムは気象システムに自然に存在するフィードバックに過敏に反応し、自らのフィードバックを生み出し始めるからです。もはやノイズの中に信号がないのではなく、ノイズが増幅されているのです。もっと大きな疑問は、これらの長期予測が役に立たないのであれば、なぜウェザー・チャンネル（10日間の予測を発表する）やアキュウェザー（さらに15日間の予測を行う）がそれを続けているのかということです。ローズ博士は、そうすることが本当に害を及ぼすわけではないと考えています。気候学に基づいた予測でさえ、消費者にとっては何らかの興味を引くかもしれないのです。 商業的な天気予報において、正確性の統計的現実が必ずしも支配的なパラダイムではありません。消費者の目に価値を加えるのは、むしろ正確性の認識です。たとえば、営利目的の天気予報業者は、消費者にとってあいまいで決断力に欠ける印象を与えるため、50％の降雨確率を予測することはほとんどありません。代わりに、コインを投げて60％に切り上げたり、40％に切り下げたりしますが、これにより予報は正確性が低く、誠実さも欠けることになります。 フロアは、天気業界で最も知られたくない秘密の一つとも言える、数値を誤魔化すより露骨な例を明らかにしました。ほとんどの商業的な天気予報は偏りがあり、おそらく意図的にそうなっています。特に、実際に降るよりも多くの降水量を予測する傾向があり、これを気象学者は「湿ったバイアス」と呼びます。政府の元データから離れ、消費者向けの予報になるほど、このバイアスは悪化します。予報は「正確性を減じる」ことで「価値を加える」のです。 予報がどれほど正確かを知るための最も重要なテストの一つは、キャリブレーションと呼ばれます。たとえば、あなたが40％の降雨確率を言ったとき、実際に雨が降ったのはどのくらいの頻度だったでしょうか？長期的に見て、実際に40％の確率で雨が降ったなら、あなたの予報は適切にキャリブレーションされています。しかし、実際には20％や60％だった場合、それは適切ではありません。キャリブレーションは多くの分野で達成が難しく、確率的に考える必要がありますが、これは私たち（特に「専門家」とされる予報士の多く）にはあまり得意ではないことです。過信を罰する傾向があり、これは多くの予報士に共通する特性です。また、完全に評価するためには多くのデータが必要で、予報士が何百もの予測を出したケースが求められます。 気象学者はこの基準を満たしています。彼らは毎日、何百もの都市の気温や降雨確率、その他の降水量を予測します。年間を通じて、彼らは数万件の予報を行います。このような高頻度の予報は、予報を評価する際だけでなく、予報士自身にとっても非常に役立ちます。彼らは自分たちが何か間違っているかどうかのフィードバックをたくさん受け取り、それに応じて方向を変えることができます。たとえば、特定のコンピュータモデルは、実際よりも多くの降雨を予測する傾向がありますが、このバイアスに気づけば修正できます。同様に、あなたの予報が過信に陥っているかどうかもすぐにわかります。実際、アメリカ国立気象局の予報は非常に良くキャリブレーションされていることがわかります。彼らが20％の降雨確率を示すとき、実際に20％の確率で雨が降ります。彼らはフィードバックをうまく活用しており、予報は誠実で正確です。 図4-7: 国家気象局のキャリブレーション 100% 90% 80% 70% 60% 50% 40% 観測頻度 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 予報確率 ウェザー・チャンネルの気象学者たちは、特定の条件下で少し誤魔化すことがあります。例えば、彼らが「雨の確率は20%」と言った場合、実際には約5%の確率でしか雨が降っていないことが多いのです。実際、これは意図的であり、ウェザー・チャンネルもそれを認めています。これは彼らの経済的なインセンティブに関係しています。人々は、雨を予測できなかったという一つのタイプのミスを、他の種類のミス、つまり誤報よりも強く意識します。予報通りに雨が降らなかった場合、彼らはピクニックを台無しにされたと気象予報士を非難しますが、予想外に晴れた日は思わぬボーナスとして受け取られます。これは良い科学とは言えませんが、ウェザー・チャンネルのローズ博士が私に認めたように、「もし予報が客観的で、降水にバイアスがゼロであれば、私たちはおそらく困ったことになるでしょう。」 それでも、ウェザー・チャンネルは比較的堅実な組織であり、多くの顧客は彼らが政府機関だと誤解しています。そして、彼らは大半の時間、かなり真面目に予報を行っています。彼らの湿ったバイアスは、雨が降る可能性が低いときにその確率を少し誇張することに限られています。例えば、実際には5%または10%の確率でしかないのに20%と言うことで、予期しない小雨が降った場合に備えているのです。それ以外の場合、彼らの予報はよく調整されています（図4-8）。例えば、彼らが「雨の確率は70%」と言った場合、その数字はそのまま受け取ることができます。 図4-8: ウェザー・チャンネルのキャリブレーション 100% 90% 80% 70% 60% 50% 40% 観測頻度 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 予報確率 問題が本当に深刻になるのは、天気がローカルネットワークニュースで報道されるときです。ここでは、バイアスが非常に顕著で、正確性と誠実さが大きな代償を払っています。カンザスシティは、天気予報にとって素晴らしい市場であるはずです。暑い夏、寒い冬、竜巻、干ばつがあり、主要なネットワークすべてに代表されるほどの規模があります。J.D.エグルストンという男性は、娘の5年生のクラスプロジェクトを手伝うためにローカルテレビの予報を追跡し始めました。エグルストンは、その分析が非常に興味深いことに気づき、7ヶ月間続けて結果を『フリーコノミクス』ブログに投稿しました。 テレビの気象予報士たちは、正確性にあまり重きを置いていませんでした。その代わり、彼らの予報は、インターネットから無料で取得できた国家気象局の予報よりもかなり悪いものでした。そして、彼らの予報は全く調整されていませんでした。エグルストンの研究によれば、カンザスシティの気象予報士が「雨の確率は100%」と言った場合、実際には約3分の1の確率で雨が降らなかったのです（図4-9）。 図4-9: 地元テレビの気象予報士のキャリブレーション 天気予報士たちは、このことについて謝罪することはありませんでした。「気象予報士の採用において、正確性の評価はありません。プレゼンテーションが正確性よりも優先されるのです」と、彼らの一人がエグルストンに語りました。「視聴者にとって、正確性は大した問題ではありません」と別の人が言いました。この態度は、すべてが楽しいことであり、少しの湿ったバイアスがあっても気にしないというもののようです。特にそれがより良いテレビ番組を作るのなら、なおさらです。そして、一般の人々は私たちの予報があまり良くないと思っているので、正確である必要があるのかと疑問に思うのです。この論理は少し循環的です。テレビの気象予報士たちは、一般の人々がどうせ信じないだろうから正確な予報をする気がないと言います。しかし、一般の人々は信じるべきではありません。なぜなら、予報が正確ではないからです。これは、ハリケーン・カトリーナのような緊急事態が発生したときに、より深刻な問題になります。多くのアメリカ人は、ハリケーンセンターから直接情報を得るのではなく、地元の情報源から天気情報を得ているため、チャンネル7の気象予報士に正確な情報を提供してもらうことに頼ってしまいます。気象予報士と一般の人々の間に相互不信があると、最も必要なときに人々が耳を傾けないかもしれません。 混沌の円錐 マックス・メイフィールドが議会で語ったように、彼は60年の人生のほとんどを通じて、カトリーナのような嵐がニューオーリンズを襲う準備をしていました。メイフィールドは、竜巻の巣であるオクラホマで厳しい天候の中で育ち、リスクを真剣に考える人々が戦闘計画を立てる空軍で予報のキャリアを始めました。彼が学ぶのに時間がかかったのは、国立ハリケーンセンターがその予報を一般の人々に伝えるのがどれほど難しいかということでした。「1989年のハリケーン・ヒューゴの後、私はフロリダ州立大学の行動科学者と話をしました。彼は、人々はハリケーン警報に反応しないと言いました。そして私は侮辱されました。もちろん、彼らは反応します。しかし、彼が絶対に正しいことを学びました。人々は『ハリケーン警報』という言葉だけには反応しません。人々は地元の公官から聞くことに反応します。避難所を開くタイミングや車線を逆転させるタイミングを決めるのは、予報士やテレビのアンカーではなく、地元の公官であるべきです。」 メイフィールドの指導の下、国立ハリケーンセンターは予報の提示方法にもっと注意を払うようになりました。ほとんどの政府機関のウェブサイトが、無料のAOL CDが郵送されていた時代から更新されていないかのように見えるのに対し、ハリケーンセンターはその製品のデザインに非常に気を使い、風速から嵐の高潮に至るまで、直感的かつ正確に情報を伝えるカラフルで魅力的なチャートを作成しています。また、ハリケーンセンターは予報の不確実性をどのように提示するかにも注意を払っています。 「不確実性は天気予報の基本的な要素です」とメイフィールドは言いました。「不確実性についての説明がなければ、予報は完結しません。」例えば、ハリケーンの予測進路を示す際に、単一の軌道線を示すのではなく、彼らのチャートには不確実性の円錐が目立つように表示されます。「一部の人はこれを混沌の円錐と呼びます」とメイフィールドは言いました。これは、ハリケーンの目が最も陸に上陸する可能性のある場所の範囲を示しています。メイフィールドは、これでも十分ではないのではないかと懸念しています。例えば、急激な洪水（しばしば嵐そのものよりも致命的です）が、嵐の中心から遠く離れた場所や、最大風速が収まった後に発生することがあります。2011年のハリケーン・アイリーンでは、ニューヨーク市でメディアの大騒ぎにもかかわらず、誰も亡くなりませんでしたが、テレビカメラがオフになった後、内陸のバーモント州で洪水によって3人が亡くなりました。ハリケーンセンターが通常行わないのは、都市の避難を行うべきかどうかといった政策ガイダンスを地元の公務員に発信することです。この機能は、州知事や市長、保安官や警察署長と連絡を取る国立気象局の122の地方事務所に委託されています。公式な理由は、ハリケーンセンターが地元の事務所の方が現地の文化や人々についての知識が豊富だと考えているからです。しかし、メイフィールドと話をする中で私が認識した非公式な理由は、ハリケーンセンターがその使命を明確に保ちたいからです。ハリケーンセンターとその唯一の機関がハリケーンの予報を発表し、その予報ができるだけ正確で誠実である必要があるため、潜在的な気を散らす要素を避ける必要があります。しかし、その冷淡なアプローチはニューオーリンズでは通用しませんでした。メイフィールドは電話をかける必要がありました。避難の決定は簡単ではありません。なぜなら、避難自体が致命的な場合もあるからです。2005年のハリケーン・リタの際、病院から避難する人々を乗せたバスがヒューストンを出発する際に炎上し、23人の高齢者が亡くなりました。「地元の管理者たちとのやり取りは本当に難しいです」とメイフィールドは言います。「彼らはこの確率的な情報を見て、それを決定に変えなければなりません。行くか、行かないか。はいか、いいえか。彼らは確率的な決定をして、それを決定的なものに変えなければなりません。」しかし、この場合、避難の必要性は明白で、メッセージは伝わっていませんでした。「ハリケーンセンターにはマシュー・グリーンという若者がいます。素晴らしい若者で、気象学の学位を持っています。交通機関の担当者と警告を調整しています。彼の母親はニューオーリンズに住んでいました。何らかの理由で、彼女は避難しようとしませんでした。ハリケーンや緊急管理について知識のある彼が、自分の母親を避難させることができなかったのです。」そこで、ハリケーンセンターはメキシコ湾岸の地元公務員に電話をかけ始めました。 2023年10月までのデータに基づいて訓練されています。 8月27日土曜日、カトリーナが襲来する2日前、天気予報が悪化した後に、メイフィールドはミシシッピ州のヘイリー・バーバー知事と話をしました。バーバー知事は、最も脆弱な地域に対して即座に強制避難命令を出しました。一方、ルイジアナ州のキャスリーン・ブランコ知事は、すでに非常事態を宣言していました。ブランコはメイフィールドに、反応が遅れているニューオーリンズ市長のレイ・ナギンに電話をかける必要があると伝えました。ナギンはメイフィールドの電話を逃しましたが、後で折り返し電話をかけてきました。「何を言ったか正確には覚えていません」とメイフィールドは私に語りました。「その2、3日間にたくさんのインタビューを受けましたが、確実に彼に言ったのは、『あなたには厳しい決断が必要で、大きな命の損失の可能性があります』ということです。」メイフィールドはナギンに、強制避難命令をできるだけ早く出すように伝えましたが、ナギンは躊躇し、代わりに自発的な避難命令を出しました。ニューオーリンズでは、それは「のんびりしていていい」という意味であり、強制避難命令だけが脅威の重大さを伝えるものでした。ほとんどのニューオーリニアンは、1965年にハリケーン・ベッツィが街を襲ったときには生まれておらず、当時生き残っていた人々は、定義上、すでにそれを乗り越えていました。「ベッツィを生き延びたから、今回も生き延びられる。私たちは皆、ハリケーンを乗り越えるんだよ」と、街に残った高齢者が後に公的機関に語りました。このような反応は典型的なものでした。カトリーナや他の嵐に関する研究では、ハリケーンを生き延びた経験があると、次回の避難をためらう傾向があることがわかっています。 ナギンが避難命令を出すのを遅らせた理由については議論があります。彼は、ホテルのオーナーがビジネスが中断された場合に市を訴えるかもしれないと懸念していた可能性があります。いずれにせよ、彼は日曜日の午前11時まで強制避難を呼びかけませんでした。その時点で、まだメッセージを受け取っていない住民たちは完全に混乱していました。ある研究では、避難を拒否した住民の約3分の1が避難命令をまったく聞いていなかったとされています。別の3分の1は命令を聞いたものの、明確な指示がなかったと言っています。 災害被害者への調査は必ずしも信頼できるものではありません。人々は大きな感情的ストレスの下で自分の行動の理由を明確に述べるのが難しいためです。また、少数の人々は、早期に何度も発表された避難命令を聞いていないと主張することがあります。しかし、この場合、ナギンは混乱の大部分に責任があります。もちろん、カトリーナに関しては多くの責任があり、ナギンだけでなくFEMAにも非難が向けられます。また、評価すべき点もあります。ほとんどの人々は避難しましたが、それはハリケーンセンターの正確な予報のおかげでもあります。もし1965年にベッツィが堤防を越えていたら、信頼できるハリケーン予報が可能になる前だったため、死者数はカトリーナの時よりもさらに多かったでしょう。しかし、カトリーナからの教訓の一つは、正確さが予報者にとって最良の方針であるということです。 予測における「原罪」とは、政治的な意図や個人的な名声、経済的利益を予測の真実よりも優先させることです。時には善意から行われることもありますが、常に予測を悪化させる結果になります。ハリケーンセンターは、こうした要素が予測に影響を与えないよう、できる限り努力しています。興味深いことに、この本で紹介される予測の失敗と対照的に、彼らの予測は過去25年間で350％も精度が向上しています。「予測者の役割は、可能な限り最良の予測を作成することです」とメイフィールドは言います。それは非常にシンプルなことですが、さまざまな分野の予測者たちはしばしばこれを誤ってしまいます。 信号を必死に探して 2009年4月のある寒い日曜日の夜、イタリアのラキラの住民たちは就寝の準備をしていると、遠くの貨物列車の轟音のような微弱な揺れを感じました。最初の地震は現地時間の午後11時前に発生し、マグニチュードは3.9で、神経をざわつかせ物を動かすには十分な強さでしたが、それ以上の影響はありませんでした。二回目の揺れはさらに弱く、マグニチュード3.5で、ぐっすり眠っている人を起こすには至らないものでした。しかし、ラキラは地震に対して敏感でした。この町はアペニン山脈のふもとに位置し、スキーリゾートや中世の城壁で知られていますが、最近異常に多くの地震が発生していました。その日曜日の二回の揺れは、約1週間の間に発生したマグニチュード3以上の地震のうち、7回目と8回目にあたります。この地域では小さな地震は珍しくありませんが、通常はその発生頻度はもっと低く、2、3ヶ月に1回程度です。ところが、今回はほぼ100倍の頻度で発生していました。 一方、山を越えたスルモーナの住民たちは、自分たちも地震の恐怖を経験したばかりでした。イタリア国立核物理学研究所で働く技術者ジャンパオロ・ジュリアーニは、地域で異常に高いラドン濃度を検出したと主張しました。彼はこれが地震の前兆である可能性があると考え、スルモーナの市長に3月29日の午後に地震が起こると伝えました。市長はその予測に感銘を受け、スピーカーを搭載したバンを町中に走らせ、住民に警告を発しました。しかし、その日スルモーナには地震は発生しませんでした。予測が外れた後、ジュリアーニは「不必要な警報を引き起こした」として地元当局に通報されました。これは、混雑した劇場で火事を叫んだようなものでした。彼はさらなるパニックを引き起こすことを恐れ、インターネットから予測を削除せざるを得ませんでした。 ラキラの当局は住民に対し、地震の群発は心配する必要はないと伝えました。イタリアの民間防護部門の副部長ベルナルド・デ・ベルナルディニスは、断層がエネルギーを放出しているため、主要な地震の脅威が減少していると説明しました。彼は記者と同意し、リラックスしてワインを楽しむべきだと述べ、地元の特産品であるモンテプルチアーノを勧めました。 大きな地震がラキラを襲いました。マグニチュード6.3で、現地時間の月曜日の午前3時32分に発生しました。地震は家屋を基礎から揺さぶり、屋根を崩落させ、家具を飛ばすようなもので、300人以上の住民が命を落とし、さらに65,000人が家を失い、160億ドル以上の損害を引き起こしました。 ラキラはもっと備えておくべきでした。この街は、アフリカプレートがユーラシアプレートの下にゆっくりと滑り込む、特に激しいタイプの断層である沈み込み帯の近くに位置しています。最初の重要な地震は1315年に記録され、その後も1349年、1452年、1461年、1501年、1646年、1703年、1706年と続きました。最も深刻な地震は1786年に発生し、5,000人以上が亡くなりました。その都度、教皇の直接の命令で町は再建され、住民が戻ってきました。それ以来、ラキラは200年以上も運命を試してきました。1958年には地震がありましたが、マグニチュード5.07と比較的小さく、町の最年長の住民しか覚えていないでしょう。2009年の地震ははるかに強力でした。マグニチュードスケールは対数的であり、1ポイントの増加はエネルギー放出が32倍になったことを示します。したがって、2009年のマグニチュード6.3の地震は、1958年の地震の約75倍の強さでした。また、2009年の地震は、その日の夕方にラキラが経験した前震に比べて約3,000倍も強力でした。それでも、2009年の地震はイタリアの基準では大きかったものの、世界的なスケールではほんの小さな揺れに過ぎませんでした。2011年に日本を襲った地震はマグニチュード9.0または9.1で、ラキラの地震の約11,000倍の強さでした。そして、信頼できる推定が可能になって以来記録された最大の地震は1960年にチリを襲ったもので、マグニチュード9.5で、ラキラの地震の約60,000倍の強さでした。 では、なぜラキラという裕福で工業化された国の比較的豊かな町が、これほどの損害を受けたのでしょうか。一つの理由は、町の地質です。ラキラは古代の湖底の上に位置しており、地震の揺れを増幅させる傾向があります。メキシコシティも古代の湖底の上に建設されており、1985年には震源から200マイル以上離れた場所で発生した地震により1万人が亡くなりました。しかし、主な理由は、町が地下15キロメートルに潜む地震の危険に対して complacent（無防備）になってしまったことです。適切な地震対策、建築基準、緊急物資、地域の訓練など、必要な準備が整っていませんでした。何世紀も前の建物だけでなく、2000年に建設されたばかりの病院の一部を含む多くの現代的な建物も地震で倒壊しました。少しの警告があれば、無数の命が救われたことでしょう。ジャンパオロ・ジュリアーニがその警告を提供していたのでしょうか？ イタリアのタブロイド紙では、彼は一種の天才であり殉教者となっていた。穏やかな口調で乱れた服装をし、地元のサッカーチームの色を身にまとっていることが多かった彼は、謙虚な公務員や物忘れの激しい教授の役割を演じていた。彼の洞察は科学界に無視されていたと主張していた。彼は、友人や家族にラキラ地震について警告していたと主張し、他の人々に伝えることを妨げられたのは警察の命令によるものだと言った。彼は当局に謝罪を求めたが、それは自分自身へのものではなく、ラキラの人々へのものであると強調した。実際、ジュリアーニが地震を予測していたわけではなかった。彼の予測は非常に具体的で、ラキラではなくスルモーナがより危険であり、地震は4月ではなく3月に起こるとされていた。実際、彼は地元の新聞に危険は過ぎ去ったと提案していた。「概念を簡単にするために」と彼は言い、月のサイクルについての長い説明に入る前に、「地球と月のシステムが近日点に訪れた…地球からの最小距離で、金星と整列している…私は市民の皆さんを安心させられると思います。なぜなら、3月の終わりとともに群発地震は減少するからです」と述べた。 金星との近日点？ラドンガス？これらは地震と何の関係があるのか？そして、ジュリアーニのスルモーナでの失敗した予測はどうなるのか？それは重要ではなかった。災害が襲うとき、私たちは周囲の混乱を説明するための信号を探す—私たちの周りに見える混沌を理解し、再び世界に秩序をもたらすための何かを。ジュリアーニの長々とした説明は、利用できる中で最も近いものであった。地震ほど私たちの秩序感覚を揺るがす災害はない。地震は文字通り私たちの基盤を揺さぶる。ハリケーンは天から降り注ぎ、時には神の摂理の比喩と結びつけられることもあるが、地震は地表の深いところから発生し、しばしば神の怒りや「無関心」、あるいは存在しないことの兆候と見なされる。（1755年のリスボン地震は、世俗哲学の発展に大きな火花を与えた。）ハリケーンは、洪水、竜巻、火山と共に、しばしば事前に予測可能であるのに対し、地震は何世紀にもわたる予測の試みに逆らってきた。 魔法のヒキガエルと聖杯の探求 カリフォルニア州パサデナは、地震研究の世界的な中心地として長い歴史を持っている。ここにはカリフォルニア工科大学があり、チャールズ・リヒターが1935年に彼の有名な対数スケールを開発した。アメリカ地質調査所（USGS）もここにフィールドオフィスを持ち、ほとんどの地震専門家がここに住んでいる。私は2009年9月に、USGSのトップ地震学者の一人であり、地震予測に関するいくつかの本を執筆しているスーザン・ハフ博士に会うために訪れた。彼女はジュリアーニのテレビインタビューを疑いの目で見ており、ジュリアーニと彼に注目が集まることを批判する痛烈な社説をニューヨーク・タイムズに寄稿していた。 ハフの社説では、ジュリアーニの成功は単なる偶然であると主張されました。「ジュリアーニ氏の予測が実現したように見えるので、一般の人々はそのことを耳にしましたが、実際には多くの他の（間違った）予測があり、それについては誰も聞いていません」と彼女は書いています。「何百人もの人々が予測を試み、年間何百回も地震が発生するのですから、必ず誰かが当たることになるでしょう。」ジュリアーニのラドンガスや月のサイクルに関する理論は、資格を持つ地震学者によって何度も調査されており、地震を予測する能力はほとんどないことが示されています。ジュリアーニは運が良かったのです。シェイクスピアをタイプした猿や、ワールドカップを予測したタコのように。 ハフのオフィスは、カリフォルニア工科大学のキャンパスの静かな一角にあり、学生よりもユーカリの木が多い場所にあります。私が彼女に会ったとき、彼女はトルコで地震の断層システムを研究して帰ってきたばかりで、少し疲れた様子でした。彼女は柔らかな顔立ちで、くせ毛があり、目は暗く、疲れていて—懐疑的です。「あなたの本業は何ですか？」と、挨拶を交わして数分後に彼女は私に尋ねました。ある時、彼女はデスクからポケットサイズの地球儀を取り出しました。空港の土産物店で買ったようなものでした。彼女は人差し指で地球儀の表面に線を引き、対馬海峡から東南東に向かって描きました。「ここに本当に集中しています—南中国からギリシャにかけて」とハフは説明しました。これは世界で最も破壊的な地震の帯を指しています。「ここは複雑な地震帯で、脆弱な構造の建物がたくさんあります。テヘランの下で大きな地震が起きれば、100万人が死ぬ可能性があります。」 実際、現代史におけるほとんどすべての致命的な地震（図5-1）は、ハフが示した経路に沿って発生しており、その経路は中東の文明の揺りかごを通り、地球上で最も人口密度の高い地域、つまり中国やインドを通過しています。これらの地域はしばしば貧しく混雑しており、300年に一度の大災害に備える余裕がありません。しかし、地震が発生すると死者数は数十万人に達することがあります。 図5-1：1900年以降の最も致命的な地震 地震は実際にはハリケーンよりも多くの人命を奪いますが、見た目には稀な現象のように思えます。おそらく、それは地震が成功裏に予測されることが非常に少ないからでしょう。ハリケーンの上陸位置は、25年前よりも少なくとも3倍正確に予測できるようになっていますが、地震予測の科学は、9世紀の日本がナマズの行動を見て地震を予測できると主張して以来、ほとんど進化していないようです。 （牛、豚、ウナギ、ネズミ、セキセイインコ、カモメ、カメ、金魚、そしてヘビは、地震の前に異常な行動を示すことがあると、さまざまな時期に報告されています。）ジュリアーニのような変わり者が真剣に受け止められているのは、イタリアのタブロイド紙だけではありません。カリフォルニア地震予測委員会は、毎年数百件の未請求の地震予測を受け取っており、そのほとんどは、同機関によれば「家庭のペットの奇妙な行動、直感、アガサおばさんの痛む足の指、または科学者たちが理解できない他の神秘的な兆候や前兆について論じている」とのことです。一方で、学術誌に掲載される内容の中には、古代日本の民間伝承と区別がつかないものもあります。2010年に比較的権威のある『動物学ジャーナル』に掲載された論文では、ラキイラから50マイル離れた池のヒキガエルが、そこでの大地震の5日前に産卵をやめたと観察されています。驚くべきことに、これは彼らが地震を予測した証拠だと主張していました。このような研究がハフを疲れさせます。「1970年代に遡ってみると、人々は何かアイデアを思いつき、楽観的になり、10年待つとその方法が否定されるということが繰り返されてきました」と彼女は私に語りました。「10年後には新しい方法が出てきて、また10年後にはそれが否定される。そういうテーマを感じざるを得ません。今やほとんどのトップ科学者は、存在しないかもしれない聖杯を追い求めることが賢明ではないと知っています。」 しかし、ジュリアーニの金星との遭遇やヒキガエルの話は簡単に無視できるとしても、地震を予測する方法は本当に全くないのでしょうか？大地震が襲う直前のラキイラ周辺の小さな地震の群発はどうだったのでしょう？それは単なる偶然だったのでしょうか？地震学のコミュニティは非常に保守的なことで知られています。たとえば、プレートテクトニクスの理論を受け入れるのが非常に遅かったのです。この理論は、地球の大陸プレートの移動が地震の主な原因であるという、現在広く受け入れられている考え方ですが、1912年に提案されたにもかかわらず、1960年代までその教義に組み込まれることはありませんでした。ハフの懐疑心は皮肉に変わってしまったのでしょうか？アメリカ地質調査所（USGS）の公式な立場はさらに明確です：地震は予測できない。「USGSもカリフォルニア工科大学も、他の科学者たちも、重大な地震を予測したことはありません」とそのウェブサイトは主張しています。「彼らはその方法を知らず、近い将来にその方法を知ることも期待していません。」 地震は予測できない？これは予測に関する本であり、予測を行う本ではありませんが、私は思い切って予測します：来年、日本での地震の数はニュージャージーよりも多くなるでしょう。そして、今後100年の間に、カリフォルニアのどこかで大地震が発生することを予測します。USGSも私も、ある意味で言葉遊びをしています。「予測」と「予報」という用語は、異なる分野で異なる使われ方をします。場合によっては互換性がありますが、他の分野では区別されています。どの分野も、これほど敏感なものはありません。 地震学に関する区別についてですが、地震学者と話すときには次のようなことを理解しておくと良いでしょう。 1. 予測とは、いつどこで地震が発生するかについての明確で具体的な声明です。例えば、「大規模な地震が日本の京都で6月28日に発生する」といった具合です。 2. 一方、予報とは、通常は長期的な時間スケールにわたる確率的な声明です。例えば、「今後30年間で南カリフォルニアで地震が発生する確率は60%です」といった内容です。 米国地質調査所（USGS）の公式見解は、地震は予測できないというものですが、予報は可能です。 地震の振る舞いについて私たちが知っていること USGSのウェブサイトを探ると、地震を予報するための多くのツールが提供されていることがわかります。その中でも特に便利なのは、アメリカ合衆国の任意の地点の緯度と経度を入力すると、その場所での長期的な地震の確率を推定してくれるアプリケーションです。図5-2には、USGSのウェブサイトが提供するさまざまな主要なアメリカの都市における地震の確率を示しています。カリフォルニアが非常に地震活動が活発であることは皆さんご存知でしょう。USGSは、マグニチュード6.8以上の地震がサンフランシスコで約35年ごとに発生すると推定しています。また、アラスカが多くの地震を経験していることもご存知の方が多いでしょう。記録された中で2番目に大きな地震、マグニチュード9.4は1964年にアンカレッジを襲いました。 図5-2：選ばれたアメリカの都市の50マイル半径内での大規模（マグニチュード6.75以上）地震の頻度 - アンカレッジ：30年に1回 - サンフランシスコ：35年に1回 - ロサンゼルス：40年に1回 - シアトル：150年に1回 - サクラメント：180年に1回 - サンディエゴ：190年に1回 - ソルトレイクシティ：200年に1回 - ポートランド（オレゴン州）：500年に1回 - チャールストン（サウスカロライナ州）：600年に1回 - ラスベガス：1,200年に1回 - メンフィス：2,500年に1回 - フェニックス：7,500年に1回 - ニューヨーク：12,000年に1回 - ボストン：15,000年に1回 - フィラデルフィア：17,000年に1回 - セントルイス：23,000年に1回 - アトランタ：30,000年に1回 - デンバー：40,000年に1回 - ワシントンDC：55,000年に1回 - シカゴ：75,000年に1回 - ヒューストン：100,000年に1回 - ダラス：130,000年に1回 - マイアミ：140,000年に1回 しかし、サウスカロライナ州のチャールストンについてはご存知でしたか？ここも地震活動が活発で、実際に1886年にはマグニチュード7.3の地震が発生しました。USGSは、ここでまた大きな地震が約600年ごとに発生すると推定しています。シアトルに住んでいるなら、地震対策を考えておくべきでしょう。USGSによれば、シアトルはカリフォルニアの多くの地域よりも地震が発生しやすいのです。しかし、デンバーに住んでいるなら、地震の心配はあまり必要ありません。デンバーは大陸の境界から安全な距離にあります。 地震を予測することが不可能だという立場の組織にしては、非常に具体的で使いやすい情報が多いように思えます。しかし、USGSの予報は、グーテンベルク・リヒターの法則という広く受け入れられている地震学的ツールを用いています。この理論は、1944年にチャールズ・リヒターと彼のカリフォルニア工科大学の同僚ベノ・グーテンベルクによって開発され、地震に関する経験的な統計に基づいています。 地震の大きさと発生頻度の間には、比較的単純な関係があるとされています。地震の大きさとその発生頻度を比較すると、大きさが増すにつれて発生数が指数関数的に減少することがわかります。壊滅的な地震は非常に少ない一方で、毎年世界中で約130万回、マグニチュード2.0から2.9の小さな地震が発生しています。「これらの地震のほとんどは、人間にはもちろん、地震計でも検出されないことが多いです。しかし、マグニチュード4.5以上の地震は、場所がどれほど遠くても、ほぼすべてが記録されています。図5-3aは、1964年1月から2012年3月までの実際の地震記録に基づく、地震の発生頻度の指数関数的な減少を示しています。 図5-3A: 世界の地震発生頻度、1964年1月～2012年3月 これらの地震を少し異なる方法でグラフにすると、驚くべき規則性が見られます。図5-3bでは、異なるマグニチュードの地震の頻度を示す縦軸を対数スケールに変更しました。すると、地震はグラフ上でほぼ直線を形成します。このパターンは、パワー・ロー分布として知られる特性であり、リヒターとグーテンベルクが発見した関係です。 図5-3B: 世界の地震発生頻度、1964年1月～2012年3月（対数スケール） この分布に従うものは非常に有用な特性を持っています。つまり、小規模なイベントの数から大規模なイベントの数を予測できるのです。地震の場合、マグニチュードが1ポイント増えるごとに、地震の発生頻度は約10倍減少します。例えば、マグニチュード6の地震は、マグニチュード7の地震よりも10倍頻繁に発生し、マグニチュード8の地震よりも100倍頻繁に発生します。さらに、グーテンベルク・リヒターの法則は、地球全体だけでなく、地域ごとにも一般的に成り立ちます。例えば、イランのテヘランで地震の予測を行いたいとしましょう。幸いなことに、地震計測が始まって以来、壊滅的な地震は発生していません。しかし、中規模の地震はいくつかあり、1960年から2009年の間に、都市周辺でマグニチュード5.0から5.9の地震が約15回発生しました。これは約3年に1回の頻度です。グーテンベルクとリヒターが発見したパワー・ローによれば、マグニチュード6.0から6.9の地震は、テヘランで約30年に1回発生することになります。 さらに、テヘラン近郊では、マグニチュード7.0以上の地震が約300年ごとに発生するということが分かります。これはスーザン・ハフが恐れている地震です。2010年のハイチ地震はマグニチュード7.0で、316,000人が亡くなりましたが、発展途上国における地震の壊滅的な影響を示しています。イランはハイチと同様の問題を抱えています—貧困、緩い建築基準、政治的腐敗—しかし、人口密度ははるかに高いです。米国地質調査所（USGS）は、イランの小規模な地震による高い死者数を基に、テヘランの人口の15％から30％が大規模な地震が発生した場合に死亡する可能性があると推定しています。テヘランの都市圏には約1300万人が住んでいるため、これは200万から400万人の死亡者を意味します。グーテンベルク・リヒターの法則が教えてくれないのは、地震がいつ発生するかということです。（最近地震が発生していないからといって、テヘランが「地震の時期に来ている」とは示唆していません。）イランやハイチのような国々は、300年ごとに一度の出来事に対して予備計画を立てる余裕はありません。グーテンベルク・リヒターの法則を用いて作成された地震予測は、その地域の危険度を示す良い一般的な指針を提供します。しかし、統計記録だけから導き出された天気予報（ロンドンでは3月に35％の確率で雨が降る）と同様に、必ずしも実行可能な情報にはなりません（傘を持って行くべきか？）。地質学的な時間スケールは数世紀や数千年にわたりますが、人間の寿命は数年で測られます。 信号の誘惑 地震学者が本当に興味を持っているのは、スーザン・ハフが「地震学の聖杯」と呼ぶ、時間依存型の予測です。これは、地震の発生確率が時間にわたって一定であるとは仮定しないものです。時間依存型の地震予測を作成する可能性に懐疑的な地震学者でさえ、地震の分布にはいくつかのパターンがあることを認めています。最も明白なのは、余震の存在です。大きな地震の後には、ほぼ必ず数十回、あるいは数千回の余震が続きます（2011年の日本の地震では、少なくとも1,200回の余震が発生しました）。これらの余震は、ある程度予測可能なパターンに従います。余震は地震直後に発生する可能性が高く、数日後よりも数週間後に発生する可能性が低いです。しかし、これは命を救うためにはあまり役立ちません。なぜなら、余震は定義上、常に初期の地震よりも弱いからです。通常、特定の断層が十分に強力な地震を引き起こすと、いくつかの余震が発生し、その後しばらくは静かになります。しかし、これは常にそうとは限りません。 しかし、例えば、1811年12月16日にミズーリ州とテネシー州の境界にあるニューマドリッド断層で発生した、マグニチュード8.2と評価された非常に強力な地震は、わずか6時間後にほぼ同じマグニチュードの別の揺れが続きました。そして、この断層はまだ静まっていませんでした。12月16日の地震の後には、1月23日にマグニチュード8.1の地震が続き、さらに2月7日にはマグニチュード8.3という、さらに強力な地震が発生しました。どれが前震で、どれが後震だったのでしょうか？その解釈は、他のどの解釈と同様に無意味です。もちろん、問題は、私たちが地震を事前に予測できるかどうかです。前震と後震を事前に区別できるのでしょうか？時間と空間における地震の分布を示すデータを見ると、ノイズの中に何らかの信号がある可能性に誘惑されます。例えば、図5-4aは、2006年から2009年にかけて、イタリアのラクイラ近くで発生した地震の分布を示しています。このチャートのデータは、主な地震を示す大きな黒い円を除いて、すべて主な揺れの前に発生した地震を示しています。ラクイラの場合、明確なパターンがあるようです。2009年初頭の主な揺れの直前に、マグニチュード4程度の大きな地震のクラスターが発生しており、これはその地域の背景的な地震活動のレートよりもはるかに高いものでした。 より議論の余地があるのは、2011年の日本の地震です。東北地方の地震に関するプロットを作成すると（図5-4b）、まず第一に、イタリアよりもはるかに地震活動が活発であることがわかります。しかし、そこに地震のタイミングにパターンはあるのでしょうか？いくつかのパターンがあるようです。例えば、2008年中頃にマグニチュード5.5から7.0の間の地震のクラスターがありますが、これらはより大きな地震を引き起こすことはありませんでした。しかし、2011年3月9日には、マグニチュード7.5の特に大きな前震があり、これは約50時間後にマグニチュード9.1の東北地震が発生しました。ただし、主要な地震の約半数は、明確な前震に先行されることはありません。ハイチの地震はその一例です（図5-4c）。カリブ海のほとんどの地域では計測機器があまり良くないため、マグニチュード2や3の地震の記録はありませんが、アメリカや他の地域の地震計は、マグニチュード4以上のものは検出できるはずです。この地域でマグニチュード4の地震が最後に発生したのは2005年で、2010年にマグニチュード7.0の地震が発生する5年前のことでした。全く警告はありませんでした。 図5-4C: ハイチ・レオガン近くの地震 2000年1月1日～2010年1月12日 事態をさらに複雑にするのは、重大な揺れに至らない地震活動の増加による偽の警報です。地震学者にとってよく知られている一例は、2008年初頭にネバダ州リノ近くで発生した一連の小さな地震です。このリノの地震群は、2009年のラクイラのものと非常に似ています。しかし、結局大きな地震には至らず、この一連の中で最大の地震はマグニチュード5.0に過ぎず、その後に大きな地震は起こりませんでした。 図5-4D: ネバダ州リノ近くの地震 2006年1月1日～2011年12月31日 これは、地震学者が観測するデータの煩わしい多様性のほんの一端に過ぎません。それは、完全にランダムでもなく、完全に予測可能でもない、いわば煉獄のような状態に存在しているようです。もしかすると、これにより私たちは少なくとも半歩前進し、地震予測において何らかの進展を遂げることができるかもしれません—たとえ確実な予測には至らなくても。しかし、地震予測の試みの歴史は、ほぼ完全な失敗の記録です。 失敗した予測の行進 ハフの2009年の著書『予測不可能なものを予測する: 地震予測の激動の科学』は、地震予測の試みの歴史を記したものであり、その取り組みに対する評価は、フィル・テトロックの政治評論家に対する研究と同様に厳しいものです。進展はまったく見られず、多くの偽の警報がありました。 ペルー・リマ より悪名高いケースの一つは、MITの博士号を持ち、コロラド鉱山学校で働いていた地球物理学者ブライアン・ブレイディに関するものでした。ブレイディは、1981年にペルー・リマでマグニチュード9.2の地震—記録された歴史の中で最大の地震の一つ—が発生すると主張しました。彼の予測は、当初は地震学界で一定の支持を得ていました—その初期のバージョンはUSGSの科学者と共著されていました。しかし、理論がより複雑になるにつれて—ブレイディは鉱山の研究で観察した岩の爆発からアインシュタインの相対性理論に至るまで、すべてを理論の支持に引き合いに出すようになりました—同僚たちは彼に、その理論は彼らの理解を超えていると伝え始めました。これは、彼が狂っていると言うための丁寧な言い回しでした。最終的に、彼はマグニチュード9.2の地震がペルーでの壮大な一連の地震の一つに過ぎず、1981年8月には記録された歴史の中で最大のマグニチュード9.9の地震が起こると予測しました。 この予測はペルーのメディアに漏れ、住民を恐怖に陥れました。この真剣そうなアメリカの科学者は、彼らの首都が廃墟になると確信していました。ペルー赤十字が災害に備えて10万の遺体袋を要求したと報じられると、彼らの恐怖はさらに強まりました。観光業や不動産の価値は下落し、アメリカも影響を受けました。 政府は最終的に、ペルーに科学者と外交官のチームを派遣し、緊張を和らげる努力をしました。1981年に「大ペルー地震」が発生しなかった（あるいは小さな地震すらなかった）ことは、新聞の一面を飾りました。 カリフォルニア州パークフィールド リマが、誤報が人々に心理的および経済的な大きなコストをもたらす可能性があると警告していたとしても、地震学者たちが「聖杯」を求めるのを止めることはありませんでした。ブレイディはある意味で孤独な存在でしたが、地震予測にはUSGS（アメリカ地質調査所）や他の地震学コミュニティからの明確な支持があったケースもありました。しかし、これらの努力もあまりうまくいきませんでした。世界で最も研究された地震帯の一つがカリフォルニア州パークフィールドで、サンアンドレアス断層に沿ってフレズノ、ベイカーズフィールド、そして次のイナウトバーガーの出口の間に位置しています。パークフィールドでは、1857年、1881年、1901年、1922年、1934年、1966年と、約22年ごとに地震が発生していました。USGSが後援した論文は、この傾向を前方に予測し、1983年から1993年の間に、最も可能性が高い1988年に次の地震が発生する確率を95％と予測しました。しかし、パークフィールドで次に発生した重要な地震は2004年まで起こらず、予測の範囲を大きく外れていました。間違っていただけでなく、パークフィールドの予測は地震に関する一般的な誤解を強化するようにも思えました。それは、地震が定期的に発生し、ある地域がしばらく地震を経験していない場合には「次が来る時期が来ている」と考えられることです。地震は断層線に沿ったストレスの蓄積から生じます。ストレスが蓄積され、噴水のように噴き出すまで続くことがあるかもしれませんが、断層系は複雑です。カリフォルニアのような地域は複数の断層に関連しており、それぞれの断層には独自の枝や支流があります。地震が発生すると、ある断層の一部のストレスを解放するかもしれませんが、それを隣接する断層に移動させたり、同じ断層の遠く離れた部分にまで影響を及ぼすこともあります。さらに、断層のストレスは直接観察することが難しく、地震が発生するまでわかりません。つまり、サンフランシスコで35年ごとに大地震が予測されている場合、それが均等に間隔をあけて発生することを意味するわけではありません（1900年、1935年、1970年のように）。毎年1/35の確率で地震が発生する可能性があると考える方が安全であり、この確率は最後の地震からどれだけ時間が経ってもあまり変わらないのです。 カリフォルニア州モハーヴェ砂漠 ブレイディとパークフィールドの失敗は、しばらくの間、地震予測の努力を抑制するように思えました。しかし、2000年代に入ると、新しい統計的手法に基づく地震予測が流行し、再び注目を集めました。その一つの方法は、ロシア生まれの数学的地球物理学者ウラジミール・ケイリス＝ボロクによって提案されました。彼は現在80代後半で、UCLAで教えています。 ケイリス＝ボロクは、地震がどのように発生するかという理論の進展に大いに貢献しました。彼が初めて注目を集めたのは1986年、レイキャビクでミハイル・ゴルバチョフと行った首脳会談の際に、レーガン大統領にアメリカで今後5年以内に大地震が起こると予測したメモが手渡された時でした。この出来事は、1989年にサンフランシスコを襲ったロマ・プリエタ地震として解釈されました。 2004年、ケイリス＝ボロクと彼のチームは地震予測において「大きな突破口」を開いたと主張しました。彼らは、特定の地域での小さな地震からパターンを特定することで、大きな地震を予測できると述べました。ケイリス＝ボロクがこれらのパターンを特定するために用いた方法は複雑で不透明であり、過去の地震を8つの方程式の系列で表現し、それぞれの方程式を時間と空間のあらゆる考えられる間隔で組み合わせて適用しました。しかし、チームは彼らの方法が2003年にカリフォルニア州サン・シメオンと日本の北海道で発生した地震を正しく予測したと主張しました。サン・シメオンと北海道の予測が事前に公に伝えられたかどうかは不明であり、レキシス・ネクシスの新聞データベースを調べても2003年にそれらの言及は見当たりませんでした。予測手法の成功を評価する際には、「過去の予測」と「未来の予測」を区別することが重要です。過去を予測することは矛盾であり、明らかに成功としてカウントすべきではありません。 しかし、2004年1月までにケイリス＝ボロクは別の予測を公にしました。それは、南カリフォルニアのモハーヴェ砂漠のある地域で、次の9ヶ月以内にマグニチュード6.4以上の地震が発生するというものでした。この予測は広く注目を集め、ケイリス＝ボロクは『ディスカバー』誌や『ロサンゼルス・タイムズ』、その他の主要な出版物に取り上げられました。シュワルツェネッガー知事のオフィスからも連絡があり、緊急パネルが招集されました。アメリカ地質調査所（USGS）でさえも、彼らのウェブサイトで「ケイリス＝ボロクチームの研究は地震予測研究に対する正当なアプローチである」と認めました。しかし、その年、モハーヴェ砂漠で大きな地震は発生せず、実際にはほぼ10年後の今でも発生していません。ケイリス＝ボロクチームはカリフォルニア、イタリア、日本の地震について予測を続けていますが、成功はほとんどありません。2010年の分析では、彼らが事前に明確に述べた予測の中で3回の的中と23回の外れが見つかりました。 インドネシアのスマトラでは、特定のマグニチュードの地震がその地域で起こる可能性が低い、あるいは不可能と見なされている場合に、実際に地震が発生するという別のタイプの誤りがあります。ケイリス＝ボロクの元学生で、現在カリフォルニア州立大学フラートン校の地質科学科の主任を務めるデビッド・ボウマンは、2004年のスマトラ大地震（マグニチュード9.2の壊滅的な災害で、23万人が死亡した）を受けて、地震予測の努力を倍増させました。ボウマンの技術は… ボウマンのアプローチは、ケイリス＝ボロクのものと同様に数学的な要素が強く、中規模の地震を利用して大規模な地震を予測するものでした。しかし、ボウマンの方法はより洗練されており、野心的で、「加速モーメント解放」という理論を提唱しました。この理論は、断層系の異なる地点でのストレスの量を定量化しようとするものでした。ケイリス＝ボロクのアプローチとは対照的に、ボウマンのシステムは、断層の任意の部分で地震が発生する可能性を予測することを可能にしました。したがって、彼は地震がどこで発生するかだけでなく、どこで発生しにくいかも予測していたのです。ボウマンと彼のチームは初期の成功を収めました。2005年3月に発生したマグニチュード8.6の大規模な余震は、彼の方法が高リスクと特定した地域で震源地が確認されました。しかし、彼が2006年に発表した論文では、インドネシアのベンクル州に隣接するインド洋の別の断層部分で地震のリスクが特に低いことも示唆されていました。ちょうど1年後の2007年9月、その地域で一連の地震が発生し、最終的にはマグニチュード8.5に達しました。幸いにも、地震は沖合で発生したため、死者は少なかったものの、ボウマンの理論には大きな打撃となりました。 2007年のモデルの失敗の後、ボウマンは予測者が非常に稀に行うことをしました。失敗を運が悪かったせいにするのではなく（彼のモデルはベンクル近くでの地震の可能性をある程度考慮していたが、高いものではありませんでした）、彼は自らのモデルを再検討し、地震予測のアプローチが根本的に欠陥があると判断し、それを放棄しました。「私は失敗した予測者です」とボウマンは2010年に私に語りました。「大胆で愚かなことをしました。テスト可能な予測を立てたのです。それが私たちのすべきことですが、間違ったときには痛い目に遭うこともあります。」 ボウマンのアイデアは、地震の根本原因—断層線に沿ったストレスの蓄積—を特定し、そこから予測を立てることでした。実際、彼はストレスがシステム全体でどのように変化し進化しているのかを理解したいと考えていました。彼のアプローチはカオス理論に動機づけられていました。カオス理論は制御可能な悪魔であり、気象予報士はそれをある程度うまく扱っています。しかし、気象予報士は地球の大気については、地震学者が地球の地殻について持つよりもはるかに良い理論的理解を持っています。彼らは、分子レベルに至るまで、気象がどのように機能するかをほぼ理解していますが、地震学者にはそのような利点はありません。「気候システムは簡単です」とボウマンは振り返ります。「彼らが大気で何が起こっているかを知りたいなら、ただ上を見ればいいのです。私たちは岩を見ています。ほとんどの出来事は地下15キロメートルの深さで発生します。現実的にはそこまで掘ることはできません—SF映画は別として。それが根本的な問題です。ストレスを直接測定する方法はありません。」 そのような理論的理解がないため、地震学者は地震を予測するために純粋に統計的な手法に頼らざるを得ません。 モデルの中で「ストレス」という統計変数を作成することは可能ですが、ボウマンが試みたように、直接測定する方法がないため、その変数は過去の地震の数学的関数として表現されるだけです。ボウマンは、このような純粋に統計的なアプローチがうまくいく可能性は低いと考えています。「データセットは非常にノイズが多い」と彼は言います。「仮説を検証するために統計的に有意なことを行うには、データが不足しています。」 ノイズの多いデータと理論が未発達なシステム、例えば地震予測や経済学、政治学の一部では、二段階のプロセスが起こります。まず、人々はノイズを信号と誤認し始めます。次に、このノイズが学術誌やブログ、ニュース記事を偽の警報で汚染し、良い科学を損ない、システムが実際にどのように機能しているかを理解する能力を後退させます。 オーバーフィッティング：あなたが聞いたことのない最も重要な科学的問題 統計学において、ノイズを信号と誤認する行為は「オーバーフィッティング」と呼ばれます。例えば、あなたが何らかの軽犯罪者で、私があなたのボスだとしましょう。私はあなたに、中学校で見かけるような組み合わせ式のロックを開ける良い方法を見つけるように命じます。もしかしたら、みんなのランチ代を盗むためかもしれません。私は、どこでもいつでもロックを開ける高い確率を得られるアプローチを求めています。あなたには、赤、黒、青の3つのロックを練習用に渡します。 数日間ロックを試した後、あなたは戻ってきて、完璧な解決策を見つけたと報告します。赤いロックの場合、組み合わせは27-12-31だと言います。黒いロックの場合は44-14-19、青いロックの場合は10-3-32です。私はあなたに、あなたの任務は完全に失敗したと言います。あなたはこれらの特定の3つのロックを開ける方法を見つけたことは明らかですが、私たちのロックピッキング理論を進展させるための何もしていません。事前に組み合わせを知らない場合にロックを開ける希望を与えるための理論です。例えば、これらのロックを開けるのに適したクリップがあるか、利用できる機械的な欠陥があるかを知りたかったのです。あるいは、組み合わせを検出するためのトリックがあるのかもしれません：特定の数字のタイプが他よりも頻繁に使われているのではないかと。 あなたは一般的な問題に対して過度に特定的な解決策を提供しました。これがオーバーフィッティングであり、予測を悪化させます。オーバーフィッティングという名前は、統計モデルが過去の観察に合わせて「フィット」する方法から来ています。フィットが緩すぎる場合、これはアンダーフィッティングと呼ばれ、信号の多くを捉えられません。逆に、フィットがきつすぎる場合、これはオーバーフィットモデルとなり、データのノイズにフィットしてしまい、基礎となる構造を発見できなくなります。後者の誤りは実際にははるかに一般的です。この仕組みを理解するために、私たちは現実の生活ではほとんど持てない利点を与えましょう：私たちは本当のデータがどのようなものであるべきかを正確に知っています。 図5-5では、中央がピークになり、両端で緩やかに減少する滑らかな放物線を描きました。これは、実際のデータのどんな種類でも表すことができます。例えば、3章で見たように、野球選手のパフォーマンスが年齢とともにどのように変化するかを良く表しています。選手はキャリアの中盤で最も良い成績を残し、終盤や初期よりも優れています。 しかし、この基礎的な関係を直接観察することはできません。代わりに、個々のデータポイントを通じて現れ、それらからパターンを推測しなければなりません。さらに、これらのデータポイントは特異な状況に影響を受けるため、信号もあればノイズもあります。図5-5では、100のデータポイントを円と三角形で表しました。これだけあれば、ノイズの中から信号を検出するには十分です。データにはある程度のランダム性がありますが、全体としては私たちの曲線に従っていることが明らかです。 しかし、現実の生活ではデータが限られている場合が多く、その場合には問題に直面する可能性が高まります。図5-6aでは、100の観測値のうち約25に制限しています。これらの点をどのように結びつけますか？ 実際のパターンがどうあるべきかを知っていると、当然、点を何らかの曲線で結びたくなるでしょう。実際、データを二次方程式という単純な数学的表現でモデル化すると、真の関係を非常によく再現できます（図5-6b）。 しかし、データの理想的な形がわからない場合、時には欲張ってしまうことがあります。図5-6cはその一例で、過剰適合モデルを示しています。図5-6cでは、すべての外れ値を追いかける複雑な関数を考案し、点を結ぼうとするあまり、現実的でない上下の動きをしています。これにより、真の関係からさらに遠ざかり、予測が悪化します。 このような間違いは避けやすいように思えますが、もし私たちが全知であり、データの基礎構造を常に知っているなら、確かにそうでしょう。しかし、ほとんどの現実の応用では、私たちは帰納的に働かなければならず、利用可能な証拠から構造を推測する必要があります。データが限られていてノイズが多く、基本的な関係についての理解が乏しいときに、モデルを過剰適合させる可能性が最も高くなります。地震予測の場面では、両方の状況が当てはまります。 もし私たちがその関係の真実を知らないか、気にしない場合、モデルを過剰適合させる理由はたくさんあります。その一つは、過剰適合モデルが予測者が使用するほとんどの統計テストでより良いスコアを得ることです。一般的に使用されるテストの一つは、データの変動性のどれだけが私たちのモデルによって説明されるかを測定することです。 このテストによれば、過剰適合モデル（図5-6c）は85％の分散を説明しており、適切にフィットしたモデル（図5-6b）の56％よりも「優れている」とされています。しかし、過剰適合モデルは、実際には信号ではなくノイズに適合することで、その余分なポイントを得ているのです。実際には、現実世界を説明する能力はずっと劣っています。このように説明すると明らかに思えるかもしれませんが、多くの予測者はこの問題を完全に無視しています。研究者が利用できる広範な統計手法は、子供が雲の中に動物の形を見つけるのと同じくらい幻想的であり、科学的でもありません。 「4つのパラメータで象をフィットさせることができる」と、数学者ジョン・フォン・ノイマンはこの問題について言ったことがあります。「5つあれば、彼の鼻を動かすこともできる。」 過剰適合は二重の打撃をもたらします。それは、私たちのモデルを見かけ上は良く見せる一方で、実際の世界ではパフォーマンスが悪くなるのです。後者の特性のために、過剰適合モデルは実際の予測に使用されるときに必ずその報いを受けることになります。前者のために、それまでは表面的により印象的に見え、非常に正確でニュース価値のある予測を行い、以前の技術に対する進展を主張するかもしれません。これにより、学術雑誌にモデルを発表したり、クライアントに販売したりするのが容易になり、より誠実なモデルが市場から排除されることになります。しかし、もしモデルがノイズに適合しているなら、それは科学に悪影響を及ぼす可能性があります。あなたが推測したように、ケイリス・ボロクの地震モデルのようなものは、ひどく過剰適合していました。非常に複雑な方程式の配列をノイズデータに適用していたのです。そして、その代償を払うことになり、23の予測のうちわずか3つしか正確ではありませんでした。デビッド・ボウマンは、自身も同様の問題を抱えていることに気づき、モデルを中止しました。 これらの間違いは通常、誠実なものです。別の本のタイトルを借りれば、私たちはランダム性に騙される傾向があります。私たちはモデルの特異性に非常に愛着を持つことがあり、無意識のうちにそれを合理化する説得力のある理論を逆算して生成することがあります。そして、これらはしばしば友人や同僚、さらには自分自身をも騙すことになります。マイケル・ベビアックは、この問題について広範に執筆しており、次のようにジレンマを表現しています。「科学では、好奇心と懐疑心のバランスを取ろうとします。」これは、私たちの好奇心が私たちを圧倒してしまうケースです。 日本の過剰適合モデル？ノイズを信号と誤解する私たちの傾向は、時には深刻な現実世界の結果を生むことがあります。日本は非常に地震活動が活発にもかかわらず、2011年の壊滅的な地震に対してほとんど準備が整っていませんでした。福島原発はマグニチュード8.6の地震に耐えるように設計されていましたが、9.1には耐えられませんでした。考古学的証拠は、2011年の地震が引き起こした130フィートの波に匹敵する歴史的な津波の存在を示唆していますが、これらのケースは明らかに忘れられるか無視されていました。 マグニチュード9.1の地震は、世界のどの地域においても非常に稀な出来事です。そのため、誰もが正確な10年単位で予測できるはずはなく、ましてや正確な日付を予測することなど不可能です。しかし、日本では、一部の科学者や中央の計画者たちがその可能性を軽視しました。これは過剰適合の一例を反映しているかもしれません。図5-7aでは、2011年の震源地近くでの地震の歴史的頻度をプロットしました。このデータには、2011年3月11日のマグニチュード9.1の地震を含まず、それ以前のすべての地震が含まれています。見ると、関係性はグーテンベルクとリヒターの方法が予測する直線パターンにほぼ従っています。しかし、マグニチュード7.5あたりでグラフにくびれがあります。この地域では1964年以降、マグニチュード8.0以上の地震は発生しておらず、そのため曲線はそれに応じて下に曲がっているようです。では、どのように点を結ぶのでしょうか？グーテンベルク・リヒターの法則に厳密に従い、グラフのくびれを無視すれば、図5-7bのように直線をたどるべきです。あるいは、地震学者が「特性フィット」と呼ぶ方法（図5-7c）に従うこともできます。これは、その地域の地震の歴史的頻度を説明するものです。この場合、歴史的データのくびれを実際のものと見なすことになり、つまりマグニチュード7.6以上の地震がこの地域で発生する可能性が低い理由があると考えることになります。 ここには、無害に見える仮定の選択が根本的に異なる結論を導く別の例があります。この場合、日本のこの地域でのマグニチュード9の地震の確率についてです。特性フィットは、そのような地震がほぼ不可能であることを示唆しており、約13,000年ごとに発生する可能性があることを意味します。一方、グーテンベルク・リヒターの推定では、そのような地震が300年ごとに発生するというものでした。それは頻繁ではありませんが、決して不可能ではなく、日本のような裕福な国がそれに備えることができる十分なリスクです。 特性フィットは、最近の歴史的記録とより密接に一致しました。しかし、私たちが学んだように、この種のパターンマッチングは必ずしも良いことではありません。過剰適合モデルを示唆する可能性があり、その場合、真の関係を一致させる能力が低下します。この場合、過剰適合モデルは、その地域での壊滅的な地震の可能性を大幅に過小評価することになります。 問題は、特性フィットが非常に弱い信号に依存していたことです。前述のように、東北地方の地震の前の約45年間、この地域でマグニチュード8以上の地震は発生していませんでした。しかし、そもそもこれらは稀な出来事です。グーテンベルク・リヒターの法則によれば、この地域では約30年に1回程度しか発生しないとされています。30年に1回の出来事が45年間の間に発生しないことは、特に不思議ではありません。たとえば、打率.300の選手が悪い日を過ごして5打数0安打になることと同じです。一方で、日本のこの地域ではマグニチュード7中盤から高めの地震がいくつか発生していました。これらの地震が他の地域で発生した際には、ほぼ常により大きな地震の可能性を示唆していました。では、なぜ東北地方が特別なケースだと考える理由があったのでしょうか？実際、日本や他の国の地震学者たちは、その理由をいくつか考え出しました。たとえば、その地域の海底の特定の組成が古く、比較的冷たく、密度が高いため、大きな地震の発生を妨げる可能性があると提案しました。一部の地震学者は、2004年以前にはそのタイプの海底を持つ地域でマグニチュード9の地震が発生したことがないと観察しました。これは、過去3週間にペンシルベニア州からパワーボールのジャックポットを獲得した人がいないからといって、誰もそれを勝ち取ることが不可能だと結論づけるようなものです。マグニチュード9の地震は、宝くじの当選者と同様に非常に稀です。実際、2004年以前には、世界中で記録された歴史の中でわずか3回しか発生していませんでした。これでは、彼らが発生する正確な状況についての非常に特定的な結論を支持するにはデータが不十分です。また、日本はこの理論の初めての失敗ではありません。スンダ列島についても同様の理論が提唱されていましたが、その時期にはマグニチュード7の地震が多く発生していましたが、それ以上のものはありませんでした。そして、2004年12月にマグニチュード9.2の大スンダ地震が発生しました。グーテンベルク・リヒターの法則は、スンダや日本の地震の正確なタイミングを予測することはできませんでしたが、それらの可能性を認めることはできました。これまでのところ、地震予測のための多くの複雑な試みが失敗する中で、この法則は驚くほど良好に機能しています。 地震の限界と私たちの知識 近年の非常に大きな地震は、地震学者たちに地震の上限がどのようなものであるかを再考させています。図5-3bを見てみると、1964年以降のすべての地震（スンダと東北を含む）を考慮に入れると、データポイントを通してほぼ直線を形成しています。10年前には、グラフにもう少し曲がりが見られたでしょう（図5-7aの東北のチャートのように）。これは、グーテンベルク・リヒターの法則が予測したよりもメガ地震がわずかに少なかったことを意味します。しかし最近、私たちはその差を埋めつつあります。これらの地震は非常に稀にしか発生しないため、マグニチュード9の地震の真の発生率を知るには数世代かかるでしょう。 地震の規模が9.5を超えるものが可能かどうかを知るには、さらに長い時間がかかるだろうとハフは私に語った。彼女によれば、地震の規模には断層系の地理的な要因からくる基本的な制約があるかもしれないという。もし世界で最も大きな連続した断層の帯が一斉に破裂した場合、南アメリカの最南端にあるティエラ・デル・フエゴからアラスカのアリューシャン列島までの範囲で、マグニチュード10程度になるだろうと彼女は言った。しかし、確実に知るのは難しい。たとえ千年分の信頼できる地震学的記録があったとしても、私たちが得られる情報は限られているかもしれない。地震の予測には内在的な限界があるのかもしれない。地震は本質的に複雑なプロセスである可能性がある。故・ペル・バック博士らが提唱した複雑性の理論は、カオス理論とは異なるが、しばしば一緒に扱われる。むしろ、この理論は非常に単純なものが互いに相互作用することで奇妙で神秘的な振る舞いをすることがあることを示唆している。バックの好例は、ビーチの砂山の話だ。砂山にもう一粒の砂を落とすと（砂粒ほど単純なものはないだろう）、実際には三つのことのいずれかが起こる。砂山の形や大きさによって、砂粒は落ちた場所に留まるか、あるいは小さな丘をゆっくりと滑り降りるか、または別のことが起こるかもしれない。もし砂山が急すぎる場合、全体のシステムが不安定になり、砂の雪崩を引き起こすこともある。複雑なシステムはこの特性を持っているようで、長い間の静止状態の後に突然の壊滅的な失敗が起こることがある。これらのプロセスは文字通りランダムではないかもしれないが、最後の砂粒に至るまで非常に複雑であるため、あるレベルを超えて予測することは不可能だろう。 ノイズの美しさ それでも、複雑なプロセスは、遠くから見ると秩序と美しさを生み出す。私はこの本で「信号」と「ノイズ」という用語を非常に緩やかに使っているが、これらは元々電気工学から来ている。エンジニアが認識するさまざまなタイプのノイズがあり、すべてがランダムであるが、異なる基礎的な確率分布に従っている。真のホワイトノイズを聞くと、それは均一な周波数分布の中でランダムに発生する音のバーストによって生成され、シビランスがあり、やや耳障りである。複雑なシステムに関連するノイズ、すなわちブラウンノイズは、より心地よく、ほとんど流れる水のような音に聞こえる。一方、地球の表面下で断層線を刻む同じテクトニックな力が、息をのむような山々や肥沃な谷、魅力的な海岸線をも形成している。つまり、人々は地震の危険にもかかわらず、これらの場所に住み続けるだろうということだ。 科学の試練 ラキラ地震の最後の皮肉として、7人の科学者と公務員のグループが、文字通り過失致死罪で裁判にかけられた。 2011年2月、ラキラ市の検察官は、地震の群発後に市民に対して「ビッグワン」のリスクについて十分に通知できなかったと主張しました。この裁判は明らかにばかげたものでしたが、科学者たちが何かもっと良いことができたのではないかという疑問は残ります。おそらく、できたでしょう。地震の群発後には、主要な地震のリスクが大幅に増加するという明確な証拠があります。リスクは非常に低いものの（ほとんどの地震の群発は大きな地震を引き起こさないため）、すべてが正常であり、人々は座ってワインを飲むべきだと暗示するのは正しくありません。この本は、予測者の第一の義務は常に予測の真実に忠実であるべきだという立場を取っています。広義の政治は、その妨げになることがあります。地震学のコミュニティは、リマやパークフィールドでの失敗した予測の傷跡を抱えており、ジュリアーニのような人物と競争しなければならない状況にあります。これが彼らのインセンティブを複雑にし、使命から気をそらせています。悪い予測や無責任な予測は、良い予測を駆逐することがあります。ハフ氏が言うように、地震予測の聖杯は決して達成されないでしょう。個々の地震学者が責任を持って行動していても、私たちは依然としてその分野の集団的な成果を評価しなければなりません。これらは、地震予測可能性に関する数千の仮説を構成しています。過去の実績は、これらの仮説のほとんどが失敗していることを示唆しており、魔法の弾丸のようなアプローチが地震予測においてうまくいく可能性は低いと言えます。しかし、科学全体の実績は驚くべきものであり、それもまた明確な信号です。同じ方法を何度も繰り返しても、異なる結果が得られる可能性は低いと結論づけるのは安全でしょう。しかし、科学はしばしば「予測不可能な」突破口を生み出します。地震学者たちが進展を見せている分野の一つは、ラキラに関連するかもしれない非常に短期的な地震予測です。グーテンベルク-リヒターの法則に次いで、主要な地震はほぼ常に余震を引き起こすという知識は、この分野で最も広く受け入れられている発見です。私が話した地震学者の中には、UCデイビスのジョン・ランデルや南カリフォルニア大学のトム・ジョーダンのように、これらの短期予測により集中し、公共に対して明確かつ完全に伝えるべきだという見解を強めている人たちがいます。たとえば、ジョーダンの研究は、余震が時には断層線に沿った予測可能な地理的方向に移動することを示唆しています。もしそれが人口集中地の方向に向かっている場合、たとえその力が弱まっても、生命や財産に対してより脅威となる可能性があります。たとえば、2011年にニュージーランドのクライストチャーチで発生したマグニチュード5.8の地震は、7.0の地震の余震であり、185人が亡くなりました。 2010年9月、国の遠隔地で。「余震に関しては、明らかに多くの信号があるので、ここに焦点を当てるのがより自然かもしれません。最後に、技術は常に進歩しています。NASAやランダルによる、GPS衛星のようなリモートセンシングシステムを使って断層のストレスを測定する最近の試みは、いくつかの希望を示しています。現時点ではその試みは粗雑ですが、地震学者が利用できるデータの量を増やし、地震の根本原因を理解する手助けになる可能性があります。これらの方法は最終的に前進をもたらすかもしれません。地震予測の成功が何千年もほとんど存在しなかったのと同様に、気象予測も約40年前までは同じでした。あるいは、複雑性理論の理解が進むにつれて（これは非常に新しい科学の分野です）、地震は本当に予測不可能であるというより強い結論に至るかもしれません。いずれにせよ、最初は失敗した予測がいくつかあるでしょう。私たちの過ちの記憶が薄れるにつれ、その信号は再び地平線の向こうで輝いて見えるでしょう。予測を渇望し、たとえそれが蜃気楼であっても追い求めるのです。 水深3フィートで溺れる方法 政治的な世論調査は、誤差範囲を伴って報告されるため、そこには不確実性が含まれていることがわかります。しかし、経済予測が提示されるとき、通常は単一の数字だけが言及されます。来月、経済は15万人の雇用を創出するでしょう。来年のGDPは3％成長するでしょう。原油は1バレル120ドルに上昇するでしょう。このことは、これらの予測が驚くほど正確であるという印象を与えます。経済に関する報道では、予測からのわずかな逸脱に驚く見出しがよく見られます。「失業率が9.2％に予想外の上昇、マーケットに打撃—デンバー・ポスト、2011年7月9日」 その記事の細かい部分を読むと、「予想外」の結果は、失業率が9.1％ではなく9.2％であったことがわかります。もし0.1ポイントの誤差が見出しを飾るのなら、これらの予測は通常非常に信頼できるものであるように思えます。しかし、経済予測はせいぜい鈍い道具であり、経済の転換点を数ヶ月先に予測することはほとんどできません。実際、これらの予測は、すでに進行中の不況を「予測」することすらできないことがよくあります。1990年、2001年、2007年の最近の3回の不況が始まったと後に判断されたとき、経済学者の大多数は私たちが不況にあるとは考えていませんでした。アメリカ経済のような大規模で複雑なものを予測することは非常に難しい作業です。これらの予測が実際にどれだけうまくいくかと、どれだけうまくいくと認識されているかのギャップは大きいです。一部の経済予測者は、あなたにそのことを知ってほしくないでしょう。他の多くの分野の予測者と同様に、彼らは不確実性を敵と見なしています。それは彼らの評判を脅かすものだからです。 彼らは予測モデルの不確実性を減らすために仮定を立てるものの、それが実際の予測を改善することにはつながらず、正確な見積もりを行っていません。このため、大雨が襲ったときに私たちは十分に備えられないことが多いのです。 **不確実性を伝える重要性** 1997年4月、ノースダコタ州のグランドフォークスでレッドリバーが氾濫し、町の堤防を越えて市内に2マイル以上にわたって水が溢れました。幸いにも人的被害はありませんでしたが、約5万人の市民が避難を余儀なくされ、清掃費用は数十億ドルに達し、75％の住宅が損壊または破壊されました。 ハリケーンや地震とは異なり、グランドフォークスの洪水は防げた災害だったかもしれません。市の堤防は砂袋を使って強化することができたでしょう。また、溢れた水を人口の少ない地域、つまり学校や教会、住宅ではなく農地に流すことも可能だったかもしれません。グランドフォークスの住民は数ヶ月前から洪水の脅威を認識していました。その冬、グレートプレーンズでは特に降雪が多く、国立気象局は雪解けによる流出を予測し、レッドリバーの水位が49フィートに達すると予測していました。これは過去の記録に近い数値です。しかし、小さな問題がありました。グランドフォークスの堤防は51フィートの洪水に対応できるように作られていたのです。49フィートの予測がわずかに外れただけでも、壊滅的な結果を招く可能性がありました。実際、川の水位は54フィートに達しました。気象局の予測は決して完璧ではありませんでしたが、洪水の2ヶ月前に5フィートの誤差があるのは、歴史的に見てもかなり妥当な範囲でした。気象局の予測の誤差範囲は、過去の洪水予測の精度に基づいており、プラスマイナス9フィート程度でした。これは堤防が越えられる可能性が約35％あることを示唆していました。 問題は、気象局が予測の不確実性を公に伝えることを明示的に避け、49フィートの予測だけを強調していたことです。予報士たちは後に研究者に対し、不確実性を伝えた場合、一般の人々が予測に対する信頼を失うのではないかと恐れていたと述べました。しかし、実際には、不確実性を伝えることで一般の人々はより良く準備でき、堤防を強化したり川の流れを逸らしたりすることで洪水を防ぐことができたかもしれません。自分たちだけの判断で、多くの住民は心配する必要がないと確信してしまいました（実際、洪水保険に加入した人は非常に少数でした）。49フィートの水位の予測が何の留保もなく表現されたため、洪水は正確に49フィートに達するだろうという印象を与え、51フィートの堤防があれば安全だと考えられたのです。 ある住民は、49フィートの予測を洪水の最大の可能性を示すものとして解釈しました。よく語られるジョークに、統計学者が平均でわずか3フィートの深さの川を渡って溺れたという話があります。平均では、気象サービスの予測モデルでは洪水は49フィートになるかもしれませんが、ほんの少しでもそれを超えれば町は浸水してしまいます。気象庁はその後、予測の不確実性を正確かつ誠実に公衆に伝える重要性を認識するようになりましたが（第4章で見た通り）、このような姿勢は他の予測者、特に経済の動向を予測する際にはあまり見られません。 さて、2007年11月に何が起こったかを考えてみましょう。それは大不況が公式に始まるわずか1か月前のことでした。住宅市場にはすでに明らかな問題の兆候があり、差し押さえ件数は倍増し、モーゲージ貸し手のカントリーワイドは破産の危機に瀕していました。信用市場にも同様に不吉な兆候が見られました。 フィラデルフィア連邦準備銀行が発行する四半期ごとの調査「プロフェッショナル予測者調査」では、経済学者たちはそれでも景気後退の可能性は比較的低いと予測しました。代わりに、彼らは2008年の経済成長率が平均をわずかに下回る2.4％になると期待していました。そして、実際に起こったような深刻な景気後退の可能性はほとんどないと考えていました。この「プロフェッショナル予測者調査」は、経済学者に経済の行き先についての結果の範囲を明示的に示すよう求める点で独自です。この本全体で強調してきたように、結果の確率的な考慮は科学的な予測の重要な部分です。 もし私があなたに、サイコロを2つ振ったときに出る合計を予測するように頼んだら、正しい答えは単一の数字ではなく、可能な結果とそれぞれの確率の列挙です。たとえば、図6-2のようにです。あなたは7が他のどの数字よりも頻繁に出るでしょうが、それは2や12の出方と本質的にどちらが予測と一致するかは変わりません。各数字が長期的にあなたが割り当てた確率に従って出る限りです。 「プロフェッショナル予測者調査」の経済学者たちは、GDPや他の変数を予測する際に似たようなことを求められます。たとえば、GDPが2％から3％の間、または3％から4％の間に収まる確率を推定することです。これが2007年11月のGDP予測の様子です（図6-3）。 私が述べたように、この調査に参加した経済学者たちは、2008年のGDPが約2.4％になると予測していました。これは長期的なトレンドをわずかに下回る数字です。しかし、この予測は非常に悪いものでした。実際、金融危機が発生した際、GDPは3.3％も縮小しました。さらに悪いことに、経済学者たちは自分たちの悪い予測に非常に自信を持っていました。彼らは2008年全体で経済が何らかの形で縮小する確率をわずか3％と見積もっていました。また、GDPが少なくとも2％縮小する確率は約500分の1とされていましたが、実際にはその通りになりました。 実際、経済学者たちは長い間、経済の動向を予測する能力に過剰な自信を持っていました。図6-4には、1993年から2010年の18年間にわたるプロフェッショナルフォーキャスターのGDP成長予測が示されています。チャートのバーは、経済学者たちが示した90％の予測区間を表しています。予測区間とは、予測が提供する最も可能性の高い結果の範囲であり、世論調査の誤差範囲に似ています。例えば、90％の予測区間は、実際の結果の90％をカバーすることが期待されており、分布の両端にある10％の外れ値を残します。もし経済学者たちの予測が彼らの主張通りに正確であれば、実際のGDPの値は10回中9回は彼らの予測区間内に収まるはずです。つまり、18年間で2回を除いて全てのケースでそうなるはずです。 実際には、GDPの実際の値は18年間で6回、つまり3分の1の確率で経済学者たちの予測区間の外に落ちました。別の研究では、プロフェッショナルフォーキャスターの調査が1968年に始まって以来のデータを分析したところ、実際のGDPの値が予測区間の外に出ることがほぼ半分の確率であったことがわかりました。経済学者たちが単に運が悪かった可能性はほとんどなく、彼らは自らの予測の信頼性を根本的に過大評価しています。 実際、経済学者たちがGDPの予測を出すとき、その真の90％の予測区間は、これらの予測が実際にどのように機能してきたかに基づいており、経済学者たちが主張する正確さに基づいていません。実際のところ、その範囲はGDPの約6.4ポイント、つまりプラスマイナス3.2％の誤差範囲に相当します。 ニュースで「来年のGDPは2.5％成長する」と聞いた場合、それは実際には5.7％という驚異的な成長率になる可能性もあるということです。また、0.7％減少する可能性もあり、これはかなり深刻な景気後退を意味します。経済学者たちはそれ以上の予測をすることができず、彼らの予測が改善されているという証拠もあまりありません。 経済学者が過去6回の景気後退のうち9回を正しく予測したという古いジョークには、いくらかの真実が含まれています。実際の統計として、1990年代には、経済学者たちは世界中で発生した60回の景気後退のうち、1年前に予測できたのはわずか2回でした。 この点に関して、経済学者だけが特別というわけではありません。このような結果は一般的であり、専門家は自らの予測の不確実性について正直に説明するのが得意ではないか、あるいはそのようなことにあまり興味がないのです。この過信した予測の特性は、医療研究、政治学、金融、心理学など、他の多くの分野でも確認されています。私たちが判断を用いて予測を行う場合（フィル・テトロックの政治学者たちのように）でも、統計モデルを用いる場合（第5章で述べた失敗した地震予測のように）でも、当てはまるようです。しかし、経済学者は他の職業の人々よりもこれらの誤りを犯す言い訳が少ないかもしれません。なぜなら、彼らの予測は単に過信しているだけでなく、実際の経済的な意味でも非常に不正確であり、実際のGDPの数値を大きく外してしまうことが多いからです。また、GDPのような変数を予測するための組織的な取り組みは、1946年のリビングストン調査に遡るほど長い歴史があり、これらの結果はよく文書化され、自由に入手可能です。私たちの予測がどれほど成功したかについてフィードバックを得ることは、予測を改善するための一つの方法、あるいは本質的な方法です。経済予測者は他の多くの職業の人々よりも多くのフィードバックを受け取りますが、彼らは過信に対するバイアスを修正することを選んでいません。経済学は人間の行動の合理性を研究する分野ではないのでしょうか？確かに、他の分野の人、たとえば人類学者が予測を行う際にバイアスを示すことは予想されるかもしれません。しかし、経済学者にはそうであってほしくないのです。実際には、これが問題の一部かもしれません。経済学者は合理性について多くを理解しており、それは私たちのインセンティブがどのように機能するかについても多くを理解していることを意味します。もし彼らがバイアスのある予測を行っているのなら、それは良い予測をするインセンティブがあまりないことの表れかもしれません。 「誰もが手がかりを持っていない」 彼らの予測の実績を考えると、私が最も探し求めたのは、彼の仕事がどれほど難しいか、そして彼の予測がどれほど簡単に間違ってしまうかについて正直である経済学者でした。私はそのような経済学者を見つけることができました。ゴールドマン・サックスのチーフエコノミスト、ヤン・ハッツィウスです。ハッツィウスは、少なくとも最近の数年間、競合他社よりも信頼性が高かったと主張することができます。2007年11月、ほとんどの経済学者がいかなる種類の景気後退も起こるとは考えていなかった時期に、ハッツィウスは「レバレッジ損失：なぜ住宅ローンのデフォルトが起こるのか」という挑発的なメモを執筆しました。 「問題」それは、数百万の住宅所有者が住宅ローンの返済を滞納し、信用市場や金融市場にドミノ効果を引き起こし、数兆ドルの損失と非常に深刻な景気後退をもたらすシナリオを警告していました。まさにそのシナリオが現実のものとなりました。ハッツィウスと彼のチームは、危機後の奇跡的な回復の可能性をすぐに否定しました。2009年2月、景気刺激策が通過した1か月後にホワイトハウスが2009年末までに失業率を7.8％に減少させると主張した際、ハッツィウスは失業率が9.5％に上昇すると予測しました（実際の数字は9.9％でした）。ハッツィウスは、2005年にゴールドマン・サックスのチーフエコノミストに就任した、メランコリックなほど穏やかなドイツ人で、同社に入社してから8年後のことです。彼は大手銀行に懐疑的な見方を持つ人々からも尊敬を集めています。「[ヤンは]非常に優秀です」とポール・クルーグマンは私に言いました。「ロイド・ブランクファインの悪意がヤンや彼のチームに波及しないことを願っています。」ハッツィウスは、アメリカ経済の動向を予測する能力についても、さわやかに謙虚な態度を持っています。「誰もが手がかりを持っていない」と彼は、ニューヨークのウエストストリートにあるゴールドマンのガラス張りのオフィスで私に語りました。「ビジネスサイクルを予測するのは非常に難しいです。経済のような複雑な生物を理解するのはとても困難です。」 ハッツィウスの見解によれば、経済予測者は三つの基本的な課題に直面しています。第一に、経済統計だけから因果関係を特定するのは非常に難しいこと。第二に、経済は常に変化しているため、あるビジネスサイクルで成立する経済行動の説明が将来のサイクルには当てはまらないことがあること。第三に、彼らの予測がどれほど悪かったとしても、経済学者が扱うデータもあまり良くないということです。 因果関係のない相関関係 政府は毎年、実に45,000の経済指標に関するデータを生成しています。「民間のデータ提供者は、最大で400万の統計を追跡しています。」一部の経済学者が陥る誘惑は、これらすべてのデータをブレンダーにかけて、その結果得られたものを高級料理だと主張することです。第二次世界大戦後、景気後退はわずか11回しかありません。もし11の結果を説明しようとする統計モデルが、400万の入力の中から選ばなければならない場合、特定される関係の多くは虚偽のものになるでしょう。（これは過剰適合の典型的なケースであり、ノイズを信号と誤解する問題で、地震予測者が第5章で直面した問題です。） 経済変数の山が電話帳のように厚いとき、あなたがどれほど創造的になれるか考えてみてください。たとえば、かつて有名だった経済パフォーマンスの「先行指標」はスーパーボウルの勝者でした。1967年のスーパーボウルIから1997年のスーパーボウルXXXIまで、オリジナルのナショナル・フットボール・リーグ（NFL）からのチームが試合に勝つと、その年の残りの期間に株式市場は平均14％上昇しました。 しかし、オリジナルのアメリカンフットボールリーグ（AFL）のチームが勝ったとき、株式市場はほぼ10パーセント下落しました。1997年まで、この指標は31年間のうち28年間で株式市場の動向を正しく「予測」していました。もし「統計的有意性の標準テスト」を文字通りに受け取るなら、この関係が偶然だけで生じた可能性は約470万分の1であることを示唆していました。もちろん、これは単なる偶然でした。そして最終的に、この指標は悪化し始めました。1998年、オリジナルのAFLチームであるデンバー・ブロンコスがスーパーボウルに勝利しましたが、これは悪い前兆とされていました。しかし、株式市場は下落するどころか、ドットコムブームの中で28パーセントも上昇しました。2008年には、NFLのニューヨーク・ジャイアンツがAFLのニューイングランド・ペイトリオッツを逆転して破ったのですが、デビッド・タイリーの素晴らしいキャッチがあったにもかかわらず、タイリーは住宅バブルの崩壊を防ぐことができず、その結果市場は35パーセントも暴落しました。実際、1998年以降、AFLチームがスーパーボウルに勝ったときの株式市場は約10パーセント良い成績を収めており、これはこの指標が予測するとされていたこととは正反対の結果です。なぜ、470万分の1の失敗の確率を持つとされる指標が、これほどまでに失敗するのでしょうか？それは、パワーボール宝くじの当選確率が1億9500万分の1であるにもかかわらず、数週間ごとに誰かが当選するのと同じ理由です。誰かが宝くじに当たる可能性は非常に低いですが、何百万枚ものチケットが購入されるため、誰かが運良く当たるのです。同様に、世界中には何百万もの統計指標が存在し、その中には株価やGDP、失業率と特に相関するものがいくつかあります。しかし、その関係は単なる偶然に過ぎません。経済学者たちはスーパーボウル指標を真剣に受け止めないかもしれませんが、他の種類の変数—経済的な意味を持つ何か—が景気後退や回復を数ヶ月先に予測する重要な「先行指標」であると自分たちを納得させることができます。ある予測会社は、400のそのような変数を調査していると自慢していますが、ハッツィウスが言うところの経済の本質を含む主要な変数は2、3ダースに過ぎません。他の予測者たちは、半導体会社の受注と出荷の比率のような比較的知られていない指標の予測力を宣伝しています。これほど多くの経済変数がある中で、過去のデータのノイズにうまくフィットする何かを見つけるのは確かですが、信号を特定するのははるかに難しいです。ある経済サイクルで先行指標となる変数は、次のサイクルでは遅行指標となることがよくあります。2003年の『Inc.』誌の記事に掲載された7つのいわゆる先行指標のうち、1990年と2001年の景気後退をうまく予測していたものは、2007年に始まった景気後退をある程度先導したのは、住宅価格と一時的な雇用の2つだけでした。 商業融資のような他の分野は、景気後退が始まってから1年後にようやく下降し始めました。評価の高い先行経済指標（Leading Economic Index）も問題を抱えています。この指標は、カンファレンスボードが発表する10の経済指標の合成で、一般的には景気後退の数か月前に減少します。しかし、1984年のように、3か月連続で急激に減少し、景気後退を示唆したにもかかわらず、経済は6％の成長率で上昇し続けたというように、誤った警告を出すことも多いのです。ある研究では、先行経済指標はリアルタイムで適用した場合、予測力が全くないと主張しています。「本当に予測できるものはほとんどない」とハッツィウスは私に言いました。「何が真の因果関係で、何が相関関係なのかを見極めるのは非常に難しいです。」 「相関関係は因果関係を意味しない」という格言を聞いたことがある方も多いでしょう。2つの変数が統計的に関係しているからといって、一方が他方の原因であるとは限りません。例えば、アイスクリームの売上と森林火災は、どちらも夏の暑さに多く発生するため相関しています。しかし、因果関係はありません。ハーゲンダッツのアイスクリームを買ったからといって、モンタナの草地に火をつけるわけではありません。この概念は簡単に表現できますが、実際に適用するのは難しいことがあります。特に経済における因果関係を理解する際にはそうです。ハッツィウスは、失業率は通常、遅行指標と見なされると指摘しました。そして、確かにそうなることもあります。景気後退の後、企業は回復の見通しに自信を持つまで新しい従業員を雇わないことがあり、失業者を全員再雇用するには長い時間がかかることもあります。しかし、失業率は消費者需要の先行指標にもなり得ます。失業者は新しい商品やサービスを購入する能力があまりないからです。景気後退中、経済は悪循環に陥ることがあります。企業は消費者需要が増えるまで雇用を増やさず、消費者需要が低いのは、企業が雇用を増やさないためであり、消費者は製品を購入できません。消費者信頼感もまた、非常に扱いにくい変数です。時には消費者が経済の警告サインを最初に察知することもありますが、回復を感じ取るのは最後になることもあります。一般の人々は、景気後退が技術的に終わった後も、経済がまだ景気後退にあると認識することがよくあります。したがって、経済学者たちは消費者信頼感が先行指標か遅行指標かを議論し、その答えは経済がどのビジネスサイクルの段階にあるかによって異なるかもしれません。さらに、消費者信頼感は消費者行動に影響を与えるため、経済に対する期待と現実の間にはさまざまなフィードバックループが存在する可能性があります。 経済的不確実性の原則 経済予測と経済政策の間のフィードバックループは、さらに問題を引き起こす可能性があります。 例えば、経済がリセッションに突入すると予測される場合、政府や連邦準備制度はリスクを軽減するための措置を講じるか、少なくともその影響を和らげる努力をするでしょう。問題の一部は、ハッツィウスのような予測者が経済的な決定だけでなく、政治的な決定も予測しなければならないことです。これは、議会の支持率が10％という国では特に難しい課題です。しかし、この問題はもう少し深いところにあります。ノーベル賞受賞経済学者ロバート・ルーカスが1976年に指摘したように、経済モデルが基づく過去のデータは、当時の政策決定の影響を受けています。したがって、現在の政策立案者が何をするかを知るだけでは不十分であり、ニクソン政権下の財政政策や金融政策がどのようなものであったかを知る必要があります。関連する理論として、ロンドン・スクール・オブ・エコノミクスの教授が提唱した「グッドハートの法則」があります。これは、政策立案者が特定の変数をターゲットにし始めると、その変数が経済指標としての価値を失い始めるというものです。例えば、政府が住宅価格を人工的に引き上げる措置を講じた場合、確かに価格は上昇するかもしれませんが、それは全体的な経済の健康を測る良い指標とはならなくなります。論理的に極端な例を挙げると、これは観測者効果に似ています（しばしば関連する概念であるハイゼンベルクの不確定性原理と混同されます）：何かを測定し始めると、その振る舞いが変わり始めるのです。ほとんどの統計モデルは、独立変数と従属変数、入力と出力が存在し、それらをほぼ別々に保つことができるという考えに基づいて構築されています。しかし、経済に関しては、これらすべてが一つの混沌とした状態にまとめられています。 変化し続ける経済 たとえこれらの問題をすべて解決できたとしても、経済学者は常に動き続けるターゲットに対処しなければなりません。アメリカと世界の経済は常に進化しており、異なる経済変数間の関係は時間の経過とともに変わる可能性があります。歴史的に見ても、例えばGDP成長率と雇用成長率の間にはかなり強い相関関係があり、経済学者はこれをオクンの法則と呼んでいます。1947年から1999年のロングブームの間、雇用成長率は通常GDP成長率の約半分であり、もしGDPが年間4％増加すれば、雇用は約2％増加するというものでした。この関係は今でも存在しており、成長が雇用を求める人々にとっては確かに良いことです。しかし、そのダイナミクスは変わってしまったようです。最近の数回のリセッションの後、ロングブームの年に期待されていたよりもかなり少ない雇用が創出されました。例えば、2009年に刺激策が通過した翌年、GDPはオクンの法則に従えば約200万の雇用を創出するのに十分な速さで成長していました。しかし、実際にはその期間中に350万の雇用が失われました。経済学者たちはこの変化が何を意味するのかについてしばしば議論を交わします。 最も悲観的な解釈は、コロンビア大学のジェフリー・サックスを含む経済学者たちによって提唱されており、アメリカ経済における深刻な構造的問題を反映しているというものです。その中には、他国からの競争の激化、サービス業と製造業の間の不均衡、高齢化する人口、衰退する中間層、そして増大する国家債務が含まれます。この理論によれば、私たちは新たな不健全な常態に突入しており、根本的な変化がなければ問題は悪化する可能性があるとされています。サックスは私にこう語りました。「私たちは、アメリカの変化を引き起こすグローバルな変化の役割を過小評価していました。国際的に中国や新興市場に仕事を奪われたことが、アメリカ経済に大きな衝撃を与えました。」 より大きな問題は、2000年代の変動性が経済の長期的な状態をより代表しているのかということです。もしかすると、長い好景気の時代は例外的だったのかもしれません。長い好景気の間、経済はわずか15％の時間しか不況に陥りませんでした。しかし、1900年から1945年までの間は、その率が36％と、2倍以上でした。ほとんどの経済学者は、景気循環の安定化においていくつかの進展があったと考えていますが、私たちはより多くの問題を回避できたのは幸運だったかもしれません。特に1983年から2006年の間、いわゆる「大いなる安定」と呼ばれる長い好景気の一部では、経済はわずか3％の時間しか不況に陥りませんでした。しかし、その成長の多くは、政府や消費者の債務の大幅な増加や、さまざまな資産価格のバブルによって支えられていました。先進国が大いなる安定の成長率で成長する権利を持っているわけではありません。1980年代に年間5％成長していた日本は、それ以降ほとんど1％の成長にとどまっています。 これが、予測者や政策立案者が2007年の不況の深刻さに驚かされた理由の一つかもしれません。彼らは大恐慌のような出来事を考慮に入れられなかっただけでなく、歴史的に見て例外的な大いなる安定の年に基づいて予測を調整していたこともありました。 データを捨てないでください 金利を設定する責任を持つ連邦公開市場委員会（FOMC）は、法律により年に少なくとも2回、マクロ経済予測を議会に提出することが求められています。2007年末までに、連邦準備制度（Fed）はある意味で先を行っていました。彼らのGDP成長予測は、民間セクターの予測よりもやや悲観的であり、そのため年末に金利を4回引き下げることになりました。しかし、2007年10月末の会議の詳細な議事録には、「不況」という言葉は一度も使われていませんでした。Fedは言葉に慎重であり、不況の可能性は「下振れリスク」といった表現を通じて暗示されていたかもしれません。しかし、彼らは不況に賭けているわけではなく（彼らの予測は依然として成長を見込んでいました）、実際に展開されたほど深刻な不況の可能性を考慮している様子はほとんど見られませんでした。 その理由の一部は、連邦準備制度（Fed）が自らの予測の精度を設定するために「大いなる安定期」のデータを参照していたことにあるかもしれません。特に、彼らは1986年から2006年までの経済予測のパフォーマンスを分析した論文に大きく依存していました。「これらの年だけを見ている問題は、経済の変動が非常に少なかったことです。1990年から1991年、そして2001年の2回の比較的軽度な不況しかありませんでした。」と著者たちは警告しています。「1980年代半ば以降のデータを用いて現在の不確実性を測ることで、私たちは暗黙のうちに大いなる安定期以降の穏やかな状況が将来も続くと仮定しているのです。」これは非常に大きな仮定でした。連邦準備制度は、2007年に深刻な不況が起こる可能性が低いと結論づけたかもしれませんが、それは彼らが深刻な不況があった年を無視することを選んだからかもしれません。予測者は、特に不況や大統領選挙のような稀な出来事を研究する際には、データを無視するべきではありません。データを無視することは、予測者が過信しているか、モデルを過剰適合させていることを示すサインであり、正確さを追求するのではなく、自分を見せびらかすことに興味を持っている可能性があります。この特定のケースでは、経済学者たちが景気循環の予測においてあまり進歩していないことは明らかではありませんでした。図6-5aでは、プロの予測者によるGDP成長率の予測値と、1968年から1985年の実際の数値を比較しています。これらは連邦準備制度が参照できたが、却下した年です。この期間には、1970年代中頃や1980年代初頭のインフレによる不況など、かなりの経済的変動があったことがわかります。それでも、予測された結果と実際の結果には、相関関係が比較的強いという点で、予測者にとって完全に落胆する結果ではありません。 図6-5A: GDP予測と実際のGDP、1968-1985 もし1986年から2006年のデータを用いて同じプロットを作成すると（図6-5bのように）、逆の結果が得られます。ほとんどのデータポイント—GDPの予測値と実際の値の両方—は、年間成長率が約2％から5％の狭い範囲に密集しています。この期間は変動が非常に少なかったため、予測の平均誤差は前の期間よりも小さかったのです。しかし、1990-91年や2001年の軽度な不況のように、経済に何らかの変動があった場合、予測はそれをうまく捉えていませんでした。実際、予測された結果と実際の結果の間にはほとんど相関がありませんでした。経済学者たちが経済の動向を予測するスキルが向上した兆候はほとんど見られませんでした。むしろ、経済が穏やかな風に包まれていたため、彼らの仕事は一時的に容易になったのです。これは、ホノルルの天気予報士がバッファローの天気予報士よりも簡単な仕事をしているのと同じことです。 図6-SB: GDP予測と実際のGDP（1986-2006年） 8% 7% 6% 5% 4% 3% 2% 1% 0% -1% -2% -3% -4% -5% -6% -7% -8% 実際のGDP 予測（実質GDP成長率） データを捨てる理由の一つとして、解決しようとしている問題に根本的な変化があったという主張を耳にすることがあります。これらの主張は、ある程度は正当な場合もあります。アメリカ経済は常に進化しており、定期的に構造的な変化を経験します（最近では、製造業中心の経済からサービス業中心の経済へと移行しています）。これは野球のように、常に同じルールで行われるゲームではありません。この問題の難しさは、次のパラダイムシフトがいつ起こるのか、そしてそれが経済をより不安定にするのか、あるいは安定させるのか、強くするのか、弱くするのかが分からないことです。大きな変化がないという前提で構築された経済モデルは無意味です。しかし、これらの転換点を予測するのは容易ではありません。 経済データは非常にノイズが多い 経済予測者にとっての第三の大きな課題は、彼らの生データがあまり役に立たないことです。経済予測者が予測を行う際に予測区間を提供することはほとんどなく、これはおそらくそのようにすることで公衆の専門家への信頼が損なわれるからでしょう。「なぜ人々は区間を示さないのか？それは恥ずかしいからです」とハッツィウスは言います。「私はそれが理由だと思います。人々は恥ずかしがっています。」 しかし、この不確実性は経済予測だけでなく、経済変数そのものにも当てはまります。ほとんどの経済データシリーズは修正の対象となり、統計が初めて公表された後も数ヶ月、さらには数年にわたって修正が行われることがあります。修正は時には非常に大きなものになります。ある有名な例として、2008年の最後の四半期のGDP成長率の政府の推定があります。当初は「わずか」3.8％の減少と報告されましたが、現在では実際には約9％の減少があったと考えられています。もし彼らが経済の実際の穴の大きさを知っていたなら、ホワイトハウスの経済学者たちは2009年1月により大きな刺激策を推進したか、問題の深刻さを認識して短期的な解決策ではなく長期的な解決策を促進したかもしれません。このような大きな誤差は比較的よく見られます。1965年から2009年の間、政府の四半期GDPの初期推定は、平均して1.7ポイント修正されました。これは平均的な変化であり、各四半期のGDPの可能な変化の範囲はさらに広く、初期の四半期GDP推定の誤差範囲はプラスマイナス4.3％です。つまり、政府が初めて平均以上の成長を報告していた場合でも、経済が実際には不況にあった可能性があるということです。 政府は1977年の第4四半期に経済が4.2％成長したと最初に報告しましたが、その後その数字はマイナス0.1％に修正されました。*2 したがって、経済予測者に対してはある程度の同情を持つべきです。経済がどこに向かっているのかを知るのは十分に難しいことですが、そもそも経済がどこにあるのかが分からないとなると、さらに難しくなります。 「ブラジルで蝶が羽ばたくと、テキサスで誰かが職を失う」という挑戦は、経済学者にとっての課題を天気予報士が直面するものに例えることができます。彼らは同じ基本的な問題に直面しています。まず、経済は大気と同様に動的なシステムであり、すべてが互いに影響し合い、システムは常に動いています。気象学において、この問題は非常に具体的です。なぜなら、天候はカオス理論の影響を受けるからです。ブラジルで蝶が羽ばたくことが理論的にはテキサスで竜巻を引き起こす可能性があるのです。しかし、同じように、日本での津波やロングビーチでの長期労働者のストライキが、テキサスで誰かが仕事を見つけるかどうかに影響を与えることもあります。 次に、天気予報は不確実な初期条件に左右されます。「雨の確率は70％です」というような確率的な表現は、天候に本質的なランダム性があるからではありません。むしろ、気象学者は初期条件がどのようであったかについての測定が不正確であると仮定しており、天候パターン（カオス理論の影響を受けるため）は初期条件の変化に非常に敏感です。同様に、経済予測においても初期データの質はしばしば非常に悪いです。 しかし、天気予測はこの本の中での実際の成功事例の一つです。ハリケーンの進路から日中の最高気温まで、予測は10年前や20年前に比べて大幅に改善されました。これは、コンピュータの性能向上、データ収集方法の改善、そして昔ながらの努力の組み合わせによるものです。経済予測については、同じことは言えません。経済予測が改善されているという幻想は、最近の金融危機の前に経済学者が犯したひどい間違いによって打ち砕かれるべきでした。*1 気象学者が動的システムと不確実な初期条件という経済学者の問題を一部共有している場合でも、彼女はそれを補うための豊富なハードサイエンスを持っています。竜巻の物理学や化学はそれほど複雑ではありません。だからといって、竜巻の予測が簡単であるわけではありません。しかし、気象学者は竜巻が形成される原因や消散する原因について強固な基本的理解を持っています。一方、経済学ははるかに柔らかい科学です。経済学者は経済を支配する基本的なシステムについて合理的な理解を持っていますが、原因と結果はすべて混ざり合っており、特にバブルやパニックの際には、人間の行動に依存したフィードバックループによってシステムが影響を受けます。 とはいえ、原因と結果を見極めることが経済学者にとって難しい場合でも、諦めるよりは試みる方が良いでしょう。例えば、2007年11月15日にハジウスが書いたことを再考してみてください。「予想される住宅ローンの信用損失は、一般的に認識されているよりもはるかに大きなマクロ経済リスクをもたらす可能性があります……マクロ経済的な影響は非常に劇的なものになるかもしれません。もしレバレッジをかけた投資家が合計で2000億ドルの信用損失を被ると、彼らは2兆ドルの貸出を縮小する必要があるかもしれません。これは大きなショックです……このようなショックが大規模な景気後退や非常に鈍い成長の長期にわたる期間を引き起こす可能性があることは容易に理解できます。」ハジウスは、消費者が住宅バブルによって手が届かない価格の家を購入するために過剰な信用を受けていたと述べています。多くの人々が住宅ローンの支払いを停止しており、そこからかなりの損失が発生する可能性が高いと指摘しています。システム内のレバレッジの程度が問題を悪化させ、信用市場や金融業界全体を麻痺させることになるでしょう。このショックは、深刻な景気後退を引き起こすほどの大きさになるかもしれません。そして、これがまさに金融危機が展開した方法です。ハジウスの予測は正しかっただけでなく、崩壊の原因を説明し、その影響を予測するという正しい理由に基づいていました。ハジウスはこの原因と結果の連鎖を「物語」と呼んでいます。それは経済に関する物語であり、データに基づいた物語であるかもしれませんが、現実の世界に根ざしたものです。それに対して、経済を変数や方程式の連なりとして、基盤となる構造を無視して見るだけでは、ノイズを信号と誤解し、良い予測をしていると自分自身（や騙されやすい投資家）を欺くことになる可能性が高いです。 ハジウスの競合相手の一つである予測会社ECRIがどうなったかを考えてみましょう。2011年9月、ECRIは「ダブルディップ」型の景気後退がほぼ確実であると予測しました。「政策立案者がこれを回避するためにできることは何もありません」と彼らはアドバイスしました。「もしこれが悪い経済だと思うなら、まだ何も見ていないのです。」インタビューで、同社のマネージングディレクターであるラクシュマン・アチュタンは、景気後退がすぐに始まるか、すでに始まっていると示唆しました。彼らは予測の理由を次のように説明しました。「ECRIの景気後退の予測は、1つまたは2つの先行指標に基づいているのではなく、米国のロングリーディングインデックスを含む数十の専門的な先行指標に基づいています……その後、ウィークリーリーディングインデックスや他の短期先行指標が下落することになります。実際、最も信頼性の高い先行指標は、現在、完全な景気後退の瀬戸際での動きと同じように振る舞っています。」専門用語はたくさんありますが、この説明には実際の経済的な実体が欠けています。彼らの物語はデータに関するものであり、まるでデータ自体が景気後退を引き起こすかのようで、経済に関する物語ではありません。ECRIはこのアプローチを非常に誇りに思っているようです。 「車のエンジンがどのように動いているかを正確に理解する必要はないのと同様に、安全に運転するためには、経済のすべての複雑さを理解する必要はない」と、2004年の著書でクライアントにアドバイスしています。このような発言は、ビッグデータの時代においてますます一般的になっています。「情報が豊富にあるのに、理論が必要ですか？」という考え方ですが、これは予測に対しては明らかに間違った態度です。特にデータが非常に雑音を含む経済の分野では、理論やその根本的な原因についての深い考察が裏付けられた統計的推論の方がはるかに強力です。2011年9月には経済に対する悲観的な理由が確かに存在していました。例えば、ヨーロッパで進行中の債務危機などですが、ECRIはそれを見ていませんでした。代わりに、相関関係を因果関係と誤解した無作為な変数の混合を持っていました。 実際、ECRIの予測は経済の転換点を示しているように見えましたが、それはポジティブなものでした。ECRIが景気後退を予測した後の5ヶ月間で、S&P 500は21％上昇し、2011年の最後の四半期にはGDP成長率が3.0％というかなり健全なペースを記録しました。ECRIはその予測を先延ばしにし、2012年まで延長されると「明確化」しましたが、これは彼らが最初に示唆していたことではありませんでした。 もし経済予測を探しているなら、最も信頼できるのは特定の経済学者の予測ではなく、平均または集計された予測です。プロフェッショナル予測者調査に関する私の研究によれば、これらの集計予測はGDPの予測において約20％、失業率の予測において10％、インフレの予測において30％も個々の予測よりも正確です。この特性—集団予測が個人の予測を上回る—は、研究されたほぼすべての分野で真実であることがわかっています。しかし、集団予測が個人の予測を上回るという考え方は、予測を改善できる場合に逃げ道として使われることもあります。集団予測は個々の予測から成り立っていますので、それらが改善されれば、グループのパフォーマンスも向上します。さらに、集団経済予測でさえ、実際の世界においてはかなり不十分であるため、進歩の余地はたくさんあります。ほとんどの経済学者は、予測を行う際に統計モデルの出力をそのまま受け入れるのではなく、ある程度自分の判断に頼っています。データがどれほど雑音を含んでいるかを考えると、これはおそらく有益です。ボストン連邦準備銀行の元副総裁であるスティーブン・K・マクネスによる研究では、統計的予測手法に対する判断的調整が、約15％も正確な予測をもたらすことがわかりました。経済予測の問題を「解決」できる統計モデルの考え方は、1970年代と1980年代にコンピュータが広く使われるようになった時期に流行していました。 しかし、他の分野、例えばその時期の地震予測と同様に、技術の向上は経済に関する理論的理解の欠如を補うものではありませんでした。それは単に、経済学者にノイズを信号と誤認するためのより迅速で精緻な手段を提供しただけです。有望に見えたモデルは、どこかの時点で大きく失敗し、忘れ去られる運命にありました。しかし、判断を持ち出すことは、偏見の可能性も引き起こします。あなたは、自分の経済的インセンティブや政治的信念に合った予測をするかもしれません。また、事実や状況がそれを求めているにもかかわらず、自分のストーリーを変えることにプライドを持ちすぎるかもしれません。「人々は、自分が見たいように情報の流れを見ようとする傾向があると思います。それに対抗する必要があります」とハッツィウスは私に言いました。 では、経済学者の中にはこのトレードオフをうまく管理できる人がいるのでしょうか？前回の不況を予測した経済学者は、次の不況も当てる可能性が高いのでしょうか？この質問には興味深い答えがあります。予測能力を特定するために設計された統計テストは、プロフェッショナル予測者調査に適用すると一般的に否定的な結果が出ています。つまり、その調査を見てみると、特定の経済学者が他の経済学者よりも一貫して優れているという証拠はあまり見当たらないのです。一方、ブルーチップ経済調査の別のパネルの研究では、よりポジティブな結果が得られることが多いです。経済予測には明らかに多くの運が関与しています。常に弱気または強気の経済学者は、時々は正しい予測をすることが保証されています。しかし、ブルーチップパネルの研究では、長期的には一部の経済学者が他の経済学者よりも少しだけ優れていることがわかるようです。 では、二つの調査の違いは何でしょうか？プロフェッショナル予測者調査は匿名で行われます。各経済学者には、調査ごとに一定のランダムID番号が割り当てられますが、彼が誰で何をしているかは明らかにされません。一方、ブルーチップパネルでは、すべての予測にはその人の名前と評判が付いています。予測に自分の名前が付いていると、インセンティブが変わることがあります。例えば、あまり知られていない企業で働いている場合、たとえその予測があまり当たらないとしても、正しいときに大きな注目を集めるために大胆な予測をすることが合理的であるかもしれません。一方、ゴールドマン・サックスのような企業は、コンセンサスの範囲内に留まるためにより保守的になるかもしれません。実際、この特性はブルーチップの予測において特定されています。ある研究ではこの現象を「合理的バイアス」と呼んでいます。評判が少ないほど、予測をする際に大きなリスクを取ることで失うものが少なくなります。たとえその予測が不確かであることを知っていても、大きな成功を狙うことが合理的であるかもしれません。逆に、すでに良い評判を築いている場合、データがそれを求めていると考えていても、あまりにも大胆に出ることをためらうかもしれません。 これらの reputational concerns（評判に関する懸念）は、最も誠実で正確な予測を行うという目標からあなたを逸らす可能性があり、全体として予測を悪化させることもあります。歴史的に見ると、匿名の参加者で構成される「プロフェッショナルフォーキャスター調査」において、評判を気にするブルーチップパネリストよりも、わずかにGDPや失業率の予測が優れていることが示されています。 バイアスを克服する 悪い予測を出すことが合理的であるならば、それを助長する予測の消費者が存在することを意味します。政治的な論客が党派的な聴衆に対して信じがたい主張をすることでキャリアを築くのと同様に、経済アイデアの市場には常にベア（弱気）、ブル（強気）、そして逆張りの人々が存在します。（時には、経済予測が明確に政治的な目的を持つこともあります。例えば、ホワイトハウスが出す経済予測は、歴史的に見ても最も正確性が低いものであり、民主党政権であろうと共和党政権であろうと変わりません。） しかし、経済予測に関しては、政治的な論評よりもリスクが高いです。ロバート・ルーカスが指摘したように、経済予測と経済政策の境界は非常に曖昧であり、悪い予測が実際の経済を悪化させる可能性があります。経済予測がさらなる技術的改善から恩恵を受ける余地があるかもしれません。例えば、Googleの検索トラフィックパターンは、失業率のような経済データシリーズの先行指標として機能することがあります。「私たちが考えているのは、失業保険の初回請求件数のようなものを取ると、それが失業率の非常に良い予測因子であり、失業率は経済活動の良い予測因子であるということです」と、Googleのチーフエコノミストであるハル・ヴァリアンがカリフォルニア州マウンテンビューのGoogle本社で私に語りました。「企業内でレイオフの噂が広がると、人々は『失業保険のオフィスはどこか』や『失業保険の申請方法はどうするか』といったことを検索し始めるので、失業保険の初回請求件数を早く予測できるのです。これはやや先行指標です。」 それでも、経済学や他の分野における予測の歴史は、技術的改善が人間のバイアスによって相殺される場合、あまり役に立たない可能性があることを示唆しています。そして、経済予測者がこれらのバイアスを克服したという兆候はほとんどありません。例えば、彼らは大不況の経験からあまり懲りていないようです。2011年11月に「プロフェッショナルフォーキャスター調査」が行ったGDP成長率の予測を見てみると（図6-6）、2007年に見られた過信の傾向が依然として見られ、予測者は歴史的な予測の正確性に照らして、上振れと下振れの経済シナリオを過小評価していることがわかります。 GDP成長（2012年） 歴史的予測誤差との比較 「プロフェッショナル予測者調査、2011年11月」 50% 45% 40% 35% 30% 25% 20% 15% 10% SK <-3.0% -3.0%t0 -2.0%t0 -1.0%t0 O.0%t0 10%t0 20%t> 3.0%t0 4.0%t0 S.0%t0 >=6.0% -21% -11% -01% 09% 19% 20% 30% 49% 5.9% 「プロフェッショナル予測者調査、2011年11月」 — 予測誤差の歴史的分布 もし私たちがこれらのバイアスを減らしたいのであれば、完全に排除することはできないにしても、二つの基本的な選択肢があります。一つは供給側アプローチと考えられ、正確な経済予測の市場を創出することです。もう一つは需要側の代替案であり、不正確で過信的な予測に対する需要を減少させることです。ジョージ・メイソン大学の経済学者ロビン・ハンソンは、供給側の選択肢を支持しています。私は彼とバージニア州北部の彼のお気に入りのモロッコ料理店でランチを共にしました。彼は50代前半ですが、かなり若く見え（かなり禿げているにもかかわらず）、少し風変わりな人です。彼は死んだ際に頭を冷凍保存する計画を立てています。また、彼は「フュタルキー」と呼ぶシステムの支持者でもあり、政策問題に関する決定を政治家ではなく予測市場によって行うというものです。彼は明らかに従来の知恵に挑戦することを恐れない人です。代わりに、ハンソンは「Overcoming Bias」というブログを書いており、読者に対して、どのような文化的タブー、イデオロギー的信念、または不適切なインセンティブが最適な決定を下すことを制約しているかを考えるよう促しています。「私が最も興味深いと思う質問は、私たちが実際に予測にどれだけの努力を注いでいるか、特に私たちにとって重要だと言っていることについてです」と、食事が運ばれてきたときにハンソンは私に言いました。「MBAスクールでは、マネージャーは素晴らしい意思決定者としてのイメージを持っています。彼はスプレッドシートを持ち、統計的テストを行い、さまざまな選択肢を比較検討します。しかし、実際のマネジメントは大部分が連合を管理し、プロジェクトの支持を維持することに関わっています。もし彼らがプロジェクトのために連合を結成し、最後の瞬間に予測が変動した場合、プロジェクトを最後の瞬間に放棄するわけにはいきませんよね？」「学者たちでさえ、予測の実績を集めることにはあまり興味がないのです。彼らは、十分に明確な予測を行うことにあまり関心がない」と彼は後に言います。「彼らにとって何の利益があるのでしょうか？より根本的な問題は、私たちの社会には専門家に対する需要があるにもかかわらず、正確な予測に対する需要はそれほど多くないということです。」 この欠陥に対処するために、ハンソンは予測市場を支持しています。これは、特定の経済的または政策的な結果に賭けることができるシステムで、例えばイスラエルがイランと戦争をするかどうかや、気候変動によって地球の気温がどれだけ上昇するかなどです。彼の主張は非常にシンプルです。予測を行う際に、私たちが正確であることに対して金銭的な利害関係を持つことを保証するということです。単に仲間に良く見せようとするのではなく。 第11章では予測市場のアイデアを再考します。予測市場は万能ではなく、決して間違うことがないと考えるのは誤りです。しかし、ハンセンが言うように、少なくとも全員のインセンティブを整えることで、いくらかの改善をもたらす可能性があります。最も基本的な応用の一つは、GDPや失業率といったマクロ経済変数を予測するための市場かもしれません。インフレ、金利、商品価格などに賭けるための直接的および間接的な方法はすでに多様に存在していますが、GDPに関する高ボリュームの市場は存在しません。これらの市場には、需要があるかもしれません。近年、一般株はマクロ経済リスクとより高い相関関係を持つようになったため、これらのリスクに対するヘッジ手段を提供する可能性があります。また、これらの市場は政策立案者にリアルタイムの情報を提供し、実質的にはGDPの継続的に更新される予測として機能します。市場にオプションを追加することで、たとえばGDPが5％成長するか、2％減少するかといった賭けを行うことで、過信した予測者を罰し、経済予測に内在する不確実性のより信頼性の高い推定を得ることができます。 もう一つの解決策である「需要側」アプローチは、より遅く、段階的です。これは単に、私たちが予測の消費者としてより良くなる必要があるということを意味します。経済予測の文脈では、無作為に選ばれた先行指標で満たされた「ブラックボックス」モデルを持つ詐欺師から、実際に経済の本質について語っているジャーン・ハッツィウスのような人々に焦点を当てることを意味するかもしれません。また、経済指標や経済予測のノイズの重要性をより強調することも意味します。初期のGDP推定値は、政治的世論調査と同様に誤差範囲を伴って報告されるべきかもしれません。より広く言えば、誰かが予測に対して表現する自信の量は、その正確性の良い指標ではないことを認識することを意味します。むしろ、これらの特性はしばしば逆相関しています。経済やその他の場面で、私たちが予測者に周囲の世界に内在するリスクを完全かつ明示的に説明することをためらわせると、危険が潜んでいます。 ロールモデル インフルエンザは毎年1月にフォートディックスを時計のように襲い、ほぼ通過儀礼のようになっていました。ほとんどの兵士は毎年クリスマスに帰省し、冬休みのためにアメリカの隅々に散らばります。そして、彼らは基地に戻ってきますが、十分に食べて休んだ状態である一方で、故郷で流行していたウイルスを持ち帰ることもあります。もしインフルエンザが国内のどこかに存在していれば、彼らと一緒に戻ってくる可能性が高いのです。一方、兵舎の狭い環境では、プライバシーや引きこもる機会はほとんどありません。もし誰かが故郷でインフルエンザにかかっていた場合、その人は部隊の他のメンバーに感染させる可能性が高いのです。病気の感染を促進するシナリオを想像するのは難しいことです。通常、これは心配の種ではありません。毎年1月と2月には、数千万のアメリカ人がインフルエンザにかかります。 その病気で亡くなる者は少なく、マサチューセッツ州ウェストアシュリー出身の19歳の兵士デイビッド・ルイスのような若くて健康な男性は、例外的な存在であることがほとんどだ。ルイスは、その年の1月にフォートディックスに戻ったばかりだったが、彼は他の新兵たちと一緒に、雪に覆われたニュージャージー州中央部の湿地を50マイル行進することを決意した。彼は少しの熱に悩まされる気分ではなかった。1976年、アメリカの建国200周年の年であり、ウォーターゲート事件やベトナム戦争の不安定な日々の中で、国には秩序と規律が必要だった。しかし、ルイスは結局、宿舎に戻ることはなかった。行進の13マイル地点で彼は倒れ、その後死亡が確認された。解剖の結果、ルイスの肺は血液で満たされており、彼は肺炎で亡くなったことがわかった。肺炎はインフルエンザの一般的な合併症だが、通常は健康な若者を死に至らしめることはない。フォートディックスの医療スタッフは、その年のインフルエンザウイルスにすでに神経を尖らせていた。冬の間に病気になった数百人の兵士の中には、A/Victoria型インフルエンザウイルスに陽性反応を示した者もいたが、ルイスのように特定されていない、より重篤なタイプのインフルエンザに苦しんでいた者もいた。彼らの血液サンプルは、アトランタの疾病対策センター（CDC）に送られ、さらなる検査が行われた。2週間後、CDCはその謎のウイルスの正体を明らかにした。それは新しいタイプのインフルエンザではなく、過去の流行からの幽霊、すなわちH1N1型インフルエンザウイルス、一般に豚インフルエンザとして知られるものであった。H1N1は、現代史上最悪のパンデミックである1918-1920年のスペイン風邪の原因であり、全人類の3分の1に影響を及ぼし、5000万人を死亡させた。その中にはアメリカで675,000人が含まれていた。この発表は、科学的な理由と迷信の両方から、国の疫学コミュニティに寒気をもたらした。1918年の流行の最初の兆候も、カンザス州のフォートライリーという軍事基地で現れ、そこで兵士たちは第一次世界大戦に参加する準備をしていた。また、その当時、やや薄弱な科学的証拠に基づいて、主要なインフルエンザの流行は約10年ごとに現れると信じられていた。インフルエンザは1938年、1947年、1957年、1968年に厳しかった。1976年、世界は次の大規模なパンデミックが来る準備が整っているように思えた。すぐに一連の厳しい予測が続いた。懸念は即座の発生ではなく、CDCがH1N1型を確定的に特定した時点で、インフルエンザシーズンはすでに終息していた。しかし、科学者たちは、それが翌冬にもっと悪い事態を予兆しているのではないかと恐れていた。著名な医師がニューヨークタイムズに指摘したように、「新たに特定されたインフルエンザ株が競争相手に勝てず、世界的な覇者になれなかったケースはこれまでなかった。弱いA/Victoriaは、そのより病原性で巧妙なライバルに対抗する余地はなかった。」 もしH1N1が1918年のバージョンと同じくらい致命的であったなら、その結果は非常に悪いものになっていたかもしれません。ジェラルド・フォード大統領の保健長官、F・デイビッド・マシューズは、100万人のアメリカ人が死亡すると予測し、1918年の死者数を上回ると警告しました。 フォード大統領は困難な状況に直面しました。ワクチン産業は、ファッション産業と同様に、新しいシーズンの流行のワクチンが何であるかを知るために、少なくとも6ヶ月の準備期間が必要です。毎年、フォーミュラは少しずつ変わります。もし突然H1N1に対するワクチンを生産しなければならなくなり、特に全国民のために十分な量を生産する必要がある場合、すぐに取り掛かる必要がありました。一方で、フォードは自分が鈍感で自信がないという公共のイメージを克服しようと奮闘していました。この印象は、NBCの新しいヒット番組『サタデー・ナイト・ライブ』でのチェビー・チェイスによる彼のコミカルでつまずくキャラクターによって、週ごとに強まっていきました。そこでフォードは、議会に対して約2億回分のワクチンの承認を求め、大規模なワクチン接種プログラムを命じるという決断を下しました。これは1950年代にジョナス・ソークがポリオワクチンを開発して以来、国が見た初めてのことでした。報道はこの大規模接種プログラムを「賭け」として描きました。 しかしフォードはこれをお金と命の賭けと考え、自分が正しい側にいると信じていました。議会の両院で圧倒的多数が彼の計画を承認し、費用は1億8000万ドルに達しました。 しかし夏になると、政府の計画に対する深刻な疑念が浮上しました。アメリカでは夏はインフルエンザの自然な低発生期ですが、南半球では冬であり、インフルエンザが通常ピークに達する時期です。そして、オークランドからアルゼンチンまで、H1N1の兆候はどこにも見られず、代わりに穏やかで一般的なA/Victoriaが再び優勢でした。実際、フォート・ディックスでの約200件の症例が世界中で確認された唯一のH1N1の症例であり、プライベート・ルイスが唯一の死亡者でした。批判があらゆる方面から寄せられ始めました。CDCの副所長や、世界保健機関、権威あるイギリスの医学雑誌『ランセット』、そしてすでにH1N1の脅威を「誤報」と表現していたニューヨーク・タイムズの社説ページからもです。他の西洋諸国はそのような厳しい措置を求めていませんでした。脅威を過大評価していたことを認める代わりに、フォード政権はさらに強硬な姿勢を取り、秋には全国のテレビ画面で定期的に放送される一連の恐怖を煽る公共サービス広告を準備しました。その中の一つは、インフルエンザワクチンを拒否する人々の無知を嘲笑するもので、「私は見た中で最も健康的な55歳です。毎週末ゴルフをしています！」と語る薄毛の男性が、数瞬後には死の床にいる姿が映し出されます。別の広告では、女性のナレーターがウイルスの広がりを一人から次の人へと追い、まるで性感染症のように息を弾ませながら語ります。「ベティの母がタクシー運転手に感染させた…」 「そして魅力的なスチュワーデスの一人に…彼女はそれを心臓病を抱える友人のドティに渡しましたが、彼女は亡くなりました。」このキャンピーなコマーシャルは、非常に深刻なメッセージを伝えることを意図していました。「恐れなさい、非常に恐れなさい。」アメリカ人たちはその暗示を受け取りました。しかし、彼らの恐れは、病気そのものに対するものと同じくらいワクチンに対しても向けられました。アメリカの歴史の中で、政府が全員に注射を打つという考えは、常に多くの不安を引き起こしてきました。しかし、今回は公衆の疑念に対するより具体的な根拠がありました。その年の8月、製薬会社からの圧力を受けて、議会とホワイトハウスは製造上の欠陥があった場合に彼らを法的責任から免責することに合意しました。これは広く信任の欠如として解釈され、ワクチンは十分なテストを経ずに急いで出されるように見えました。その夏の世論調査では、アメリカ人の約50％しかワクチン接種を計画しておらず、政府の80％の目標には遠く及びませんでした。 騒動は10月にワクチン接種プログラムが始まるまで高まることはありませんでした。10月11日、ピッツバーグからの報告で、3人の高齢者がインフルエンザワクチン接種後に亡くなったことが明らかになりました。オクラホマシティでも2人の高齢者が、フォートローダーデールでも別の1人が同様に亡くなりました。いずれの死亡もワクチン接種と関連があるという証拠はありませんでした—高齢者は毎日亡くなりますから。しかし、政府のワクチン接種プログラムに対する不安と、メディアの統計に対する疑わしい理解が相まって、インフルエンザワクチンを接種した人の死亡はすべて警戒の原因となりました。アメリカで最も信頼されている男、ウォルター・クロンカイトでさえ—彼はこの話のセンセーショナルな扱いに対してメディアを戒めるためにいつもの厳格さを捨てた—公衆を落ち着かせることはできませんでした。ピッツバーグや他の多くの都市はクリニックを閉鎖しました。 晩秋になると、さらに深刻な問題が浮上しました。約500人の患者がワクチン接種後に、ギラン・バレー症候群という稀な神経疾患の症状を示し始めました。これは麻痺を引き起こす可能性のある自己免疫疾患です。今回は、統計的証拠がはるかに説得力を持っていました。一般人口におけるギラン・バレー症候群の通常の発生率は、約100万人に1件です。それに対して、ワクチン接種を受けた人々の中では、その発生率が10倍、すなわち約5000万人に500件に達していました。科学者たちはワクチンがなぜギラン・バレー症候群を引き起こしているのか確信を持っていませんでしたが、急いで生産されたことによる製造上の欠陥が有力な原因であると考えられ、医療コミュニティの合意はワクチンプログラムを完全に停止すべきだというものでした。政府は最終的に12月16日にそれを実行しました。 最終的に、フォートディックスでのH1N1の発生は完全に隔離され、国内で他に確認されたケースは一切ありませんでした。一方、1976-77年の冬には、通常のA/Victoria株によるインフルエンザの死者数は平均を少し下回っていました。結局、大騒ぎした割には何も起こらなかったのです。この豚インフルエンザの騒動は、すぐにそう呼ばれるようになり、フォード大統領にとってはあらゆる面での災害となり、彼はその年の11月に民主党のジミー・カーターに再選を果たせませんでした。製薬会社は法的責任を免れ、アメリカ政府に対して26億ドル以上の賠償請求が残されました。地元の新聞には、ワクチンを接種して義務を果たしたにもかかわらずギラン・バレー症候群にかかってしまった可哀想なウェイトレスや学校の教師の話が掲載されているのが目立ちました。数年後には、インフルエンザワクチンを接種するアメリカ人の数は約100万人にまで減少し、1978年や1979年に深刻な株が流行した場合、国が重大な危険にさらされる可能性がありました。フォードのH1N1への対応は、いくつかの面で無責任でした。1918年型のパンデミックの可能性を持ち出すことで、当時そのような最悪の結果が起こる確率は35％を超えず、場合によっては2％まで低いと考えていた医療専門家のアドバイスに反していました。 それでも、H1N1が突然姿を消した理由は明らかではありませんでした。そして、33年後に再び現れたときのH1N1についての予測もあまり良い結果にはなりませんでした。科学者たちは、2009年にH1N1が再出現した際、最初はそれを見逃しました。その後、検出した際にはその脅威を過大評価しました。豚インフルエンザの騒動の続編？インフルエンザウイルスは、特にアホウドリやカモメ、アヒル、白鳥、ガチョウなどの野生の海鳥によって広がります。これらの鳥はウイルスの遺伝子を大陸間で運ぶものの、病気にかかることはほとんどありません。彼らは他の種、特に豚や鶏などの家禽にウイルスを伝えます。鶏はインフルエンザにかかることがありますが、通常はそれに耐えられる程度で生き延び、人間の飼い主にウイルスを伝えることができます。豚はさらに優れており、人間のウイルスや鳥類のウイルス、さらには自分たちのウイルスにも感受性があるため、異なる株のウイルスが混ざり合い、変異するための容器となります。したがって、豚インフルエンザの完璧なインキュベーターは、次の3つの条件が揃った地域です。 1. 人間と豚が近接して生活している場所、つまり豚肉が食生活の主食である場所。 2. 豚と海鳥が交わる可能性のある海の近くの場所。 3. そして、おそらく発展途上国のどこかで、貧困が低い衛生状態を生み出し、動物ウイルスが人間に伝染しやすくなっている場所。 この混合状態は、中国、インドネシア、タイ、ベトナムなどの東南アジア諸国で見られる状況をほぼ完璧に表しています（中国だけで世界の豚の約半分が飼育されています）。これらの国々は、毎年のインフルエンザ株や、潜在的に世界的なパンデミックとなる可能性のあるより珍しい型のインフルエンザの発生源となることが非常に多いです。そのため、特に最近の数年間は、別のウイルス株に対する恐れから、医療コミュニティの注目を集めてきました。H5N1、一般に鳥インフルエンザとして知られるこのウイルスは、東アジアで数年間静かに存在しており、もし間違った形に変異すれば非常に致命的になる可能性があります。しかし、これらの状況はアジアに限ったものではありません。例えば、メキシコのベラクルス州もインフルエンザにとって同様に肥沃な条件を提供しています。ベラクルスはメキシコ湾に面しており、メキシコは豚肉を多く使う料理の伝統を持つ発展途上国です。実際、2009年のH1N1の発生は、非常に少ない科学者がインフルエンザを探していたベラクルスで始まりました。 2009年4月末までに、科学者たちはベラクルスやメキシコの他の地域での豚インフルエンザに関する驚くべき統計に圧倒されました。メキシコでは約1,900件のH1N1の症例が報告され、約150人が死亡しました。これら二つの数値の比率は致死率として知られ、非常に高いように見えました。インフルエンザにかかった人の約8％が死亡したとされ、これはスペイン風邪の流行時の率を超えていました。さらに、亡くなった人々の多くは比較的若く健康な成人であり、これは重篤な流行のもう一つの特徴です。また、ウイルスは自己複製が非常に得意で、カナダ、スペイン、ペルー、イギリス、イスラエル、ニュージーランド、ドイツ、オランダ、スイス、アイルランドなど、メキシコやアメリカ合衆国以外でもすでに症例が確認されていました。突然、H1N1が科学者たちがずっと恐れていたスーパーバグであることが明らかになりました。メキシコシティは事実上封鎖され、ヨーロッパの国々は市民にメキシコやアメリカへの旅行を控えるよう警告しました。香港やシンガポールは、インフルエンザのパンデミックに対して非常に神経質であり、株式市場は急落しました。 最初の懸念はすぐに収まりました。豚インフルエンザは確かにアメリカで非常に急速に広がり、4月26日の20件の確認された症例から、約15日後には2,618件に達しました。しかし、ほとんどの症例は驚くほど軽症で、アメリカでは確認された死亡者はわずか3人で、致死率は季節性インフルエンザと同程度でした。豚インフルエンザが無限の破壊的潜在能力を持っているように見えたわずか1週間後、CDCは閉鎖された学校の再開を推奨しました。しかし、病気は世界中に広がり続け、2009年6月にはWHOがそれをレベル6のパンデミック、最高の分類として宣言しました。科学者たちは、この病気が進行する可能性を恐れていました。 1918年のスペイン風邪について、当初は比較的軽度だったものの、後により致命的な第二波と第三波が襲った（図7-1）。8月には、アメリカの当局が「もっともらしいシナリオ」として、人口の半分が豚インフルエンザに感染し、最大90,000人のアメリカ人が死亡する可能性があると述べるなど、再び悲観的な雰囲気が広がっていた。 図7-1：1918-19年H1N1流行による死亡率 しかし、これらの予測も実際には根拠のないものでした。最終的に政府は、2009年に約5500万人のアメリカ人がH1N1に感染したと報告しました。これはアメリカの人口の約6分の1であり、半分ではありませんでした。また、死亡者数は11,000人でした。H1N1は異常に重篤なウイルス株ではなく、実際には非常に軽度で、致死率はわずか0.02％でした。実際、2009-10年のインフルエンザによる死亡者数は、通常のシーズンよりも少し少なかったのです。1976年のような大きな失態には至りませんでしたが、予測の失敗は始まりから終わりまで続きました。次回のインフルエンザ予測がより良い結果をもたらす保証はありません。 時代背景を考えると、インフルエンザやその他の感染症には、予測が非常に難しい理由がいくつかあります。 **外挿の危険性** 外挿は非常に基本的な予測手法ですが、通常はあまりにも単純すぎます。これは、現在のトレンドが未来にわたって無限に続くと仮定することに過ぎません。この仮定をあまりにも自由に適用した結果、予測の失敗がいくつか起こりました。例えば、20世紀初頭、多くの都市計画者は馬車の使用増加とその主な汚染物質である馬の糞について懸念していました。1894年にロンドン・タイムズのある作家は、1940年代までにロンドンのすべての通りが9フィートの糞に埋まるだろうと予測しました。幸運なことに、約10年後にヘンリー・フォードがモデルTの試作車を生産し始めたことで、この危機は回避されました。外挿は、人口増加に関するいくつかの失敗した予測の原因でもありました。おそらく、世界人口の成長を予測するための最初の真剣な試みは、1682年にイギリスの経済学者サー・ウィリアム・ペティによって行われました。当時、人口統計は広く利用可能ではなく、ペティは17世紀の人間の人口成長率がかなり遅いことを正しく推測するために多くの革新的な作業を行いました。しかし、彼は物事が常にそのままであると誤って仮定し、彼の予測は2012年には世界人口が7億人を少し超えるだろうと示唆しました。1世紀後、産業革命が始まり、人口ははるかに速いペースで増加し始めました。2011年末には70億人を超えた実際の世界人口は、ペティの予測の約10倍です。 1968年にスタンフォード大学の生物学者ポール・R・アーリッヒとその妻アン・アーリッヒが著した物議を醸した書籍『人口爆弾』は、逆の誤りを犯し、1970年代に数億人が飢餓で死亡すると誤って予測しました。この予測の失敗の理由は多岐にわたりますが、アーリッヒ夫妻が自らの主張に注目を集めるために終末的なシナリオに焦点を当てる傾向があったことが一因です。しかし、彼らが抱えていた大きな問題の一つは、1960年代の自由恋愛時代の記録的な出生率が無限に続くと仮定していたことです。つまり、ますます多くの空腹な人々を養う必要があるということです。「『人口爆弾』を書いたとき、私たちの性と子供に対する関心が非常に強く、家族のサイズを変えるのは難しいと思っていました」とポール・アーリッヒは短いインタビューで私に語りました。「私たちは、女性を適切に扱い、仕事の機会を与えれば、出生率が下がることを発見しました。」そのような単純な仮定をしなかった他の学者たちは、当時このことに気づいていました。国連が発表した人口予測は、 1960年代と1970年代は、30年から40年後の人口の姿を予測する上で、概ね良い成果を上げていました。しかし、外挿法は、人口増加や疾病など、研究したい数量が指数関数的に増加する分野では、特に大きな問題を引き起こす傾向があります。1980年代初頭、アメリカ合衆国で診断されたエイズの累積件数は、この指数関数的な形で増加していました。1980年には99件、1981年には434件、1984年には11,148件に達しました。これらの数字を当時の学者たちが行ったようにチャートにまとめ、パターンを外挿して未来を予測することができます。この方法で得られた予測では、1995年までにアメリカで診断されるエイズの件数が約270,000件に達するとされましたが、これはあまり良い予測ではありませんでした。残念ながら、実際の件数は1995年までに約560,000件に達し、予測よりも2倍以上も多かったのです。統計的な観点から見ると、指数関数的なスケールで外挿を行う場合、正確な予測はそもそも不可能であるというのが大きな問題です。この方法を適切に適用し、誤差の範囲を考慮に入れた場合、1995年までにエイズの件数は35,000件から1.8百万件の間になる可能性があることを示唆していました。この範囲はあまりにも広すぎて、予測の洞察を提供するには不十分です。 2009年のインフルエンザ予測が失敗した理由 疫学者がインフルエンザの発生を最初に検出した際に使用する統計的方法は、前述の例ほど単純ではありませんが、疑わしいデータポイントの少数から外挿を行うという課題に直面しています。疾病の広がりを予測する上で最も有用な指標の一つは、基本再生産数と呼ばれる変数です。通常、Roと指定され、感染した個人から病気を受けることが期待される未感染者の数を測定します。例えば、Roが4の場合、ワクチンやその他の予防策がない場合、病気にかかった人は回復（または死亡）する前に、他の4人に病気を感染させることが期待されます。理論的には、Roが1を超える病気は、ワクチンや隔離がない限り、最終的には全人口に広がることになります。しかし、Roの数値はこれよりもはるかに高いことがあります。スペイン風邪のRoは約3、天然痘は6、麻疹は15でした。マラリアは、歴史上最も致命的な病気の一つであり、Roはおそらく三桁に達しているでしょう。 文明の影響により、現在でも世界の一部地域では約10％の死亡がこの原因によるものです。 **図7-3：さまざまな病気のRoの中央値の推定値** マラリア 150 麻疹 15 天然痘 6 HIV/AIDS 35 SARS 3.5 H1N1（1918年） 3 エボラ（1995年） 1.8 H1N1（2009年） 1.5 季節性インフルエンザ 1.3 問題は、Roの信頼できる推定値は通常、病気がコミュニティを襲った後、十分な時間が経過して統計を精査できるようになるまで策定できないということです。そのため、疫学者は初期のデータポイントから推測を行わざるを得ません。病気のもう一つの重要な統計指標である致死率も、初期段階では正確に測定するのが難しい場合があります。これはいわゆる「キャッチ-22」の状況で、病気を正確に予測するためにはこの情報が必要ですが、これらの数値の信頼できる推定は、病気が進行し始めるまで通常は得られません。感染症が最初に発生したときのデータは、しばしば誤って報告されます。たとえば、アメリカにおける初期のAIDS診断の数字は、実際には数年後にしか入手できなかったものでした。これらの更新された統計でさえ、予測にはあまり役立ちませんでした。しかし、当時科学者たちが実際に利用できたデータに依存していた場合、さらに悪い結果になっていたでしょう。これは、AIDSが初期の段階では十分に理解されておらず、患者や時には医師の間でも強い偏見があったためです。AIDSに似た症状を持つ奇妙な症候群は診断されなかったり、誤診されたりしました。また、AIDSが引き起こす機会感染が死因として誤認されることもありました。数年後に医師たちが古い症例の履歴を再検討し始めて初めて、AIDSの初期の流行状況についての良い推定ができるようになりました。誤ったデータは、2009年の豚インフルエンザに関するいくつかの不正確な予測の原因でもありました。H1N1の致死率は、2009年のメキシコでは非常に高いとされていましたが、アメリカでは非常に低いことが判明しました。この違いの一部は、各国の医療の効果の違いに起因していますが、多くは統計的な錯覚でした。症例致死率は単純な比率で、病気によって引き起こされた死亡者数をその病気に起因する症例数で割ったものです。しかし、この方程式の両側には不確実性があります。一方では、メキシコでは他の種類のインフルエンザや全く異なる病気に関連する死亡をH1N1に帰属させる傾向がありました。実験室の検査では、H1N1に関連付けられた死亡のうち、実際に明確な症状を示していたのはわずか4分の1に過ぎないことが明らかになりました。他方では、H1N1の症例数はおそらく桁違いに過小報告されていたことでしょう。 メキシコのような発展途上国は、アメリカのような高度な報告システムを持っておらず、病気の兆候が現れた際にすぐに医者に行く文化もありません。そのため、アメリカがインフルエンザを輸入した際に病気が急速に広がったことは、メキシコ国内で当局に知られることのなかった軽症のインフルエンザのケースが数千、あるいは数万あった可能性を示唆しています。実際、H1N1ウイルスは、医療コミュニティの注目を集める数ヶ月前から、メキシコの南部や中央部で流行していたかもしれません（特に、彼らはアジアでの鳥インフルエンザの調査に忙しかったため）。2009年3月初旬、ベラクルス州の小さな町ラ・グロリアでは、町の大多数が呼吸器疾患にかかる報告がありましたが、メキシコ当局は当初、これはより一般的なウイルス株であるH3N2によるものだと考えていました。 対照的に、豚インフルエンザはアメリカに入ってきた瞬間から、メディアの過剰な憶測の対象となりました。ほとんどのケースは見逃されることはありませんでした。報告基準が高いため、アメリカでの致死率は比較的信頼できるものであり、最悪のシナリオのいくつかを回避することができましたが、すでに公にされた驚くべき予測を覆すには遅すぎました。 自己実現的かつ自己キャンセル的な予測 人間の行動に関する予測に関わる多くのケースでは、予測そのものが人々の行動に影響を与えることがあります。経済学のように、これらの行動の変化が予測の結果に影響を及ぼし、予測を無効にしたり、より正確にしたりすることがあります。インフルエンザや他の感染症に関する予測は、この問題の両面に影響されます。予測が自らを実現する場合、それは自己実現的予測または自己実現的予言と呼ばれます。これは、複数の候補者がいる選挙、例えば大統領予備選挙における政治調査の発表によって起こることがあります。このような場合、投票者は戦略的に行動し、勝つ可能性のある候補者を支持しようとするため、投票を無駄にしたくないと考えます。そして、よく知られた調査結果は、候補者がその役割を果たすのに適しているかどうかを示す最良の指標となることが多いです。例えば、2012年のアイオワ共和党コーカスの後半段階で、CNNはリック・サントラムが投票率16％に急上昇したという調査結果を発表しましたが、彼はそれまで約10％の支持率でした。この調査は異常値だったかもしれません—他の調査では、CNNの調査が発表された後でなければサントラムが支持を得ていることは示されていませんでした。それでも、この調査はサントラムに多くの好意的なメディア報道をもたらし、いくつかの有権者がミシェル・バッハマンやリック・ペリーのようなイデオロギー的に類似した候補者から彼に乗り換えました。やがて、この調査は自らの運命を実現し、サントラムはアイオワ州で勝利し、バッハマンとペリーは大きく後れを取る結果となりました。 この現象のより微妙な例は、デザインやエンターテインメントの分野に見られます。ここでは、企業が消費者の好みを予測するために競い合っている一方で、巧妙なマーケティングプランを通じてその好みに影響を与える能力も持っています。ファッションの世界では、次のシーズンに人気が出る色を予測するための小規模な産業が存在します。これは、衣料品ラインを立ち上げるために必要な計画時間のため、約1年前に行う必要があります。もし影響力のあるデザイナーたちが、来年の流行色としてブラウンを選び、大量のブラウンの服を製造し、モデルやセレブリティにブラウンを着せ、店舗がウィンドウやカタログにブラウンを多く展示し始めると、一般の人々はそのトレンドに従うようになるかもしれません。しかし、彼らはブラウンに対する深い好みを表現しているのではなく、むしろブラウンのマーケティングに反応しているのです。デザイナーは「流行色を予測した」として天才のように見えるかもしれませんが、もし彼がホワイトやブラック、ラベンダーを選んでいたとしても、同じプロセスが展開されていたかもしれません。 病気やその他の医療状態も、この自己実現的な特性を持つことがあります。医療状態がメディアで広く取り上げられると、人々は自分の症状を特定しやすくなり、医者はそれを診断（または誤診）する可能性が高くなります。最近の最もよく知られた例は自閉症です。アメリカの新聞で「自閉症」という用語が使われる頻度と、自閉症と診断される子供の数を比較すると、ほぼ完璧な1対1の相関関係が見られ、両者とも近年著しく増加しています。自閉症は病気とは正しく考えられていませんが、インフルエンザのようなものと類似点があります。「因果メカニズムがない病気では、ニュースイベントが報告の増加を引き起こすという興味深い現象が見られます」と、ハーバード公衆衛生大学院のアレックス・オゾノフ博士は語りました。オゾノフ博士は純粋数学の訓練を受け、多くのデータ駆動型の分野に精通していますが、現在はインフルエンザやその他の感染症に対して厳密な統計分析を適用することに集中しています。「私たちが何度も発見しているのは、特定の状態が人々の心に留まり、現在の議論のトピックであればあるほど、報告が100パーセントに近づくということです。」 オゾノフ博士は、この現象が2009年にアメリカ全土で豚インフルエンザが急速に広がった速度の一因である可能性があると考えています。この病気は確かに急速に広がっていましたが、統計の急激な増加の一部は、人々が無視していたかもしれない症状を医者に報告したことから来ているかもしれません。 もし医師が、ある病気の発生率が人口の中でどのように拡大しているかを推定しようとする場合、公開されている症例数は誤解を招く推定を提供する可能性があります。この状況は犯罪報告に似ています。警察がある地域での強盗事件の増加を報告した場合、それは警察がより警戒を強め、以前見逃していた犯罪を捕まえたからなのか、それとも報告しやすくなったからなのか？それとも、その地域がより危険になっているからなのでしょうか？これらの問題は、インフルエンザの初期段階について予測を立てようとする人々にとって非常に厄介です。 自己打消し予測 自己打消し予測とは、予測が自らを損なうケースのことです。興味深い例として、ますます一般的に使用されるGPSナビゲーションシステムがあります。マンハッタンには、ハドソン川に沿ったウエストサイドハイウェイと、マンハッタンの東側にあるFDRドライブという2つの主要な南北ルートがあります。目的地によって、ドライバーはどちらの道路を強く好むわけではありません。しかし、GPSシステムは交通量が少ない方のルートを指示し、どちらが短い通勤時間になるかを予測します。問題は、多くの他のドライバーも同じナビゲーションシステムを使用している場合に発生します。突然、そのルートが交通で混雑し、「速い」とされるルートが実際には遅くなることがあります。ニューヨーク、ボストン、ロンドンの特定のよく使われるルートでこの問題が発生しているという理論的および実証的な証拠が既に存在し、これらのシステムが時には逆効果になることがあることが示されています。この自己打消しの特性は、インフルエンザ予測の精度にも問題を引き起こす可能性があります。なぜなら、その目的の一部は、病気に対する公衆の意識を高め、したがって公衆の行動を変えることだからです。最も効果的なインフルエンザ予測は、実現しないかもしれませんが、人々をより健康的な選択に向けて動機づけるものかもしれません。 洗練されないシンプルさ フィンランドの科学者ハンナ・コッコは、統計的または予測モデルを構築することを地図を描くことに例えています。それは、役立つために十分な詳細を含み、基盤となる風景を正直に表現する必要があります。大都市や著名な河川、山脈、主要な高速道路を省略してはいけません。しかし、あまりにも詳細すぎると、旅行者にとって圧倒され、道を見失う原因となります。第5章で見たように、これらの問題は単なる美的なものではありません。無駄に複雑なモデルは、問題のノイズに適合してしまい、信号を捉えられず、基盤となる構造を再現するのが下手になり、予測が悪化することがあります。しかし、どれくらいの詳細が多すぎるのか、または少なすぎるのかはどう判断すればよいのでしょうか。地図作成は習得に一生を要し、芸術と科学の要素を組み合わせています。モデル構築を芸術形式と呼ぶのは行き過ぎかもしれませんが、多くの判断力を必要とすることは確かです。 理想的には、コッコのような質問には実証的に答えることができるべきです。モデルは機能しているのか？もしそうでないなら、異なる解像度のレベルを考える時かもしれません。疫学において、医師が使用する伝統的なモデルは非常にシンプルで、あまりうまく機能していません。感染症に対する最も基本的な数学的アプローチはSIRモデルと呼ばれています（図7-5）。このモデルは1927年に提唱され、特定の人が任意の時点で存在する可能性のある3つの「コンパートメント」を仮定しています。Sは病気に対して感受性があること、Iは感染していること、Rは回復したことを示します。インフルエンザのような単純な病気の場合、コンパートメント間の移動は完全に一方向です：SからI、そしてRへと進みます。このモデルでは、ワクチン接種は本質的にショートカットとして機能し、病気にかかることなくSからRに進むことを可能にします。モデルの背後にある数学は比較的単純で、数秒でノートパソコン上で解ける数少ない微分方程式に集約されます。 問題は、このモデルが適切に機能するために多くの仮定を必要とし、その中には実際にはあまり現実的でないものもあるということです。特に、このモデルは特定の集団のすべての人が同じように行動することを前提としています。つまり、皆が同じように病気に対して感受性があり、同じようにワクチン接種を受ける可能性があり、ランダムに互いに交流するというものです。人種、性別、年齢、宗教、性的指向、信条による区別はなく、皆がほぼ同じように行動します。 サンフランシスコにおけるHIVの逆説 これらの仮定がなぜ誤っているのかは、性感染症のようなケースで最も明らかです。1990年代後半から2000年代初頭にかけて、サンフランシスコのゲイコミュニティでは無防備な性行為が著しく増加しました。このコミュニティは20年前にHIV/AIDSパンデミックによって壊滅的な打撃を受けていました。一部の研究者は、特にクリスタルメスなどの薬物使用の増加が原因だと指摘しました。これはリスクの高い性行動としばしば関連しています。他の研究者は、抗レトロウイルス療法の効果が高まったことを挙げました。これはHIV陽性患者の寿命を何年も、あるいは数十年も延ばすことができる薬のカクテルです。ゲイ男性たちはもはやHIVの診断を死刑宣告とは見なさなくなりました。さらに別の理論は世代間のパターンに焦点を当てました。1980年代のサンフランシスコ、すなわちAIDSの流行がピークに達していた時代は、若い世代のゲイ男性にとっては古代の歴史のように感じられ始めていました。専門家たちが一致していたのは、無防備な性行為が増加するにつれてHIV感染率も増加する可能性があるということでした。しかし、実際にはそうはなりませんでした。 他の性感染症（STD）は増加しました。特に、1990年代にサンフランシスコからほぼ根絶された男性同性愛者（MSM）における新たな梅毒の診断数は、1998年の9件から2004年には502件に大幅に増加しました。また、淋病の発症率も増加しました。しかし逆説的なことに、新たなHIV感染者数は増加しませんでした。2004年、梅毒が数年ぶりの最高水準に達した際、HIVの診断数はエイズ流行の始まり以来の最低数にまで減少しました。この現象は研究者たちにとって非常に理解しがたいものでした。通常、梅毒とHIVは統計的に強く相関しており、一方の病気を持つことが他方の病気にかかるリスクを高める因果関係もあります。 この逆説の解決策は、ゲイ男性たちが「セロソーティング」を行うようになったことにあるようです。つまり、彼らは自分と同じHIVステータスの性パートナーを選ぶようになったのです。どのようにしてこれを実現したのかは議論の余地がありますが、サンフランシスコ、シドニー、ロンドンなどの大規模なゲイ人口を持つ都市での詳細な行動研究によって文書化されています。公衆衛生キャンペーンの一部は、「コンドーム疲れ」を警戒し、「交渉された安全」という概念に焦点を当てていたため、一定の効果があったのかもしれません。また、インターネットが性パートナーを見つけるための好ましい場所としてゲイバーに取って代わったことで、開示に関する異なる規範が生まれた可能性もあります。多くの男性がプロフィールに自分のHIVステータスを記載しており、自宅のプライバシーの中で厳しい質問をすること（そして正直な回答を得ること）が、ダンスホールの喧騒の中よりも容易であるかもしれません。 理由は何であれ、このような特定の局所的な行動が単純な病気モデルを混乱させていることは明らかでした。そして幸運なことに、この場合、HIVの予測が過大評価されていたことを意味していました。SIRのような区分モデルは、すべての個人が病気に対する感受性の率を持っていると仮定していますが、より親密な接触を必要とする病気や、異なるサブポピュレーション間でリスクレベルが非対称な病気にはうまく機能しません。スーパーマーケットに無作為に入ってHIVを持ち帰ることはできません。 モデルがフォート・ディックスで失敗した理由 しかし、単純な病気の場合でも、区分モデルはその緩い仮定のために時折失敗しています。例えば、麻疹を考えてみましょう。麻疹は、ほとんどの新進の疫学者が博士課程で学ぶ最初の病気であり、研究が最も容易だからです。「麻疹は感染症のモデルシステムです」とハーバード大学のオゾノフの同僚であるマーク・リプシッチは言います。「それは明確です。血液検査ができ、唯一の株があり、感染者は全員が症状を示します。」 「一度感染したら、再び感染することはない」と言われています。SIRモデルが扱うべき病気があるとすれば、それは麻疹です。しかし、1980年代と1990年代初頭、シカゴでは異常に深刻な麻疹の流行が相次ぎ、疫学者たちはその予測に苦労していました。従来のモデルでは、シカゴの住民の多くがワクチン接種を受けているため、集団免疫と呼ばれる状態に達しているはずだと示唆されていました。集団免疫とは、病気が広がる機会が少なくなり、やがて消えてしまう生物学的な防壁のようなものです。しかし、1980年代のある年には、なんと千人ものシカゴの住民、ほとんどが幼い子供たちが麻疹にかかりました。この問題は非常に深刻で、シカゴ市は看護師に家々を回ってワクチン接種を行うよう命じるほどでした。 ロバート・ダウム博士は、小児科医で感染症の専門家であり、シカゴ大学の病院で働いています。彼はこれらの麻疹の流行を深く研究してきました。ダウム博士は、威厳のある声を持ち、ひげを生やし、冷静なユーモアを交えた医者の中の医者です。私が彼と二人の同僚を訪れたとき、彼は2010年のハイチ地震の救援活動を手伝ったばかりでした。私が13年間住んでいたシカゴは、近隣地域で構成されている都市です。これらの近隣地域はしばしば非常に分断されており、人種や社会経済的な線を越えた交流はほとんどありません。ダウム博士は、近隣地域によってワクチン接種の傾向が異なることを発見しました。シカゴの主に貧しい黒人が多く住む南側の住民は、子供たちにMMR（麻疹、おたふく風邪、風疹）のワクチン接種を受けさせる可能性が低かったのです。ワクチンを接種していない子供たちは一緒に学校に通い、遊び、咳やくしゃみをし合っていました。彼らは、SIRモデルの前提の一つである「ランダムミキシング」を破っていました。この前提は、人口の中の任意の二人が同じように接触する可能性があると仮定しています。そして、彼らは麻疹を広めていました。この非ランダムな混合の現象は、1976年の豚インフルエンザの騒動でも問題となったかもしれません。当時、科学者たちはフォート・ディックスで見られた症例から全国的なH1N1の脅威を推測することを求められました。豚インフルエンザ株—現在のA/New Jersey/76として知られるもの—は、基地内で非常に迅速に広がったため、脅威と見なされました。最終的に230件の確認された症例が2、3週間の間に診断されました。したがって、科学者たちはこのウイルスが非常に高い基本再生産数（Ro）を持っているに違いないと推測しました。おそらく1918年のパンデミックと同じくらい高く、Roは約3でした。しかし、軍隊の小隊は、通常、病気にかかりやすい環境です。兵士たちは、食料や寝具などの必需品を共有する狭い空間で、互いに非常に近い接触を持ち、プライバシーの機会がほとんどありません。 さらに、彼らはしばしば厳しい身体的運動を行っており、その結果、一時的に免疫システムが弱まっています。また、軍隊の社会的規範として、病気であっても仕事に出続けることが求められます。このため、感染症が広がる機会が多く、感染は通常非常に迅速に発生します。フォートディックスでのアウトブレイクに関するその後の研究によれば、病気の急速な広がりは、病原体の virulence（病原性）によるものではなく、こうした状況的要因によるものであることが明らかになりました。フォートディックスは、アメリカのどこかのランダムな近所や職場とは全く異なる環境でした。実際、A/New Jersey/76はそれほど心配する必要のないもので、その基本再生産数（Ro）は1.2と、季節性インフルエンザと同程度の弱いものでした。軍の基地や大学の寮、刑務所のような類似の環境の外では、あまり広がることはなかったでしょう。この病気は基本的にフォートディックスでその寿命を全うし、新たに感染させる個体がいなくなってしまったのです。A/New Jersey/76に関するこの騒動は、サンフランシスコのHIV/梅毒の逆説や1980年代のシカゴの麻疹のアウトブレイクと同様に、過度に単純化された仮定に基づくモデルの限界を示しています。私は、常に複雑なモデルを単純なものよりも好むべきだとは言っていません。この本の他の章で見たように、複雑なモデルも人々を誤った方向に導くことがあります。そして、複雑なモデルはしばしばより正確な（必ずしも正しいとは限らない）答えを提供するため、予測者の過信を引き起こし、実際よりも予測が得意だと思わせることがあります。それでも、単純さはモデルにとって美徳であり得ますが、少なくともモデルは洗練された単純さを持つべきです。SIRのようなモデルは、病気を理解するためには役立ちますが、その進行を予測するにはあまりにも粗雑すぎるかもしれません。 天気予報は、予測を大幅に改善した比較的少数の複雑なモデルの一例を提供しています。数十年の努力を経て、気象学者たちは本質的に大気の物理シミュレーションを作成することにより、純粋な統計的アプローチよりもはるかに良い結果を出すことができるようになりました。ますます多くのグループが、エージェントベースのモデリングと呼ばれる手法を用いて病気予測に同様のアプローチを適用しようとしています。私は、これらの技術の開発の最前線にいるピッツバーグ大学の研究者たちを訪れました。ピッツバーグのチームは、彼らのモデルをFREDと呼んでおり、これは「疫学的ダイナミクスの再構築のためのフレームワーク」を意味します。この名前は、ピッツバーグ出身で「ミスター・ロジャースの Neighborhood」のホストであったフレッド・ロジャースへのオマージュでもあります。ピッツバーグはシカゴと同様に、近所の集まりの街です。ピッツバーグの研究者たちは、病気を考えるときに近所を考慮しており、FREDは基本的に「SimPittsburgh」のようなもので、すべての人が家族、社会的ネットワーク、居住地、信念や行動のセットを持つ「エージェント」として表現される非常に詳細なシミュレーションです。 彼女の社会経済的地位に一致した行動について、ピッツバーグチームの科学者の一人であるジョン・グレフェンステット博士は、ほとんどの人生をこの街で過ごし、今でもその独特なアクセントの名残があります。彼はFREDの組織について説明しました。「彼らは学校や職場、病院を適切な地理的分布に基づいて配置しています。子供たちを学校に割り当てるための非常に複雑な仕組みがあり、全員が最寄りの学校に通うわけではありません。そして、学校の中には小規模なものもあれば、本当に大きなものもあります。ですから、これは合成的なシムシティのような人口が形成されるのです。」 グレフェンステット博士と彼の親しみやすい同僚であるショーン・ブラウン博士は、FREDのシミュレーション結果を見せてくれました。病気の波がカラフルにジップコードごとにシムピッツバーグやシムワシントン、シムフィラデルフィアを通過していきます。しかし、FREDは非常に真剣なビジネスでもあります。これらのモデルは手抜きをせず、都市、郡、州のすべての人々が表現される可能性があります。一部のエージェントベースのモデルは、国全体や世界全体をシミュレートしようとさえしています。天気予報モデルと同様に、これらは膨大な計算を必要とし、したがってスーパーコンピュータでの実行が必要です。また、これらのモデルは多くのデータも必要とします。人口統計を正確に把握するのは一つのことですが、これは国勢調査を通じてかなり正確に推定できます。しかし、モデルは人間の行動も考慮する必要があり、これは予測が難しいことが多いです。たとえば、26歳のラティーナのシングルマザーがワクチン接種を受ける可能性はどれくらいでしょうか？彼女にアンケートを作成して尋ねることもできますが、エージェントベースのモデルはアンケートデータにかなり依存しています。しかし、人々は自分の健康に関する選択について嘘をついたり（または誤って記憶したり）することが多いのです。たとえば、人々は実際よりも頻繁に手を洗っていると主張したり、コンドームをより多く使用していると主張したりします。 グレフェンステット博士が教えてくれた比較的確立された原則の一つは、人々がワクチン接種のような不便だが健康に良い措置を取る意欲は、病気にかかるリスクの認識に結びついているということです。私たちのシムピッツバーガーは、豚インフルエンザのリスクが深刻だと判断すればインフルエンザワクチンを接種しますが、そうでなければ接種しません。しかし、隣人が病気になったり、子供が病気になったりした場合、彼女の認識はどのように変わるでしょうか？地元のニュースでインフルエンザに関する話がたくさん報じられたらどうでしょう？したがって、病気予測の自己実現的かつ自己キャンセル的な特性は、これらのエージェントベースのモデルにとって非常に重要です。これらのモデルは動的であり、エージェントの行動が時間とともに変化することを可能にするため、これらの質問に対処する能力が高いかもしれません。 また、シカゴ大学のダウム博士と彼のチームは、MRSAという危険な病気の広がりを研究するためのエージェントベースのモデルを構築しています。MRSAは抗生物質耐性のブドウ球菌感染で、普通の擦り傷や切り傷が命に関わる場合や時には治療不可能な感染症に進展することがあります。 MRSA（メチシリン耐性黄色ブドウ球菌）は、感染経路が多岐にわたる複雑な病気です。ハグのような比較的カジュアルな接触や、開いた傷、汗や血液などの体液の交換を通じて広がることがあります。また、カウンタートップやタオルなどのさまざまな表面に長く残ることもあります。MRSAがよく見られる場所の一つはロッカールームで、アスリートたちが器具を共有することがあります。高校からNFLまでのフットボールチームの間でMRSAのアウトブレイクが報告されています。さらに混乱を招くのは、多くの人がMRSAの細菌を持っていても、病気になったり症状を示したりしないことです。 MRSAをモデル化しようとするダウム博士と彼の同僚たちは、次のような質問を自問自答しなければなりません。切り傷があるときにバンドエイドを使うのはどのような人々か？異なる文化においてハグはどれほど一般的か？近所の人々の中で、スタフ感染が一般的な刑務所に行ったことがある人はどれくらいか？これらは従来のモデルでは対処できない質問であり、エージェントベースのモデルがより正確な予測を提供できる可能性がある分野です。しかし、ピッツバーグとシカゴのチームが考慮しなければならない変数は膨大で多岐にわたります。これは、全人口の個々の行動をシミュレーションしようとする際には必然的に直面する課題です。彼らの研究はしばしば認知心理学、行動経済学、民族学、さらには人類学にまで及びます。エージェントベースのモデルは、パプアニューギニアのジャングルやアムステルダムのゲイバーなど、多様なコミュニティにおけるHIV感染の研究にも使用されています。これには地域の習慣や環境に関する広範な知識が必要です。したがって、エージェントベースのモデリングは非常に野心的な取り組みであり、この分野で活動するグループはしばしばそれぞれの専門分野で最高の才能を持つ多分野のオールスターチームで構成されています。しかし、どんなに頭脳が集まっても、彼らの努力はしばしばデータ不足によって妨げられます。「H1N1に関しても、誰がいつどこで病気になったのかという詳細な地理データを得るのは難しい」とグレフェンステット博士は嘆きます。「過去のアウトブレイクに関するデータを得るのがどれほど難しいかは驚くべきことです。」 ピッツバーグとシカゴのチームと話していると、中国の美しい新しいショッピングモールの話を思い出すことがありました。そこにはローマの柱や屋内のジェットコースター、ヴェネツィアの運河など、あらゆる想像力をかき立てる装飾が施されていますが、まだ店舗や人々は存在しません。シカゴとピッツバーグの両チームは、いくつかの非常に有用で実行可能な結論に達しています。たとえば、グレフェンステット博士は、学校の閉鎖が短すぎたり早すぎたりすると逆効果になる可能性があることを突き止め、シカゴ大学のチームは、シカゴの内市部でのMRSAの異常に多い症例がクック郡刑務所への人の流入と流出によって引き起こされたと推測しました。しかし、ほとんどの場合、モデルは少なくとも数年先を行っており、まだ存在しないデータを待っている状態です。 エージェントベースのモデルは、毎日改良が可能な天気予報モデルとは異なり、テストが難しいです。主要な病気は、そう頻繁には発生しません。また、たとえモデルが正しいとしても、成功した病気予測の自己キャンセル特性のために、その成功が逆にモデルを誤解させることがあります。例えば、モデルが特定の介入、例えばある郡の学校を閉鎖することが非常に効果的であると示唆したとします。そして、その介入が実際に効果を発揮した場合、現実の世界では病気の進行が遅くなります。しかし、その結果、モデルは振り返ってみると、あまりにも悲観的だったように見えるかもしれません。そのため、ピッツバーグとシカゴのチームは、具体的な予測を行うためにモデルを使用することに慎重になっています。2009年の豚インフルエンザの発生前には、他のチームはあまり慎重ではなく、非常に不正確な予測を行い、インフルエンザの広がりを大幅に過小評価することもありました。現時点では、チームは主に、ダウム博士の同僚であるチップ・マカルが「洞察のためのモデル化」と呼ぶものに限られています。つまり、エージェントベースのモデルは感染症についての実験を行う手助けをするかもしれませんが、現時点ではアウトブレイクを予測するのには役立たないでしょう。 予測が難しいときの進め方 アメリカ合衆国での過去2回の大規模なインフルエンザの懸念は、期待に応えませんでした。1976年には、フォート・ディックスでのケースを除いてH1N1の発生は実際にはありませんでした。フォードの大規模ワクチン接種プログラムは、過剰反応でした。2009年には、豚インフルエンザがかなりの数の人々に感染しましたが、死亡者は非常に少なかったです。どちらの場合も、政府のアウトブレイクの規模に関する予測は高めに外れていました。しかし、次回インフルエンザが発生したときに、誤りが同じ方向になる保証はありません。人間に適応した鳥インフルエンザの株であるH5N1は、数億人を殺す可能性があります。2009年のH1N1のように簡単に広がるが、1918年の株の致死率を持つインフルエンザ株があれば、140万人のアメリカ人が死亡することになります。また、SARSのような非インフルエンザウイルスや、1977年に世界から根絶された天然痘も、テロリストによって生物兵器として社会に再導入される可能性があり、数百万人を殺す恐れがあります。最も深刻な疫病は、ほぼ定義上、非常に迅速に進行することができます。2009年には、H1N1が医療コミュニティによってほぼ完全に検出されていない病気から、数千万人を殺す可能性がある病気に進化するのに約1週間しかかかりませんでした。この章のために話をした疫学者たちは、他の分野の同業者とは対照的に、自分たちのモデルの限界を強く認識していました。「3つのデータポイントに基づいて予測するのは愚かだ」とマーク・リプシッチは、1918年、1957年、1968年のインフルエンザパンデミックを指して言いました。 「できることは、さまざまなシナリオを計画することだけです。」 良い予測ができないのであれば、自分ができると装うことはしばしば害を及ぼします。私は、疫学者や医療コミュニティの他の人々が、ヒポクラテスの誓いに従っているため、これを理解しているのではないかと疑っています。「まず、害をなさないこと。」多くの思慮深い研究が、統計モデルの使用と乱用、そして予測の適切な役割について、医療専門家から発表されています。経済学者や地震学者が予測を行う際にも、何もかかっていないわけではありません。しかし、医学が生命と死に密接に関わっているため、医師は適切に慎重になる傾向があります。彼らの分野では、愚かなモデルが人を死に至らしめることがあります。それは非常に重い意味を持ちます。しかし、チップ・マカルの「洞察のためのモデル化」という考え方については、さらに言うべきことがあります。この本の哲学は、予測が目的であると同時に手段でもあるということです。例えば、予測は仮説検証において非常に中心的な役割を果たし、したがってすべての科学において重要です。統計学者のジョージ・E・P・ボックスが言ったように、「すべてのモデルは間違っているが、一部のモデルは有用である。」彼が言いたかったのは、すべてのモデルは宇宙の単純化であり、必然的にそうなるということです。別の数学者が言ったように、「猫の最良のモデルは猫である。」他のすべては、何らかの詳細を省いています。その詳細がどれほど重要かは、私たちが解決しようとしている問題と、どれほど正確な答えを必要としているかによります。また、統計モデルだけが宇宙についての近似を行うための道具ではありません。例えば、言語も一種のモデルであり、私たちが互いにコミュニケーションを取るための近似です。すべての言語には、他の言語に直接対応する単語が含まれており、両方とも同じ宇宙を説明しようとしています。専門分野にはそれぞれ特有の言語があります。この本の表紙の一部のテキストの色は、あなたや私には黄色に見えますが、グラフィックデザイナーにとっては、その表現はあまりにもおおざっぱです。代わりに、それはパンソン109です。しかし、ボックスが言ったように、一部のモデルは有用です。シカゴやピッツバーグのチームがエージェントベースのモデルを使って行っている研究は非常に有用だと思います。異なる民族グループがワクチン接種についてどう考えているか、病気が都市の異なる地域でどのように広がるか、また人々がインフルエンザに関するニュース報道にどう反応するかは、それぞれ独自に重要な問題です。良いモデルは、失敗しても有用であり得ます。「私たちが行う予測は、平均して間違っていることが前提であるべきだ」とオゾノフは私に言いました。「だから、通常はそれがどのように間違っているのかを理解し、間違ったときに何をすべきか、そして間違ったときのコストを最小限に抑えることが重要です。」重要なのは、モデルは宇宙の複雑さを理解するための道具であり、決して宇宙そのものの代わりではないことを忘れないことです。これは予測を行う際だけでなく、重要です。 一部の神経科学者、特にMITのトマッソ・ポッジョは、私たちの脳が情報を処理する方法を一連の近似として捉えています。これは、より良い予測を行うためには、自分自身や受け取る信号をどのように歪め、解釈しているのかを理解することが非常に重要である理由です。この本の前半では、これらの近似がどのように私たちに役立っているのか、またどのように失敗しているのかに焦点を当ててきました。残りの部分では、それらを少しずつ改善する方法について述べています。 スポーツベッターのハララボス「ボブ」・ヴォルガリスは、ロサンゼルスのハリウッドヒルズにある輝く現代的な家に住んでいます。金属とガラスでできたその家には、デイヴィッド・ホックニーの絵画のようなプールがあります。彼は11月から6月までの毎晩、NBAの試合を5試合同時に、5台のサムスンのフラットスクリーンで観戦します（ディレクTVのスタッフはこれまでに見たことがないと言っていました）。短い休憩が必要なときはラスベガスのパームス・プレイスのコンドミニアムに逃げ込み、長い休暇が必要なときはアフリカでサファリを楽しみます。悪い年には、彼はおおよそ100万ドルを稼ぎますが、良い年にはその3倍から4倍を稼ぐこともあります。ボブは高級な生活の一端を楽しんでいますが、レジャースーツを着た葉巻をくわえたギャンブラーのステレオタイプには当てはまりません。彼は、インサイダー情報や不正な審判、その他の手口に依存して賭けをすることはありませんし、特定の「システム」を持っているわけでもありません。彼はコンピュータシミュレーションを使用しますが、それに完全に依存しているわけではありません。彼が成功する理由は、情報を分析する方法にあります。彼は単にパターンを探しているのではなく、統計の知識とバスケットボールの知識を組み合わせてデータの中に意味のある関係を見出しています。これは多くの努力を要し、時には大きな勇気も必要です。彼が現在の地位に至るまでには、大きな計算された賭けが必要でした。 ヴォルガリスは、マニトバ州ウィニペグで育ちました。ウィニペグは、働き者の街ですが、寒さが厳しい場所です。彼の父親はかつてかなり裕福で、ピーク時には約300万ドルの資産を持っていましたが、ギャンブルで全てを失いました。ヴォルガリスが12歳のときには、父親は破産していました。16歳のとき、彼はウィニペグを出るためには良い教育が必要で、それを自分で支払わなければならないことに気づきました。そのため、マニトバ大学に通いながら、収入を得るためにあらゆる手段を探しました。夏には、ブリティッシュコロンビア州の北部で木登りの仕事をし、1本の木につき7セントの報酬を得ていました。学期中は、空港のスカイキャップとして働き、トロントやミネアポリスに向かうウィニペグの人々の荷物を運んでいました。ヴォルガリスは最終的に、働いていたスカイキャップ会社の持分を買い取り、間もなくそのビジネスの大部分を所有するようになりました。1999年には大学の4年生になった時点で、約8万ドルを貯めていました。 しかし、ヴォルガリスは80,000ドルは大した金額ではないと考えていた。彼は父親がその何倍もの金額を何度も勝ったり負けたりするのを見てきたからだ。そして、マニトバ大学の哲学専攻の就職の見込みはあまり良くなかった。彼は自分の人生を加速させる方法を探しているとき、どうしても抵抗できない賭けに出会った。その年、ロサンゼルス・レイカーズは、シカゴ・ブルズで6回のチャンピオンシップを勝ち取った異端のコーチ、フィル・ジャクソンを雇った。レイカーズには多くの才能があった。彼らのスーパースターセンター、身長7フィート1インチ（約2.16メートル）の巨人シャキール・オニールは絶頂期にあり、21歳のガード、コービー・ブライアントは高校を卒業してわずか4年で、自らもスーパースターに成長しつつあった。オニールのようなビッグマンとブライアントのような得点者の2人の偉大な選手は、特にジャクソンのような優れたコーチと組むことで成功の方程式となることが多い。ジャクソンは彼らの大きな自尊心をうまく管理できるからだ。しかし、当時の常識はレイカーズに懐疑的だった。彼らは前の年、ストライキで短縮された1998-99シーズンにリズムをつかむことができず、3人のコーチを経て31勝19敗で終わり、プレーオフの2回戦でサンアントニオ・スパーズに4連敗で敗退していた。ブライアントとオニールは常に対立しており、オニールはブライアントがまだ合法的に飲酒できない年齢にもかかわらず、自分の人気を追い越そうとしていることに嫉妬しているようだった。ロサンゼルスのスポーツ用品店では、ブライアントのジャージがオニールのものを上回って売れていた。 当時のウェスタンカンファレンスは強力で、サンアントニオやポートランドのようなまとまりのある経験豊富なチームが揃っていた。そのため、レイカーズは彼らに対処するには未熟すぎるという評判が立っていた。レギュラーシーズンの第3戦でレイカーズがポートランドに大敗し、オニールが冷静さを失って途中退場したことは、評論家やショック・ジョッキーたちの最悪の懸念を裏付けるように思えた。地元のロサンゼルス・タイムズでさえ、レイカーズをNBAの7番目のチームと評価し、シーズン開始前に彼らに比較的楽観的なオッズ（4対1）を与えたベガスのブックメーカーを叱責していた。1999-2000シーズンのレギュラーシーズンが始まってわずか数週間後、ベガスのブックメーカーたちは懐疑的な見方を受け入れ、レイカーズのオッズを61対1に引き上げた。これにより、常識に逆らう勇気のある人々にはより良い配当が得られることになった。ヴォルガリスは常識をあまり信じていなかった。彼のライフスタイルを可能にするのは、その常識の欠点の大部分であり、彼はこれが明らかに狂気だと思った。新聞のコラムニストやブックメーカーたちは、小さなデータのサンプルに過度の重点を置き、より大きな視点やその周囲の文脈を無視していた。ヴォルガリスは、レイカーズはそれほど悪いプレーをしているわけではないと考えていた。 彼らは、新しいコーチに適応し、プレシーズンで手首を負傷したブライアントの怪我を抱えながらも、厳しいスケジュールの中で最初の7試合のうち5試合に勝利していた。メディアは、ストライキやコーチの交代によって中断された1998-99シーズンの不安定さに焦点を当てていたが、1997-98年のより通常の状況下での61勝21敗の記録はほとんど無視されていた。ヴォルガリスは多くのレイカーズの試合を観ており、ジャクソンがチームに施している戦術を気に入っていた。そこで彼は、食費と学費を少し残しておいた全財産の8万ドルをレイカーズのNBAチャンピオンシップ優勝に賭けた。もし勝てば50万ドルを手に入れることができ、負ければ空港でダブルシフトをこなす生活に戻ることになる。最初は、ヴォルガリスの直感は非常に良い方向に向かっていた。その後のシーズンで、レイカーズは残り71試合のうち62試合に勝利し、19、16、11試合の3つの連勝を含んでいた。最終的に67勝15敗で、NBA史上最も優れたレギュラーシーズンの記録の一つを達成した。しかし、プレーオフは別の問題だった。西カンファレンスはその年々非常に厳しく、プレーオフ全体でホームコートアドバンテージを持っていたとはいえ、4シリーズを連続で勝ち抜くのはレイカーズにとって難しいことだった。ロサンゼルスはプレーオフの第一ラウンドで、頑張るサクラメント・キングスに対して危機を乗り越え、シリーズは決定的な第5戦に突入した。その後、ウェスタン・カンファレンス準決勝でフェニックスを楽々と下した。しかし、次のラウンドではポートランド・トレイルブレイザーズと対戦することになり、彼らはマイケル・ジョーダンの元相棒でありジャクソンの元教え子であるスコッティ・ピッペンを中心としたバランスの取れた成熟したロースターを持っていた。ポートランドはレイカーズにとって厳しい相手となるだろう。レイカーズの才能には及ばないものの、彼らの鈍重でフィジカルなスタイルはしばしば相手チームのリズムを崩すことが多かった。レイカーズはベスト・オブ・セブンシリーズの第1戦を比較的簡単に勝利したが、その後は波乱の展開が始まった。ロサンゼルスでの第2戦では、不可解なほどの悪いプレーを見せ、3クォーターでポートランドに20連続得点を許し、106-77でシーズン最も大差で敗れた。次の2試合はポートランドのローズガーデンで行われたが、第3戦では、レイカーズは前半に13点差をつけられた後、立て直し、ブライアントが最後の秒数でシュートをブロックして2点差で勝利を収めた。第4戦でも再び重力を無視し、オニールが9回のフリースローをすべて成功させて11点のビハインドを逆転した。シリーズで1勝3敗のトレイルブレイザーズは、「死の淵にいる」とジャクソンがやや不適切に表現した。しかし、第5戦ではロサンゼルスのステイプルズセンターでレイカーズはシュートが決まらず、79本中30本しか成功させられず、96-88で敗れた。 第六戦、ポートランドに戻った彼らは早々にリズムを失い、試合の流れをつかむことができなかった。ブレイザーズは103-93で勝利し、シリーズは再び均衡を保った。決定的な第7戦はロサンゼルスで行われることになった。賢明なギャンブラーであれば、賭けをヘッジするのが常道だった。例えば、ヴォルガリスはポートランドに20万ドルを賭けることができた。ポートランドは3対2のアンダードッグだったため、これで利益を確保できた。もしブレイザーズが勝てば、ヘッジから得られる利益で元の8万ドルの損失をカバーし、さらに22万ドルの純利益を得ることができる。逆にレイカーズが勝てば、元の賭けは支払われるため、ヘッジは失うものの、両方の賭けを合わせて32万ドルの利益を得ることができた。これは50万ドルの大勝ちにはならないが、悪くはない。しかし、少し問題があった。ヴォルガリスには20万ドルがなかったし、信頼できる誰かも知らなかった。彼はウィニペグの兄の家の地下室に住む23歳の空港のスカイキャップだった。文字通り、ロサンゼルスに行くか、破滅かの状況だった。試合の初め、彼のチャンスはあまり良くなかった。ブレイザーズはオニールに対してあらゆる機会を狙い、フリースローラインに追い込むか、反撃されてファウルトラブルに陥らせようとしていた。第二クォーターの半ば、戦略は完璧に機能しており、オニールは3つのファウルを犯し、まだフィールドから得点していなかった。その後、ポートランドは第三クォーターの中盤で猛烈なランを見せ、ピッペンの3ポイントシュートで16点のリードを奪い、ステイプルズセンターにはブーイングが響き渡った。その時点でヴォルガリスのオッズは非常に厳しかった。レイカーズのように、第三クォーターの残り2分で16点差を逆転して勝つチームは滅多にない。計算すると、その確率は約15対1だった。彼の賭け、ウィニペグからの脱出の切符はほぼ失われたように見えた。 しかし、第四クォーターの初めに、ポートランドの brutal なフィジカルスタイルのプレーの欠点が突然明らかになった。選手たちは疲れ果て、アドレナリンでなんとか持ちこたえていた。レイカーズはホームの観客の前でプレーしており、心理学者たちが示すように、選手たちに必要なときにテストステロンの追加バーストを提供していた。そしてレイカーズは若いチームで、より回復力のあるエネルギーを持っていた。ポートランドは突然シュートが決まらなくなり、第四クォーターの初めに6分以上得点できない状態になった。レイカーズがペースを上げる中で、L.A.は点差を一桁に縮め、次に5点、3点と迫り、ブライアン・ショーが3ポイントシュートを決めて同点にし、数回の攻撃の後にブライアントが2本のフリースローを決めてリードを奪った。 ポートランドのシュートが最後の数分で改善されたものの、遅すぎた。レイカーズは、彼らの二人のスーパースター、ブライアントとオニールによる雷鳴のようなアリウープで試合を決定づけた。2週間後、レイカーズはインディアナ・ペイサーズを効率的に下し、マジック・ジョンソン時代以来の初のNBAタイトルを獲得した。そして、ボブというスカイキャップは、億万長者になる道の半ばにいた。 **優れたギャンブラーの思考法** ヴォルガリスは、なぜ自分のレイカーズへの賭けが成功すると確信していたのか？彼は確信していなかった。成功するギャンブラーや、あらゆる種類の成功した予測者は、未来を「負けなしの賭け」「揺るぎない理論」「無限に正確な測定」といった観点で考えない。これらは、騙されやすい人の幻想であり、過信の誘惑である。成功するギャンブラーは、未来を確率の点として捉え、新しい情報の衝撃に応じて上下に揺れ動く株式市場のティッカーのように考える。彼らの確率の見積もりが提示されているオッズから十分に乖離したとき、賭けを行うことがある。たとえば、ヴォルガリスが賭けをした時のレイカーズのベガスラインは、彼らがNBAタイトルを獲得する確率が13パーセントであることを示唆していた。ヴォルガリスはレイカーズの勝率が100パーセントや50パーセントだとは思っていなかったが、13パーセントよりはかなり高いと自信を持っていた。おそらく25パーセントくらいだと考えていた。もしヴォルガリスの計算が正しければ、その賭けは70,000ドルの理論的利益を持っていた。 **図8-1：ヴォルガリスが見たレイカーズへの賭け** | 結果 | 確率 | 純利益 | |------------------------|------|------------| | レイカーズが優勝する | 25% | +$520,000 | | レイカーズが優勝しない | 75% | -$80,000 | | 期待利益 | | +$70,000 | 予測者にとって未来が確率のグレーの影の中に存在する一方で、現在は白黒で現れる。ボブの70,000ドルの理論的利益は、520,000ドルを得る25パーセントのチャンスと、80,000ドルを失う75パーセントのチャンスを平均したものである。長期的には、勝ちと負けは平均化される。過去と未来は、良い予測者にとっては現在よりも似ていることが多く、どちらも長期的な確率で表現できるからだ。しかし、これは一度限りの賭けだった。ヴォルガリスは、レイカーズが過小評価されていると考えた6つの異なる理由を持って、かなりの優位性を持っている必要があった。 **図8-2：成功したギャンブラーの目を通した世界** | 未来 | 現在 | 過去 | |------|------|------| ヴォルガリスは自分自身の資金を蓄えた今、小さな優位性を追求する余裕ができた。彼はNBAの試合が行われる典型的な夜に、3回か4回の賭けを行うかもしれない。これらの賭けは、通常の基準から見れば巨大だが、彼の純資産と比べると小さく、彼はそれらに対して憂鬱な無関心を装うことができる。 私が訪れた夜、ユタ・ジャズがラインアップに身長7フィート2インチのウクライナ人選手、キリロ・フェセンコを投入したとき、彼はほとんど目を瞬きさせなかった。それは、彼らが試合を諦めている明らかな兆候であり、ヴールガリスがその試合にかけた3万ドルの賭けに負けることを意味していた。ヴールガリスの大きな秘密は、実は大きな秘密がないことだ。代わりに、彼は千の小さな秘密を持っており、それを一つずつ組み合わせて情報を集めている。例えば、彼は各試合の結果をシミュレーションするプログラムを持っている。しかし、彼はそれを、非常に明確な優位性がある場合や他の情報で補完される場合にのみ頼りにする。彼はほぼすべてのNBAの試合を観戦し（生中継もあれば録画もある）、どのチームが実力を発揮しているか、どのチームがそうでないかについて自分なりの意見を形成している。彼は本質的に自分自身のスカウティングサービスを運営しており、アシスタントを雇って各プレイヤーのディフェンスポジショニングをすべてのプレイで記録させている。これにより、彼は多くのNBAチームが持っていないアドバンテージを得ている。彼は数十人のNBA選手のTwitterフィードをフォローし、140文字の情報を注意深く分析している。たとえば、ある選手がその夜出かけるクラブについてツイートしている場合、その選手は試合に集中していない可能性がある。彼は記者会見でコーチが言うことや使うコードにも多くの注意を払っている。たとえば、コーチが「オフェンスを学ばせたい」や「良い基本的なバスケットボールをプレーさせたい」と言った場合、それは試合のペースを遅くしたいという意図を示唆するかもしれない。 多くの人にとって、ヴールガリスが観察するようなことは些細に思えるかもしれない。そして、ある意味ではそれは正しい。大きく明白な優位性は他のギャンブラーにも気づかれており、賭けのラインに反映されるからだ。だからこそ、彼はもう少し深く掘り下げる必要がある。例えば、2002年のシーズンの後半、ヴールガリスはクリーブランド・キャバリアーズが試合の合計得点を「オーバー」にする可能性が特に高いことに気づいた。（スポーツベッティングには主に2つのタイプがあり、一つはポイントスプレッド、もう一つはオーバー・アンダーラインまたは合計得点、つまり両チームが合計で何点得点するかを示す。）彼は数試合を注意深く観察した後、その理由をすぐに見抜いた。チームのポイントガードであり、自己中心的な選手として知られるリッキー・デイビスが年末にフリーエージェントになるため、彼は自分の統計を改善し、より市場価値のある選手になるためにあらゆる手段を講じていたのだ。これは、キャバリアーズのオフェンスを急速に展開し、できるだけ多くの得点とアシストの機会を作り出すことを意味していた。この戦術が良いバスケットボールかどうかはあまり重要ではなかった。キャバリアーズはプレイオフ進出の可能性がほとんどなかったからだ。キャバリアーズの対戦相手もプレイオフ進出の可能性が低いことが多く、互いに統計を改善するために、無言の協定を結んで緩いディフェンスを行い、得点を交換することに喜んでいた。キャバリアーズが出場する試合の平均得点は、シーズンの最後の3週間で192点から207点に急増した。オーバーに賭けることは、 確実なものではないが、非常に利益が見込めるものであった。こうしたパターンは、振り返ってみると明らかに思えることがある。たとえば、キャバリアーズの試合は、攻撃的な統計を改善する以外に何も残されていない場合、得点が高くなるのは当然だ。しかし、統計を狭い視点で捉え、そこから生まれる文脈を考慮しないベッターには見逃されることがある。もしあるチームが連続して高得点の試合を行ったとしても、それが何か特別な意味を持つわけではない。実際、NBAは長いシーズンを持ち、30チームがそれぞれ82試合を行うため、こうした小さな連勝は常に発生する。ほとんどは運に過ぎない賭けであり、偶然によって起こる理由がある。実際、ブックメーカーもこれらのトレンドに気づいており、ラインを設定する際に過剰に調整することがあるため、逆に賭ける方が賢明な場合もある。したがって、ヴールガリスは単にパターンを探しているわけではない。データが豊富な環境ではパターンを見つけるのは簡単であり、それは平凡なギャンブラーがすることだ。重要なのは、そのパターンがノイズなのかシグナルなのかを見極めることだ。しかし、ヴールガリスが特定の試合に賭けるかどうかの決定に関して、一つの特定の鍵があるわけではないが、彼の判断を支える特定の思考プロセスがある。それがベイズ的推論と呼ばれるものである。 トーマス・ベイズの improbable legacy トーマス・ベイズはおそらく1701年に生まれたイギリスの牧師であるが、1702年であった可能性もある。ベイズの人生については確かなことがほとんどなく、彼の名前は統計学の一分野に冠され、最も有名な定理の一つにもなっている。ベイズの肖像がどのようなものであったかを知っている人がいるかどうかも不明であり、百科事典の記事で一般的に使用される彼の肖像は誤って帰属されている可能性がある。 比較的議論の余地が少ないのは、ベイズが裕福な家庭に生まれ、イギリス南東部のハートフォードシャーで育った可能性があるということだ。彼はエディンバラ大学に通うために遠くまで旅をした。なぜなら、ベイズは英国国教会ではなく、非国教徒の教会のメンバーであり、オックスフォードやケンブリッジのような教育機関から追放されていたからである。 それにもかかわらず、ベイズは比較的少ない出版実績にもかかわらず、ロイヤル・ソサエティのフェローに選ばれ、知的な議論の批評家や仲介者としての役割を果たした可能性がある。多くの学者がベイズに帰属させる作品の一つは、ジョン・ヌーンというペンネームで発表された「神の慈悲」と題された小冊子である。このエッセイでは、ベイズは神が真に慈悲深いのであれば、なぜ世の中に苦しみや悪が存在するのかという古くからの神学的な問いを考察した。ベイズの答えは、本質的には、私たちの人間の不完全さを神の不完全さと混同してはいけないということであり、宇宙に対する神の設計を私たちが完全には理解できないかもしれないというものであった。「したがって奇妙なことに...」 「彼はこのスケールの最も低い部分しか見ていないため、全体の幸福の敗北を推測すべきだ」とベイズは別の神学者に応じて書きました。 ベイズのはるかに有名な著作『確率論の問題を解決するためのエッセイ』は、彼の死後に出版され、1763年に彼の友人リチャード・プライスによってロイヤル・ソサエティに紹介されました。この作品は、新しいデータに出会ったときに私たちがどのように世界についての確率的信念を形成するかに関するものでした。プライスは、ベイズのエッセイを紹介する際に、ある人が世界に出てきて（彼はアダムか、あるいはプラトンの洞窟から来たのかもしれません）、初めて太陽が昇るのを見た例を挙げます。最初は、これが典型的な現象なのか、それとも何らかの異常な出来事なのか分かりません。しかし、彼が生き延びて毎日太陽が再び昇るたびに、それが自然の恒常的な特徴であるという自信が高まります。こうして、純粋に統計的な推論を通じて、彼が明日太陽が再び昇ると予測する確率は、100パーセントに近づいていきます（ただし、決して正確には達しません）。ベイズとプライスの主張は、世界が本質的に確率的または不確実であるというものではありません。ベイズは神の完全性を信じており、自然が規則的で予測可能な法則に従うことを示唆しているように見えたアイザック・ニュートンの業績の支持者でもありました。むしろ、これは数学的かつ哲学的に表現された、私たちが宇宙について学ぶ方法に関する声明です。つまり、私たちは近似を通じて宇宙について学び、より多くの証拠を集めることで真実に近づいていくのです。これは、スコットランドの哲学者デイヴィッド・ヒュームのより懐疑的な見解とは対照的です。ヒュームは、太陽が再び昇ることを確実に知ることができない以上、それが昇るという予測は昇らないという予測と本質的に同じくらい合理的ではないと主張しました。ベイジアンの見解は、合理性を確率的な問題と見なします。要するに、ベイズとプライスはヒュームに対して、「あなたが自然を理解するのがあまりにも愚かだからといって、自然を非難しないでください。もし懐疑的な殻を破ってその振る舞いについて予測を立てれば、真実に少し近づけるかもしれません」と言っているのです。 確率と進歩 この主張が、ベイズが『神の慈悲』で述べたものと非常に似ていることに気づくかもしれません。彼は、私たち自身の誤りを神の失敗と混同すべきではないと主張しました。自分の不完全さを認めることは、救済への必要なステップです。しかし、ベイズの哲学には本質的に宗教的なものはありません。むしろ、今日ベイズの定理として認識されているものの最も一般的な数学的表現は、おそらく無神論者であったフランスの数学者で天文学者のピエール＝シモン・ラプラスによって発展されました。ラプラスは、科学的決定論の象徴的存在であり、すべての粒子の位置を知っていれば、宇宙を完璧に予測できると主張しました。 その中で、彼らの動きを計算するのは素早かった。では、なぜラプラスは確率論に基づく理論に関与しているのでしょうか？その理由は、自然の完璧さと私たち人間の測定や理解における不完全さとの間にある断絶に関係しています。ラプラスは当時、木星と土星の軌道に異常が見られるという天文観測にフラストレーションを感じていました。それらの観測は、木星が太陽に衝突し、土星が宇宙空間に漂流することを予測しているように見えました。もちろん、これらの予測は全く間違っており、ラプラスはこれらの惑星の軌道をより正確に測定することに人生の多くを捧げました。ラプラスが行った改善は、当時の望遠鏡のような器具が非常に粗雑であったため、正確な測定の代わりに確率的推論に依存していました。ラプラスは、確率を無知と知識の間の中間点と見なすようになりました。彼にとって、確率をより深く理解することが科学の進歩にとって不可欠であることは明らかでした。 確率、予測、科学の進歩との密接な関係は、18世紀のベイズとラプラスによって十分に理解されていました。この時期は、人間社会が数世紀前に印刷機の発明によって利用可能になった情報の爆発を受け入れ、ついにそれを持続的な科学的、技術的、経済的進歩に変換し始めた時期です。この関係は重要であり、惑星の軌道を予測することとレイカーズの試合の勝者を予測することの両方に等しく当てはまります。後に、予測の役割を軽視し、不確実性を私たちの判断の不完全さではなく測定の誤差から生じるものとして再定義しようとする異なる統計的パラダイムが20世紀に支配的になったとき、科学はつまずくことになりました。 ベイズの定理の単純な数学 ベイズの定理の哲学的基盤は驚くほど豊かですが、その数学は驚くほど単純です。最も基本的な形では、これは3つの既知の変数と1つの未知の変数を持つ代数的表現に過ぎません。しかし、この単純な公式は膨大な予測的洞察をもたらすことができます。ベイズの定理は条件付き確率に関するものであり、ある出来事が起こった場合に理論や仮説が真である確率を教えてくれます。例えば、あなたがパートナーと一緒に住んでいて、出張から帰宅した際に引き出しに見知らぬ下着を見つけたとしましょう。あなたはおそらく自問するでしょう：あなたのパートナーが浮気をしている確率はどれくらいですか？条件は下着を見つけたこと、そしてあなたが評価したい仮説は、あなたが浮気をされている確率です。 ベイズの定理は、信じられないかもしれませんが、この種の質問に対する答えを提供することができます。ただし、あなたが知っている（または推定することを厭わない）3つの量を把握している必要があります。 まず第一に、仮説が真である場合、つまりあなたが浮気されているという条件下で、下着が現れる確率を推定する必要があります。この問題のために、あなたが女性で、パートナーが男性であると仮定しましょう。そして、問題の下着はパンティーです。もし彼があなたを裏切っているのなら、パンティーがそこにある理由を想像するのは簡単です。しかし、彼が浮気している場合でも、むしろ特に、彼がもっと注意深くなることを期待するかもしれません。彼があなたを裏切っている場合のパンティーが現れる確率を50％としましょう。 第二に、仮説が偽である場合の下着が現れる確率を推定する必要があります。もし彼が浮気していないのなら、どうやってそこに下着があるのか、いくつかの無邪気な説明があるでしょうか？もちろん、すべてが心地よいわけではありません（それは彼のパンティーかもしれません）。彼の荷物が混ざってしまった可能性もありますし、あなたが信頼する彼の友人の女性が一晩泊まった可能性もあります。パンティーはあなたへのプレゼントで、彼が包み忘れたものかもしれません。これらの理論は本質的に成り立たないわけではありませんが、中には「宿題を犬に食べられた」という言い訳に近いものもあります。これらの確率を合わせて、5％と見積もります。 第三に、最も重要なことは、ベイズ主義者が「事前確率」と呼ぶもの、つまり「事前」を知る必要があります。下着を見つける前に、彼があなたを裏切っている確率をどのように見積もっていましたか？もちろん、パンティーが見つかった今、完全に客観的でいるのは難しいかもしれません（理想的には、証拠を調べる前に事前を設定します）。しかし、時にはこのような数値を経験的に推定することも可能です。例えば、研究によると、結婚しているパートナーの約4％が、任意の年に配偶者を裏切ることが分かっていますので、これを事前確率として設定します。 これらの値を推定したら、ベイズの定理を適用して事後確率を求めることができます。私たちが興味を持っているのは、この数値です：下着を見つけたことを考慮に入れた場合、私たちが浮気されている可能性はどれくらいでしょうか？計算（およびそれを導く単純な代数式）は図8-3に示されています。 図8-3：ベイズの定理 - 下着の例 事前確率 彼があなたを裏切っている可能性の初期推定。4％ 新しい出来事が発生：謎の下着が見つかる。彼があなたを裏切っている場合の下着が現れる確率：50％ 彼があなたを裏切っていない場合の下着が現れる確率：5％ 事後確率 下着を見つけたことを考慮に入れた場合、彼があなたを裏切っている可能性の修正推定。 結果として、この確率はまだかなり低く、29％です。これでも直感に反するように思えるかもしれません—あのパンティーはかなりの証拠ではないでしょうか？ しかし、これは主に、あなたが彼が不正を働く可能性を低く見積もっていたことに起因しています。無実の男性は、パンティーの出現に対する信頼できる説明が有罪の男性よりも少ないですが、あなたは最初に彼を無実の男性だと考えていたため、その考えが大きく影響しています。私たちの先入観が強いと、新しい証拠に対して驚くほど頑固に保たれることがあります。このことの古典的な例が、40代の女性における乳がんの存在です。幸いなことに、40代の女性が乳がんを発症する確率はかなり低く、約1.4パーセントです。しかし、もし彼女が陽性のマンモグラフィーを受けた場合、確率はどうなるでしょうか？研究によれば、女性ががんを持っていない場合、マンモグラフィーが誤ってがんがあると示す確率は約10パーセントです。一方、がんを持っている場合、約75パーセントの確率でそれを検出します。これらの統計を見ると、陽性のマンモグラフィーは非常に悪いニュースのように思えます。しかし、これらの数字にベイズの定理を適用すると、異なる結論に至ります。40代の女性が陽性のマンモグラフィーを受けた場合、乳がんを持っている確率は依然として約10パーセントです。この偽陽性が方程式を支配しているのは、若い女性の中で乳がんを持っている人が非常に少ないからです。このため、多くの医師は、乳がんの先行確率が高くなる50代になるまで、定期的なマンモグラフィーを受けることを勧めています。このような問題は間違いなく難しいものです。最近の調査では、アメリカ人の統計リテラシーを調査し、この乳がんの例を提示したところ、正しい確率の推定を行ったのはわずか3パーセントでした。時には、問題を視覚的に見てみることで（図8-4のように）、私たちの不正確な近似に対する現実チェックが得られることがあります。視覚化することで、全体像を把握しやすくなります。若い女性において乳がんが非常に稀であるため、陽性のマンモグラフィーの事実はそれほど重要ではないのです。 通常、私たちは最新の情報や最も即座に入手可能な情報に焦点を当てるため、全体像を見失ってしまいます。賢いギャンブラーであるボブ・ヴォルガリスは、この思考の欠陥を利用する方法を学びました。彼は、ブックメーカーがレイカーズの最初の数試合に過度に重きを置いたため、レイカーズのタイトル獲得のオッズが4対1から614対1に引き上げられたことを利用して、利益を上げる賭けをしました。彼らのパフォーマンスは、スター選手の一人が負傷した良いチームから期待されるものとほぼ同じでした。ベイズの定理は、私たちにこれらの問題を考え抜くことを要求します。 より慎重に考えることができ、私たちの直感的な推測があまりにも粗雑であることを検出するのに非常に役立ちます。ただし、私たちの事前確率が常に新しい証拠を上回るわけではなく、ベイズの定理が本質的に直感に反する結果を生むわけでもありません。時には、新しい証拠が非常に強力で、他のすべてを圧倒することがあります。その結果、何かの確率をほぼゼロからほぼ確実に変えることが瞬時に可能です。ここで、厳粛な例を考えてみましょう：9月11日のテロ攻撃です。私たちの多くは、その朝目覚めたとき、テロリストがマンハッタンのビルに飛行機を突っ込ませる確率をほとんどゼロに近いと見積もっていたでしょう。しかし、最初の飛行機がワールドトレードセンターに衝突した瞬間、テロ攻撃の可能性が明らかであることを認識しました。そして、2番目のタワーが攻撃されたときには、私たちは攻撃を受けていることに疑いを持ちませんでした。ベイズの定理はこの結果を再現できます。例えば、最初の飛行機が衝突する前、マンハッタンの高層ビルに対するテロ攻撃の可能性を1/20,000、つまり0.005%と見積もっていたとしましょう。しかし、ワールドトレードセンターに飛行機が偶然衝突する確率も非常に低いと見積もっていたはずです。この数値は実際に経験的に推定できます。9月11日の前の25,000日間のマンハッタン上空の航空事故の中で、1945年にエンパイアステートビルでの事故と1946年に40ウォールストリートでの事故の2件がありました。これにより、任意の日にそのような事故が起こる可能性は約1/12,500となります。ベイズの定理を使ってこれらの数字を計算すると（図8-5a）、最初の飛行機が衝突した瞬間、テロ攻撃の確率は0.005%から38%に増加します。 ベイズの定理の背後にある考え方は、私たちが確率の推定を一度だけ更新するのではなく、新しい証拠が提示されるたびに継続的に更新するということです。したがって、最初の飛行機が衝突した後のテロ攻撃の事後確率38%は、2番目の飛行機が衝突する前の事前確率となります。そして、再度計算を行うと、ワールドトレードセンターに2番目の飛行機が衝突した場合、私たちが攻撃を受けている確率はほぼ確実な99.99%になります。明るい晴れた日にニューヨークで1件の事故が起こることは十分にあり得ないことでしたが、2件目の事故はほぼ文字通り不可能であると私たちは恐ろしいほどに推測しました。 図8-SB: ベイズの定理 - テロ攻撃の例 事前確率 最初の飛行機がワールドトレードセンターに衝突した場合のテロ攻撃の確率の修正推定。 新たな出来事が発生: 2機目の飛行機がワールドトレードセンターに衝突 テロリストがマンハッタンの高層ビルを攻撃している場合の飛行機が衝突する確率。 テロリストがマンハッタンの高層ビルを攻撃していない場合（つまり、事故）の飛行機が衝突する確率。 事後確率 2機目の飛行機がワールドトレードセンターに衝突した場合のテロ攻撃の確率の修正推定。 私は意図的に挑戦的な例（テロ攻撃、癌、裏切りなど）を選びました。これは、ベイズ的推論が適用できる問題の幅広さを示したいからです。ベイズの定理は、特別な魔法の公式ではありません。ここで使用した単純な形では、加算、減算、乗算、除算以外の何ものでもありません。私たちは有用な結果を得るために、特に事前確率の推定値などの情報を提供する必要があります。しかし、ベイズの定理は、私たちが好ましくないと考える問題についても、世界を確率的に考えることを要求します。これは、世界が本質的に形而上学的に不確実であるという立場を取る必要はありません。ラプラスは、惑星の軌道から最小の分子の挙動まで、すべてが秩序あるニュートンの法則によって支配されていると考えていましたが、彼はベイズの定理の発展に重要な役割を果たしました。むしろ、ベイズの定理は認識論的な不確実性、つまり私たちの知識の限界に関わるものです。 偽陽性の問題 私たちがベイズ的に考えないとき、偽陽性はマンモグラフィーだけでなく、すべての科学にとって問題です。この本の序章で、医学研究者のジョン・P・A・イオアニディスの研究について触れました。2005年、イオアニディスは「なぜほとんどの発表された研究結果は偽であるのか」という影響力のある論文を発表しました。彼は、医学やその他の学術的・科学的職業のジャーナルで真実と見なされる仮説の大多数が実際には偽であると主張するために、さまざまな統計的および理論的な議論を引用しました。イオアニディスの仮説は、私たちが言及したように、真実のものであるようです。バイエル社は、自社で実験を試みた際に、医学ジャーナルで主張された約3分の2の陽性結果を再現できないことを発見しました。研究結果の真実性を確認する別の方法は、それが現実の世界で正確な予測を行うかどうかを見ることです。そして、この本全体で見てきたように、非常にしばしばそうではありません。地震学から政治学に至るまで、さまざまな分野で行われた予測の失敗率は非常に高いようです。「過去20年間、情報、ゲノミクス、その他の技術の急成長により、私たちは数百万の潜在的な...」 「興味深い変数ですね」とイオアニディスは私に言った。「私たちはその情報を使って予測を有効に活用できると期待しています。進展が全くないとは言いません。数百万の論文があることを考慮すれば、進展がないのは残念なことです。しかし、明らかに数百万の発見があるわけではありません。ほとんどは知識の生成にあまり寄与していないのです。」 これが、ビッグデータの時代において私たちの予測が失敗しやすい理由です。利用可能な情報量が指数関数的に増加する一方で、調査すべき仮説の数も同様に指数関数的に増加しています。例えば、アメリカ政府は現在、約45,000の経済統計データを公開しています。これらの統計のすべての組み合わせの関係を検証したい場合、例えば「アラバマ州の銀行のプライムローン金利と失業率の間に因果関係はあるのか？」という問いを考えると、実際にテストすべき仮説は10億に達します。しかし、データの中で意味のある関係、つまり因果関係を示すものは、相関関係ではなく、実際に世界がどのように機能しているかを証明するものは、桁違いに少ないのです。また、情報自体の増加と同じ速度で増加することも考えにくいです。インターネットや印刷機が登場する前と比べて、世界の真実が増えたわけではありません。ほとんどのデータはノイズに過ぎず、宇宙の大部分が空間で満たされているのと同じです。 一方で、ベイズの定理からもわかるように、ある集団における事象の発生率が低い場合（若い女性の乳がんやデータの海の中の真実）、注意を怠ると偽陽性が結果を支配することがあります。図8-6はこれを視覚的に示しています。この図では、真の科学的仮説の80％が正しく真であると判断され、約90％の偽の仮説が正しく棄却されています。しかし、真の発見が非常に稀であるため、真であると見なされた発見の約3分の2は実際には偽であるのです！残念ながら、イオアニディスが明らかにしたように、統計的検定を行うほとんどの分野における公表された研究の状態は、図8-6に示されているものと非常に似ている可能性があります。なぜエラー率がこれほど高いのでしょうか？この本全体がその質問への答えを示しています。理由は多岐にわたり、心理的バイアスや一般的な方法論的エラー、そして不適切なインセンティブに関連するものがあります。しかし、問題の根本に近いのは、これらの研究者が適用している欠陥のある統計的思考のタイプです。 統計学がベイズから後退したとき トーマス・ベイズにとっての主な知的ライバルは、1890年に生まれたイギリスの統計学者で生物学者のロナルド・エイラマー・フィッシャー（R. A. Fisher）でした。フィッシャーは、ベイズよりもずっと色彩豊かな人物で、クリストファー・ヒッチンズのようなイギリスの知的伝統を体現していました。彼はハンサムでしたが、服装はだらしなく、常にパイプやタバコを吸い、実際のライバルや想像上のライバルと絶えず喧嘩をしていました。彼は講義者としては平凡でしたが、鋭い筆致を持ち、ドラマ性に富んだ文章を書く作家であり、魅力的で多くの人に求められるディナーの相手でもありました。フィッシャーの関心は広範囲にわたり、彼は当時の優れた生物学者の一人であり、優れた遺伝学者でもありましたが、貧しい階層が知識人よりも多くの子供を持つことを嘆く、あからさまなエリート主義者でもありました。（フィッシャー自身も忠実に8人の子供を持っていました。） フィッシャーは、今日広く使われている統計的方法に最も大きな影響を与えた人物の一人でしょう。彼は統計的有意性検定の用語を開発し、その背後にある多くの方法論を確立しました。また、彼はベイズやラプラスのファンではなく、フィッシャーは公表された記事で「ベイズ主義者」という用語を初めて使用し、それを軽蔑的に使いました。また、別の場面ではその理論を「完全に拒絶すべきだ」と主張しました。 フィッシャーと彼の同時代の人々は、ベイズの定理そのものには問題を感じていませんでした。これは単なる数学的な同一性に過ぎないからです。彼らが懸念していたのは、その適用方法でした。特に、ベイズの事前確率の概念に異議を唱えました。「それはあまりにも主観的に思えました。実験を始める前に、私たちは何かがどれくらい可能性があるかを事前に定めなければならないのですか？それは客観的な科学の概念に反するのではないでしょうか？」そこでフィッシャーと彼の同時代の人々は、バイアスからの汚染を避けるための統計的方法を開発しようとしました。この種の統計は、今日では「頻度主義」と呼ばれていますが、「フィッシャー主義」という用語が使われることもあります。 頻度主義の背後にある考え方は、統計的問題における不確実性は、全体の母集団ではなく、サンプルのデータを収集することからのみ生じるというものです。これは、政治的な世論調査のような文脈で最も理解しやすいです。カリフォルニアでの調査は、次の選挙で投票する800万人の代わりに800人をサンプリングすることがあり、これがサンプリングエラーとして知られるものを生み出します。政治的世論調査とともに報告される誤差の範囲は、これを測定するものです：800万人の母集団の中で800人を調査することで、どれくらいの誤差が導入されるのか？頻度主義の方法は、これを定量化するために設計されています。しかし、政治的世論調査の文脈においても、サンプリングエラーは常に全体の物語を語るわけではありません。 2008年のアイオワ州民主党の党員集会とニューハンプシャー州の民主党予備選挙の間の短い期間に、ニューハンプシャー州では約15,000人が調査されました。この数は小さな州においては非常に大きく、理論的には世論調査の誤差範囲はプラスマイナス0.8パーセントでした。しかし、実際の誤差はその約10倍に達しました。ヒラリー・クリントンは州で3ポイント差で勝利したのに対し、世論調査では彼女がバラク・オバマに8ポイント差で負けると予測されていました。サンプリングエラー、つまり頻度主義統計が直接考慮する唯一のエラーは、ニューハンプシャー州の世論調査においては問題のほんの一部に過ぎませんでした。同様に、一部の調査会社は常に特定の政党に偏った結果を示すことがあります。彼らが2億人のアメリカ成人全員を調査しても、正確な数字を得ることはできないでしょう。ベイズは250年前にこれらの問題を解決していました。偏った手法を使用している場合、どれだけ多くの測定を行っても意味がありません。あなたは間違ったターゲットを狙っているのです。基本的に、頻度主義的アプローチは、予測がしばしば外れる理由である人間のエラーから手を引こうとします。彼らは不確実性を実験に内在するものと見なし、私たちが現実世界を理解する能力に内在するものとは考えません。頻度主義的手法は、データを集めるほど誤差がゼロに近づくと暗示していますが、これは問題解決に必要かつ十分な条件ではありません。この本で扱う予測に関する多くの問題は、有用なデータが乏しい分野から来ており、確かにデータをもっと集めることは価値があります。しかし、もしそれを合理的に使用しなければ、統計的な完璧さへの黄金の道とは言えません。イオアニディスが指摘したように、ビッグデータの時代は研究文献における偽陽性の問題を悪化させているようです。また、頻度主義的手法は理論的にも実践的にも特に客観的ではありません。むしろ、多くの仮定に依存しています。通常、測定の根底にある不確実性はベルカーブまたは正規分布に従うと仮定されます。これはしばしば良い仮定ですが、株式市場の変動のような場合には当てはまりません。頻度主義的アプローチはサンプル集団を定義する必要がありますが、これは政治的調査の場合には明確ですが、他の多くの実用的な応用ではほとんど恣意的です。9.11テロ攻撃はどの「サンプル集団」から引き出されたのでしょうか？しかし、より大きな問題は、頻度主義的手法が研究者のバイアスによって汚染されない完璧な統計手続きを追求するあまり、彼を現実世界から完全に隔離してしまうことです。これらの手法は、研究者が仮説の根底にある文脈や妥当性を考慮することを妨げますが、ベイズ的手法は事前確率の形でそれを要求します。そのため、カエルが地震を予測できるという内容の真剣な論文が発表されることもあるのです。 あるいは、ターゲットのような大型小売店がどのように人種的憎悪団体を生み出し、頻度主義的なテストを用いて「統計的に有意」（しかし明らかに馬鹿げた）な結果を生み出すのかということです。データは文脈なしでは無意味です。 フィッシャーはキャリアの終わりに近づくにつれて少し穏やかになり、時にはベイズを称賛することさえありました。彼が長いキャリアの中で開発した手法のいくつか（今日最も広く使われているものではありませんが）は、ベイズ的アプローチと頻度主義的アプローチの妥協の産物でした。しかし、彼の晩年には、彼のアプローチの限界を示す重大な判断ミスを犯しました。その問題は、喫煙と肺癌に関するものでした。1950年代には、多くの研究が行われ、その中には標準的な統計手法を用いたものやベイズ的手法を用いたものもあり、両者の間に関連性があると主張されました。この関連性は、もちろん今日では広く受け入れられています。フィッシャーは晩年の多くをこれらの結論に反対することに費やし、『ブリティッシュ・メディカル・ジャーナル』や『ネイチャー』などの権威ある出版物に手紙を発表しました。彼は、これらの研究におけるタバコと肺癌の統計的関係がかなり強いことを否定しませんでしたが、それを因果関係の誤認として捉え、イギリスにおけるリンゴの輸入と結婚率の歴史的相関関係に例えました。ある時、彼は肺癌が喫煙を引き起こすのだと主張し、逆ではないと述べました。つまり、肺の痛みを和らげるために人々が喫煙を始めるかもしれないという考えです。今日一般的に受け入れられている多くの科学的発見は、かつては馬鹿げたものとして退けられていました。それは時代の文化的タブー（例えば、ガリレオの地球が太陽の周りを回るという主張など）によることもあれば、問題を分析するために必要なデータがまだ存在しなかったためでもあります。もし1950年代にタバコと肺癌の関連性を示す説得力のある証拠がなかったのなら、フィッシャーを責めることはできないかもしれません。しかし、当時の証拠を再検討した学者たちは、さまざまな研究者によって行われた多様な統計的および臨床的テストが、両者の因果関係を示していることを結論づけています。この考えは急速に科学的コンセンサスとなりつつありました。では、なぜフィッシャーはこの理論を退けたのでしょうか？一つの理由は、彼がタバコ会社の有料コンサルタントであったことかもしれません。もう一つの理由は、彼自身が生涯喫煙者であったことです。また、フィッシャーは反対意見を好み、物議を醸すことを好み、禁欲主義的なものを嫌っていました。要するに、彼はさまざまな面で偏見を持っていました。しかし、フィッシャーの統計哲学が世界を捉える方法がより大きな問題かもしれません。彼のアプローチは、実験の客観的な純粋さを強調し、十分なデータが集まればすべての仮説は完璧な結論に至ることができると考えています。 しかし、その純粋さを達成するためには、ベイズ的事前確率やその他の複雑な現実の文脈の必要性を否定します。これらの手法は、私たちが仮説の妥当性について考えることを要求せず、また奨励もしません。たとえば、タバコが肺癌を引き起こすという考えは、ヒキガエルが地震を予測するという考えと同じ土俵で競争しています。フィッシャーが相関関係が必ずしも因果関係を示すわけではないことを認識していたのは、彼の功績と言えるでしょう。しかし、フィッシャーの統計手法は、どの相関関係が因果関係を示し、どれがそうでないかを考えることを奨励しません。そのため、フィッシャーがこのように考え続けた結果、因果関係の違いを見分ける能力を失ったのも不思議ではありません。 ベイズ的な世界観では、予測が進捗を測る尺度となります。私たちは100％の確実性で真実を知ることはできないかもしれませんが、正しい予測を行うことが、私たちが近づいているかどうかを判断する方法です。ベイズ主義者はギャンブラーを特に高く評価します。ベイズやラプラス、その他の初期の確率論者たちは、自らの理論を説明するために、しばしばギャンブルの例を用いました。（ベイズ自身はあまりギャンブルをしなかったかもしれませんが、彼はカードやビリヤードのようなギャンブルが一般的で、しばしばお金がかけられる環境に身を置いていました。）ギャンブラーは予測を行い（良い）、確率を推定する予測を行い（素晴らしい）、自らの予測にお金を賭けることで（さらに良い）、世界に対する自分の信念を他の人々に示します。ベイズ的事前確率の最も実用的な定義は、賭けをする際に自分が受け入れるオッズかもしれません。 ボブ・ヴォルガリスは、特にベイズ的なタイプのギャンブラーです。彼はバスケットボールに賭けることが好きで、それが自分自身と理論の正確性を試す方法だからです。「スポーツのゼネラルマネージャーになって、あの選手を獲得しよう、あの選手も獲得しようと言うことはできるけれど、結局のところ、自分が正しいか間違っているかは本当にわからない」と、インタビューの終わりに彼は私に語りました。「でも、シーズンの終わりには、自分が正しいか間違っているかがわかります。なぜなら、勝っているか負けているかで判断できるからです。それはかなり良い検証です。」 ヴォルガリスは、バスケットボールに関する情報をできる限り吸収します。なぜなら、すべてが彼の確率推定を変える可能性があるからです。ヴォルガリスのようなプロのスポーツベッターは、勝つ確率が少なくとも54％だと思うときだけ賭けをします。これは「ビゴリッシュ」（勝った賭けに対するスポーツブックの取り分）をカバーし、賭けにお金を投入するリスクを考慮するのに十分な数字です。そして、彼のスキルと努力にもかかわらず—ヴォルガリスは今日の世界で最も優れたスポーツベッターの一人です—彼はそれでも約57％の賭けを正しく当てるだけです。それ以上の成果を上げるのは非常に難しいのです。 Voulgarisが自分の勝率の推定を53％から56％に改善するための小さな情報は、非常に大きな違いを生む可能性があります。これは、ポーカーのテーブルや株式市場で生計を立てるギャンブラーが利用するような狭いマージンです。フィッシャーの統計的有意性の概念は、文脈を欠いた恣意的なカットオフを用いて「有意な」発見とそうでないものを判断するため、ギャンブルにはあまりにも不器用です。しかし、これはVoulgarisが統計の中で見ていることに基づいて仮説を立てるのを避けているというわけではありません。（フィッシャーの仮説検定の問題は、仮説を持つこと自体ではなく、フィッシャーが提案するテストの方法にあります。）実際、これはVoulgarisの行動にとって非常に重要です。誰もが統計的なパターンを見ることができ、それはすぐに賭けのラインに反映されます。問題は、それが信号なのかノイズなのかということです。Voulgarisは、自身のバスケットボールの知識をもとに仮説を立て、より早く、より正確にその違いを見極めようとします。Voulgarisのバスケットボールへの賭け方は、科学的方法の純粋な抽出の一つと言えるでしょう（図8-7）。彼は世界を観察し、質問を投げかけます。「なぜクリーブランド・キャバリアーズはしばしば合計得点を超えるのか？」そして、問題に関する情報を集め、仮説を立てます。「キャバリアーズが合計得点を超えるのは、リッキー・デイビスが契約年であり、統計を改善するために速いペースでプレーしようとしているからだ。」Voulgarisが行うことと、物理学者や生物学者が行うことの違いは、彼が予測を賭けによって明確にするのに対し、科学者は実験を行うことで予測を検証しようとする点です。 **図8-7: 科学的方法** 科学的スポーツベッティングのステップ: 例 1. 現象を観察する - キャバリアーズの試合はしばしば合計得点を超える。 2. 現象を説明する仮説を立てる - キャバリアーズの試合が合計得点を超えるのは、リッキー・デイビスが新しい契約のためにプレーしており、できるだけ多くの得点を取ろうとしているからだ。 3. 仮説から予測を立てる - デイビスのインセンティブはシーズンの終わりまで変わらない。したがって、(i) 彼は速いペースでプレーし続け、(ii) 今後のキャバリアーズの試合は高得点になるだろう。 4. 予測をテストする - 賭けを行う。 もしVoulgarisがデータから見えることについて強い仮説を立てることができれば、より積極的な賭けを行うことが可能になります。例えば、Voulgarisがデンバー・ナゲッツのコーチの「ファンのために良いショーを見せたい」という何気ない発言を耳にしたとしましょう。これはおそらく単なる無駄話ですが、チームがチケット販売を増やすために速いペースでプレーし始めることを示唆しているかもしれません。この仮説が正しければ、Voulgarisはナゲッツの試合に対するオーバーベットが通常の50％ではなく、70％の確率で勝つと予想するかもしれません。 ベイズの定理の結果として、ヴォルガリスが自らの仮説を信じる強さが増すほど、彼はナゲッツの試合に対してより早く利益を上げる賭けを始めることができるかもしれません。彼は、たった1、2試合を観戦しただけで、自分の理論が実際に通用するかどうかを観察し、素早く行動を起こすことができるかもしれません。その際、ラスベガスがまだ気づいていないうちに行動を起こすことができるのです。一方で、彼は1999年のレイカーズのスロースタートのような、実際にはあまり意味のない統計的パターンに気を取られることを避けることができますが、他のハンディキャッパーはそれを信号と誤解するかもしれません。 ベイズ的アプローチによる「間違いの少なさ」 では、ボブの確率の推定は主観的なのでしょうか、それとも客観的なのでしょうか？これは難しい質問です。実際のところ、私たちは皆、自分の経験、価値観、知識、そしておそらくは政治的または職業的な agenda から形成された信念やバイアスを持っています。ベイズ的な視点の良い特徴の一つは、新しい証拠を解釈する際に影響を与える先入観を明示的に認めることで、私たちが世界の変化にどのように反応するかを非常に良く説明できる点です。例えば、フィッシャーがタバコが肺癌を引き起こす確率を0.00001パーセントだと信じていた場合、それがなぜ反対の証拠が彼を納得させられなかったのかを説明する手助けになります。実際、ベイズの定理の下では、あなたが絶対に真実だと信じる信念を持つことを禁止するものは何もありません。もしあなたが神の存在確率を100パーセントだと考えているなら、あるいは0パーセントだと考えているなら、ベイズの定理の下では、どんな証拠もあなたを説得することはできません。 私は、あなたが絶対的かつ明確な確信を持って信じるべき事柄があるかどうかを教えるためにここにいるわけではありません。しかし、私たちはこれらのことについてもっと正直であるべきかもしれません。0パーセントの確率を信じる人が、100パーセントの確率を信じる別の人と議論しても、何の有益な結果も得られません。このような前提から、多くの戦争、例えば印刷技術の初期におけるヨーロッパの宗派間戦争が生じた可能性があります。これは、すべての先入観が同じように正しいわけでも、同じように有効であるわけでもないことを意味するものではありません。しかし、私は、私たちの信念において完全な客観性、合理性、または正確性を達成することは決してできないという考えを持っています。代わりに、私たちはより主観的でなく、より非合理的でなく、より間違いの少ない存在を目指すことができます。私たちの信念に基づいて予測を行うことは、自分自身を試すための最良の方法（おそらく唯一の方法）です。もし客観性が私たちの個人的な状況を超えたより大きな真実への関心であり、予測が私たちの個人的な認識がそのより大きな真実とどれほど一致しているかを検証する最良の方法であるなら、最も客観的な人々は最も正確な予測を行う人々です。フィッシャーの統計的方法は、客観性を実験室の実験の範囲内に見出していましたが、このタスクにはベイズ的推論の方が適しています。 ベイズの定理の一つの特性は、私たちの信念が時間とともにより多くの証拠を得るにつれて、お互いに、そして真実に向かって収束すべきだということです。図8-8では、3人の投資家が強気市場にいるのか弱気市場にいるのかを判断しようとする例を示しています。彼らはこの点について非常に異なる信念を持っており、一人は楽観的で、最初から強気市場の可能性が90％あると信じていますが、もう一人は弱気で、可能性はわずか10％だと言っています。市場が上昇するたびに、投資家たちは以前の信念に対して少しずつ強気になり、一方で市場が下落するたびにその逆が起こります。しかし、私はシミュレーションを設定する際、日々の変動はランダムであるものの、長期的には市場が60％の確率で上昇するようにしました。道のりは波乱に満ちていますが、最終的にはすべての投資家がほぼ（もちろん正確には100％ではありませんが）確実に強気市場にいると正しく判断します。 理論的には、科学もこのように機能すべきです。科学的合意の概念は難しいですが、科学コミュニティの意見が議論を重ね、新たな証拠が明らかになるにつれて真実に収束していくという考え方です。株式市場と同様に、進展は常に順調であるとは限りません。科学コミュニティは、新しい証拠に対してパラダイムを適応させることに対してしばしば保守的であり、時にはあまりにも早く流行に飛びつくこともあります。それでも、全員がベイズ的なアプローチを採用している限り、誤った信念や非常に間違った前提も最終的には真実に向かって修正されます。例えば、現在、科学者たちが使用している統計手法においてパラダイムシフトが起こっているかもしれません。私がここで指摘したフィッシャーの統計アプローチの欠陥についての批判は、新しいものでも過激なものでもありません。臨床心理学や政治学、生態学などの分野の著名な学者たちが何年も前から同様の主張をしてきました。しかし、これまでのところ根本的な変化はほとんどありませんでした。しかし最近、一部の著名な統計学者が、頻度主義の統計を学部生に教えるべきではないと主張し始めています。また、一部の職業ではフィッシャーの仮説検定をジャーナルから禁止することを検討しています。実際、過去10年間に書かれたものを読むと、ベイズ的アプローチを支持しないものを見つけるのは難しいです。ボブもベイズに賭けています。彼は予測を立てるたびにベイズの定理を文字通り適用するわけではありませんが、彼のバスケットボールの知識から導かれた仮説や信念の文脈で統計データをテストする実践は非常にベイズ的であり、彼の質問に対する確率的な答えを受け入れることにも慣れています。教科書や伝統が変わるには時間がかかるでしょう。しかし、ベイズの定理は、私たちがより良いアプローチに収束することを示しています。 ベイズの定理は、ベイズ主義者が勝つことを予測しています。機械に対抗せよ。 27歳のエドガー・アラン・ポーは、彼以前の多くの人々と同様に、メカニカル・タークに魅了されていました。この装置はかつてナポレオン・ボナパルトやベンジャミン・フランクリンをチェスで打ち負かしたことがあるもので、1770年にハンガリーで作られ、ポーやアメリカ合衆国が誕生する前から存在していました。1830年代にはボルチモアやリッチモンドを巡業し、数十年にわたりヨーロッパ中の観客を驚かせていました。ポーはこれが巧妙な詐欺であると推測しました。内部にはチェスの名手が隠れており、装置の中でレバーを操作して駒を動かし、相手をチェックするたびにターバンを被った頭をうなずかせていたのです。ポーは「探偵小説の創始者」として知られ、彼がこの詐欺を解明する過程は驚異的でした。例えば、彼はある男（後にドイツのチェス名手ウィリアム・シュランバーガーと判明）が常に機械の梱包や開梱をしているのに、ゲーム中には姿を見せないことに疑念を抱きました（ああ、彼は箱の中にいたのです）。しかし、ポーのメカニカル・タークに関するエッセイの真の先見性は、現在「人工知能」と呼ばれるものの意味を理解していた点にあります（この用語が生まれるのは120年後のことです）。彼のエッセイは、コンピュータが人間の高次の機能を模倣したり、改善したりする可能性に対する非常に深い、そして非常に現代的な曖昧さを表現していました。 ポーは、機械がチェスをプレイすること自体がどれほど印象的であるかを認識していました。ポーがこの暴露を書いた時点では、チャールズ・バベッジが提案した最初の機械式コンピュータ「差分機関」はほとんど構想されていませんでした。バベッジの提案したコンピュータは、彼の生涯の間には完全に構築されることはありませんでしたが、せいぜい対数のような基本的な機能を近似することを期待するものでした。ポーはバベッジの仕事を十分に印象的だと考えていましたが、それでも結局は予測可能な入力を受け取り、いくつかの歯車を回して、予測可能な出力を出すだけのものでした。そこには知性はなく、純粋に機械的なものでした。一方で、チェスをプレイできるコンピュータは、ゲームをうまくプレイするために必要な判断力から、奇跡的な存在に近いものでした。ポーは、このチェスをプレイする機械が本物であれば、定義上完璧にチェスをプレイしなければならないと主張しました。機械は計算ミスをしないからです。タークが完璧なチェスをプレイしなかった（ほとんどのゲームに勝ったが、いくつかは負けた）ことを、さらに人間の不完全さに満ちた人間が操作する装置である証拠としました。ポーの論理には欠陥がありましたが、機械に対するこの崇敬の念は今も私たちの中に残っています。私たちはコンピュータを驚くべき発明と見なし、人間の創意工夫の最も重要な表現の一つと考えています。 ビル・ゲイツはしばしば「アメリカで最も尊敬される男性の一人」として評価され、アップルやグーグルは「最も尊敬される企業」の一部と見なされています。そして私たちは、コンピュータが完璧かつ effortless に動作することを期待し、創造者の不完全さを克服するものと考えています。さらに、コンピュータプログラムの計算は疑いの余地なく正確であり、時には予言的でさえあると見なしています。2012年には、イギリスのティーンエイジャー2人が、彼らが「1,986,832の数学的計算を毎秒処理できる」と主張する株式選択ロボット「MARL」を宣伝することで、投資家から100万ドル以上を詐取したとして非難されました。彼らは、MARLの推奨に従うことで投資家が数時間ごとに資金を倍増できると主張しました。 コンピュータの予測が私たちの信頼を呼び起こさない場合でも、恐怖を引き起こすことがあります。たとえば、病院の患者の生存確率を予測するプログラムを実行するコンピュータは、ニュース記事でHAL 9000のいとこであるかのように描かれることがあります。HAL 9000は『2001年宇宙の旅』に登場し、宇宙飛行士に用はないと判断して彼らを窒息させようとしました。ビッグデータの時代に突入し、情報と処理能力が指数関数的に増加している今、私たちはコンピュータとそれが私たちのために何を成し遂げるかについて、より健全な態度を育む時期かもしれません。技術は労力を節約する道具として有益ですが、機械に私たちの思考を代わりに行わせることを期待すべきではありません。 チェスコンピュータの誕生 スペインのエンジニア、レオナルド・トーレス・イ・ケベドは、1912年に「エル・アヘドレシスタ（チェスプレイヤー）」と呼ばれるメカニカル・タークのバージョンを作りました。エル・アヘドレシスタは時折、最初のコンピュータゲームと見なされますが、その機能は非常に限られており、ボード上に残った3つの駒のエンドゲームの位置を判断することに制限されていました（エル・アヘドレシスタには典型的なトルコの頭飾りもありませんでした）。 現代のチェスコンピュータの父は、情報理論の創始者とされるMITの数学者クロード・シャノンで、1950年に「チェスをプレイするためのコンピュータのプログラミング」という論文を発表しました。シャノンは、今日のチェスプログラムの基盤を形成するいくつかのアルゴリズムや技術を特定しました。また、チェスが情報処理機械の能力を試すための興味深い問題である理由も認識しました。シャノンは、チェスには非常に明確で明瞭な目標—チェックメイトを達成すること—があることに気づきました。さらに、比較的単純なルールに従い、偶然やランダム性の要素がないことも理解しました。しかし、チェスをプレイしたことのある人なら誰でもわかるように（私自身はあまり上手ではありませんが）、その単純なルールを使ってその単純な目標を達成することは全く簡単ではありません。数十手を超えてチェスのゲームを生き残るには深い集中力が必要であり、実際に勝つことはなおさら難しいのです。シャノンはチェスをコンピュータの力と、将来的に彼らが持つかもしれない能力の試金石と見なしていました。 しかし、シャノンは、彼の後に続く一部の人々とは対照的に、コンピュータが人間と同じようにチェスを指すというロマンチックな考えを持っていませんでした。また、コンピュータが人間に勝つことは避けられないとも考えていませんでした。代わりに、彼はコンピュータに対して次の4つの潜在的な利点を見出しました。 1. 計算が非常に速いこと。 2. プログラムにエラーが組み込まれていない限り、間違いを犯さないこと。 3. 怠けることがなく、局面やすべての可能な手を完全に分析することを怠らないこと。 4. 感情的にプレイせず、明らかに勝っている局面で過信したり、難しい局面で落胆したりしないこと。 シャノンは、これらの利点を4つの明確に人間的な利点と天秤にかけるべきだと考えました。 1. 私たちの思考は柔軟で、コードに従うのではなく問題を解決するためにギアを切り替えることができること。 2. 想像力を持つこと。 3. 推論する能力を持つこと。 4. 学ぶ能力を持つこと。 シャノンにとって、これは公平な戦いのように思えました。しかし、それは1990年代中頃のほんの一瞬のことであり、その時、ロシアのグランドマスターであるガリー・カスパロフ—史上最高のチェスプレイヤー—が、当時最も進んだコンピュータの一つであるIBMのディープブルーと対戦しました。彼らの対局の前、人間は戦いに勝っていました—それは全く接戦ではありませんでした。しかし、それ以降、コンピュータは勝ち続けており、私たちが生きている限りその状況は続くでしょう。 チェス、予測、そしてヒューリスティックス ベイズの定理に従えば、予測は本質的に情報処理活動の一種であり、客観的な世界に関する仮説を新しいデータを使って検証し、より真実で正確な理解に至ることを目指すものです。チェスは予測に類似していると考えることができます。プレイヤーは情報を処理しなければなりません—ボード上の32の駒の位置とそれらの可能な手を。彼らはこの情報を使って、相手をチェックメイトに追い込むための戦略を考え出します。これらの戦略は本質的に、ゲームに勝つための異なる仮説を表しています。そのタスクを成功させた者が、より良い仮説を持っているのです。チェスは決定論的であり、運の要素はほとんどありません。しかし、理論的には天気も同様です。私たちが第4章で見たように、両方のシステムに関する知識にはかなりの不完全さがあります。天気の場合、多くの問題は初期条件に関する知識が不完全であることです。天気システムの振る舞いに関するルールは非常に良く理解していますが、雲や雨嵐、ハリケーンを形成するすべての分子の位置に関する情報は不完全です。したがって、私たちができる最善は確率的な予測を行うことです。チェスでは、支配するルールに関する完全な知識と完璧な情報を持っています—チェスの駒は有限であり、目の前にあります。しかし、それでもこのゲームは私たちにとって非常に難しいのです。 有名なチェスプレイヤーであるガリー・カスパロフは、1986年から2005年まで世界最高評価のチェスプレイヤーでしたが、1988年1月に「2000年までに人間のグランドマスターを打ち負かすことができるコンピュータプログラムは現れない」と予測しました。彼はパリの記者会見で「もしどのグランドマスターがコンピュータと対戦して困難を感じたら、喜んでアドバイスを提供します」と冗談を言いました。 しかし、その年の後半、デンマークのグランドマスターであるベント・ラーセンがカーネギーメロン大学の学生たちによるプロジェクト「ディープ・ソート」に敗れました。ラーセンは一般的なグランドマスターでしたが、カスパロフとは異なり、1989年にディープ・ソートがカスパロフと対戦した際には圧倒的に敗北しました。カスパロフは常にチェスにおけるコンピュータ技術の役割を尊重し、ゲームを向上させるために長い間コンピュータを使って学んできましたが、ディープ・ソートに対してはわずかな称賛しか与えず、「いつの日か、彼を打ち負かすために自分の100％の能力を発揮しなければならないコンピュータが現れるかもしれない」と示唆しました。 ディープ・ソートのプログラマーたち、特にフンシウ・シューとマレー・キャンベルは、最終的にIBMに雇われ、彼らのシステムは「ディープ・ブルー」へと進化しました。ディープ・ブルーは1996年にフィラデルフィアで行われた対戦の第一局でカスパロフを打ち負かしましたが、カスパロフはその後の試合を比較的簡単に制しました。そして翌年のニューヨークでの再戦で、予想もしなかった出来事が起こりました。 歴史上最も威圧的なチェスプレイヤーが、コンピュータに圧倒されたことがあります。チェスのゲームは、他のすべてのものと同様に、三つの部分から成り立っています：序盤、中盤、終盤です。チェスの特異な点は、これらの各フェーズが異なる知的および感情的なスキルを試すため、ゲームがスピード、力、スタミナのメンタルトライアスロンとなることです。 チェスゲームの序盤では、ボードの中央は空白で、ポーン、ルーク、ビショップが最初の二列に整然と並び、主人からの指示を待っています。可能性はほぼ無限です。ホワイトは20通りの異なる方法でゲームを開始でき、ブラックも20通りの応答をすることができ、最初のフルターンの後には4,000通りの可能なシーケンスが生まれます。2回目のフルターンの後には71,852通り、3回目の後には9,132,484通りに達します。チェスゲーム全体の可能性の数は非常に大きいため、推定することさえも大きな問題ですが、一部の数学者はその数を10の何乗にも及ぶとしています。これらは天文学的な数字です。ディエゴ・ラスキン＝グートマンが書いたように、「可能なチェスゲームの数は、宇宙の原子の数よりも多いのです」。 ゲームの始まり、すべての駒がまだボード上にあり、可能性が最も無限に広がっているとき、コンピュータは最も強力であるように思えるかもしれません。IBMのウェブサイトは、カスパロフとの対戦前に、自社のコンピュータが1秒間に2億のポジションを計算できると自慢していました。「ちなみに、ガリー・カスパロフは1秒間に約3つのポジションを評価できます」と皮肉を込めて記載されていました。カスパロフにはどうやってチャンスがあったのでしょうか？しかし、チェスコンピュータは長い間、ゲームの序盤フェーズではあまり優れていませんでした。可能性が最も無限であるにもかかわらず、目的は最も明確ではありません。10の何乗もの枝がある木の中で、1秒間に3手を計算することも2億手を計算することも、力を正しく活用しない限り、ほとんど無駄です。コンピュータと人間のプレイヤーは、チェスゲームを中間目標に分解する必要があります。たとえば、相手のポーンを捕まえることや、相手のキングをチェックすることです。 試合の中盤では、駒が戦闘に巻き込まれ、お互いに脅威を与え合うため、多くの戦略的な目標が存在します。それを達成するための戦術を考え出し、残りのゲームに最も有益な影響を与えるものを予測することが重要です。しかし、オープニングムーブの目標はより抽象的です。コンピュータは抽象的でオープンエンドな問題に苦しむ一方で、人間は「ボードの中央を制御する」や「ポーンを整理する」といったヒューリスティックを理解し、それを達成するための創造的な方法を考え出すことができます。さらに、オープニングムーブはプレイヤーにとって後のポジションよりもルーチン化されているため、人間は何世代にもわたる経験を活用して最良の手を選ぶことができます。 理論的には、白がゲームを開始するために選べる手は20通りありますが、競技チェスの試合の98％以上は、最も優れた4つの手のいずれかから始まります。人間にとっての問題は、コンピュータプログラムが統計を学ぶことでこの知識を体系化できることです。チェスデータベースには、文字通り数十万のゲームの結果が含まれており、他のデータベースと同様に予測的な洞察を得るために利用できます。IBMのプログラマーは、各オープニングムーブのシーケンスがどれだけ頻繁に行われたか、またそれを行ったプレイヤーの強さ、さらに各手のシリーズがそれぞれの側にとって勝利、敗北、引き分けをもたらした頻度などを調査しました。これらの統計を分析するコンピュータのヒューリスティックは、人間の直感や経験と同等のレベルに達する可能性があり、場合によってはそれを上回ることもあり得ます。「カスパロフはコンピュータと対戦しているのではなく、過去のグランドマスターたちの亡霊と対戦しているのだ」と、IBMのウェブサイトはDeep Blueの深いデータベースについて述べています。 したがって、1997年にDeep Blueとの6ゲームのマッチの最初のゲームでカスパロフが目指したのは、プログラムをデータベースの世界から引き離し、再び目隠しでプレイさせることでした。彼が最初に指した手は比較的一般的なもので、ナイトをボードのf3のマスに移動させました。Deep Blueは2手目でビショップを前進させ、カスパロフのナイトを脅かしました。これは間違いなく、データベースがそのような手が白の勝率を56％から51％に減少させることを示していたからです。しかし、そのデータベースは、カスパロフが他のほとんどのプレイヤーと同様にその局面に直面した際に反応するだろうという仮定に基づいていました。彼はナイトを引き下げるのではなく、その脅威を無視し、Deep Blueがブラフをかけていると考え、代わりにポーンの1つを動かしてビショップがボードの中央を制御できるように道を開くことを選びました。カスパロフのこの手は戦略的には理にかなっているだけでなく、別の目的も達成しました。彼はわずか3手を指し、Deep Blueは2手しか指していないにもかかわらず、彼らが達成した局面（図9-2に示されている）は、Deep Blueのデータベースにある数十万のゲームの中で、マスタークラスの競技で過去にたった1回しか発生したことがありませんでした。非常に一般的なチェスの手が指される場合でも、木の上には無数の分岐が存在するため、データベースは10手または15手を超えると役に立たなくなります。長いチェスのゲームでは、あなたと対戦相手が人類の歴史の中で誰も経験したことのない局面に達する可能性が非常に高いのです。しかし、カスパロフはわずか3手でデータベースを超えました。この本を通じて学んだように、十分なデータサンプルがない場合、純粋に統計的なアプローチによる予測はせいぜい効果が薄いのです。Deep Blueは自ら「考える」必要がありました。 チェスプレイヤーのジレンマ：幅と深さ チェスのゲームの中盤（単にミッドゲームと呼ばれる）は、コンピュータの強みを活かす可能性があります。ボードの中央で駒が自由に動くため、各ターンでの可能な手は平均約40手であり、20手ではありません。これは大きな違いに思えないかもしれませんが、可能性の木が指数関数的に増大するため、すぐにその差が大きくなります。例えば、あなたが相手とそれぞれ3手ずつ、合計6手先を計算したいとしましょう。ゲームの初めでは、この計算は20の6乗、つまり6400万のポジションに相当し、すでに膨大な数です。しかし、ミッドゲームでは、40の6乗、つまり41億の可能性を計算しなければなりません。ディープブルーはこれらのポジションをわずか20秒で計算できましたが、カスパロフは食事や睡眠、トイレに行くこともせずに計算した場合、実際に43年かかるでしょう。カスパロフのような偉大なプレイヤーは、これらの可能性をすべて計算できると自分を欺くことはありません。これがエリートプレイヤーとアマチュアの違いです。オランダの心理学者アドリアーン・デ・グルートが行った有名な研究では、アマチュアプレイヤーはチェスの問題を提示されると、完璧な手を探そうとして自らを苛立たせ、結局どの手も打てなくなってしまうことが多いとされています。 対照的に、チェスの達人たちは良い手を探しています。そして、可能であればその局面での最善の手を見つけようとしますが、彼らはすべての可能性を列挙するのではなく、その手が自分のポジションにどのように有利に働くかを予測しています。アメリカのグランドマスター、ルーベン・ファインは、「人間のチェスプレイヤーが20手や30手先までのすべてのポジションを完璧に計算していると考えるのは純粋な幻想だ」と書いています。「完璧は善の敵である」と言うのはそれほど単純ではありません。チェスのようなゲームを本当にマスターしたいのであれば、そんな単純なヒューリスティックを超える必要があるかもしれません。それでも、限られた時間内に処理できる以上の情報が与えられたときに、完璧な決定を下すことはできません。これらの不完全さを認めることで、チェスや予測を伴う他の文脈において、私たちができる最善の決定を下す自由が得られるかもしれません。これは、カスパロフのようなグランドマスターが計算を行わないということではありません。少なくとも、カスパロフは相手の駒を捕らえたり、他の短期的な目標を達成するために、3手から5手の正確な手順を考え出す必要があるかもしれません。それぞれの手について、彼は相手がどのように反応するか、プレイのすべての可能なバリエーションを考え、どれかが彼の戦術を無効にする可能性があるかどうかを考慮しなければなりません。 彼はまた、相手が自分のために何か罠を仕掛けているかどうかも考慮する必要があります。強そうに見える局面も、プレイヤーの王が守られていなければ、数手でチェックメイトに変わることがあります。チェスプレイヤーは、どこに思考を集中させるべきかを記憶と経験を通じて学びます。時には、多くの枝を探りながら数手先まで考えることもあれば、他の時には一つの枝に集中し、より深く計算を進めることもあります。このような広さと深さのトレードオフは、複雑な問題に直面する際には一般的です。例えば、国防総省やCIAは、潜在的なテロ攻撃を予測し防ぐために、より広範な信号を追うべきか、それとも最も可能性が高い脅威と見なすものに焦点を当てるべきかを決定しなければなりません。エリートチェスプレイヤーは、メタ認知—自分の思考方法について考えること—が得意であり、適切なバランスを取れていないと感じた場合には自分を修正することができます。 **戦略と戦術** コンピューターチェスの機械は、ある程度、両方の利点を享受できます。彼らはヒューリスティックを用いて探索木を剪定し、すべての枝を同じ深さで計算するのではなく、より有望な枝に処理能力を集中させます。しかし、計算が非常に速いため、妥協する必要が少なく、すべての可能性を少しずつ評価し、最も重要と思われるものをより詳細に分析することができます。しかし、コンピューターチェスプログラムは常に大局を見て戦略的に考えることができるわけではありません。彼らは短期的な目標を達成するための戦術を計算するのが得意ですが、ゲーム全体の中でどの目標が最も重要かを判断するのはあまり得意ではありません。カスパロフは、ディープブルーのヒューリスティックの盲点を利用し、戦略的なポジションを改善しない計画を無思考で追わせるように仕向けました。コンピューターチェスプログラムは、分解可能で量子化できる短期的な目標を好む傾向があり、チェスボードを全体的な有機体として評価する必要がないためです。コンピュータのバイアスの古典的な例は、犠牲を受け入れる意欲です。強いプレイヤーがより弱い駒と引き換えにより良い駒を提供すると、コンピュータはしばしば非常に同意します。「相手がより強力な駒を放棄したときに取引を受け入れる」というヒューリスティックは通常良いものですが、カスパロフのようなプレイヤーと対戦しているときには必ずしもそうではありません。彼は戦術的な損失が戦略的な利益を上回ることを知っています。カスパロフは、最初のゲームの30手目でディープブルーにそのような取引を提案し、ルークをビショップと交換することを犠牲にしました。彼の喜びに、ディープブルーはそれを受け入れました。その結果生じた局面（図9-3a）は、コンピュータの戦略的思考の欠如から生じる盲点のいくつかを示すのに役立ちます。 カスパロフとディープブルーは、図9-3aに示された局面をそれぞれ異なる方法で単純化しました。コンピュータは複雑な問題を個別の要素に分解します。例えば、ディープブルーにとっては、局面は図9-3bのように見え、各駒に異なるポイントが割り当てられます。このように数値を合計すると、ディープブルーはカスパロフに対して一歩のアドバンテージを持っていることがわかります。これは、ほとんどの場合、勝利または引き分けに繋がります。 人間は、より重要な要素に焦点を当て、戦略全体を把握する能力に優れています。時には、全体が部分の合計以上の意味を持つこともあります。カスパロフにとって、その局面は図9-3cのように見え、非常に良い状況でした。カスパロフは、ディープブルーの王に対して進行中の3つのポーンがあり、ほとんど保護されていないことに気づいていました。王は動かなければならず、その場合、カスパロフはポーンをディープブルーの本陣まで進めてクイーンに昇格させることができます。または、王はチェックメイトの危険にさらされるかもしれません。一方、カスパロフのクイーンとビショップは、現在はボードの左下隅にいますが、比較的障害が少なく対角線上に移動できるため、脆弱な王に対する圧力をさらに高めています。カスパロフは、ディープブルーの王がどのようにチェックメイトされるか正確にはわかりませんが、そのような圧力に直面した場合、自分に有利な確率が高いことを知っています。実際、カスパロフの位置の強さはすぐにディープブルーにも明らかになり、13手後にディープブルーは投了することになります。 「典型的なコンピュータの弱点だ」とカスパロフは後に語りました。「おそらくその局面に非常に満足していたでしょうが、その結果はあまりにも深く、正しく局面を判断することができなかったのです。」ニューヨーク・タイムズの見出しは「人間が計算機を上回る」と大々的に報じ、翌日にはその試合に関する記事が4本も掲載されました。しかし、その試合には最後のひねりがありました。当時、解説者たちにはほとんど気づかれませんでしたが、それがチェスの歴史を変える可能性があったのです。 終わりの始まり チェスのゲームの最終段階であるエンドゲームでは、ボード上の駒の数が少なくなり、勝利の組み合わせがより明確に計算できることがあります。それでも、この局面では多くの精度が求められます。狭い勝利の局面を締めくくるには、数十手を正確に実行する必要があるからです。 極端な例を挙げると、図9-4に示された局面は、黒が何をしても白が勝つことが証明されていますが、白は262手連続で正確に指す必要があります。人間のプレイヤーが図9-4の局面を解決することはほぼ不可能でしょう。しかし、人間はエンドゲームを完成させる練習をたくさんしており、それには10手、15手、20手、あるいは25手かかることがあります。エンドゲームはコンピュータにとっては一種の混合の祝福です。残された中間的な戦術目標はほとんどなく、コンピュータがその局面を最後まで正確に解決できない限り、細部に気を取られて全体を見失うかもしれません。しかし、チェスコンピュータはオープニングの手をカバーするデータベースを持っているのと同様に、これらのエンドゲームシナリオのデータベースも持っています。ボード上に6個以下の駒があるすべての局面は完全に解決されています。7個の駒の局面に関する作業もほぼ完了しており、一部の解決策は517手も必要なほど複雑ですが、コンピュータは勝ち、負け、引き分けの局面を正確に記憶しています。この段階のゲームでは、ブラックホールに類似したものが現れています。それは、ゲームツリーの重力が避けられないポイントであり、コンピュータは引き分けるべき局面はすべて引き分け、勝つべき局面はすべて勝つことになります。この秋のフェーズにおけるチェスゲームの抽象的な目標は、具体的な目標に置き換えられます。たとえば、「クイーンサイドのポーンをここに持っていけば勝てる」「黒にルークをそこに動かさせれば引き分けになる」といった具合です。したがって、ディープブルーはカスパロフとの第1局で戦い続ける動機がありました。回路は自分の局面が負けであることを示していましたが、カスパロフのような偉大なプレイヤーでも75手に1回は重大なミスを犯します。カスパロフの一つの誤った手が、ディープブルーのセンサーを作動させ、引き分けの局面を見つけるきっかけになったかもしれません。状況は絶望的でしたが、完全に絶望的ではありませんでした。代わりに、ディープブルーはカスパロフの目には非常に奇妙なことをしました。44手目に、ディープブルーは白の1列目にルークを動かし、カスパロフの王をチェックするようなより一般的な位置には移動しませんでした。このコンピュータの手は完全に無意味に思えました。あらゆる方向から攻撃を受けている瞬間に、実質的にターンをパスし、カスパロフが自分のポーンの1つを黒の2列目に進めることを許しました。そこでは、クイーンに昇格する脅威がありました。さらに奇妙なことに、ディープブルーはその1手後にゲームを降伏しました。コンピュータは何を考えていたのか、カスパロフは不思議に思いました。彼はディープブルーが複雑な局面で戦略的なミスを犯すのを見慣れていました—たとえば、ビショップとルークの交換を受け入れるようなことです—それは単に深く考えることができず、その影響を認識できなかったからです。しかし、これは異なるものでした。比較的単純な局面での戦術的なエラーであり、まさにコンピュータが犯さない種類のミスだったのです。 図9-5: ディープブルーの不可解な手 「どうしてコンピュータがそんな自殺をすることができるんだ？」カスパロフは、試合を振り返るためにプラザホテルで友人でありコンピュータ専門家でもあるドイツのチェスジャーナリスト、フリードルに尋ねた。いくつかのもっともらしい説明があったが、どれもカスパロフを特に満足させるものではなかった。もしかしたら、ディープブルーは本当に「自殺」したのかもしれない。どうせ負けるのなら、これ以上カスパロフに自分のプレイスタイルを見せたくなかったのだろうか。それとも、カスパロフは考えたが、何か巧妙な策略の一部だったのだろうか？プログラマーたちは、最初のゲームを投げることで自信過剰なカスパロフを過信させようとしていたのかもしれない。カスパロフは不安を感じると自然にすることをし、データを詳しく調べ始めた。フリードルとコンピュータプログラムのフリッツの助けを借りて、彼は従来の手—黒がルークを6列目に動かして白の王をチェックする手—が実はディープブルーにとってあまり良い手ではなかったことを発見した。それは最終的にカスパロフのチェックメイトにつながるものであり、彼がそれを完成させるには20手以上かかることになる。しかし、これが意味することは非常に恐ろしいことだった。カスパロフは推測した。コンピュータがカスパロフに20手をかけさせるような手を選ぶのは、彼がもっと長い手を見つけた場合だけだ。フリードルが振り返ると、ディープブルーは実際にすべてを計算し尽くし、最も不快でない負けの手を選んだのだ。「おそらく、20手以上でのチェックメイトを見ていたんだろう」とガリーは言い、これらの驚くべき計算の正しい側にいたことに感謝した。 チェスのような複雑なゲームで20手先を読むことは、かつては人間にもコンピュータにも不可能だと考えられていた。カスパロフがかつて誇らしげに語った瞬間は、1999年にオランダでの試合で、彼が15手先に勝利の形を視覚化したときだった。ディープブルーは、ほとんどの場合、6手から8手先までしか読めないと考えられていた。カスパロフとフリードルは何が起こっているのか正確にはわからなかったが、カジュアルな観察者にはランダムで説明のつかないミスのように見えたものが、彼らには大きな知恵を示しているように思えた。カスパロフは二度とディープブルーに勝つことはなかった。 エドガー・アラン・カスパロフ 第二局では、コンピュータはより攻撃的にプレイし、カスパロフを快適なポジションに入れさせなかった。重要な局面は約35手目に訪れた。材料は比較的均等で、各プレイヤーはクイーン、ビショップの1つ、ルーク2つ、そして7つのポーンを持っていた。しかし、白を持つディープブルーは次の手を持ち、動かす余地のあるクイーンを持っているため、わずかに優位だった。この位置（図9-6）はカスパロフにとってそれほど脅威ではなかったが、脅威の脅威があった。次の数手でボードが開かれ、ディープブルーが勝つチャンスがあるのか、それともゲームが必然的に引き分けに向かうのかが決まることになる。 図9-6: ゲーム2の36手目におけるディープブルーの選択肢 ディープブルーは考慮すべきいくつかの手がありました。女王をより攻撃的な位置に移動させることもできたし、これはより戦術的な手でした。または、白のポーンと交換してボードの左側を開くこともできました。これにより、よりオープンでエレガント、かつ戦略的なポジションが生まれます。試合を見守っていたグランドマスターたちは、ディープブルーが最初の選択肢を選び、女王を前進させるだろうと予想していました。それはやや明白な手であり、ディープブルーの性格にも合っていました。コンピュータは忙しく、複雑で計算負荷の高いポジションを好むからです。しかし、異常に長い時間「考えた」後、ディープブルーは代わりにポーンの交換を選びました。 カスパロフは一瞬ほっとした様子でした。ポーンの交換は彼に対する即時のプレッシャーを軽減したからです。しかし、ポジションを評価すればするほど、彼は不安になり、指を噛んだり、頭を手に埋めたりしました。観客の一人は、カスパロフが泣いているのを見たと思ったほどです。なぜディープブルーは女王を前進させなかったのでしょうか？実際の手は明らかに劣っているわけではなく、むしろ彼の長年のライバルであるアナトリー・カルポフが適切な条件下で試みるかもしれない手でした。しかし、コンピュータには良い戦術的理由が必要であり、彼はその理由を見つけることができませんでした。もし彼の疑念が正しければ、ディープブルーは20手以上先を見越す能力を持っているのです。 カスパロフとディープブルーはさらに約8手を進めました。試合を見守っていた記者や専門家たちには、カスパロフが最初から守りの姿勢を取っていたため、勝つチャンスがないことが明らかになっていました。しかし、彼はまだ引き分けに持ち込むことができるかもしれません。そして観客の驚きの中、カスパロフは45手目の後に降参しました。コンピュータが計算を誤るはずがない、20手先を考えられるのだから。彼はディープブルーが勝つことを知っていたので、残り4局を戦うためにエネルギーを消耗する必要はないと考えました。講堂の観客は盛大な拍手を送りました。それは、前回の試合よりもずっと良いプレイであり、もしディープブルーのチェックメイトがカスパロフにとってほど避けられないものに見えなかったとしても、それは彼らがそのポジションを彼ほど深く考えていなかったからに違いありません。しかし、彼らはディープブルーへの真の賞賛を温存しました。ディープブルーは人間のようにプレイしていたのです。「素晴らしいスタイル！」と女性世界チャンピオンのスーザン・ポルガーはニューヨーク・タイムズに語りました。「コンピュータはチャンピオンのスタイルで、カルポフのようにプレイしました。」ディープブルーチームを支援していたグランドマスターのジョエル・ベンジャミンも同意しました。「これはコンピュータスタイルのゲームではありません。これは本物のチェスです！」カスパロフはその夜、メディアに話すことなくエクイタブルセンターを急いで出ましたが、彼は仲間のグランドマスターたちのコメントを心に留めていました。もしかしたら、ディープブルーは文字通り人間的であり、存在論的な意味ではなく。 おそらく、2世紀前の機械トルコのように、グランドマスターは裏でその歯車を動かしていたのかもしれない。かつてカスパロフと引き分けたことのある強豪プレイヤー、ベンジャミンが、ディープブルーを指導するだけでなく、実際に試合中にその代わりに介入していたのではないかとも考えられる。パターンを見抜く能力が非常に高いチェスのチャンピオンたちは、少し偏執的な性格を持つことで知られている。翌日の記者会見で、カスパロフはIBMを不正行為で非難した。「マラドーナはそれを神の手と呼んだ」と、コンピュータのプレイについて語った。これは、1986年のワールドカップでイングランドに対してマラドーナが得点した infamous なゴールをほのめかすものであった。リプレイでは、ボールが彼の頭ではなく、違法に左手でネットに入れられたことが明らかになった。マラドーナはそのゴールを「マラドーナの頭で少し、神の手で少し」と主張した。カスパロフもまた、ディープブルーの回路が何らかの優れた知性によって補完されていると考えていた。カスパロフのディープブルーの行動に関する二つの理論は、もちろん相互に矛盾していた。機械はあまりにも上手にプレイしていたため、コンピュータであるはずがない、あるいはその機械はあまりにも広大な知性を持っていて、人間には理解できるはずがない。しかし、第二局を投了したことは間違いだった。実際にはディープブルーは勝利を確定させていなかったことを、カスパロフの最も信頼する助手であるフリーデルとユーリ・ドコイアンが、翌日のランチで恥ずかしそうに明かした。彼らは一晩中フリッツでその局面を検討し、あと7手でディープブルーを永遠のチェックに追い込むことができ、カスパロフに引き分けをもたらす手を見つけたのだ。「それだけだったのか？」とカスパロフは、五番街の交通をぼんやりと見つめながら言った。「コンピュータの深いポジショナルプレイに感銘を受けすぎて、逃げ道がないと思っていた。」試合は1-1でまだ均衡していたが、カスパロフの自信は大きく揺らいでいた。彼はこれまでの人生で競技チェスの試合で負けたことがなかったが、今や彼は追い詰められていた。そして、さらに悪いことに、彼は引き分けに持ち込めた試合を投了するという、最高のチェスの罪を犯してしまった。それは恥ずかしく、前例のないミスだった。試合を取材していたジャーナリストやグランドマスターたちは、チャンピオンがそのような誤りを犯した最後の記憶を思い出せなかった。カスパロフは、ディープブルーに勝つためには、彼を世界チャンピオンにした力強く威圧的なスタイルでは勝てないと決意した。代わりに、彼は慎重で非伝統的なスタイルでコンピュータを欺く必要があり、本質的にはプログラムの脆弱性を探るハッカーの役割を果たさなければならなかった。しかし、第三局でのカスパロフのオープニングムーブは、ディープブルーをそのデータベースから外すには十分に異常だったが、引き分け以上の結果をもたらすにはあまりにも劣っていた。 カスパロフは第4局と第5局でより良いプレーを見せ、両方の局面で優位に立っているように見えましたが、ディープブルーのエンドゲームデータベースの重圧を克服することができず、どちらも引き分けに終わりました。試合は、各選手が1勝ずつ、3つの引き分けで並び、最後の1局を残す状態でした。最終局の日、カスパロフはエクイタブルセンターに疲れた様子で現れ、憂鬱そうに見えました。フリーデルは後に、彼がそんなに暗い気分のカスパロフを見たことがないと振り返っています。黒の駒を持ったカスパロフは、カロカン・ディフェンスという戦法を選びました。カロカンはやや弱いとされており、歴史的に黒の勝率は44.7%ですが、カスパロフのようにそれをよく知っている選手にとっては決して無力ではありません。しかし、カスパロフはカロカンを知らず、トーナメントでほとんどプレーしたことがありませんでした。数手進んだ時点で、彼は苦しみ始め、比較的ルーチンとされる決定に長い時間をかけていました。そして7手目に、彼は重大なミスを犯し、ナイトの犠牲を1手早く提案してしまいました。カスパロフはすぐに自分のミスを認識し、椅子に沈み込み、自分の不満を隠そうとはしませんでした。わずか12手後、ゲームが始まって1時間も経たないうちに、彼は降参し、テーブルから立ち去りました。ディープブルーが勝利したのです。ただし、それは派手な勝利というよりも、期待外れの静けさの中でのものでした。カスパロフは単に疲れていたのか、あまり馴染みのないオープニングを選ぶことで問題を悪化させていたのでしょうか？それとも、グランドマスターのパトリック・ウルフが結論づけたように、カスパロフはディープブルーの成果を「正当化しないために」試合を投げたのでしょうか？彼が選んだカロカンという戦法が、彼が何度も打ち負かしてきたライバル、カーボフの象徴であることに何か意味があったのでしょうか？しかし、これらの微妙な点はすぐに一般の人々の想像力から失われてしまいました。機械が人間に勝利したのです！まるでHAL 9000が宇宙船を乗っ取った時のようでした。「Love Will Tear Us Apart」の冒頭13秒でシンセサイザーがギターリフを圧倒し、ロックンロールをその塵の中に置き去りにする瞬間のようでした。ただし、それは真実ではありませんでした。カスパロフは多くの人間の弱さと小さなソフトウェアのバグの犠牲者だったのです。 チェスの達人を驚かせる方法 ディープブルーはIBMのトーマス・J・ワトソンセンターで生まれました。美しい三日月型のレトロモダンな建物で、ウエストチェスター郡の丘を見下ろしています。ロビーには、チャールズ・バベッジが設計した初期のコンピュータのレプリカがあります。建物には少し錆びた兆候が見られますが、木のパネルが多すぎたり、内部オフィスが多すぎたりしますが、多くの偉大な科学者たちがここを拠点にしてきました。その中には数学者のブノワ・マンデルブロや、経済学と物理学のノーベル賞受賞者も含まれています。私は2010年春にワトソンセンターを訪れ、カナダ出身の穏やかで少年のような外見のマレー・キャンベルに会いました。彼はカーネギーメロンでのディープシンク時代からこのプロジェクトの主任エンジニアの一人でした。（現在、キャンベルはIBMの統計モデリングを監督しています。） キャンベルのオフィスには、カスパロフがチェスボードを睨みつけている大きなポスターがあり、キャプションにはこう書かれています： 「コンピュータをどうやってまばたきさせるか？カスパロフ対ディープブルー 1997年5月3日～11日」 結局、カスパロフがまばたきしたのはディープブルーではなく、キャンベルと彼のチームが予想していた理由とは少し異なりました。ディープブルーはカスパロフを打ち負かすことを目的に設計されており、特にカスパロフに対抗するために開発されました。チームはカスパロフが最も使う可能性の高いオープニングシーケンスを予測し、それに対する強力なカウンター攻撃を考案しました。（実際、カスパロフはトーナメント競技でほとんど使ったことのないオープニングムーブをプレイすることで罠を回避しました。）一方、1996年にカスパロフに対して平凡なパフォーマンスを示し、同様のプレイヤーとのトレーニングマッチで問題を抱えていたディープブルーは、その処理能力を倍増させ、ヒューリスティクスを洗練させました。キャンベルは、ディープブルーがカスパロフの深い戦略的思考に対抗するために、検索ツリーをより深く（しかしおそらくより選択的に）探る必要があることを理解していました。同時に、システムは複雑なポジションに若干偏るように設計されており、これがその強みを引き出すことに寄与しました。「コンピュータにとって良いポジションは、ボード上に多くの駒があり、合法的な手がたくさんある複雑なポジションです」とキャンベルは私に語りました。「私たちは、戦略よりも戦術が重要なポジションを求めています。だから、そうなるように少し工夫することができます。」 この意味で、ディープブルーはこれまでのどのチェスコンピュータよりも「人間的」でした。ゲーム理論はポーカーのような不完全情報のゲームに比べてチェスには同じ程度には適用されませんが、オープニングシーケンスは一つの例外かもしれません。相手のバランスを崩すためにわずかに劣る手を打つことで、相手の数ヶ月の準備時間を台無しにすることができます—もし彼がその手に対する正しい応答を知っていれば、あなたの数ヶ月の準備時間も台無しになる可能性があります。しかし、ほとんどのコンピュータは「完璧な」チェスをプレイしようとし、相手に合わせてゲームを変えることはありません。ディープブルーは、キャンベルが比較的有利だと考えるポジションに寄りかかるという、ほとんどの人間プレイヤーがすることをしました。 それでも、1997年のカスパロフのスキルは非常に優れていたため、ディープブルーに勝つチェスをプレイさせるためのプログラミングが必要でした。理論的には、コンピュータにチェスをプレイさせるのは簡単です：チェスプログラムの検索アルゴリズムを無限の時間実行させれば、すべての10^120のポジションを力任せに解決できます。「チェスを解決するためのよく理解されたアルゴリズムがあります」とキャンベルは私に言いました。「もし十分な時間実行させれば、ゲームを解決できるプログラムを半日で書けるでしょう。」しかし実際には、「それをするには宇宙の寿命が必要です」と彼は嘆きました。代わりに、世界チャンピオンを打ち負かす方法をチェスコンピュータに教えることは、しばしば単調な試行錯誤のプロセスに帰着します。エンドゲームにプログラムにもっと時間を与え、中盤に少なくすることで、全体的なパフォーマンスが向上するのでしょうか？ 騎士とビショップの価値を早い段階で評価するためのより良い方法はあるのでしょうか？プログラムは、チェックメイトや罠が潜んでいる可能性が残っている場合でも、どれくらい早く検索ツリーの無駄な枝を切り捨てるべきでしょうか？これらのパラメータを調整し、その変化に対する動作を観察することで、キャンベルはディープブルーを多くの試行にかけました。しかし時には、奇妙で予想外の手を指すこともありました。そのような時、キャンベルは古くからのプログラマーの疑問を投げかけなければなりませんでした。それは、新しい手がプログラムの特徴であり、成長していることを示す「ユリカの瞬間」なのか、それともバグなのかということです。予測の広い文脈において、私の一般的なアドバイスは、モデルが予想外または説明が難しい結果を出した場合、「バグ」の解釈に重きを置くことです。ノイズを信号と間違えるのは簡単すぎます。バグは、最も優れた予測者の努力を台無しにすることがあります。第8章で紹介したミリオネアのバスケットボール賭け師ボブ・ヴォルガリスは、ある年、野球に賭けたいと決めました。彼が設計したシミュレーターは、フィラデルフィア・フィリーズに対して常に「アンダー」賭けを推奨しましたが、その結果はあまり良くありませんでした。結局、エラーは1万行のコードの中の1つの誤った文字に起因していました。彼の助手がフィリーズの本拠地であるシチズンズ・バンク・パーク（攻撃力とホームランを増加させるコンパクトな球場）をP-H-1と誤ってコーディングしてしまったのです。その1行のコードが、プログラムの信号をかき消し、ヴォルガリスの資金をノイズに賭けることに縛り付けてしまったのです。ヴォルガリスはそのバグに非常に失望し、野球賭けプログラムの使用を完全にやめました。キャンベルにとっての課題は、ディープブルーがとっくの昔にその創造者たちよりもチェスが上手くなってしまったことです。ディープブルーが彼らが指さない手を指すことがあっても、それがバグなのかどうかを彼らは必ずしも知ることができません。「ディープブルーのデバッグの初期段階では、異常な手を指すと『ああ、何かおかしい』と言っていました」とキャンベルは私に語りました。「私たちはコードを掘り下げて、最終的に問題が何であるかを見つけ出しました。しかし、時間が経つにつれてそれは次第に少なくなりました。ディープブルーがこれらの異常な手を指し続けると、私たちはそれが人間には見えにくい何かを理解していることを確認しました。」おそらく、チェスの歴史の中で最も有名な手は、1956年の「世紀のゲーム」でチェスの天才ボビー・フィッシャーによって指されました（図9-7）。当時13歳のフィッシャーは、グランドマスターのドナルド・バーンとの対局で、明らかな利益もなく騎士を犠牲にし、その数手後にはビショップを進めるために意図的にクイーンを無防備にしました。どちらの手も完全に正しかったのですが、フィッシャーがバーンに対して得た戦略的な利益からの破壊は、数手後には明らかになりました。しかし、当時も今も、フィッシャーの手を考慮するグランドマスターはほとんどいませんでした。 「女王を他の女王や即座のチェックメイト以外の理由で手放してはいけない」というようなヒューリスティックは非常に強力で、99％の確率でプレイヤーにとって有益だからだろう。 私が中程度の性能のノートパソコンにその局面を入力し、コンピュータープログラムのFritzで解析したところ、数秒でフィッシャーの手を特定しました。実際、このプログラムはフィッシャーが行った手以外の動きを重大なエラーと見なしています。すべての可能な手を探る中で、プログラムはヒューリスティックを捨てるべき状況を特定しました。コンピュータがその手を見つけたことを「創造的」と表現するべきではなく、むしろ計算速度の brute force によって実現したのです。しかし、もう一つの利点もありました。それは、チェスの正しいプレイ方法に対する固定観念が、特定の状況での正しい手を見つける妨げにならなかったことです。人間のプレイヤーにとっては、従来の考え方を超えて見るための創造性と自信が必要でした。人々がフィッシャーの技術に驚嘆したのは、彼が非常に若かったからですが、実際にはそのためにこそ彼はその手を見つけられたのかもしれません。彼は想像力の全幅を駆使できたのです。私たちの思考の盲点は通常自分自身が作り出したものであり、年を取るにつれて悪化することがあります。コンピュータにも盲点はありますが、少なくともすべての可能な手を考慮することで、想像力の失敗を避けることができます。 それでも、Deep Blueのプログラムにはいくつかのバグがありました。多くはありませんが、いくつかありました。インタビューの終わりに近づくと、キャンベルは1997年のカスパロフとの対局の第一局の終わりに起こった出来事について、少しいたずらっぽく言及しました。「ゲーム中にバグが発生し、カスパロフがDeep Blueの能力を誤解させたかもしれません」とキャンベルは私に言いました。「彼は、その手がバグであるという理論を思いつかなかったのです。」バグは彼らの第一局の44手目に発生しました。手を選べなかったプログラムは、完全にランダムに手を選ぶ最後の手段にデフォルトしました。このバグは、すでに失われていた局面の遅い段階で発生したため、重要ではありませんでした。キャンベルとチームは翌日修正しました。「1997年の早い段階で行ったテストゲームで一度見たことがあり、修正したと思っていました」と彼は言いました。「残念ながら、見逃したケースが一つありました。」実際、このバグはDeep Blueにとって不運どころか、カスパロフに勝つための要因となった可能性があります。カスパロフのDeep Blueとの対局の人気のある再現では、彼の問題が始まったのは第二局で、彼が引き分けられたかもしれない局面を放棄するというほぼ前例のないエラーを犯した時です。しかし、カスパロフがこのミスを犯すきっかけとなったのは何だったのでしょうか？ 彼の不安は、最初のゲームにおけるディープブルーの44手目に関するものでした。この手は、コンピュータが明らかな目的もなくルークを動かしたものでした。カスパロフは、この直感に反するプレイが優れた知性の兆候であると結論づけました。彼は、それが単なるバグであるとは考えもしませんでした。21世紀のテクノロジーに依存しているにもかかわらず、私たちはエドガー・アラン・ポーの盲点を抱えており、これらの機械が私たちの生活において果たす役割を理解していません。コンピュータはカスパロフを驚かせましたが、それは設計上の欠陥によるものでした。 コンピュータが得意なこと コンピュータは計算を非常に速く行うことができます。さらに、疲れたり感情的になったりすることなく、分析の方法を途中で変えることなく、忠実に計算を行うことができます。しかし、これはコンピュータが完璧な予測を生み出すことを意味するわけではありませんし、必ずしも良い予測をするわけでもありません。「ゴミ入れ、ゴミ出し」（GIGO）という略語がこの問題を要約しています。もし悪いデータをコンピュータに与えたり、愚かな指示を分析させたりすれば、金の糸を紡ぐことはできません。一方で、コンピュータは戦略を考えたり、世界の仕組みに関する理論を発展させたりするような創造性や想像力を必要とするタスクにはあまり向いていません。したがって、コンピュータは天気予報やチェスのように、比較的単純で理解しやすい法則に従う分野で予測者にとって最も有用ですが、良い予測を生み出すためには、そのシステムを支配する方程式を何度も解く必要があります。経済予測や地震予測のように、根本的な原因についての理解が曖昧でデータが雑音に満ちている分野では、あまり役立っていないようです。1970年代や1980年代には、コンピュータが日常の学者や科学者にとってより身近になったことで、これらの分野でコンピュータ駆動の予測に対する高い期待がありましたが、それ以降はあまり進展がありませんでした。多くの分野は、この二つの極の間に位置しています。データはしばしば良いが完璧ではなく、数値を生成するシステムやプロセスについての理解はあるものの、完全ではありません。このような場合、ディープブルーのプログラマーが用いたプロセス、すなわち試行錯誤を通じて予測を改善することが可能かもしれません。これは、今日ビッグデータと最も一般的に関連付けられる企業のビジネス戦略の核心にあります。 試行錯誤がうまくいくとき 2009年末に私が訪れたカリフォルニア州マウンテンビューのグーグルプレックスでは、誰かが真剣に話しているのか、冗談を言っているのかが常に明確ではありません。そこは創造性を育む文化で、原色、バレーボールコート、あらゆる形の二輪車が揃っています。グーグルの人々、特にエンジニアや経済学者たちは、気まぐれで独特な一面を持っています。私がそこで出会ったグーグルのチーフエコノミスト、ハル・ヴァリアンは、「常に実験が行われているんだ」と言いました。「これを生き物、つまり有機体のように考えてほしい。」 私は、スカイネットのように、人工知能が目覚めたときに何が起こるかを心配すべきだと言ってきました。しかし、当時のカリフォルニア州知事アーノルド・シュワルツェネッガーと「私たちを助けに来てくれる」という合意を結びました。 Googleは、検索やその他の製品に関して広範なテストを行っています。「昨年、検索に関して6000件の実験を行い、広告収益化に関してもおそらく6000件ほどの実験を行いました」と彼は言いました。「つまり、Googleは年間約1万件の実験を行っているのです。」 これらの実験の中には、全く新しい製品ラインを展開するような目に見えるものもありますが、大半はほとんど気づかれないものです。例えば、ロゴの配置を数ピクセル移動させたり、広告の背景色を少し変えたりして、その結果がクリック率や収益化にどのような影響を与えるかを調べます。多くの実験は、アイデアの有望さに応じて、Googleのユーザーのわずか0.5％に適用されます。Googleで特定の用語を検索するとき、あなたはおそらく自分が実験に参加しているとは考えないでしょう。しかし、Googleの視点から見ると、状況は少し異なります。Googleが返す検索結果や、それらがページに表示される順序は、どの結果が最も役立つかについての彼らの予測を示しています。「役立ち度」のような主観的な品質は、どのように測定され、予測されるのでしょうか？「ベスト・ニュー・メキシカン・レストラン」といった用語を検索すると、それはアルバカーキへの旅行を計画していることを意味するのでしょうか？最近オープンしたメキシカンレストランを探しているのでしょうか？それとも、ヌエボ・ラティーノ料理を提供するメキシカンレストランを求めているのでしょうか？おそらく、もっと良い検索クエリを作成すべきだったでしょうが、そうしなかったので、Googleは同じリクエストをした1000人のパネルを集め、さまざまなウェブページを見せて、それぞれの有用性を0から10のスケールで評価させることができます。そして、Googleはその評価の平均が最も高いページから低いページの順に表示します。もちろん、Googleはすべての検索リクエストに対してこれを行うことはできません。毎日数億件の検索リクエストを受け取るのですから。しかし、バリアンは私に、彼らは代表的な検索クエリの一連に対して人間の評価者を使用していると教えてくれました。そして、彼らはこれらの人間の判断と関連性や有用性に関する統計的測定がどのように相関しているかを確認します。Googleのウェブサイトに関する最もよく知られている統計的測定は「ページランク」で、これはあなたが探しているかもしれないページにリンクしている他のウェブページの数に基づいています。しかし、ページランクは、Googleが人間の評価者の判断を近似するために使用する200の信号のうちの1つに過ぎません。もちろん、これは簡単な作業ではありません。無限に近い検索クエリの配列に200の信号を適用するのです。これが、Googleが実験とテストにこれほど重きを置く理由です。あなたが知っているGoogle検索という製品は、どんなに優れていても、明日には少し異なるものになるでしょう。この会社が成功している理由は、厳格なテストへのコミットメントと自由な創造的文化を組み合わせている点にあります。 Googleの人々は、コンピュータよりもはるかに優れたアイデアを生み出すためのあらゆるインセンティブを与えられています。Googleはその膨大なデータを活用して、これらのアイデアを試すのです。大多数はすぐに却下されますが、最良のアイデアは生き残ります。コンピュータプログラムは、チェスをこのようにプレイし、ほぼすべての可能な選択肢をある程度深く探りながら、より有望な攻撃ラインにリソースを集中させます。これは非常にベイズ的なプロセスです。Googleは常に走り出す準備ができており、検索アルゴリズムを洗練させ続け、決して完成形とは見なしていません。ほとんどの場合、私たちはGoogleのようにアイデアを迅速にテストすることができず、世界中の数億人のユーザーからほぼ瞬時にフィードバックを得ることもできません。また、Deep Blueのエンジニアたちのようにスーパーコンピュータにアクセスすることもできません。そのため、進歩ははるかに遅いペースで進むことになります。それでも、私たち自身をテストすること、つまり統計モデルの快適さの中ではなく、実際の世界で予測がどれだけうまく機能するかを実際に見ることにコミットすることが、学習プロセスを加速させる最良の方法かもしれません。 ### 技術的盲点を克服する 多くの点で、私たちは自らの最大の技術的制約となっています。人間の進化の緩やかで着実な歩みは、技術の進歩と歩調を合わせられなくなっています。進化は千年単位で進行しますが、処理能力はおおよそ2年ごとに倍増します。洞窟に住んでいた私たちの祖先は、非常に強力で、ほぼ過活動的なパターン認識能力を持つことが有利だったでしょう。つまり、葉の間で聞こえる rustling が風によるものか、迫り来るグリズリーベアによるものかを一瞬で見分ける能力です。現在、数字や統計にあふれた速いペースの世界では、同じ傾向が私たちをトラブルに巻き込むことがあります。ランダムな数字の列が提示されると、実際には存在しないパターンを見出してしまうのです。（現代の狡猾さを持つ広告主や政治家は、しばしば私たちの脳の原始的な部分を利用します。） しかし、チェスは幸せな結末をもたらします。カスパロフとDeep Blueのプログラマーは互いを敵対者と見なしていましたが、彼らはコンピュータの処理速度と人間の独創性が予測において果たす補完的な役割について何かを教えてくれました。実際、現在の世界最高のチェスゲームは、人間でも機械でもないかもしれません。2005年、ウェブサイトChessBase.comは「フリースタイル」チェス大会を開催しました。参加者は、自分の洞察を補完するために好きなコンピュータプログラムを使用したり、インターネットでアドバイスを求めたりすることができました。数人のグランドマスターが大会に参加しましたが、最も強い人間プレイヤーや最も評価の高いソフトウェアを使用したプレイヤーが勝ったわけではなく、ニューハンプシャーの20代のアマチュア、スティーブン・クラントンとザッカリー「ザックス」・スティーブンのペアが、3つのコンピュータプログラムを組み合わせて自らの手を決定し、優勝しました。クラントンとスティーブンが勝ったのは、技術に対して畏敬の念や恐れを抱かなかったからです。 彼らは各プログラムの強みと弱みを理解し、プレイヤーというよりはコーチとして行動しました。しかし、「コンピュータはヤンキースがワールドシリーズに勝つと思っている」といったフレーズに出くわしたときは注意が必要です。これがより正確な表現（「コンピュータプログラムの出力は、ヤンキースがワールドシリーズに勝つというものです」）の省略形として使われている場合は、全く問題ないかもしれません。今日の情報量を考えると、私たちよりもずっと速く計算を行える機械があるのは確かに助かります。しかし、予測者がこの表現をもっと文字通りに捉えていると感じる場合、つまり彼がコンピュータを感情を持つ存在として考えている、あるいはモデルに独自の思考があると考えている場合、それはあまり考えが進んでいないことの兆候かもしれません。予測者が持つバイアスや盲点は、彼のコンピュータプログラムにも必ず反映されるでしょう。私たちは技術を常に人間の状況を改善するための道具として捉える必要があります。技術の祭壇に崇拝することも、恐れることもありません。人間のように考えるコンピュータはまだ誰も設計しておらず、おそらく誰も設計することはないでしょう。しかし、コンピュータは人間の進歩と創意工夫の反映でもあります。人間が作り出したものであれば、それは本当に「人工的な」知能とは言えません。 2003年は「ポーカー・ブーム」の始まりであり、新しい未経験のプレイヤーの数が指数関数的に増加し、わずかなポーカーのスキルでも大きな利益を得ることができるようなバブル経済のようなものでした。この現象には二つの直接的かつ関連する原因がありました。一つは、ラスベガスで開催された2003年のワールドシリーズ・オブ・ポーカーで、27歳のアマチュア、ナッシュビルの会計士クリス・マネーメイカーが優勝したことです。マネーメイカーはポーカーの一般人を体現する存在であり、少しぽっちゃりしたオフィスワーカーが、果敢なブラフと幸運な引きによって、オンライン予選トーナメントに参加するために支払った39ドルを250万ドルの賞金に変えたのです。ESPNはマネーメイカーの成果を6部構成のミニシリーズにまとめ、平日の夜に野球シーズンが始まるまでほぼ連続して放送しました。これは、これまで薄暗く、古臭く、威圧的なイメージを持っていた「ポーカー」という「スポーツ」にとって素晴らしい広告となりました。突然、かつてマイケル・ジョーダンやデレク・ジーターになる夢を諦めた、禿げた身長5フィート8インチの会計士たちは、マネーメイカーに自分とそっくりな姿を見出し、同じような仕事を持ち、数週間で無名のアマチュアから世界最大のポーカートーナメントの勝者に変わった姿を見て、希望を抱くようになったのです。しかし、ESPNの放送は、ポーカーテーブルでの現実が実際にどうであるかを大いに美化したものでした。まず第一に、ポーカーテーブルの状況は、 40時間以上のプレイを800人以上のプレイヤーが参加して行う中で、6時間の放送に圧縮する必要があったため、実際にプレイされたハンドのほんの一部しか放送されませんでした。さらに、「ホールカメラ」という巧妙な発明のおかげで、テーブルの周りに設置されたピンホールサイズのカメラが各プレイヤーの隣にあり、Moneymakerだけでなく彼の対戦相手のカードも、ハンドが進行する中で視聴者に公開され、まるで透視能力を持っているかのような感覚を与えました。相手の持っているカードが分かれば、ポーカーはかなり簡単なゲームです。Moneymakerは、何をやっても間違えない主人公として描かれました。冷静に分析すれば彼が下手にプレイしたと結論づけられるハンドも、アナウンサーによって常に称賛されました。無謀なブラフは大胆なものに、早すぎるフォールドは洞察に満ちたものに変わりました。Moneymakerは、単なる平均以上のプレイヤーではなく、ほぼ一夜にして世界クラスのプレイヤーに成長したポーカーの天才でした。視聴者は、ポーカーは簡単に学べて、利益を得やすく、非常にアクション満載だと信じ込まされましたが、これは全くの誤解です。しかし、それでも多くの人々は、ラスベガスへのチケットさえあれば、次のクリス・マネーメイカーになることができると考えました。ワールドシリーズ・オブ・ポーカーの10,000ドルのメインイベントの参加者数は、Moneymakerが優勝した年の839人から、わずか3年後には8,773人に急増しました。私はその一人でした。しばらくポーカーの夢を追いかけましたが、その夢は消えてしまいました。ポーカーは、信号とノイズが交わる泥だらけの地点にあることを学びました。ゲームでの数年間は、私たちの人生における偶然の役割や、世界を理解しその進行を予測しようとする際に生じる幻想について、多くのことを教えてくれました。 ポーカーのブームのもう一つの要因はインターネットでした。インターネットポーカーは1998年から何らかの形で存在していましたが、2003年にはParty PokerやPokerStarsのような企業がインターネットギャンブルの法的な混乱を乗り越えるために積極的にマーケティングを行い、主流になり始めました。世界中のプレイヤーがオンラインゲームに集まり、仮想カードルームのセキュリティや合法性に対する懸念を克服しました。彼らは、手数料が数セントから数百ドルまでのあらゆる形式のポーカーに24時間いつでもアクセスできる便利さ、コンピューターチップが人間のディーラーよりもはるかに早くシャッフルできるためのスピーディな体験、煙たくて古びたカジノではなく自宅でプレイできる快適さを提供しました。私は、前述のように、Moneymakerと似たような職業に就いており、KPMGの経済コンサルタントとして働いていました。 職場の友人の一人が、私たちが定期的にゲームを始めて、少し緊張する程度に賭けをすることを提案しました。私は、ミシガン州マウント・プレザントにあるソーリング・イーグル・インディアン・カジノに、朝の4時に数回足を運んだことがある程度のポーカー経験がありました。しかし、久しぶりだったので練習が必要で、オンラインで探し始めました。Pacific Pokerという少し使いづらくバグの多いサイトが、ほとんど条件なしで25ドルのリアルマネーポーカーチップを提供していました。最初の25ドルはすぐに失ってしまいましたが、Pacific Pokerのゲームに参加しているプレイヤーたちは、ソーリング・イーグルのゲームに集まる元受刑者や70代の人々とあまり変わらないように見えました。そこで、自分の100ドルを入金しました。ほとんどのプロポーカープレイヤーは、勝ち続けることでキャリアをスタートさせます。最初に負けるプレイヤーは、たいていは賢明に辞めるものです。私も例外ではありませんでした。私の資金は徐々に増え始め、最初は1晩に50ドルか100ドル、時には500ドルや1,000ドルも増えるようになりました。約3ヶ月後には、私の winnings は5,000ドルに達しました。私は徹夜でプレイするようになり、夜明けにタクシーで仕事に向かい、仕事中は何とかやり過ごしました。6ヶ月後には15,000ドルの winnings を得て、仕事を辞めました。国際税務コンサルティングの刺激的な世界を後にし、カードをプレイすることと Baseball Prospectus で働くことの間で時間を分けることにしました。それは解放感があり、まるでシステムをハックしたかのように感じました。最初から本当に良いプレイヤーだったのかは分かりませんが、競争相手のレベルは低く、私の統計的なバックグラウンドがアドバンテージを与えてくれました。ポーカーはしばしば非常に心理的なゲームと見なされ、対戦相手が互いの魂を見つめ合い、「テール」を探してお互いの手の内容を見抜こうとする意志の戦いだと言われます。確かにポーカーにはそのような要素もありますが、思っているほど多くはありません。（ポーカーにおける心理的要因は、主に自己規律の形で現れます。）むしろ、ポーカーは非常に数学的なゲームであり、不確実性の中で確率的な判断を下すことに依存しています。このスキルは、あらゆる予測において重要です。 良いポーカープレイヤーは、次にどのカードが来るかを予測する能力によって区別されるわけではありません。まるで超能力があるかのように。シャッフルの順番がランダム以外の何かだと信じているのは、最も迷信深いか偏執的なプレイヤーだけです。最もひどいプレイヤーでさえ、基本的なオッズ計算を記憶していないことはありません。例えば、フラッシュが2枚のカードで来る確率は約1/3であることや、エースのペアがキングのペアに勝つ確率は約80%であることなどです。核心的な分析スキルは、プレイヤーが「ハンドリーディング」と呼ぶもので、相手がどのカードを持っているかを推測し、それがハンドの残りの部分でどのように彼女の決定に影響を与えるかを考えることです。 これは非常に難しい問題であり、特にテキサスホールデムにおいては、その傾向が顕著です。ホールデムでは、カードは裏向きに配られ、相手の手札がどのようなものであるかは、すべてのベットが終わり、ポットが誰かの方に押し出されるまで確定しません。各プレイヤーは、1,326通りの可能な手札の組み合わせのうちの1つでゲームを開始します。壮大なエースのペアから、低い7-2の組み合わせまで、さまざまな手が存在し、プレイヤーがその手を他の手のように扱うことを妨げるのは、彼女の金銭への愛情だけです。しかし、プレイヤーは手札を読むスキルを使って、相手の可能性のある手札の範囲を予測することができます。ポーカーのプレイヤーはしばしば「相手に手を当てる」と言い、時には相手が持っている2枚のカードを正確に知っているかのように行動します。しかし、優れたプレイヤーは常に多くの仮説を考慮し、それを相手の行動と照らし合わせて評価します。良いポーカーの予測は確率的であるべきです。手が進むにつれてより正確になるはずですが、相手が持っている1,326通りの手のうちどれかを正確に予測することは、カードが公開されるまで通常は不可能です。特に、相手が熟練していて意図的に予測不可能な行動をとっている場合はなおさらです。 実際、テキサスホールデムでは情報を得るのが非常に難しいため、プレイヤーはカードが配られる前から相手の手札の範囲について推測を始めます。オンラインゲームでは、データマイニングを通じてこれが行われることが多く、各対戦相手の過去のゲームにおけるプレイスタイルの統計（ルースかタイトか、パッシブかアグレッシブか）を把握できます。実際のカジノでは、プレイヤー同士の過去の履歴や、そうでなければ民族的なプロファイリングによって行われます。たとえば、スウェーデン、レバノン、中国のプレイヤーは、フランス、イギリス、インドのプレイヤーよりもアグレッシブであるという評判があります。若いプレイヤーは、年配のプレイヤーよりもルースでアグレッシブであると見なされます。男性は女性よりもブラフをかける可能性が高いとされています。これらのステレオタイプは、他のものと同様に必ずしも真実ではありません。私がラスベガスのベラージオでプレイしていたホールデムゲームでは、最も優れたプレイヤーはしばしば女性であり、彼女たちは相手が想定しているよりもはるかにアグレッシブであるため、優れていました。しかし、ポーカープレイヤーは政治的正しさに時間をかける余裕はありません。たとえ女性が男性よりも保守的にプレイするというステレオタイプが45％の確率で間違っていたとしても、それが55％の確率で正しいかもしれないという事実は、彼らにとって利用できる材料となります。ゲームが始まると、これらの粗い仮定は、当日のテーブルでの過去の手のプレイや、現在の手のプレイによって得られるより信頼性の高い情報に置き換えられます。このプロセスは根本的に、そして深くベイズ的であり、各プレイヤーは各ベット、チェック、コールの後に確率的な評価を更新します。ベイズの定理の実用性に疑問を持つなら、あなたはおそらくポーカーゲームを見たことがないでしょう。 テキサスホールデムの簡単な入門 テキサスホールデムのルールはオンラインや書籍で簡単にアクセスできますが、初心者の方のために、次のページで使われる用語を紹介するためにいくつかの基本を説明します。このルールは他のカードゲームに比べてシンプルですが、チェスと同様に、比較的単純なルールが卓越した戦術的および戦略的な深みを生み出します。ゲームは、各プレイヤーに裏向きで配られる2枚の個人カード（ダウンカードまたはホールカードと呼ばれます）から始まります。この段階でベッティングラウンドが行われます。その後、これらの個人カードは、テーブルの全プレイヤーで共有される一連のコミュニティカード（ボードとも呼ばれます）と組み合わされます。各プレイヤーは、自分のダウンカードとコミュニティカードを組み合わせて、最良の5枚のポーカーハンドを作ろうとします。コミュニティカードは順番に公開され、各段階の間にはベッティングラウンドがあります。最初の3枚のカードは同時に公開され、フロップと呼ばれます（ポーカープレイヤーが使う多彩な語彙の一つです）。次に、4枚目のコミュニティカードであるターンが公開されます。最後に、最後のカードであるリバーが明らかになり、最終的なベッティングラウンドが行われます。この時点で、ほとんどのプレイヤーはフォールドしていることが多いですが、そうでない場合は、プレイヤーのダウンカードが裏返され、ショーダウンで最良のハンドがポットを勝ち取ります。ポーカーハンドのランクは次の通りです。 ある複雑なポーカーハンドの例 例えば、あなたがベラージオで$5/$10のノーリミットホールデムのゲームをプレイしているとしましょう。最初の数人のプレイヤーがフォールドし、あなたはそこそこ良いカード、8のペア（8♠ 8♦）を持っています。そこで、$25にレイズし、ただ一人のプレイヤー、60代の男性（以下、弁護士と呼びます）にコールされます。弁護士は良い人で、ハンドの合間に少しおしゃべりをしますが、カードが配られると静かになります。彼は東海岸の知的財産法律事務所のパートナーとしてそこそこ成功していることがわかりました。ポロシャツを着て、時折友人にティータイムを確認するためにテキストを送っている姿を想像できます。彼は、カクテルウェイトレスが最初に回ってきたときにビールを1杯飲み、その後コーヒーに切り替えました。彼はこの中程度の賭け金に怯えることはなく、そのように振る舞ってもいません。弁護士が私たちのテーブルに座ったとき、私たちは彼について2つの仮説の間で揺れていました。1つは、彼が少し見せびらかすためにプレイしている可能性があり、そのためにいくつかの大胆な動きやブラフをするかもしれないというもので、もう1つは、より法的かつ規則に則ったアプローチを取るかもしれないというものでした。その後の観察により、後者のプロフィールがより正しい可能性が高いことが確認されました。彼は中程度のプレイヤーで、致命的なミスを避けているものの、あまり洗練されたプレイはしていないようです。弁護士は決してテーブルで最悪のプレイヤーではありませんが、長期的には勝ち続けることは難しいでしょう。 それでも、私たちは彼と対戦してからそれほど長くは経っておらず、これについて完全に確信を持っているわけではありません。では、これまでのところ、弁護士の手札について何がわかるでしょうか？絶対に疑いの余地がない唯一のことは、彼が84や8を含む手札を持っていないということです。なぜなら、それらのカードは私たちの手札にあるからです。残念ながら、これによりスターティングハンドの組み合わせは1,326通りから1,225通りに減少しますが、どれも最初に配られる可能性は同じでした。しかし、弁護士は他にもいくつかの情報を提供しています。彼は私たちのベットにコールを選びました。これは、彼の手札が少なくともそれなりのものである可能性が高いことを意味します。ほとんどのプレイヤー、弁護士を含めて、フロップ前のレイズに対しては明らかに大多数の手札をフォールドします。また、彼がコールしたということは、エースのペアのような非常に強い手札を持っている可能性は低いということでもあります。なぜなら、彼はフォールドする代わりにコールしただけでなく、リレイズする代わりにもコールしたからです。ただし、この可能性を完全に無視することはできません。 私たちは、弁護士が持っているかもしれない手札について確率的なベイズ的評価を形成し始めることができます。過去の経験から、このようなプレイヤーの手札の範囲には、9のペアのような手札が含まれる可能性が高いことがわかっています。また、エースを含む手札も考えられます。特に、両方のカードが同じスートである場合（たとえば、A¥ 59のように）、フラッシュを作りやすくなります。同様に、「スーテッドコネクター」と呼ばれる手札、つまり同じスートの連続したカードを持つ手札（たとえば、64 5@）も含まれるかもしれません。これらはフラッシュとストレートの両方を作ることができます。最後に、彼はクラブのキングとダイヤモンドのジャック（K & J¢）のような2枚のフェイスカードを含む手札でコールするかもしれません。もし十分な時間があれば、弁護士の手札の範囲を完全に列挙し、彼の行動に基づいて1,326通りの可能性に0％から100％の確率を割り当てることができるでしょう。これは、非常に迅速に可能性を整理できるコンピュータが彼のプレイを考える方法です。 しかし、このような行列は現実の条件下では追跡するにはあまりにも複雑です。そのため、プレイヤーは代わりに相手の範囲を、互いにほぼ同じように機能する手札のグループに分けることを目指します。この場合、私たちが最も懸念すべき手札のグループは、弁護士が私たちの8よりも高いペアで手を始めた場合です。幸いなことに、その確率は低いです。ホールデムでは、プレイヤーはペアを持つことは稀です。実際、ホールデムで最初にカードが配られたとき、9のペア以上を持つ確率は約3％に過ぎません。しかし、彼のコールによってこの確率の推定を更新する必要があります。弁護士は多くの無価値な手札を捨てており、強い手札を持っている可能性が高まっています。私たちの推定によれば、彼が私たちの8よりも高いペアを持っている確率は、これまでの彼のプレイに基づいて約6％に上昇しています。 図10-28: フロップ前の相手の手札のグループ分け 事前確率 事後確率 手の種類 例の手札 コール前 コール後 ペア（8sからAs） JV 3% 6% ペア（2sから2sエース） 3% 12% スーテッドエース avay 15% アンスーテッドエース Asov 11% 16% スーテッドフェイスカード gale 2% 10% アンスーテッドフェイスカード kate 5% 16% スーテッドコネクター 76 2% 8% その他の手札 J&oe 70% 12% 残りの94%のケースでは、弁護士は私たちよりも弱い手札を持っています。問題は、まだ5枚のカードが残っていることで、私たちのペアを改善するのは比較的難しい（デッキに残っている2枚の8のうちの1枚を引く必要があります）が、彼はより高いペア、ストレート、またはフラッシュを作るのが容易であることです。弁護士はコーヒーを一口飲み、ディーラーがテーブルの中央にフロップカードを並べるのを見ています。カードは2枚のクラブ—キングとスリー—とハートの9です。K&OY 3% これらのカードは私たちの手を改善していません。私たちの希望は、弁護士の手も改善されていないことで、そうなれば私たちの8のペアがまだ最良の手になります。そこで、私たちは$65のポットに対して$35という比較的控えめなベットをします。弁護士は一瞬ためらい、コールします。このコールは私たちにとってあまり良いニュースではありません。彼の手の範囲をさらに絞り込むことでそれがわかります。ベイズの定理に従って、条件付き確率の観点で考えることが重要です。たとえば、弁護士がK* J¢のような手札でスタートし、今やキングのペアを持っている場合、彼が再度私たちにコールする可能性はどれくらいでしょうか？（彼はほぼ確実にトップペアを作ったので少なくともコールするでしょうが、代わりにレイズした可能性はあるでしょうか？）もし彼が私たちのペアよりも小さいペア（例えば7¥ 74）でスタートしていた場合、彼がコールする可能性はどれくらいでしょうか？もし時間があれば、1,326の手の組み合わせを個別に検討し、それに応じて推定を修正することができるでしょう（図10-3）。テーブルでの実際の推定はこれほど正確ではありませんが、それでも彼のコールを考慮に入れた広範な確率的特徴付けを行うことができます。約30%の確率で、弁護士の手はフロップと強く結びついており、キングのペア以上の良い手を持っているため、強いプレッシャーがない限りフォールドする可能性は低いです。また、約20%の確率で、彼はキングよりも弱いペアを持っているが、私たちの8よりは強い手を持っている可能性があります。これらの手も私たちに勝ちますが、弁護士は積極的にベットし続ければ後でフォールドする可能性が高くなるかもしれません。一方、弁護士がストレートやフラッシュのドローを持っている可能性は約25%で、現在は私たちに劣っていますが、改善する方法は多くあります。最後に、彼が私たちのペアよりも弱いペアを持っているか、ほとんど何も持っていない可能性も25%あり、後で私たちをブラフすることを期待して手を続けているかもしれません。これらは最も好ましいケースです。ポーカーの決断がどれほど複雑になるかがわかります。これらの可能性のいくつかは、私たちが手をできるだけ積極的にベットし続けるべきであることを示唆しています。 他の人たちは、より慎重なアプローチを取るべきだと示唆していますが、別の人たちは、私たちが降りる準備をするべきだと言っています。この難しい決断を考えていると、ディーラーが理想的なカードを出してくれます。それはデッキに残っている2枚の8のうちの1枚、8¢で、私たちはスリーカードを揃えました。私たちが負ける可能性があるのは、弁護士が最初に9のペアかキングのペアを持っていて、フロップでより高いセットを作り、それをパッシブにプレイして私たちを罠にかけた場合だけです（ポーカーのプレイヤーはこれを「スロープレイ」と呼びます）。それでも、私たちはあまり防御的に考えるべきではありません。彼の可能性のある手を考慮すると、私たちの方が勝っている確率はおそらく98％です。そこで、今回は比較的大きなベットをします：$100を$135のポットに賭けます。 弁護士は再びコールします。彼が弱いペアや弱いドローをフォールドした可能性が高いため、彼の手の範囲をさらに絞り込むことができます。実際、彼が最初に持っていた1,326の手の中で、今の段階で可能性が高いのは約75手程度です。彼はしばしばキングのペアを持っており、以前は心配していた手ですが、今は私たちが勝っています。私たちが心配しているのは、クラブがもう1枚来ることで、そうなればフラッシュが完成する可能性があるからです。 しかし、最後のカードは無害そうなスペードの5で、フラッシュは完成しません： K& 9Y 3& 8¢ 54 私たちは$335のポットに$250を賭け、弁護士が悪い手でコールしてくれることを期待します。しかし、突然彼が活気づきます。「オールイン」と、彼はディーラーにかすかな声で言います。彼は残りのチップ、約$1,200をきれいにポットに押し込みます。一体何が起こったのでしょうか？私たちは今、ベイズ的思考を試す必要があります。彼の手の範囲に関する予測が外れていると、$1,200のミスを犯す可能性があります。ボードを見て、彼のプレイと最も一致する1つの手、1,326のランダムな組み合わせの中で最も可能性が高い手があることに気付きます。その特定の手は、クラブの7と6（7% 6%）です。これはスーテッドコネクターで、フロップ前に彼がコールしていた可能性が高いと思います。フロップでは、この手が4枚のクラブでフラッシュドローを作り、私たちは彼を降ろすほどのベットをしませんでした。ターンでは、その手はフラッシュを逃しましたが、それでもなお… 強い手札：8セントが私たちの三つの同じカードを作り出し、弁護士には10または5のいずれかでストレートを作る可能性が生まれました。もしそれが彼の手札であれば、リバーの54が彼のストレートを完成させ、私たちの三つの同じカードを上回ることになります。だからこそ、彼がこんなにも大胆にベットしている理由が説明できます。では、私たちはフォールドすべきでしょうか？ポーカーをプレイしたことがない人でも、少し考えてみる価値があります。答えは、おそらくフォールドすべきではないということです。実際、多くのプレイヤーに対しては、ポットにもっとお金が入ることを喜ぶべきです。この解決策はベイズの定理から来ています。オールインのベットは非常に強力な手段であり、彼の以前のコールよりもはるかに多くの情報を伝えます。しかし、弁護士がオールインする前に、私たちは彼がクラブの7と6を持っている確率を非常に低く、1％程度と見積もっていました。これは無数の組み合わせの中の一つの可能性に過ぎません。もし私たちが彼がこのプレイをするのはほぼこの手札だけだと非常に自信を持っていない限り、フォールドするのは大きな間違いになるかもしれません。私たちの手札は、数学的に正しいコールをするためには約35％の確率で良い必要があります。実際、彼の手札にはいくつかの代替の可能性があります。弁護士はスリーカードのセットや、私たちの8のセットに負ける可能性のあるファイブのセットを持っているかもしれません。また、K¥5¥のような手札でツーペアを作っている可能性もあります。あるプレイヤーはこのようにエースのペアをプレイすることもあります。彼のベイズモデルでは、こうした手札が私たちの手札よりも良いと考えるかもしれませんが、実際にはそうではなく、オールインするには十分な手札だと考えているかもしれません。ストレート以外にも私たちを上回る手札がいくつかあります。もし弁護士がずっとスロープレイしていたのが9のセットやキングのセットであれば、彼は今私たちの金を手に入れることができます。これに対抗するのが完全なブラフの可能性です。もし弁護士がフラッシュドローを持っていて、それが外れた場合、ポットを勝ち取る唯一の方法はブラフをすることです。アーサー・コナン・ドイルがかつて言ったように、「不可能なものを排除すれば、残ったものはどんなにありそうもなくても真実でなければならない。」これは理にかなった論理ですが、私たちは不可能なものと非常にありそうもないものを区別するのが難しく、あまりにも細かい区別をしようとすると問題が生じることがあります。相手の手札はこの段階では何らかの形で非常にありそうもないものです；これは異常な手でした。これは、ありそうもないものを他のありそうもないものと比較する問題であり、その計算は彼が正確に7と6を持っているという仮説に対して不利に働きます。もし私たちが可能性をコンピュータに通したら、まだ私たちが最良の手札を持っている確率は約2/3だと考えるかもしれません（図10-5）。 図10-5：リバーにおける対戦相手の手札のグルーピング 例　事前確率　事後確率 手の種類　オールインレイズ前　オールインレイズ後 ストレート　7e68　1%　16% Ksまたは9sのセット　9¢98　2%　12% Ssまたは3sのセット　5Sv5e　2%　19% ツーペア（Kv sv）　3%　20% 「ワンペア、Ks以上」　ASAE　44%　15% 「ワンペア、8sからOs」　8v7y　35%　4% ノーペア（純粋なブラフ）　7a24　13%　9% 実際、ポーカーのプレイヤーは、相手の手札に対する確率の評価において大きく異なることがあります。熟練したポーカープレイヤーは、99.9%の人々よりも不確実性の中で合理的な確率判断を下すのが得意です。実際、これらのスキルをより洗練させるゲームや知的なエクササイズを私は知りません。しかし、私がこの手札をプロのポーカープレイヤー向けのオンラインフォーラム「Two Plus Two」に投稿した際、評価は「ほぼ確実に最高の手を持っている」とから「ほぼ確実に負けている」とまで様々でした。私の見解では、これらの評価はどちらも過信です。相手の手札について何も知らないかのように進めるべきではありませんが、一般的に私たちの予測エラーは、世界にもっと確実性があると考えすぎることから生じます。この場合、相手の手を正確に当てようとすることはフォールドを意味しますが、確率をより広く評価し、ポットからの有利な追加を考慮すると、コールすべきだということになります。 シュレディンガーのポーカーハンド もしこの手がESPNで放送されたトーナメントで、各プレイヤーのホールカードが見えた場合、解説者の分析は異なるかもしれません。彼らは、相手が7♠6♣を持っていることを知っていれば、フォールドが明らかだと主張するかもしれません。もし並行宇宙で、手が全く同じように進行したが、相手が3♥3♠を持っていた場合、彼らはポットにもっとお金を入れることにどれほど興奮すべきかを教えてくれるでしょう。2009年のテレビ放送では、世界的なプレイヤーであるトム・ドワンとフィル・アイビーが手を対戦し、ポットのサイズは最終的に100万ドルを超えました。この手では、アイビーがターンで奇跡のカードを引いて5ハイストレートを作りました。しかし、同じカードがドワンに7ハイストレートをもたらし、唯一の可能な勝ち手となりました。「これから逃げられるのはフィル・アイビーだけだ」と解説者の一人が言い、彼がフォールドすればそれは優れたポーカースキルの証だと示唆しました。実際、手を捨てることはひどいプレイでした。アイビーがその時知っていたこと、そして彼とドワンがどれだけアグレッシブにプレイするかを考えると、彼は少なくとも90%の確率で最高の手を持っていると予想すべきでした。もしアイビーがその手で全てのチップを失っていなければ、彼は悪いプレイをしていたことになります。テレビの放送はポーカーにとって大きな恩恵ですが、多くのカジュアルプレイヤーに正しいプレイ方法について誤解を与え、結果に焦点を当てすぎて正しい意思決定プロセスに十分な注意を払っていません。「誰かの持ち札を一つの手に絞ることはあまり一般的ではない」とドワンは私に言いました。 「確かに、ほとんどのプロやテレビ番組が言うほど一般的ではない。」私たちを予測不可能にすること ダワンはかつて「durrrr」というオンラインのスクリーンネームで知られていました。この名前を選んだのは、彼に負けた他のプレイヤーがイライラするだろうと考えたからです。ダワンは17歳のときにオンラインサイト「フルティルトポーカー」に50ドルを入金し、その後ボストンカレッジを中退してポーカーをフルタイムでプレイすることにしました。彼はオンラインポーカーの食物連鎖の頂点に立つプレイヤーへと成長しました。毎月何百万ドルもの金額が彼の手を通り過ぎ、時には負けることもありましたが、より多くの勝利を収めました。 2012年に彼と話した時、ダワンは世界で最も優れたノーリミットホールデムプレイヤーの一人と広く見なされていました。彼は創造的で攻撃的、そして何よりも恐れを知らないという評判があります。2009年には、親友のフィル・ガルファンドを除く世界中のプレイヤーに対して、非常に有利な条件でヘッドアップを挑戦しました。最終的に3人の強力なプレイヤーが彼に挑み、ダワンはそのうち2試合に勝利しました。しかし、彼の明らかな勇敢さとは裏腹に—ダワンは実際にはかなり控えめな人物です—ポーカーや一般的な世界についての考え方は非常に確率論的です。彼は、相手が自信過剰であることを利用して利益を上げています。「人生のほとんどの分野では、イエスかノーではなく確率を考えることが重要です」と彼は私に言いました。「財政連合を形成しようとしているときや、食料品の支払いをしているとき、あるいは解雇されないことを願っているときに、多くの分野で人々が犯す大きな欠陥です。」 ダワンは、自身のプレイを意図的に曖昧にすることで、これらの傾向を利用しようとしています。ポーカーにおける最も重要な技術的スキルが相手の手の範囲を予測することなら、次に重要なのは自分のプレイを予測不可能にすることです。「人々が上手くなるほど、彼らが持っているものや何をしているのか、またはその範囲についての確信が薄くなります」とダワンは言います。「そして、彼らはあなたの判断を利用するためにそれを操作する傾向が強くなります。」 私はダワンのようなプレイヤーには決してなれませんが、プロのポーカープレイヤーとしての経験の中で、私なりにこれを活用しました。2000年代中頃の柔らかいオンラインゲームでは、保守的でタイトなプレイをすることでお金を稼ぐことができましたが、すぐにより攻撃的なスタイルの方がさらに多くの利益を得られることに気づきました。私のアイデアは、相手が私の手の範囲を推測する際に持つ盲点を見つけることでした。例えば、フロップ前にレイズすると、相手は通常、エースやキング、クイーンを含む大きなカードを持っていると考えます。もちろん、時にはそのような手を持っていることもあります。しかし、私は7や6のような小さなカードを持っている手でもレイズしました。私が見つけたのは、大きなカードがボードに出たとき、例えばエースやキングが出た場合、相手はしばしば私がそのカードを引いたと認めてフォールドすることが多いということです。一方で、小さなカードが出た場合、私はしばしばペアや何らかの良いドローを作っていることが多かったのです。 時には、これらのカードでストレートのような一見あり得ない手を作ることもあり、それが対戦相手をイライラさせることもありました。ポーカーの面白い点は、最高のプレイヤーと最悪のプレイヤーの両方が、異なる理由でかなりランダムにプレイすることです。したがって、あなたが相手を騙して弱いプレイヤーだと思わせることができる場合もありますが、実際には彼らの金を取る可能性が高いのです。最終的には、私のより攻撃的なスタイルに気づく対戦相手もいましたが、これは必ずしも悪いことではありませんでした。彼らが「予測可能な」手、例えばキングのペアを持っているときにコールする可能性が高くなるからです。これにより、これらの手は私にとってより利益をもたらすものとなりました。実際、ブラフや攻撃的なプレイはポーカーにおいて単なる贅沢ではなく、必要不可欠なものです。そうでなければ、あなたのプレイはあまりにも予測可能になってしまいます。私が定期的にプレイをやめてから5年が経ち、ポーカーゲームは非常に攻撃的になりました。また、ゲーム理論やコンピュータシミュレーションも、このアプローチが最適であることを強く示唆しています。相手に多くの可能性を突きつけることで、彼の確率計算を複雑にするのが最善の方法です。時には、対戦相手の直感的な確率の見積もりがあまりにも粗雑である状況を特定できることもあります。ポーカープレイヤーが、相手が特定の手を特定の方法でプレイすることは決してないと思ったとき—例えば、特定の状況でブラフをしないと思ったとき—それが、相手の「あり得ない」と「不可能」の感覚を混乱させて利用するチャンスです。「私がやったことの中には、非常に最適でないと知りながらも、長い間かなりの金を稼いだものがいくつかありました」とドワンは私に言いました。「ここ数年でようやく人々が気づき、上達し始めたのです。」ドワンの主なゲームであるノーリミットホールデムは、ベットのサイズを通じて各決定にかかる金額をコントロールできるため、この戦略に特に適しています。ドワンが行う選択の中には、100ドルに過ぎないものもあれば、10,000ドル、100,000ドル、さらにはそれ以上の賭けもあります。百万ドルのポットでいくつかの追加の決定を正しく行えば、100ドルずつのプレイの合計はほとんど問題になりません。私は主にリミットホールデムをプレイしていましたが、各ラウンドのベッティングの増加が固定されています。（最近まで、これはトーナメント以外で最も人気のあるゲームでした。10年前には、アメリカのどこでもノーリミットゲームが2、3卓しか行われていないことがよくありました。）リミットポーカーは創造性の機会が少ないですが、理論が実践に追いつくまでの間、私は攻撃的なアプローチを利用して非常に成功した数年間を過ごしました。2004年と2005年の両方で、私はポーカーから6桁の収入を得ており、ゲームからの累積利益は約40万ドルに達しました。 予測の学習曲線 私とドワンの違いは、彼がほぼ文字通り、いつでもどんな賭けでも他のプレイヤーと対戦することを厭わないのに対し、私はポーカーのプレイヤーとして中堅の上位に位置しており、利益を上げるためには悪いプレイヤーと一緒にゲームをする必要があったということです。幸いなことに、ポーカーのブーム時代には「フィッシュ」と呼ばれる悪いプレイヤーがたくさんいました。ポーカーや予測を伴う他の多くのタスクには学習曲線が存在します。学習曲線の重要な点は、それが本当に曲線であるということです。タスクを遂行する際の進捗は線形ではなく、通常は次のような形をしています（図10-6）—これを私は「予測のパレート原則」と呼んでいます。 図10-6：予測のパレート原則 100% 80% 60% 精度 40% 20% 0% 0% 20% 40% 60% 80% 100% 努力 ここで示されているのは、一方の軸に努力、もう一方の軸に精度を置いたグラフです。軸のラベルを異なるものにすることもできます—たとえば、一方に経験、もう一方にスキルといった具合です。しかし、基本的な考え方は同じです。努力や経験とは、予測問題に対してどれだけの金銭、時間、または批判的思考を注ぐ意欲があるかを指します。精度やスキルとは、実際の世界で予測がどれほど信頼できるかを意味します。この曲線の名前は、パレート原則または80-20ルールと呼ばれるよく知られたビジネスの格言に由来しています（たとえば、利益の80％は顧客の20％から得られるというように）。ここで私が適用する場合、いくつかの基本的なことを正しく理解することが大きな成果につながるということを示唆しています。たとえば、ポーカーでは、自分の最悪の手をフォールドし、最良の手に賭け、相手が何を持っているかを考慮する努力をするだけで、損失を大幅に軽減できます。このようにする意欲があれば、たとえゲームの勉強に費やした時間が20％しかなくても、80％の確率でドワンのような優れたポーカープレイヤーと同じ決断を下すことができるかもしれません。この関係は、予測が重要な他の多くの分野でも成り立ちます。最初の20％は、正しいデータ、正しい技術、正しいインセンティブを持つことから始まります。情報を持っている必要があります—理想的には多くの情報が望ましいです—そして、それが品質管理されていることを確認する必要があります。また、業界のツールに対するある程度の親しみも必要です—最高の技術を持つことは素晴らしいですが、持っているものを使いこなすことがより重要です。正確性、つまり客観的な真実に到達することを重視し、最も魅力的または便利な予測や、テレビに出るかもしれない予測をすることにこだわらない必要があります。その後、経験や常識に基づいたいくつかの経験則（ヒューリスティック）や、アドホックではなく体系的に予測を行うためのプロセスを発展させる中間ステップに進むことができます。これらのことは簡単ではなく、多くの人が誤ってしまいます。 しかし、それらは難しくはなく、実行することで、世界の第一人者の予測と同じくらい信頼性の高い予測を80％の確率で行えるかもしれません。ただし、重要なのは、あなたの予測が絶対的にどれほど良いかではなく、競争相手に対してどれほど良いかということです。ポーカーでは、95％の決断を正しく行っても、他のプレイヤーが99％の確率で正しい手を打っているテーブルでは負けてしまうことがあります。同様に、株式市場で勝つためには、アイビーリーグの大学でMBAを取得し、七桁の給与を得ている投資家たちのチームを上回る予測をしなければなりません。こうした場合、競争に勝つためには多くの追加の努力が必要です。やがて、あなたは収穫逓減に直面することになるでしょう。得られる追加の経験、戦略に加えるさらなる工夫、予測モデルに組み込む追加の変数は、ほんのわずかな違いしか生まないのです。一方で、あなたが開発した役立つ経験則については、その例外を学ぶ必要が出てきます。しかし、競争が非常に激しい分野では、このような細かな努力を重ねることでしか利益を上げることはできません。競争によって設定された「水準」があり、あなたの利益は氷山の一角のようなもので、表面上に浮かぶわずかな競争優位性の背後には、それを支えるためにかけた膨大な努力が隠れています。私はこのような分野を避けるように努めてきました。その代わりに、水準が比較的低く、基本を押さえることが重要な分野を活用する幸運に恵まれました。ベースボールは、マネーボール以前の時代にはその一例でした。ビリー・ビーンは、出塁率が打率よりも選手の攻撃力をより良く測る指標であることを認識することで、大きな成果を上げました。今ではほとんどの人がそれを理解しています。政治の分野では、FiveThirtyEightのクローンが12人もいたら、せいぜい小さな優位性しか持てないと思います。しかし、私はしばしば、正確な予測をしようともしていない政治評論家たち、例えば『ザ・マクラフリン・グループ』のような人たちと「競争」していることになります。ポーカーも2000年代中頃はこのような状況でした。テレビを見てゲームのやり方を学んだと思っている新しい未経験のプレイヤーが次々と参加してきたため、水準が低く保たれていました。 もしあなたがさまざまな分野で応用可能な強力な分析スキルを持っているなら、競争の強さを考慮する価値は非常に高いです。 予測が得意であれば、競争相手が悪いインセンティブや悪習、伝統に盲目的に従うことで失敗する分野では、利益を上げることがしばしば可能です。また、相手よりも優れたデータや技術を持っている場合も同様です。しかし、他の人たちが基本をしっかりと押さえている分野で非常に優れた予測を行うのははるかに難しく、優位性を持っていると思い込んでいるとしたら、それは自己欺瞞かもしれません。一般的に、社会は予測に対して追加の努力をする必要がありますが、それは多くの労力を要し、即座の報酬が少ないこともあります。また、私たちが行う近似にはトレードオフが伴うことをより意識する必要があります。しかし、予測をビジネスの提案として捉えるのであれば、通常は小さな池の中で大きな魚になれる場所を見つける方が良いでしょう。 ポーカーのバブルの経済学 予測のパレート原則は、最悪の予測者—最初の20％すら当てられない人々—が、最高の予測者が良いのと比べてはるかに劣っていることを示唆しています。別の言い方をすれば、平均的な予測者はプールの底よりも上位に近いということです。私は、ダワンとポーカーをしたら大金を失うだろうと確信しています。しかし、もしその取引の一環として、通りから選んだランダムな相手と同じ賭け金で対戦することが保証されるのであれば、喜んで彼と対戦します。その相手に対しては、損失を取り戻し、それ以上の利益を得られると期待できるからです。この仮説を実証的に検証するために、ポーカーのプレイヤーの統計記録を調べました。私は、2008年と2009年の間に行われたノーリミット・ホールデムのプレイヤーのランダムサンプリングデータを評価しました。これらの統計は、プレイヤーがプレイしていた賭け金に対して、1ハンドあたりどれだけの金額を勝ったり失ったりしたかを示しています。 短期的な勝ち負けは運に大きく左右されるため、私はプレイヤーの真の長期的な収益性を推定するための統計的手法を適用しました。その後、プレイヤーをスキルレベルで順位付けし、10の同じサイズの四分位に分けました。最上位の四分位—プレイヤープールの上位10％から成る—は、典型的な10人のテーブルでの最高のプレイヤーに相当します。一方、下位10％は最大の魚です。図10-8aは、$5/$10のブラインドでのノーリミット・ホールデムゲームにおいて、各四分位のプレイヤーが実際にどれほどのスキルを持っているかを、100ハンドあたりの勝ちまたは負けの金額として示した私の推定値です。これらの数字には、他のプレイヤーに対して勝った金額と失った金額、そしてカジノに対して失った金額が含まれています。カジノは、各ポットの小さな割合（レイクと呼ばれる）を取るか、ゲームのディーリングに対して時間単位の料金を請求します。 FIGURE 10-8A: $5/$10 ノーリミットホールデムゲームにおける100ハンドあたりの推定勝ち金または負け金 $200 $100 $0 -$100 -$200 -$300 -$400 -$500 最悪のプレイヤー 2番目に良いプレイヤー 3番目に良いプレイヤー 4番目に良いプレイヤー 5番目に良いプレイヤー 6番目に良いプレイヤー 7番目に良いプレイヤー 最高のプレイヤー 私は、これらのゲームのテーブルで最高のプレイヤーが、長期的に見て100ハンドあたり約$110の利益を上げていると推定しています。これはオンラインカジノでは素晴らしい収入で、手が非常に早く配られるため、1時間か2時間でその数のハンドをプレイすることができます。しかし、従来のカジノでは同じ数のハンドをプレイするのに4時間かかることもあり、時給で$25または$30にしかなりません。重要な点は、テーブルで最も悪いプレイヤーが、最高のプレイヤーが得ているよりもはるかに速いペースでお金を失っているということです。例えば、私はゲームの中で最も悪いプレイヤー、つまり「一番の魚」が100ハンドあたり$400以上のペースで負けていると推定しています。このプレイヤーは非常に下手で、実際にはすべてのハンドをフォールドした方が良いでしょう。そうすれば、100ハンドあたり$150のコストで済むのです。 ここで見られるのは、80/20の法則の統計的な反響です。最も悪いプレイヤーと平均的なプレイヤーの間には、平均的なプレイヤーと最高のプレイヤーの間よりもはるかに大きな差があります。より良いプレイヤーはお互いにほんの少し異なることをしているのに対し、下位のプレイヤーは基本すら間違えており、最適な戦略から大きく逸脱しています。クラシックなポーカー映画『ラウンダーズ』では、マット・デイモンのキャラクターが「テーブルに座って最初の30分でサッカーを見つけられないなら、あなたがサッカーだ」とアドバイスしています。私はこれが完全に正しいとは思いません。ゲームにサッカーがいない可能性もあります。しかし、ゲームの中で1人か2人の悪いプレイヤーを見つけられないなら、プレイしない方が良いでしょう。ポーカーでは、成功と失敗の境界は非常に薄く、1人の魚の存在が結果を大きく左右します。 私が説明したゲームでは、その1匹の魚が多くの飢えた口を養っていました。彼の存在は他のプレイヤーにとって100ハンドあたり約$40の価値がありました。この補助金のおかげで、約半数のプレイヤーがハウスの取り分を差し引いた後でも利益を上げていました。ポーカーは「トリクルアップ」理論に従っており、下位10％のプレイヤーは急速にお金を失っているため、比較的大きな中間層のブレークイーブンプレイヤーを支えています。しかし、魚—つまりサッカー—が破産した場合、こうしたプレイヤーはどうなるのでしょうか？このペースでお金を失っているプレイヤーが破産するのは必然です。いくつかのわずかに勝っているプレイヤーがわずかに負けているプレイヤーに変わります（図10-8B）。実際、現在の推定では、テーブルで唯一の最高のプレイヤーだけが長期的に利益を上げており、その額も以前より少なくなっています。 FIGURE 10-8B: $5/$10 ノーリミットホールデムゲームにおける100ハンドあたりの推定勝ち金または負け金 リミットホールデムゲームがフィッシュ（初心者プレイヤー）が脱落した後 $200 $100 消えた 脱落 -$100 -$200 -$300 -$400 最悪のプレイヤー 9位 8位 7位 6位 5位 4位 3位 2位 最高のプレイヤー フィッシュがテーブルからいなくなることで、他のプレイヤーに連鎖的な影響を与えることがあります。以前は次に悪いプレイヤーだった者が今や「カモ」となり、以前よりもさらに早いペースでお金を失うことになります。そうなると、彼も脱落する可能性があり、残ったプレイヤーにとってはさらに厳しい状況になります。ポーカーエコシステム全体の均衡が崩れることもあります。実際、最悪のプレイヤーが常に破産の脅威である中で、ポーカーゲームはどのように成り立っているのでしょうか？時には、無限の資金を持つフィッシュのようなプレイヤーもいます。PokerKingBlog.comによると、シルク・ドゥ・ソレイユのCEOであるギー・ラリベルテは、2008年にオンラインポーカーゲームで1700万ドルを失ったとされています。彼は、ドワンのような相手と最も難しい高額ゲームで競おうとしました。数字はどうであれ、ラリベルテは億万長者であり、知的挑戦のためにゲームをプレイしていたため、彼にとってはほとんど何でもなく、アメリカ人がブラックジャックで数百ドルを失うのと同じような感覚だったのです。もっと一般的には、答えは一人のフィッシュプレイヤーが永遠にお金を失うのではなく、数百ドルや数千ドルを失っては辞めていくフィッシュが絶え間なく現れることです。ベラージオのような実店舗のカジノでは、これらのプレイヤーはクラップステーブルやナイトクラブから、あるいはトーナメントや小額ゲームで勝ち続けた後にふらりと入ってくることがあります。私の経験したオンラインポーカー環境では、フィッシュの数は不規則で、国ごとの規制環境やポーカーサイトの広告量、さらには季節によっても変わっていました。しかし、ポーカーのブーム時代には、プレイヤーのプールが急速に拡大していたため、常に多くのフィッシュが存在していました。それが変わろうとしていました。 ポーカーバブルの崩壊 2006年10月、退任する共和党の議会は、中間選挙を前に「価値観を重視する有権者」にアプローチしようとしましたが、より緊急な問題に行き詰まり、あいまいな法律である「違法インターネット賭博取締法（UIGEA）」を通過させました。UIGEAは厳密にはオンラインポーカーを違法にするものではありませんでした。むしろ、ポーカーサイトへの資金の移動を助ける第三者企業をターゲットにしたのです。法律は、ポーカーをプレイすることはできるが、チップを持つことはできないと言っているようなものでした。一方、司法省はアメリカ人にオンラインギャンブルを提供している企業をターゲットにし始めました。オフショアサイト「BetOnSports PLC」のCEOであるデビッド・キャラザーズは、イギリスからコスタリカへの旅行中にダラスで乗り継ぎをしている際に逮捕されました。その後、他の起訴も続きました。 これらの出来事は、多くのオンラインポーカーのプレイヤーやゲームの運営者たちを非常に不安にさせました。当時最大のオンラインポーカーサイトであったパーティーポーカーは、UIGEAが通過してから2週間後にアメリカ人をゲームから締め出し、その株価は24時間で65％も暴落しました。他の企業は新しい法律に対処するための手段を模索しながら営業を続けましたが、資金を入金するのが難しくなり、引き出すのもリスクが高くなりました。私は主にパーティーポーカーから収入を得ており、同サイトは積極的に広告を行い、初心者プレイヤーが多いことで知られていました。パーティーポーカーがアメリカ人を締め出す前の2週間の猶予期間中、同サイトのゲームはこれまで以上に初心者が多く、時には「ハエの王」のような雰囲気になっていました。この期間中、私はいくつかの勝ちまくるポーカーの日を過ごしました。しかし、パーティーポーカーがアメリカ人を締め出した後、私はポーカースターズのような難しいサイトに移行したところ、勝てなくなってしまいました。実際、私は大きく負けてしまい、2006年の最後の数ヶ月で約75,000ドルを失いました。そのほとんどは一晩でのことでした。2007年の最初の数ヶ月もプレイを続けましたが、さらに約60,000ドルを失いました。その時点で、ゲームに勝てる自信を失った私は、残りの資金を引き出して辞めることにしました。当時の私の結論は、プレイヤープールの構成が劇的に変わったということでした。収入を得るためにゲームに依存していた多くのプロプレイヤーはプレイを続けましたが、ほとんどのアマチュアは資金を引き出すか、破産してしまいました。ポーカー経済の脆弱な生態系はひっくり返り、弱いプレイヤーがいなくなったことで水位が上昇し、一部のサメたちが初心者に変わってしまいました。 その一方で、新しい法律が通過する前から、私のプレイは悪化し始めていました。創造性やインスピレーションのないポーカーをプレイしており、壁にぶつかっていました。プレイする時は、プロプレイヤーの最も危険な特性である「勝つ権利がある」という感覚と、アマチュアの悪習慣を組み合わせて、友人と出かけた後の遅い時間までプレイしていました。振り返ってみると、私にとっては幸運な結果となりました。手元に余裕ができた時間と、UIGEA通過後の政治プロセスへの関心の高まりが、最終的にファイブサーティーエイトの発展につながったのです。そして、勝ち金の3分の1を失うのは楽しくはありませんでしたが、全てを失うよりはましでした。ゲームを続けたプレイヤーの中には、そんなに幸運ではなかった人もいました。2011年、司法省による「ブラックフライデー」の起訴により、多くのオンラインポーカーサイトが永久に閉鎖され、その中には破産してプレイヤーが資金を引き出せなくなったサイトもありました。もし私がプレイを続けていたらどうなっていたのだろうと時々考えます。ポーカーは非常に変動が激しいため、理論的には勝てるプレイヤーでも、数ヶ月、あるいは1年にわたって負け続けることがあるのです。 このことの裏側には、負けているプレイヤーが自分の実力に気づく前に長い勝ち streak を経験する可能性があるということがあります。 ポーカーにおける運とスキル 運とスキルはしばしば対極にあるものとして描かれますが、その関係はもう少し複雑です。例えば、メジャーリーグの野球選手が非常に高いスキルを持つプロフェッショナルであることに疑いを持つ人は少ないでしょう。時速98マイルで投げられる野球を木のバットで打つのは簡単ではなく、この技術においては人によって才能の差があるのです。しかし、野球には運も大いに関与しています。どんなに強くボールを打っても、セカンドベースマンにキャッチされてしまうこともあります。これらのスキルの違いが明らかになるには時間がかかります。数ヶ月のデータでは十分ではありません。図10-9では、2011年4月のアメリカンリーグ選手の打率を一方の軸に、2011年5月の同じ選手の打率をもう一方の軸にプロットしました。二つの間には相関関係がないように見えます（例えば、ブレンダン・ライアンという選手は、4月に.184、5月に.384を記録しました）。しかし、長期的な統計を見れば、野球選手の打撃能力は選手ごとに大きく異なることがわかります。 ポーカーはこの点で野球に非常に似ています。ポーカーには大きな運と大きなスキルが関与しています。ポーカーの対極にあるのは、三目並べ（図10-10）のようなゲームです。このゲームには運の要素はありませんが、スキルもあまり必要ありません。優秀な二年生がビル・ゲイツと同じくらいの成績を出すことができるでしょう。 それでも、ポーカーのプレイヤーが自分の実力を理解するには時間がかかることがあります。運の要素は、私が専門とするリミットホールデムでは特に強いです。このゲームにおける正しい戦略は、多くのポットを争い、手を最後まで持ち続けることを意味しますが、そうなると多くが配られたカードの運に依存します。リミットホールデムの非常に優れたプレイヤーは、$100と$200のベッティングインクリメントのゲームで、100ハンドごとに$200の利益を上げるかもしれません。しかし、彼の結果の変動性（標準偏差という統計で測定される）は、その約16倍、つまり100ハンドごとに約$3,200になる可能性があります。 これは、数万ハンドをプレイした後でも、良いプレイヤーが負けてしまったり、悪いプレイヤーが勝ってしまったりする可能性があることを意味します。図10-11では、私が説明した統計を持つプレイヤーの潜在的な利益と損失をモデル化しています。 チャートに示された帯は、プレイヤーの勝ち負けの可能性の範囲を示しており、全てのケースの95％をカバーしています。彼が60,000ハンドをプレイした場合（これは、カジノで週40時間プレイし続けた場合に1年で得られるハンド数に相当します）、プレイヤーは275,000ドルを得るか、35,000ドルを失う可能性があります。要するに、このプレイヤーは1年間毎日働いてもお金を失う可能性があるのです。これが「ポーカーは簡単に生計を立てるための難しい方法だ」と言われる理由です。もちろん、このプレイヤーが本当に長期的に勝てると知る方法があれば、損失を乗り越える理由があるでしょう。しかし実際には、彼がそれを知る確実な方法はありません。プレイヤーが勝者である確率を見積もる適切な方法は、ベイズ統計を適用することです。これは、彼の結果と事前の期待に基づいて、自分がどれほど優れているかについての信念を修正することを意味します。もしプレイヤーが自分に正直であれば、たとえ最初に勝っていたとしても、自分の成功に対してかなり懐疑的な態度を持つべきです。プレイヤーの事前の信念は、平均的なポーカープレイヤーが定義上お金を失うことを考慮に入れるべきです。なぜなら、ハウスがレイクという形でゲームからお金を取り、その残りがプレイヤー間で分配されるからです。たとえば、『ポーカーの数学』という本で説明されているベイズ法は、$100/$200のリミットホールデムゲームで最初の10,000ハンドで30,000ドルを得たプレイヤーが、長期的には負ける可能性が高いことを示唆しています。 ほとんどのプレイヤーは、自分自身に対してこれほど正直ではありません。私もポーカーのバブルの中にいたときは、そうではありませんでした。彼らは、真実を突きつけられるまで、自分が勝ち組だと仮定してスタートします。「ポーカーは、自分が有利だと思っている人々のゲームだ」とダワンは言いました。「人々はポーカーについてかなり妄想的な見解を持つことがある。」別のプレイヤーであるダース・ビリングスは、世界のトップリミットホールデムプレイヤーに対抗するコンピュータープログラムを開発した人物ですが、彼はさらに率直にこう言いました。「人間がこんなに自惚れていて、まるで魔法使いのようにプレイしていると思い込んでいるゲームは他に知らない。基本的には、彼らが何も知らず、自分が神のようであるべきだと思っているからだが、実際にはそうではない。もしコンピュータープログラムが人間の傲慢さを糧にするなら、ポーカーでは彼らは王のように食べるだろう。」 もちろん、この特性はポーカーに特有のものではありません。 第11章で見ていくように、ウォール街のトレーダーにも同様の批判が当てはまります。彼らはしばしば、S&P 500のような市場のベンチマークを上回ることができると考えますが、実際にはそうできないことが多いのです。より広く言えば、過信は予測が関わるあらゆる分野で大きな問題です。ポーカーは、結果が純粋に運によって決まるルーレットのようなゲームではありません。無限にホイールを回しても誰もお金を稼げないのです。また、ポーカープレイヤーはルーレットプレイヤーとはあまり似ていません。実際、彼らは投資家に近い存在です。あるオンラインポーカーのプレイヤーに関する研究によれば、52％が少なくとも学士号を持っており、これはアメリカ全体の人口の約2倍、宝くじを購入する人々の4倍にあたります。ほとんどのポーカープレイヤーは、長期的にお金を稼ぐプレイヤーが実際に存在することを理解していますが、これが彼らをトラブルに巻き込む原因となるのです。 トミー・アンジェロは、ポーカーの夢を追い求めていました。1990年、32歳のときに、カントリー・ロックバンドのドラマー兼ピアニストの仕事を辞めて、フルタイムでポーカーをプレイすることにしました。「私はそれに夢中になっていました」と、2012年に彼と話した際にアンジェロは語りました。「プロのポーカープレイヤーになるというアイデアが大好きでした。仕事を持たないという考えは本当に素晴らしいものでした。社会に打ち勝ち、自分の知恵だけでお金を稼ぐような感じです。これ以上魅力的なことは想像できませんでした。」 しかし、アンジェロはほとんどのポーカープレイヤーと同様に、結果だけでなくプレイの質にも浮き沈みがありました。彼が最高のプレイをしているときは非常に優れていましたが、常に最高のプレイをしていたわけではありません。しばしば、彼は「ティルト」状態にありました。「私は素晴らしいティルターでした」と、彼の著書『ポーカーの要素』の中でアンジェロは振り返ります。ティルトとは、視点を失って過剰に攻撃的なプレイをする状態を指します。「私はさまざまな種類のティルトを知っていました。スチームティルト、シマーリングティルト、緩すぎるティルト、きつすぎるティルト、攻撃的すぎるティルト、受動的すぎるティルト、高すぎるティルト、長すぎるティルト、疲れすぎるティルト、権利意識ティルト、イライラティルト、不正義ティルト、フラストレーションティルト、だらしないティルト、復讐ティルト、資金不足ティルト、資金過剰ティルト、恥ずかしさティルト、気が散るティルト、怖がりティルト、嫉妬ティルト、これまで食べた中で最悪のピザティルト、ブレフを見せられたばかりのティルト、そしてもちろん、クラシックなものもあります：取り戻さなければならないティルト、そして「このお金を失う時間は限られている」とも言えるデモリッションティルトです。」 アンジェロが最終的に気づいたのは、どんなにスキルがあっても、定期的なティルトの発作が彼をただ生き延びること以上のことを妨げていたということです。私たちが見てきたように、ポーカーで悪いプレイをするとお金を失うのは非常に簡単ですが、良いプレイをしているときにお金を稼ぐのは難しいのです。一方、長期的に勝つプレイヤーでも、その優位性はかなり小さいのです。世界クラスのレベルで90％の時間プレイしている人が、残りの10％の時間にティルトすると、全体としてお金を失う可能性が十分にあります。 アンジェロは、40代になってから、ゲームについて執筆し他のプレイヤーを指導し始めたことで、自身のティルト問題の深刻さに気づきました。彼はもともと洞察力のある人で、戦略セッションがしばしばセラピーセッションに変わることが多かったと言います。「私は、ポーカーに関するさまざまな問題を抱えたさまざまなタイプの人々を指導していました」と彼は私に話しました。「他の人の問題は非常に見えやすいものでした。『この人は私と同じくらい賢いのに、彼のスキルについては妄想的だ』と思うことがありました。そして、もし他の人たちが妄想的なら、私もそうでなければならないと知っていました。」 アンジェロは、すべてのポーカープレイヤーは少なからずティルトを経験すると考えています。「誰かが私に『私はティルトしない』と言ったら、私の頭の中では『また妄想的な発言だ』と登録されます。これはよくあることです。」 私自身もポーカーを積極的にプレイしていた頃、特有のティルトがありました。私は物を投げたりするタイプではありませんでしたし、ティルトしたからといって狂ったようにプレイすることもありませんでした（私の「Aゲーム」は十分に荒れていましたが）。時にはゲームを少し引き締めることもありました。しかし、私は長時間にわたって機械的に、無思考でプレイし、しばしば夜遅くまで続けていました。たくさんコールして、ポットが自分の方に流れてくることを期待していました。心の奥底では、ゲームに勝とうとすることを諦めていました。今では（プレイしていたときに気づいていたかは定かではありませんが）、私のティルトの引き金が何であったかを理解しています。一番大きな要因は、権利意識でした。カードがあまり来ず、長い間フォールドしなければならないときは、それほど気にしませんでした。それはゲームの統計的な変動の一部だと気づいていました。しかし、特に良いプレイをしたと思ったとき、例えば相手のブラフを正しく見抜いたとしましょう。しかし、相手がリバーで奇跡のカードを引いて私の手を打ち負かしたとき、私は本当にティルトしてしまいました。私はそのポットを得る権利があると思っていたのに、彼が勝ってしまったのです。ティルトすることで、私は物事を歪んだ均衡に戻すことができました。私は十分に悪いプレイを始め、負けるに値するようになったのです。ポーカープレイヤーがティルトする根本的な理由は、このバランスがしばしば崩れているからです。短期的にはもちろん、中期的にも、プレイヤーの結果は彼のスキルとあまり相関しないことが多いのです。プレイヤーが自分のスキルレベルについて非現実的な考えを持っていると、事態はさらに悪化します。「私たちは、自分の理論を支持するデータに固執しがちです」とアンジェロは言いました。「そして、その理論は通常『私は彼らよりも優れている』というものです。」 結果重視の思考を超えて アメリカでは、非常に結果重視の社会に生きています。誰かが裕福であったり、有名であったり、美しかったりすると、私たちはその人がそうであることを当然のことと考えがちです。実際、これらの要素は自己強化的であることが多いのです。お金を稼ぐことは、さらにお金を稼ぐ機会を生み出し、有名であることはその人にセレブリティを活用するための手段を増やします。また、美の基準はハリウッドのスターの見た目によって変わることもあります。これは政治的な発言や、富の再分配の賛成（または反対）を主張するものではありません。しかし、実際のところ、成功は努力、才能、そしてその人の機会や環境の組み合わせによって決まります。言い換えれば、ノイズとシグナルの組み合わせです。アメリカでは、私たちは大抵の場合、シグナルの要素を強調しがちですが、自分の欠点に関しては運が悪かったと考える傾向があります。隣人の成功をその家の大きさで説明することはできますが、彼らがそこに至るまでに克服しなければならなかった障害についてはあまり知りません。予測に関しては、私たちは本当に結果重視です。株式市場の底を見抜いた投資家は天才として称賛されますが、彼がたまたま正しかった不完全な統計モデルを使っていたとしてもです。ワールドシリーズに勝つチームを作ったゼネラルマネージャーは、彼の同業者よりも優れていると見なされますが、彼の実績を詳しく調べると、チームは彼の行動のおかげではなく、むしろそれにもかかわらず成功したことがわかります。そして、ポーカーに関しても同様です。クリス・マネーメイカーの話は、「運良くカードを引いたただのギャンブラー」というマーケティングのキャッチフレーズではあまり面白くなかったでしょう。 時には、運を考慮しすぎてしまうこともあります。実際に悪い予測を運が悪かったと弁解することがあります。信用格付け機関は、その無能さが金融崩壊を招く手助けをしたときに、この言い訳の一種を使いました。しかし、予測を行う際には、私たちは実際よりも多くのシグナルを認識しがちであり、後から成功した予測に対しては過剰にスキルを帰属させる傾向があります。解決策の一部は、予測を評価する際により厳密さを適用することです。予測のスキルの程度を評価する質問は、実証的な方法で対処できることが多く、長期的な成果は分野によっては他の分野よりも早く達成されます。しかし、解決策のもう一つの側面、そしてデータが非常にノイズが多い場合には時には唯一の解決策は、結果よりもプロセスに焦点を当てることです。予測のサンプルがノイズが多すぎて予測者がどれほど優れているかを判断できない場合、私たちは代わりに、長期的な予測成功と相関のある態度や適性を彼が適用しているかどうかを尋ねることができます。 彼の予測がどれほど良いかを予測することは難しい。ポーカーのプレイヤーは、他の多くの人々よりもこのことを理解している傾向がある。なぜなら、彼らはその浮き沈みを非常に実感を持って体験するからだ。高額な賭けをするプレイヤーであるダワンのような人は、ポーカーの1回のセッションで、株式市場の投資家が一生のうちに経験するほどの変動を味わうことがある。うまくプレイして勝つ、うまくプレイして負ける、下手にプレイして負ける、下手にプレイして勝つ。すべてのポーカープレイヤーは、これらの状況を何度も経験しているため、プロセスと結果の違いを理解している。最高のプレイヤーたちと話をすると、彼らは自分の成功を当然のこととは考えず、自己改善にできるだけ集中している。「自分が十分に上手くなったと思っている人は、ポーカーを解決したと思っている人は、大きな下振れに備えている」とダワンは私に語った。アンジェロは、クライアントとのプロセスを早めようと努めている。「私たちは常にこの騒音の雲の中を歩いている」と彼は言った。「非常にしばしば、私たちは何が起こっているのかを正確に見ることができない。」アンジェロがこの目標を達成するための方法は多様で、時には常識にとらわれないものもある。たとえば、彼は瞑想の支持者だ。すべてのクライアントが瞑想をするわけではないが、より広い考え方は、自己認識のレベルを高め、何が自分のコントロール下にあり、何がそうでないかをよりよく理解することを促すことだ。 ポーカーをプレイする際、私たちは意思決定プロセスをコントロールできるが、カードがどのように配られるかはコントロールできない。相手のブラフを正しく見抜いたとしても、彼が幸運なカードを引いて手を勝ってしまった場合、あなたは怒るのではなく、むしろ満足すべきだ。なぜなら、あなたはその手をできる限りうまくプレイしたからだ。皮肉なことに、結果にあまり集中しないことで、より良い結果を得られることもある。しかし、私たちは不完全な存在であり、不確実な世界に生きている。予測を立ててそれがうまくいかなかった場合、それが自分のせいなのか、モデルに欠陥があったのか、単に運が悪かったのかを確信することはできない。解決策に最も近いのは、ノイズとシグナルの状態に平静を保ち、両方が私たちの宇宙の不可欠な部分であることを認識し、それぞれの本質を理解することに専念することだ。 もし彼らに勝てないのなら… 2009年、金融危機が世界経済を壊滅させた1年後、アメリカの投資家たちはニューヨーク証券取引所が営業している間、毎秒800万ドルの株を取引していた。通常の取引日を通じて、その取引量は1850億ドルに達し、これはナイジェリア、フィリピン、アイルランドの経済が1年間に生み出す額に相当する。2009年全体では、460兆ドル以上の株が取引され、これはフォーチュン500に掲載されているすべての企業の収益を合わせた4倍に相当する。 この激しい取引の速度は比較的新しいものである。1950年代には、アメリカの企業の普通株の平均保有期間は約6年であり、株式は長期投資であるという考え方と一致していた。 2000年代には、取引の速度が約12倍に増加しました。同じ株式が6年間保有される代わりに、わずか6ヶ月で取引されるようになったのです。この傾向は衰える兆しを見せておらず、株式市場の取引量は4年から5年ごとに倍増しています。高頻度取引の登場により、現在では一部の株がニューヨークのマイクロ秒単位で売買されることもあります。 経済学101では、取引は両者にとって利益がある場合にのみ合理的であると教えています。たとえば、2人の優秀な遊撃手を持つ野球チームが、投手が不足しているチームにそのうちの1人をトレードする場合や、引退を控えた投資家が株を現金化して、マーケットに足を踏み入れたばかりの別の投資家に売る場合です。しかし、今日のウォール街で行われている取引のほとんどは、この見方には当てはまりません。ほとんどは、株の将来のリターンに関する真の意見の相違、つまり対照的な予測を反映しています。人類の歴史の中で、これほど多くの予測がこれほど迅速に、そして高いリスクを伴って行われたことはありません。なぜこれほど多くの取引が行われるのかは、金融の最大の謎の一つです。ますます多くの人々が、市場の集合的な知恵を上回る予測ができると考えているようです。これらのトレーダーは合理的なのでしょうか？もしそうでなければ、市場が合理的な価格に落ち着くことを期待できるのでしょうか？ ベイズの世界への旅 この本が推奨するように、ベイズの定理に従った考え方をすれば、未来を一連の確率的な信念や予測として考えることになります。バラク・オバマが再選される可能性は？リンジー・ローハンが再び逮捕される可能性は？他の惑星で生命の証拠が発見される可能性は？ラファエル・ナダルがウィンブルドンで勝つ可能性は？一部のベイジアンは、これらの確率を考える最も理にかなった方法は、私たちが設定する賭けのラインの観点から考えることだと主張しています。この考えを論理的に極限まで推し進めると、ベイズの世界では私たち全員が各賭けのオッズを宣伝する巨大な看板を持って歩いていることになります。 ベイズの世界では、2人がすれ違い、異なる予測を持っていることがわかると、彼らは2つのことのいずれかをしなければなりません。1つ目の選択肢は、合意に達し、予測を一致させることです。私の看板にナダルがウィンブルドンで勝つ確率が30％と書かれていて、あなたの看板には50％と書かれている場合、私たちはおそらく両方とも予測を40％に修正することになるでしょう。 しかし、私たちは必ずしも妥協する必要はありません。もしあなたがリンジー・ローハンのゴシップに詳しいなら、私があなたに譲歩し、あなたのリンジー・ローハンに関する予測がより良いと認め、それを自分の信念として受け入れるかもしれません。どちらにせよ、私たちは会議を終えた後、同じ数字を心に留めています。それは、ある現実の出来事の確率についての修正された、そして私たちが望むようにより正確な予測です。しかし、時には意見が合わないこともあります。その場合、法律によれば、私たちは予測に基づいて賭けをすることで意見の相違を解決しなければなりません。ベイズの世界では、あなたはこの二つの選択肢のいずれかを選ばなければなりません：合意に達するか、賭けをするかです。そうでなければ、ベイジアンにとっては、あなたは本当に合理的ではないということになります。私たちのちょっとした会話の後でも、あなたがまだ自分の予測が私のものより優れていると思うなら、あなたはそれに賭けることを喜んで行うべきです。なぜなら、あなたはお金を得るチャンスがあるからです。もし賭けないのであれば、あなたは私の予測を受け入れ、自分のものとして採用すべきです。 もちろん、このプロセス全体は非常に非効率的です。私たちは何千もの出来事に対して予測を維持し、常に数百の賭けを記録しておかなければなりません。現実の世界では、これが市場の果たす役割です。市場は、すべてのことに対して物々交換や賭けをするのではなく、合意された価格で取引を行うことを可能にします。 **ベイジアンの見えざる手** 実際、自由市場資本主義とベイズの定理は、同じ知的伝統から生まれたものです。アダム・スミスとトーマス・ベイズは同時代の人物で、両者ともスコットランドで教育を受け、哲学者デイヴィッド・ヒュームの影響を強く受けました。スミスの「見えざる手」は、供給と需要の変化に応じて価格が徐々に更新され、最終的に均衡に達するベイジアンプロセスと考えることができます。また、ベイジアン的推論は、私たちがアイデアを議論し合う中で徐々に信念を更新し改善していく「見えざる手」とも考えられます。時には意見が合わないときに賭けをすることもあります。どちらも群衆の知恵を活用する合意形成のプロセスです。したがって、市場は予測を行うのに特に良い方法であると言えるかもしれません。実際、株式市場とは、企業の将来の収益や配当についての一連の予測なのです。 私の見解では、この考え方はほとんどの場合正しいと思います。例えば、GDPのような経済変数の予測には賭け市場の利用を推奨しています。これらの市場は、私たちが自分の言葉にお金をかけることを強制し、予測が正確であるためのインセンティブを生み出すため、予測を改善することが期待されます。もう一つの見解である効率的市場仮説は、この点をより強く主張しています。それは、特定の条件下では市場を上回る予測をすることは不可能であるとしています。この見解は、数十年間経済学部の正統派でしたが、最近のバブルや暴落を受けて人気が薄れてきました。その中には、事後的に予測可能に思えたものもありました。 しかし、この理論はあなたが思っているよりも堅牢です。それでも、この本の中心的な前提は、より正確な予測を行うためには私たちの判断の誤りを受け入れなければならないということです。市場が私たちの集合的な判断の反映である限り、それもまた誤りを含んでいます。実際、完璧な予測を行う市場は論理的に不可能です。ジャスティン・ウルファーズ、予測市場の監視者 もし本当に「ベイズランド」が存在するなら、アメリカの若手経済学者の中でもトップクラスの才能を持つ、早口でポニーテールのジャスティン・ウルファーズがその警察署長となり、予測に賭けない人を見かけるたびに切符を切ることでしょう。ウルファーズは、私がブログにリック・サントラムがアイオワ州の党員集会で勝つだろうと書いた後、ディナーベットを挑んできました。これは、予測市場のイントレードや私自身の予測モデルがミット・ロムニーを優位に見ている中でのことでした。その時、私は賭けに応じることにしましたが、結果的にはサントラムが数十票差で勝利したため、私にとって良い結果となりました。しかし、ウルファーズの挑戦を受け入れることに消極的だった時もありました。もしあなたが私のように賭け好きなら、予測にお金を賭ける意思がなければ、その予測に何の意味があるのでしょうか？ ウルファーズはオーストラリア出身で、大学時代にはシドニーのブッカーのために数字を扱って生活を支えていました。現在はフィラデルフィアに住んでおり、ウォートン・スクールで教え、フリーコノミクスのブログにも寄稿しています。私はウルファーズの自宅を訪れましたが、彼は素晴らしいホストで、私、私の研究助手アリキア・ミリカン、そして彼の最も優秀な学生の一人であるデイビッド・ロスチャイルドを迎えるために、サルコーネのホーギーサンドイッチをフルセットで注文してくれていました。しかし、彼は私をもてなす一方で、 roast（からかい）をする準備をしていました。ウルファーズとロスチャイルドは、イントレードのような予測市場の行動を研究しており、これは実際のニュース予測を表す株式を売買する「ベイズランド」の現実版のようなものです。アカデミー賞の最優秀作品賞を誰が受賞するかから、イスラエルのイランへの空爆の可能性まで、さまざまな予測が対象となっています。特に政治的な出来事は賭けの人気のあるテーマです。例えば、ある株はヒラリー・クリントンが2008年の民主党指名を獲得する可能性を表すかもしれません。この株は、提案が真実であれば（クリントンが指名を獲得すれば）100ドルの配当を支払いますが、そうでなければ何も支払われません。しかし、トレーダーは結果が決まるまで株式を自由に売買することができます。したがって、株式の市場価格は結果の可能性に関する合意された予測を表しています。（ある市場では、クリントン株の株価がアイオワ州の党員集会で彼女が敗北した後に18ドルに急落し、ニューハンプシャー州で勝利した際には66ドルに回復しました。） オバマが彼女をキャンペーンで上回るにつれて、プライマリーは徐々に$0に向かって戻っていった。こうした市場は、政治において長い伝統を持っており、1892年の大統領選挙まで遡ることができる。当時、グローバー・クリーブランドとベンジャミン・ハリソンの株がアメリカ証券取引所のすぐ近くで取引されていたのだ。「比較論文についてネイトに話すべきだよ」とウルファーズはランチの数分後にロスチャイルドに言った。彼の顔にはいたずらっぽい笑みが浮かんでいた。「私は、2008年の予測市場と比較した偏りのないインターネットベースの世論調査を扱った学術誌の論文を書いたよ」とロスチャイルドが自ら話し始めた。「それはあまりにも丁寧すぎる」とウルファーズが割り込んだ。「それはイントレード対ネイトだったんだ。」 「そしてイントレードが勝った」とロスチャイルドが言った。ロスチャイルドの論文は『Public Opinion Quarterly』に掲載され、2008年の選挙サイクルにおけるファイブサーティーエイトの予測とイントレードの予測を比較した。結果として、ファイブサーティーエイトの予測はまずまずの成果を上げたものの、イントレードの方が優れていると結論付けられた。 ### 集団予測の利点（と限界） 私はこの論文の方法論にいくつかの異議を唱えたい。イントレードの予測がファイブサーティーエイトを上回ったのは、ウルファーズとロスチャイルドが事後に特定の調整を行った後のことであり、それ以外の場合はファイブサーティーエイトが勝っていた。さらに重要なのは、ファイブサーティーエイトの新しい予測が、イントレードの価格を同じ方向に動かすことがしばしばあり、これはイントレードの賭け手たちがある程度それに乗っかっていることを示唆している。しかし、それにもかかわらず、異なる予測を集約することには強い経験的および理論的証拠がある。マクロ経済予測から政治的世論調査に至るまで、多くの分野において、単に全員の予測の平均を取ることが、特定の一つの予測に頼るよりも予測誤差を減少させることが分かっており、しばしば約15％から20％の改善が見られる。しかし、すべてを平均化し始める前に、理解しておくべき三つのことがある。第一に、集約された予測は典型的な個人の予測よりも常に優れているが、それが必ずしも良い予測であるとは限らない。例えば、集約されたマクロ経済予測は、数ヶ月以上先の景気後退を予測するにはあまりにも粗雑すぎる。しかし、個々の経済学者の予測よりはやや良い。第二に、最も強固な証拠は、予測が独立して行われた後に平均化される場合に、群衆の知恵の原則が成立することを示している。真の賭け市場（株式市場を含む）では、人々は互いの行動に反応することができ、実際に反応している。このような条件下では、群衆がより動的に行動し始め、集団行動がより複雑になる。第三に、集約された予測は典型的な個人の予測よりも優れているが、必ずしも最も優れた個人の予測よりも良いとは限らない。 おそらく、非常に正確な調査を行う世論調査会社が存在し、その調査結果だけを使用する方が、他のあまり正確でない調査結果と混ぜるよりも良い場合もあるでしょう。しかし、この特性が長期的に研究されると、集計予測が個々の最良の予測をしばしば上回ることがわかっています。例えば、ブルーチップ経済指標調査の研究では、集計予測が70人の経済学者から出された予測よりも数年にわたって優れていることが示されました。また、NFLの試合予測に関するウルファーズの別の研究では、ベッティング市場によって生成されたコンセンサス予測が、個々のハンディキャッパーの99.5％以上を上回ることがわかりました。 政治的な世論調査についても同様です。どの世論調査も聖杯のように扱うモデルは、恥ずかしい失敗をする可能性が高くなります。予測を組み合わせることで誤差を15％や20％減少させることは、それほど印象的ではないかもしれませんが、競争の激しい市場では非常に難しいことです。そこで、私はウルファーズとロスチャイルドに、彼らの結論の背後にある原則を受け入れる準備ができていると伝えましたが、すべての詳細には同意できませんでした。結局、イントレードのベッターはファイブサーティーエイトの予測を使って自分の予測を立てることができ、他に関連性があると思われる情報（競合他社からの予測など、いくつかは非常に良いものです）も利用できます。もちろん、ベッターはその情報を偏った解釈で扱い、トラブルに巻き込まれる可能性もあります。しかし、ファイブサーティーエイトの予測や他の誰の予測も非の打ち所がないわけではありません。ウルファーズは、私がこれほど多くの譲歩をすることに失望しているようでした。「もしイントレードに勝てる自信がないのなら、なぜ彼らに参加して自分の予測として採用しないのですか？」と彼は言いました。「あなたの反応に驚いています。もし他にそれを上回るものがあって、それが実際に上回るのなら、あなたがやっていることの意味は何ですか？」 一つには、予測を立てることが知的に興味深いと感じていること—そしてそれが私のブログへのトラフィックを生む助けにもなっています。また、私は予測市場の理論的な利点を受け入れていますが、現在のところイントレードのような政治的ベッティング市場が本当に良いかどうかはわかりません。競争の基準はかなり低いのです。イントレードは人気が高まっていますが、株式市場やラスベガスと比べるとまだ小規模です。例えば、2012年3月のスーパーチューズデーの予備選挙に向けた数週間で、約160万ドルの株が取引されましたが、対照的にニューヨーク証券取引所では1秒間に800万ドルが取引されています。スーパーチューズデーの賭けから得られた最大の利益は約9,000ドルで、生活を支えるには不十分であり、裕福になるには程遠い金額です。一方で、イントレードは法的なグレーゾーンにあり、アメリカの政治に賭けている人々のほとんどはヨーロッパや他の国から来ています。また、そこでは市場操作や明らかな非合理的な価格設定の事例もいくつか報告されています。 これらの市場は、情報を集約するのがあまり得意ではありません。特に、集約する価値のある情報がほとんどない場合、例えば、最高裁判所の判決の結果を、裁判官が公に提供する曖昧な手がかりから推測しようとする際などです。もしIntradeがアメリカで完全に合法で、取引量が一桁か二桁多かった場合、FiveThirtyEightや他の優れた政治予測者たちはIntradeに勝てるでしょうか？私はそれは難しいと思います。今、彼らは勝てるのでしょうか？私の見解では、慎重に賭けを選べば、まだ勝てる人もいると思います。 しかし、多くの賢い人々が市場に勝てると思い込んで惨敗したこともあります。 効率的市場仮説の起源 1959年、ユージン・ファマという20歳の大学生は、タフツ大学のロマン語やヴォルテールのカリキュラムに飽き飽きし、株式市場の予測サービスを運営している教授の下で働くことになりました。この仕事は彼にとって自然な選択でした。ファマは競争心が強く、家族で初めて大学に進学した人であり、身長が5フィート8インチ（約173センチ）しかないにもかかわらず、ボストンのマルデン・カトリック高校ではスターアスリートでした。彼は過去の株式市場のリターンに関するデータを徹底的に調べ、投資家に優位性をもたらすものを探し続けました。その結果、株式市場が非常に予測可能であり、投資家がそれを利用することで巨額の利益を得られることを示唆する統計的パターンを頻繁に特定しました。しかし、教授はほとんど常に懐疑的に反応し、ファマに実際の世界でその戦略がどのように機能するかを見るまで投資を始めないようにアドバイスしました。ほとんどの場合、ファマの戦略は失敗しました。失望しつつも興味を持ったファマは、高校教師になる計画を放棄し、シカゴ大学のビジネス大学院に入学しました。1965年には博士論文が出版されました。この論文は、1980年代の野球統計学者ビル・ジェームズの先駆的な研究に似た内容で、統計と皮肉を交えて、株式の動きに関する従来の知恵が全くのナンセンスであると主張しました。1950年から1960年の10年間にわたる数十のミューチュアルファンドのリターンを研究した結果、ある年に好成績を収めたファンドが次の年に競合に勝つ可能性は高くないことが分かりました。市場に勝つことができなかったファマですが、他の誰も本当に勝てなかったのです。「優れたアナリストとは、その利益が市場のそれよりも常に大きい人のことです。ここで重要なのは一貫性です。なぜなら、特定の短期間においては、ある人々が市場よりもはるかに良い成績を収め、他の人々がはるかに悪い成績を収めることがあるからです。残念ながら、この基準によれば、私自身は優れたアナリストには該当しません。しかし、他のより市場でテストされた機関も同様に該当しないようです。」 この論文は、後に4,000回以上引用されることになるが、最初はシカゴ大学の大学院生が発表するほとんどのものと同じくらいの注目しか集めなかった。しかし、この論文は効率的市場仮説の基礎を築いた。この理論の中心的な主張は、株式市場の動きは意味のある程度で予測できないということだ。短期間では、必然的に一部の投資家が他の投資家よりも良い成績を収めることがあるが、これはラスベガスのルーレットで特定の晩に必ず勝つギャンブラーがいるのと同じだ。しかし、ファマは、彼らは長期的に市場を上回るための十分な予測を行うことはできないと主張した。 「過去のパフォーマンスは未来の結果を示すものではない」という言葉は、ミューチュアルファンドのパンフレットに登場するのには理由がある。例えば、2007年に大型株中心のミューチュアルファンドに投資したいと思ったとしよう。ダウ・ジョーンズ工業株平均やS&P 500を構成するようなアメリカの大型株に焦点を当てたファンドだ。E*Tradeに行くと、そうしたファンドの選択肢が数百もあり、過去5年間の平均リターンなどの情報も得られる。2002年から2006年にかけて市場をほぼ10パーセント上回ったEVTMX（イートン・バンス・ディビデンド・ビルダーA）のようなファンドに投資した方が良かったのではないだろうか？あるいは、もう少し冒険心を持って、人気のない株に投資しながらこの期間中に市場を9パーセント上回ったJSVAX（ジャナス・コントラリアンT）に投資するのも良いかもしれない。しかし、実際にはどちらを選んでも結果は変わらなかった。2002年から2006年の間にこれらのミューチュアルファンドがどのようにパフォーマンスを発揮したかを見て、次の5年間（2007年から2011年）でのパフォーマンスと比較したところ、両者の間には全く相関関係がなかった。2002年から2006年までの最高のパフォーマンスを誇ったEVTMXは、次の5年間では平均的な成績にとどまり、高パフォーマンスのJSVAXは市場平均よりも年間3パーセント悪かった。ファマが発見したように、ファンドのパフォーマンスには一貫性が全くなかった。その他の研究でも、ミューチュアルファンドのパフォーマンスには年ごとの非常にわずかな相関関係があることが示されているが、それを見分けるのは非常に難しいため、最も手数料が安いファンドを選ぶか、全く投資を避けて自分で市場に投資するのが最良だ。 S&P 500、2002年から2006年の年率リターン ファマは、特に「チャーティスト」と呼ばれる人々に対して厳しい批判を行いました。チャーティストとは、過去の統計パターンだけを基に株価の動向を予測できると主張する人々のことです（ファマ自身も試みて失敗しました）。彼らは、企業が利益を上げているか損失を出しているか、あるいは飛行機を売っているのかハンバーガーを売っているのかを気にせずに予測を行います（この活動のより丁寧な呼び方はテクニカル分析です）。 おそらく、可哀想なチャーティストに少し同情すべきかもしれません。ノイズとシグナルを区別するのは、必ずしも簡単ではありません。図11-4では、6つの株式市場のチャートを示しています。そのうち4つは偽物で、実際にはコンピュータにコインを投げさせるように指示して生成したものです（つまり、ランダムな1と0の系列を選ばせたのです）。残りの2つは本物で、1970年代と1980年代の最初の1,000取引日のダウ・ジョーンズ工業株平均の実際の動きを示しています。どちらがどちらか分かりますか？それは簡単ではありません。（答えは脚注にあります。） 投資家たちは、このような株価の動きを見て、ノイズをシグナルと勘違いしていました。 効率的市場仮説の三つの形態 この種のデータを十分に見た後、ファマは彼の仮説を三つの異なるケースに洗練させました。それぞれが市場の予測可能性について徐々に大胆な主張をしています。まず、弱い形の効率的市場仮説があります。これは、株式市場の価格は過去の統計パターンを分析するだけでは予測できないと主張します。言い換えれば、チャーティストの技術は必ず失敗するということです。 次に、セミ強い形の効率的市場仮説があります。これは、ファンダメンタル分析—つまり、企業の財務諸表やビジネスモデル、マクロ経済状況などの公開情報を実際に見ること—も失敗する運命にあり、市場を一貫して上回るリターンを生むことはないと主張します。 最後に、強い形の効率的市場仮説があります。これは、内部情報—インサイダーの秘密—でさえも市場価格に迅速に組み込まれ、平均以上のリターンを生むことはないと主張します。このバージョンの効率的市場仮説は、理論の論理的な極限として意図されており、効率的市場の支持者のほとんど（ファマを含む）は文字通り信じていません。 代わりに、内部者が平均以上のリターンを得ているという明確な証拠があります。一つの不安な例は、議会のメンバーです。彼らは、ロビー活動を通じて企業に関する内部情報にアクセスすることが多く、また立法を通じて企業の運命に影響を与える能力も持っています。彼らは、投資から市場平均を5〜10パーセント上回る利益を得ており、この驚くべき率はバーニー・マドフでさえ赤面させるものです。 しかし、弱い形態と準強い形態の仮説に関する議論は、すべての社会科学の中で最も熱いトピックの一つかもしれません。毎年、効率的市場仮説に関する学術論文が約900本も発表されており、進化論が生物学のジャーナルで議論される頻度と同じくらい、金融ジャーナルでも頻繁に取り上げられています。効率的市場仮説は、時にウォール街の過剰行動の言い訳と誤解されることがあります。彼らが何をしているにせよ、少なくとも合理的に行動していると主張しているようです。この仮説の支持者の中には、そのように解釈する人もいるかもしれません。しかし、元々この理論が提唱された際には、実際には正反対の主張をしています。それは、株式市場は根本的に予測不可能であるということです。何かが本当に予測不可能である場合、美容師から年収200万ドルの投資銀行家まで、誰もそれを一貫して打ち負かすことはできません。しかし、この理論が主張するほど強力であるとしても、いくつかの条件が付随します。最も重要なのは、リスク調整後のリターンに関するものであるということです。もし、毎年10％の確率で破産する投資戦略を追求するなら、それは非常に愚かです。20年間その戦略を続けた場合、資金が生き残る確率はわずか12％です。しかし、もしあなたがそのような大胆な行動をとるなら、追加の利益を得るに値します。効率的市場仮説のすべてのバージョンは、投資家が取っている追加のリスクに比例した上回るリターンを得ることを許容しています。もう一つの重要な条件は、利益が取引コストを差し引いた後で測定されるということです。投資家は株を取引するたびに取引コストを負担します。これらのコストはほとんどの状況で比較的小さく、取引の約0.25％程度です。しかし、取引を頻繁に行うほど累積し、過剰に取引を行うトレーダーにはかなりの打撃となる可能性があります。これにより、効率的市場仮説には少しの緩衝地帯が生まれます。取引が無料であった場合、いくつかの投資戦略はわずかに利益を上げるかもしれません。しかし、現実の世界では、トレーダーはこの追加の費用をカバーするのに十分な利益を上げる必要があります。これは、勝つポーカープレイヤーがハウスの取り分をカバーするために十分なマージンでゲームに勝つ必要があるのと似ています。 効率的市場仮説の統計的テスト 効率的市場仮説の反対者には、それを反証するための2つの良い方法があります。一つは、特定の投資家が株式市場を一貫して打ち負かしていることを示すことです。もう一つは、より直接的な方法で、リターンの予測可能性を示すことです。仮説を反証するための簡単な方法の一つは、株価の動きが日ごとに相関していることを示すことです。もし株式市場が火曜日に上昇した場合、水曜日にも上昇する可能性が高いということになるのでしょうか？ もしそうであれば、投資家は市場が上昇する日ごとに株を購入し、市場が下落するたびにそれを売却またはショートするというシンプルな戦略を通じて利益を得る可能性があるということになります。投資家の取引コストがどれほど大きいかによっては、この方法で市場を上回ることができるかもしれません。1966年から1975年の10年間、ファマが論文を発表した直後のダウ・ジョーンズ工業株平均の毎日の終値を見てみましょう。この期間中、ダウは日ごとに同じ方向に動き、上昇は上昇を、下落は下落を伴うことが58％の確率で起こりました。方向が変わるのはわずか42％の確率でした。これはランダムではなく、実際にそうです。標準的な統計テストでは、これは偶然によるものだとする可能性は約7京分の1（70兆分の1）であると主張されるでしょう。しかし、統計的有意性が必ずしも実用的有意性に等しいわけではありません。このトレンドから利益を得ることはできなかったのです。もし投資家がこのパターンを10年間観察していたとしましょう—上昇は上昇を、下落は下落を伴う傾向がありました。1976年1月2日の朝、彼はダウ・ジョーンズ工業株平均に連動するインデックスファンドに1万ドルを投資することに決めました。しかし、彼は受動的な投資家にはなりませんでした。代わりに、彼はこのパターンを利用するために「マニック・モメンタム」戦略を追求することにしました。株式市場がその日下落するたびに、彼は全ての資金を引き出し、翌日も下落するだろうと予想していました。市場が上昇する日を観察するまで資金を市場から引き離し、その後全額を再投資するという戦略を10年間続け、1985年の最後の取引日には保有資産を現金化し、大きな利益を確信していました。この投資家は10年後にいくらの資産を持っているでしょうか？配当、インフレ、取引コストを無視すれば、1976年の1万ドルの投資はマニック・モメンタム戦略を使った場合、10年後には約2万5000ドルの価値になっていたでしょう。一方、同じ10年間にシンプルなバイ・アンド・ホールド戦略を採用した投資家—1976年1月2日に1万ドル分の株を購入し、10年間何の変更もせずに保有した投資家—は、期間の終わりには約1万8000ドルしか持っていなかったでしょう。マニック・モメンタムは成功したようです！我々の投資家は、過去の市場価格におけるシンプルな統計的関係を利用した非常に基本的な戦略を使って、市場平均を大きく上回り、効率的市場仮説を否定するように見えました。しかし、ここに落とし穴があります。この投資家の取引コストを無視していました。これは非常に大きな違いを生みます。もし投資家が以前のようにマニック・モメンタム戦略を追求したとしても、毎回市場に出入りするたびにブローカーに0.25％の手数料を支払っていたとしたらどうなるでしょうか。 この投資家の戦略は、この期間中に何百回も株を売買することを必要とするため、これらの小さなコストが彼をじわじわと苦しめることになります。実際、取引コストを考慮すると、1万ドルの「マニック・モメンタム」戦略への投資は、10年後には約1,100ドルにしかならず、彼の利益を消し去るだけでなく、元々投入したほとんどの資金も失うことになります。この場合、株式市場のリターンにはわずかな予測可能性があるものの、利益を得るには十分ではなく、効率的市場仮説は破られません。もう一つの問題は、そのパターンが逆転してしまったことです。2000年代には、株式市場は日々約54％の確率で方向を変え、以前の数十年とは正反対のパターンを示しました。もしこの投資家が2000年1月から10年間「マニック・モメンタム」戦略を追求していた場合、1万ドルの投資は、取引コストを考慮する前でも10年の終わりには4,000ドルに減少していたでしょう。取引コストを考慮すると、彼の資本はほぼ99％失われ、10年の終わりにはわずか141ドルしか残らなかったことになります。 つまり、こういった戦略を自宅で試みるべきではありません。このような戦略は、せいぜい高リスクのじゃんけんゲームのようなものであり、高い取引コストが利益を奪い、元本の大部分を削ってしまいます。ファマと彼の教授が発見したように、あまりにも良すぎる株式市場の戦略は、たいていの場合、実際にはそうではありません。地震の頻度に関する歴史的パターンのように、株式市場のデータは、完全にランダムでもなく、また完全に予測可能でもない、いわば煉獄のような状態にあるようです。しかしここでは、株式市場のデータが最終的には自然現象ではなく人間の集団行動を表しているため、事態はさらに悪化します。もしパターンを検出した場合、特に明らかに見えるものであれば、他の投資家もそれを見つけている可能性が高く、そのシグナルは打ち消されるか、逆転してしまうでしょう。 効率的市場と非合理的な熱狂の出会い 理論に対するより重要な挑戦は、1990年代後半から2000年代初頭にかけてのテクノロジー株のように、株価が持続的に上昇することから生じます。1998年末から2000年初頭にかけて、NASDAQ総合指数はその価値が3倍以上に増加しましたが、その後の2年間でそのすべての利益（さらにその上）を失いました。 NASDAQに上場されている一部の株価は、明らかに非合理的に見えました。 ドットコムバブルの最中、ある時点でテクノロジー企業の市場価値はアメリカ全体の株式の約35％を占めており、これは彼らがすぐに民間部門の利益の3分の1以上を占めることを示唆していました。興味深いのは、テクノロジー自体が私たちの期待をある意味で超えていることです。もし2000年の投資家にiPadを見せ、「10年以内に、ミズーリ州上空35,000フィートの飛行機の中でインターネットをブラウジングし、香港の家族にSkypeコールをかけることができる」と言ったら、彼女はAppleの株を無限に買い上げたことでしょう。それにもかかわらず、10年後の2010年には、テクノロジー企業は経済活動の約7％しか占めていませんでした。Appleのような成功した企業がある一方で、Pets.comのように破綻した企業も数多く存在しました。投資家たちは、すべての企業が勝者になるかのように振る舞い、互いに競争する必要がないという全く非現実的な前提を持っていました。それでも、効率的市場仮説の支持者の中には、バブルの概念を受け入れようとしない人もいます。ファマは、非常に友好的な会話の中で、私が「バブル」という言葉を口にした途端に驚いた様子でした。「その言葉は完全に意味を失ってしまった」と彼は力強く言いました。「バブルとは、予測可能な終わりを持つものです。もし自分がバブルにいることが分からないなら、それはバブルではありません。」 バブルが効率的市場仮説に反するためには、リアルタイムで予測可能である必要があります。投資家の中には、それが起こっている最中にバブルを特定し、利益を得るために利用する必要があります。バブルを特定することは、もちろん後知恵で行う方がはるかに簡単ですが、正直なところ、住宅バブルが進行中の際に多くの経済学者が行ったように、事前に特定することはそれほど難しくないように思えます。株式市場が歴史的な平均を大幅に上回る速度で上昇している期間を見れば、バブルの兆候を感じ取ることができます。S&P 500が5年間で長期平均の2倍に増加した8回のうち、5回は大恐慌やドットコムバブルの崩壊、1987年のブラックマンデーのような厳しい崩壊が続きました。 より正確で洗練されたバブル検出方法は、イェール大学の経済学者ロバート・J・シラーによって提案されています。彼の住宅バブルに関する先見の明のある研究については第1章で触れました。シラーは『非合理的な熱狂』という著書で最もよく知られています。この本は、ドットコムバブルの最中にNASDAQが史上最高値を達成した際に出版され、価格が上昇し続けると約束する他の書籍（『ダウ36,000』『ダウ40,000』『ダウ100,000』など）に対する解毒剤として機能し、投資家に対して株がファンダメンタルズに基づいて著しく過大評価されていると警告しました。理論的には、株の価値は企業の将来の利益と配当の予測です。 利益は予測が難しいかもしれませんが、最近の過去における企業の利益（シラーの公式では過去10年間の利益を使用します）を見て、それを株価と比較することができます。この計算はP/E（株価収益率）として知られ、長期的には約15という値に収束する傾向があります。これは、1株あたりの市場価格が一般的に企業の年間利益の約15倍であることを意味します。ただし、個別の株には例外があり、時にはそれが正当化されることもあります。例えば、新興産業に属する企業（例えば、Facebook）は、過去よりも将来の方が多くの利益を上げることが期待できるため、衰退産業にある企業（例えば、ブロックバスター・ビデオ）よりも高いP/E比を持つことが妥当です。しかし、シラーはS&P 500に含まれるすべての企業のP/E比を平均して調べました。理論的には、この広範な企業の平均において、新興産業の企業の高いP/E比は衰退産業の企業によって相殺されるべきであり、市場全体のP/E比は時間を通じて比較的一定であるはずです。しかし、シラーはこれが実際にはそうではなかったことを発見しました。S&P 500に含まれるすべての企業のP/E比は、1921年には約5から、シラーが本を出版した2000年には44まで変動しました。シラーは、これらの異常が投資家に予測可能な影響を与えることを発見しました。P/E比が10のとき、つまり株が利益に対して安いとき、歴史的には年率約9％の実質リターンを生み出しており、10,000ドルの投資は10年後には22,000ドルの価値になることを意味します。一方、P/E比が25のとき、株式市場への10,000ドルの投資は歴史的に10年後にはわずか12,000ドルの価値しかなかったのです。そして、P/E比が30を超える非常に高い状態（1929年や2000年のように）では、期待されるリターンはマイナスでした。しかし、これらの価格パターンから利益を得るのは非常に忍耐が必要でした。これらのパターンは長期的に意味を持つようになり、1か月後や1年後に市場がどのようになるかについてほとんど何も示しません。数年先を見越しても、予測力は限られています。アラン・グリーンスパンは、1996年12月にテクノロジー株を「非合理的な熱狂」と表現しました。この時点で、S&P 500のP/E比は28で、1929年のブラック・チューズデーと大恐慌の前の記録33に近いものでした。NASDAQはさらに高く評価されていました。しかし、バブルのピークはまだ3年以上先のことでした。完璧な先見の明を持つ投資家が、グリーンスパンがスピーチを行った日にNASDAQを購入していれば、正しいタイミングで売却することでほぼ4倍の利益を得ることができたでしょう。しかし、実際には、これらのP/E比が投資家に信頼できる予測を可能にするのは、10年や20年先の時間軸においてのみです。 株式市場について本当に確実なことはほとんどなく、たとえこのパターンが信号とノイズの組み合わせを反映している可能性があっても、シラーの発見は強力な理論と実証的証拠によって裏付けられています。彼のP/E比率への注目は株式市場の評価の基本に結びついており、実際に何か現実のものを示している可能性が高いのです。では、株価が短期的には非常に予測不可能であるのに、長期的にはなぜそれほど予測可能なのでしょうか？その答えは、トレーダーが直面する競争の圧力—ライバル企業やクライアント、上司からのもの—における行動にあります。 効率的市場仮説の理論的な魅力の多くは、株価の誤り（ベイズ的信念のように）が自己修正されるべきだという点にあります。例えば、MGMリゾーツ・インターナショナルという大手ギャンブル会社の株価が、毎週金曜日に10％上昇することを観察したとしましょう。これは、トレーダーが無意識のうちに週末にアトランティックシティで利益を使い果たすことを期待しているからかもしれません。ある金曜日、MGMの株価が100ドルで始まった場合、取引日の終わりまでに110ドルに上昇することを期待します。あなたはどうしますか？もちろん、株を買ってすぐに利益を得ることを期待するでしょう。しかし、株を買うとその価格が上がります。十分な規模の取引があれば、価格は100ドルから102ドルに上昇するかもしれません。まだ利益があるので、再度株を買うと価格は104ドルに上がります。このようにして、株価が公正価格の110ドルに達し、利益がなくなるまで続けます。しかし、注目すべきは、価格の異常を検出する過程で、その異常を排除してしまったことです。 実際の世界では、パターンはこれほど明白ではありません。数百万のトレーダーが存在し、ギャンブル業界に特化した何百人ものアナリストもいます。この株が金曜日に常に10％上昇することに気づいたのがあなた一人である可能性はどれほど高いでしょうか？むしろ、あなたは通常、意味があるかもしれないし、ないかもしれない統計的パターンのかけらを争うことになります。それが将来も続くかもしれないし、続かないかもしれず、取引コストをカバーするのに十分な利益が得られるかどうかもわかりません。そして、他の投資家もその利益を得ようと競争しています。それでも、競争があるため、市場は大きな価格誤差に迅速に調整し、小さな誤差は心配する価値がないかもしれません。少なくとも、理論的にはそうなっています。しかし、ほとんどのトレーダー、特に最もアクティブなトレーダーは非常に短期的な視点を持っています。彼らは、1日、1か月、あるいは1年先を考えることで得られる利益の機会をアービトラージしますが、それ以降のことにはあまり関心を持たないかもしれません。まだ予測可能性があるかもしれませんが、それを利用することは彼らの職務には含まれていないのです。 「群衆の暴走」 ヘンリー・ブロジェットは1998年に全国的に注目を集めました。フリーランスのジャーナリズムと日本での英語教育を経て、彼はCIBCオッペンハイマー社でインターネット株の分析を行う仕事に落ち着きました。インターネット株への関心が高まるにつれて、ブロジェットの分析にも注目が集まり、1998年12月には特に大胆な予測を発表しました。彼は、当時243ドルで評価されていたアマゾンの株が1年以内に400ドルに上昇すると予測しました。実際、わずか2週間後には400ドルの壁を突破しました。 当時の熱狂は、これが自己実現的な予言であった可能性すらあります。ブロジェットの推奨に基づいて、アマゾン株は数時間でほぼ25％も急騰しました。この予測はブロジェットを一躍有名にし、彼はメリルリンチのアナリストとして数百万ドルの仕事を得ました。ブロジェットは市場の時代精神を明確な文章にまとめる特別な才能を持っています。「投資家が買っているのは、特定の未来のビジョンです」と1998年のインターネット株について彼は語りました。彼の言葉の巧みさと成功の評判は、テレビやラジオへの出演をもたらしました。 ブロジェットのアマゾンに関する予測は、今でもかなり良い結果を示しています。彼が1998年に243ドルで推奨した株は、2011年には同じ基準で測ると1,300ドルに達していたでしょう。彼は投資家に価値に対して支払うよう促し、アマゾン、ヤフー、eBayなどの業界リーダーに集中することを勧めました。そして、ほとんどの小規模企業は「合併、破産、または静かに消えていく」と指摘しました。 私的な通信の中で、彼は疑わしいビジネス戦略を持つ小規模企業（ライフマインダーズ社、24/7メディア、インフォスペースなど）を批判しましたが、これらの企業は結局ほとんど無価値で、95％から100％の価値を失いました。問題は、彼が私的にはこれらの企業を批判していたにもかかわらず、ライフマインダーズのような株を公に推奨し、買い推奨を維持し、テレビで擁護していたことです。さらに、その不一致はメリルが銀行業務を行っていた企業に有利に働いているようでした。 後に証券取引委員会から詐欺の罪で告発されたブロジェットは、事件の詳細のいくつかに異議を唱えましたが、最終的には400万ドルの罰金と株式取引の生涯禁止という和解に至りました。 ブロッジットは、ウォール街について語ることが常に懐疑的に受け取られることを理解しています。彼がかつてスレート誌に書いたマルサ・スチュワート裁判に関する記事には、1,021語の開示声明が添付されていました。しかし、彼はファマやシラーのような経済学者の研究を消化し、ウォール街の内部者としての実体験と比較する時間を持ちました。また、彼はジャーナリストとしての新たなキャリアをスタートさせ、現在は成功を収めているブログ帝国「ビジネス・インサイダー」のCEOを務めています。これらの経験は、アナリストやトレーダーの生活について成熟した、しかしやや冷めた視点を与えています。「多くの投資マネージャーと話をすると、実際の現実は彼らが次の週、あるいは次の月や四半期のことを考えているということです。時間の視野はなく、競合他社に対して今どうしているかが重要です。正しい判断を下すためには実質的に90日しかなく、その期間内に間違った判断をすると、クライアントはあなたを解雇し始めます。メディアで恥をかき、パフォーマンスは悪化します。ファンダメンタルズはその助けにはなりません。」 もしトレーダーがシラーの本を読み、その基本的な前提である高いP/E比率が過大評価された市場を示すということを受け入れたとしましょう。しかし、そのトレーダーは次の90日間のことしか考えていません。歴史的に見ても、市場のP/E比率が30を超えている場合、つまり株式の評価が通常の2倍である場合でも、次の90日間に市場が崩壊する確率は約4%に過ぎません。もしそのトレーダーが特に忍耐強い上司を持ち、1年先を見越すことができれば、崩壊の確率は約19%に上昇します（図11-8参照）。これはロシアンルーレットで負ける確率とほぼ同じです。トレーダーは、このゲームを何度もプレイすることはできないと知っています。しかし、現実的には彼の選択肢は何でしょうか？ このトレーダーは決断を下さなければなりません—買うか売るか。そして市場は崩壊するか、しないかのどちらかです。したがって、考慮すべき基本的なシナリオは4つあります。まず、彼が正しい賭けをした場合の2つのケースです： - トレーダーが買い、マーケットが上昇する。そうなれば、通常通りのビジネスです。株式市場が利益を上げると、みんなが幸せになります。トレーダーは6桁のボーナスを得て、新しいレクサスを購入します。 - トレーダーが売り、マーケットが崩壊する。もしトレーダーが崩壊を予測し、実際に崩壊が起こった場合、彼は他の誰もが賭けなかった時にそれに賭けたことで天才のように見えるでしょう。彼はヘッジファンドのパートナーなど、より良い仕事を得る可能性があります。しかし、市場が崩壊し資本が厳しくなると、天才であっても常に需要があるわけではありません。 おそらく、これはメディア露出の増加という形で現れるでしょう。具体的には、ウォール・ストリート・ジャーナルに favorable な記事が掲載されたり、本の契約が結ばれたり、いくつかの魅力的なカンファレンスへの招待を受けたりすることです。どの結果を好むかは、あなたの性格によって大きく異なります。最初の選択肢は、ウォール・ストリートの生活を楽しみ、群衆に溶け込むことを好む人にとっては素晴らしいものです。一方、二つ目は、アイコノクラストであることを楽しむ人に向いています。マイケル・ルイスの『ザ・ビッグ・ショート』に登場する成功した投資家たちの多くが、2000年代後半のモーゲージ担保証券やその他のバブル投資に対して賭けをしてお金を稼いだ際、何らかの形で社会的に不適合だったことは偶然ではないかもしれません。しかし、投資家が賭けを外した場合に何が起こるかを考えてみてください。この選択肢ははるかに明確です。 - トレーダーが買いを入れたが、市場が崩壊する。この場合は楽しくありません。彼は会社に多くの損失をもたらし、大きなボーナスも新しいレクサスも手に入らないでしょう。しかし、彼が群衆に従っていたため、同僚たちのほとんども同じ間違いを犯しているでしょう。ウォール・ストリートでの過去3回の大崩壊の後、証券会社の雇用は約20％減少しました。つまり、トレーダーが職を失わずに済む確率は80％であり、次の強気市場までレクサスを待つことができるのです。 - トレーダーが売りを入れたが、市場が上昇する。このシナリオは、しかし、災害です。トレーダーは同僚たちに比べて大きくパフォーマンスが劣ることになり、しかも彼らが愚か者だと叫んでいた後にそうなるのです。彼が解雇される可能性は非常に高く、好かれることもないため、将来の雇用の見込みも暗くなります。彼のキャリアの収入ポテンシャルは劇的に減少するでしょう。もし私がこのトレーダーなら、崩壊の確率が20％では、売りの賭けをするには全く不十分です。50％でも同様です。私は崩壊がほぼ確実であることを望み、他の全員も私と一緒に沈む船に乗っていることを望むでしょう。実際、大手証券会社は群衆から目立つことを避け、問題が明らかになるまで株を格下げすることはありません。2001年10月、エンロンを追っていた17人のアナリストのうち15人は、すでに会社の会計スキャンダルの最中に50％の価値を失っていたにもかかわらず、株に「買い」または「強い買い」の推奨を出していました。これらの企業がパーティーの終わりが近いことを知っていても、できるだけ長くそれを引き延ばすことが彼らの最善の利益である場合もあります。「私たちは8回表だと思っていたが、実際には9回表だった」とヘッジファンドマネージャーのスタンリー・ドルケンミラーは、彼のクオンタムファンドがわずか数ヶ月で22％の価値を失った後、2000年4月にニューヨーク・タイムズに語りました。ドルケンミラーは、テクノロジー株が過大評価されていて、必ず下落することを知っていましたが、それがこんなに早く起こるとは予想していませんでした。 今日の株式市場では、ほとんどの取引が他人の資金で行われています（ダルクンミラーの場合、主にジョージ・ソロスの資金です）。1990年代と2000年代は、デイトレーダーの時代と考えられることがありますが、ミューチュアルファンド、ヘッジファンド、年金などの機関投資家の保有割合は、はるかに速いペースで増加しています（図11-9）。ファマが1960年代に論文を執筆した時、株式の約15％が個人ではなく機関によって保有されていましたが、2007年にはその割合が68％に上昇しました。 これらの統計は、効率的市場仮説にとって潜在的な複雑さを示しています。自分の資金ではなく他人の資金がかかっている場合、インセンティブが変わる可能性があります。実際、ある状況下では、トレーダーが自社や投資家に損失をもたらすポジションを取ることが合理的である場合もあります。それは、群れに従い続けることで解雇されるリスクを減らすことができるからです。ミューチュアルファンドや他の機関投資家の間での群集行動には、理論的および実証的な証拠が豊富にあります。 「バブルが形成される理由は、すべての人にとって市場を上昇させ続けることが利益になるからです」とブロッジェットは私に言いました。 図11-9：アメリカにおける個人および機関投資家の総株式保有（インフレ調整済み） 1980年 個人投資家：$2.08 機関投資家：$1.08 2007年 個人投資家：$6.48 機関投資家：$13.68 ここまで述べたことは、市場の個々の参加者が完全に合理的な行動をとった結果である可能性があります。まるで投資家たちがキャリアのインセンティブに対して過剰に合理的に反応しているかのようですが、必ずしも自社の取引利益を最大化しようとしているわけではありません。経済学の一つの考え方は、市場全体が比較的合理的に機能することができるというものです。たとえその中の多くの参加者が非合理的であっても。しかし、市場における非合理的な行動は、個人が自らのインセンティブに基づいて合理的に反応しているために生じる可能性があります。ほとんどのトレーダーが短期的なパフォーマンスに基づいて評価される限り、株価が長期的な価値から大きく逸脱するバブルが発生することは可能であり、場合によっては避けられないかもしれません。 群れを成す理由 群れを成す行動は、より深い心理的理由からも生じることがあります。私たちが重要な人生の決断を下す際、ほとんどの場合、家族、隣人、同僚、友人、さらには競争相手からの意見を求めたくなるものです。もし私がラファエル・ナダルがウィンブルドンで勝つ確率を30％と予測していて、出会うテニスファン全員が彼の勝率を50％だと言ったら、私は自分の意見を貫くためには非常に自信を持たなければなりません。もし私が彼らが知らない独自の情報を持っているか、彼らよりも問題を分析するのに多くの時間を費やしたと本当に確信していない限り、私の異端的な見解はおそらく損失を出すことになるでしょう。 「群衆に従う、特に自分がよくわからないとき」というヒューリスティックは、通常はうまく機能します。しかし、時には私たちが隣人を過信しすぎることがあります。1980年代の「Just Say No」コマーシャルのように、他の人がやっているから自分もやるという行動をとってしまうのです。私たちのミスが相殺されるのではなく（これが「群衆の知恵」の背後にある考え方です）、むしろそれらが互いに強化し合い、制御が効かなくなってしまいます。盲目の者が盲目の者を導き、みんなが崖から落ちてしまうのです。この現象は比較的稀にしか起こりませんが、起こると非常に破滅的な結果をもたらすことがあります。また、最も自信を持って行動している隣人が最も優れた予測者であると推測し、彼に従ってしまうこともありますが、彼が本当に何をしているのかはわかりません。 2008年、理由はまだはっきりしないものの、あるトレーダーが夜中にニュースもないのにジョン・マケインの株を大量に購入し、バラク・オバマの株を大量に売却するという異常な行動を取りました。最終的にその異常は修正されましたが、価格が元の値に戻るまでには数時間、時には4〜6時間かかりました。多くのトレーダーは、そのトレーダーが自分たちが知らない何かを知っているのではないかと確信しました。もしかしたら、何かのスキャンダルに関する内部情報を持っているのかもしれません。これが「群衆行動」です。そして、これは市場でますます一般的になっているという証拠があります。異なる株や異なる資産の価格動向の相関関係がますます鋭くなっており、皆が少しずつあらゆるものに投資し、同じ戦略を利用しようとしていることを示唆しています。これは情報化時代のリスクの一つです。私たちは多くの情報を共有することで独立性が失われています。その代わりに、自分と同じ考えを持つ他者を求め、「友達」や「フォロワー」の数を自慢するようになります。 市場では、時折、最も悪い投資家の行動に価格が従うことがあります。彼らが最も多くの取引を行っているのです。 過信と「勝者の呪い」 経済学の教室でよく行われる実験の一つは、学生が瓶の中のペニーの数に対して入札を行うオークションを開催することです。「最高入札者が教授に支払い、ペニー（または小銭が嫌な場合は同等の金額の紙幣）を獲得します。」ほとんどの場合、勝者の学生は自分が支払った金額が高すぎることに気づきます。学生の中には入札が低すぎる人もいれば、適正な人もいますが、最もコインの価値を過大評価した学生が支払う義務を負い、最悪の予測者が「賞」を得るのです。これが「勝者の呪い」と呼ばれるものです。 株式市場にも同様の特性があります。時折、株を最も買いたがるトレーダーが、その企業について独自の洞察を持っている場合もあります。しかし、ほとんどのトレーダーは平均的であり、ほとんど同じデータを使って同じモデルを使用しています。 もし彼らが、同業者が異なる意見を持っているにもかかわらず、ある株が実質的に過小評価されていると判断した場合、その多くは彼らが自分の予測能力に過度の自信を持ち、モデルの中のノイズを信号と誤解しているからです。投資家が抱えるさまざまな認知バイアスの中で、過信が最も厄介であると疑う理由があります。行動経済学の中心的な発見の一つは、私たちの多くが予測を行う際に過信しているということです。株式市場も例外ではありません。デューク大学の調査によると、企業のCFOたち（彼らは比較的洗練された投資家であると考えられます）は、S&P 500の価格を予測する能力を大幅に過大評価していました。彼らは、株式市場が短期間に不安定に動く長い歴史があるにもかかわらず、大きな株価の変動に常に驚かされていました。カリフォルニア大学バークレー校の経済学者テランス・オディーンは、トレーダーがこの欠陥、すなわち情報の価値を過大評価する過信だけを持つモデルを構築しました。その他の点では、彼らは完全に合理的でした。オディーンが発見したのは、過信だけで、他の合理的な市場を混乱させるのに十分であるということです。過信したトレーダーがいる市場では、非常に高い取引量、ボラティリティの増加、日々の株価の奇妙な相関関係、そしてアクティブなトレーダーにとって平均を下回るリターンが生じます。これらはすべて、現実の世界で観察されることです。 バブルを崩すのが難しい理由 それでも、市場がバブルに向かっている場合、効率的市場仮説は、いくつかのトレーダーが介入してそれを止めるべきであり、株をショートすることで巨額の利益を得ることを期待するはずだと示唆します。最終的には、この理論は正しいことになります：すべてのバブルは弾けます。しかし、弾けるまでには長い時間がかかることがあります。過大評価された株に対抗する方法は、それをショートすることです。現在の価格で株を借り、将来的にその時の価格に基づいて返却することを約束します。株価が下がれば、この取引で利益を得ることができます。しかし、株価が上がった場合、元々借りたよりも多くの金額を返さなければならなくなります。例えば、1999年3月2日に、InfoSpaceの株を500株、27ドルで借りて、1年後に返す約束をしたとしましょう。この株を借りるのに約13,400ドルかかります。しかし、1年後にはInfoSpaceの株価は1株482ドルで取引されており、約240,000ドルを返さなければならないことになります。これは、あなたの投資の初期価値のほぼ20倍です。この賭けは最終的には素晴らしい結果をもたらすことになったでしょう（InfoSpaceはその後、1株1.40ドルまで下落しました）が、あなたは大きな損失を被り、将来の投資を行う能力が損なわれることになります。実際、株をショートすることによる損失は理論的には無限大です。 実際には、株を貸している投資家は、いつでも株を返してほしいと要求することができます。もし彼女があなたを信用リスクだと考えれば、確実にそうするでしょう。しかし、これは彼女が利益を上げているときにいつでも手を引くことができることも意味します。これは大きな問題です。なぜなら、過大評価された株は、適正価格に戻る前にさらに過大評価されることが多いからです。さらに、株を貸している投資家は、あなたが彼女に返済するために貯金を切り崩さなければならないかもしれないことを知っているため、その特権に対して高い金利を請求します。バブルは数ヶ月から数年かけてしぼむことがあります。ジョン・メイナード・ケインズが言ったように、「市場はあなたが支払い能力を保つよりも長く非合理的であり続けることができるのです。」 価格は正しくない 他の時期には、投資家が株をショートする機会がまったくない場合もあります。シカゴ大学の経済学者リチャード・セイラーとオーウェン・ラモントによって記録された、やや悪名高い例の一つは、3Comがそのモバイルフォン子会社Palmの株を別の株式としてスピンオフしたときのことです。しかし、3ComはPalmの株の大半を自社で保持していたため、トレーダーは3Comの株を購入することでPalmに投資することもできました。特に、3Comの株主は、保有する3Comの株2株につきPalmの株3株を受け取ることが保証されていました。これは、Palmの株が3Comの株の価値の最大2/3で取引されることを示唆しているように思えました。しかし、当時Palmは魅力的な株であり、3Comは安定した利益を上げていたものの、地味な評判を持っていました。結果として、Palmの株は3Comの株よりも低い価値で取引されるべきだったにもかかわらず、数ヶ月間はむしろ高い価格で取引されていました。この状況は、投資家がPalmと3Comについてどう考えていても、3Comの株を購入しPalmをショートすることで確実に利益を得ることができるはずでした。理論上は、リスクのないアービトラージの機会であり、ロンドンのヒースロー空港で1,000ドルを600ポンドに交換し、ニューヨークに到着したときにその600ポンドを1,500ドルに交換できることを知っているようなものでした。しかし、Palmをショートすることは非常に難しいことが判明しました。Palmの株を保有している人は、株を貸し出すことに対して非常に高いプレミアムを期待しており、年率100％を超える金利を請求していました。このパターンはドットコムバブルの時期によく見られました。ドットコム株をショートすることは、実際には不可能であるか、非常に高額なコストがかかるものでした。私はラスベガスでの会議でセイラーと会い、彼と共に高額な寿司ディナーを楽しみながらストリップの様子を観察しました。セイラーはファマの友人であり同僚ですが、効率的市場仮説に対する一つの障害となっている行動経済学の最前線にいます。行動経済学は、実際のトレーダーがモデルの中でのようにうまく振る舞わないさまざまな方法を指摘しています。「効率的市場仮説には二つの要素があります」とセイラーはトロを一口食べながら私に言いました。「一つは、ノー・フリー・ランチの要素で、市場に勝つことはできないということです。」 ユージン・ファマと私は、この要素についてほぼ同意しています。彼があまり話したがらないのは、「価格は正しい」という要素です。 サラーが「ノー・フリー・ランチ」と呼ぶ概念には、かなり強い証拠があります。長期的に市場を上回ることは、どの投資家にとっても難しい（文字通り不可能ではありませんが）ということです。理論的には魅力的な機会も、取引コストやリスク、その他の制約のために実際には利用しづらいことがあります。過去に信頼できた統計的パターンも、投資家がそれを発見すると一時的なものになる可能性があります。効率的市場仮説の第二の主張、サラーが「価格は正しい」と呼ぶ部分は、より疑わしいものです。パームと3Comの株価の不一致のような例は、もし価格が正しければ生じるはずがありません。同じ商品（パームの持分の価値）が、異なる二つの価格で取引されているのですから、少なくとも一方は間違っているはずです。市場には非対称性があります：バブルは崩壊させるよりも見つける方が容易です。これは、ベイズランドで直面する究極の問い—「本当に市場が崩壊すると思うなら、なぜそれに賭けようとしないのか？」—が、取引や資本に制約のある現実の世界では必ずしも成り立たないことを意味します。 金融市場のノイズ 非合理的なトレーダーと熟練したトレーダーの間には、ある種の共生関係があります。ポーカーゲームにおいて、良いプレイヤーが利益を得るためには、テーブルに「魚」が必要なように。金融文献では、これらの非合理的なトレーダーは「ノイズトレーダー」として知られています。経済学者フィッシャー・ブラックが1986年に「ノイズ」と題したエッセイで書いたように： ノイズは金融市場での取引を可能にし、したがって金融資産の価格を観察することを可能にします。しかし、ノイズは市場をある程度非効率的にします。一般的に言えば、ノイズは金融や経済市場の動作に関する実践的または学術的な理論をテストすることを非常に難しくします。我々はほとんど暗闇の中で行動せざるを得ません。 市場にノイズトレーダーがいないと仮定してみてください。誰もが実際の情報—シグナルに賭けています。価格はほぼ常に合理的で、市場は効率的です。しかし、もしあなたが市場が効率的だと思うなら—利益を得るために本当に打ち勝つことができないほど効率的だと—あなたが取引を行うのは非合理的です。実際、効率的市場仮説は本質的に自己矛盾的です。すべての投資家がその理論を信じているなら—株式市場は打ち勝てないので取引からお金を稼げない—取引を行う人がいなくなり、したがって市場は存在しなくなります。この逆説は、経済学者の間での古いジョークを思い出させます。一人の経済学者が道に落ちている100ドル札を見つけてそれを拾おうと手を伸ばします。「気にするな」ともう一人の経済学者が言います。 「もしそれが本物の100ドル札なら、誰かがすでに拾っているだろう。」もしみんながこう考えていたら、もちろん誰も100ドル札を拾おうとはしないだろう。しかし、経済学の授業を受けたことのない純真な若者が町を歩き回ってそれを拾い集め、実際にそれが有効であることを知り、新しい車と交換することになるかもしれない。この逆説に対する最も実現可能な解決策は、ノーベル賞受賞経済学者のジョセフ・スティグリッツと彼の同僚サンフォード・グロスマンが何年も前に特定したもので、いくつかの投資家にわずかな利益を得ることを許可することだ。彼らの努力に対して十分に補償される程度の利益だ。実際、これを現実の世界で達成するのはそれほど難しくない。ウォール街の証券アナリストが年間750億ドルの報酬を受け取ることに異議を唱えるかもしれないが、これはニューヨーク証券取引所だけで行われる約17兆ドルの取引に比べれば微々たるものだ。彼らが取引で市場を0.5パーセント上回ることができれば、彼らの会社にとっては収益を上げることができる。スティグリッツが提案する均衡は、いくつかの投資家が最小限の利益を得られる状況だ。効率的市場仮説は文字通りには真実ではない。私のE*Tradeでの投資信託に関する研究のように、どの投資家も市場を上回ることはできないというファマの見解を支持する証拠を提供する研究もあれば、他の研究はより曖昧であり、いくつかは取引スキルや過剰利益の明確な証拠を示している。おそらく、ウォール街を上回っているのは投資信託ではなく、彼らはあまりにも伝統的な戦略を追求し、一緒に沈むか浮かぶかの運命にある。しかし、一部のヘッジファンド（ほとんどではない）はおそらく市場を上回っており、ゴールドマン・サックスのようなエリート企業の一部の専属トレーディングデスクはほぼ確実にそうだ。また、オプション取引者の間には取引スキルの明確な証拠があるようで、彼らは株価がどのように動くかの確率的な評価に基づいて賭けを行っている。そして、ほとんどの個人投資家は、頻繁に取引を行うなどの一般的なミスを犯し、市場平均よりも悪い結果を出すが、選ばれた少数はおそらく市場を上回ることができるだろう。 「高く買って、安く売る」 あなたは急いでオプション取引者になろうとするべきではない。伝説的な投資家ベンジャミン・グラハムがアドバイスするように、株式市場では少しの知識が危険なことになることがある。結局のところ、どの投資家もほとんど努力せずに平均的な投資家と同じように成功することができる。彼がするべきことは、S&P 500の平均を追跡するインデックスファンドを購入することだけだ。そうすることで、彼はハーバードのMBAからノイズトレーダー、ジョージ・ソロスのヘッジファンドマネージャーまで、他のすべてのトレーダーの平均ポートフォリオを非常に近く再現することができる。これを拒否するには、本当に優れた能力が必要だ—あるいは無謀である必要がある。株式市場では競争が激しい。特に今日の市場では、取引が機関投資家によって支配されているため、平均的なトレーダーは十分な資格を持ち、高いIQと相当な経験を持つ人々だ。 「みんな、自分には超賢いミューチュアルファンドのマネージャーがいると思っている」とヘンリー・ブロジェットは私に言った。「彼はハーバードに行って、25年間もこの仕事をしている。どうして市場を上回るほど賢くないなんてことがあるだろう？その答えは、彼のような人が900万人もいて、みんな5000万ドルの予算とニューヨーク証券取引所に併設されたコンピュータを持っているからだ。そんな相手にどうやって勝てるというのか？」 実際、ほとんどの一般投資家はそれほどもうまくいっていない。ギャラップや他の調査機関は定期的にアメリカ人に、株を買うのに良い時期だと思うかどうかを調査している。歴史的に見ると、これらの数字と株式市場のパフォーマンスには強い相関関係があるが、その関係は健全な投資戦略が示す方向とは正反対だ。アメリカ人は、P/E比率が高騰し株が過剰評価されているときにこそ、株を買うのに良い時期だと思う傾向がある。ギャラップが記録した中で最も高い数字は2000年1月で、その時67％のアメリカ人が投資するのに良い時期だと考えていた。わずか2ヶ月後、NASDAQや他の株価指数は崩壊を始めた。逆に、1990年2月にはわずか26％のアメリカ人が株を買うのに良い時期だと思っていたが、その後の10年間でS&P 500はほぼ4倍の価値になった。 私たちの多くは、こうした本能と戦わなければならない。「投資家は、自分の戦うか逃げるかのメカニズムが指示することとは正反対のことを学ぶ必要がある」とブロジェットは言った。「市場が崩壊したときこそ、興奮してお金を投資する時だ。怖がってお金を引き上げる時ではない。実際には、市場が下がるほど、より多くのお金が市場から出て行く。普通の投資家は壊滅的な結果を招く。なぜなら、彼らは常に正反対のことをしてしまうからだ。」 ブロジェットが言うように、こうした間違いは投資家にとって非常に高くつくことがある。例えば、1970年にS&P 500に1万ドルを投資し、2009年の退職時に現金化するつもりだったとしよう。この期間には多くの浮き沈みがあった。しかし、あなたがその投資を貫いた場合、インフレ調整後に63,000ドルの利益を得ることができただろう。もし代わりに、株が前回のピークから25％以上下がるたびに市場からお金を引き上げ、「安全策」を取っていた場合、前回の高値の90％まで市場が回復するのを待って再投資していたとしたら、利益はわずか18,000ドル、年率2.6％のわずかなリターンにとどまった。残念ながら、多くの投資家はまさにこのように行動している。 さらに悪いことに、投資家は市場が過大評価されている時期に初期投資を行う傾向があり、その結果、長期的にポジティブなリターンを得るのに苦労することがあります。次に市場がバブル状態になると、カジノの点滅する明かりのように、あなたを引き寄せる信号が見えてくるでしょう。例えば、CNBCのティッカーには緑の矢印が並び、ウォール・ストリート・ジャーナルの見出しには記録的なリターンについてのニュースが載り、オンライン証券会社のコマーシャルでは、クリック一つで巨額の利益が得られるように見えます。バブルの時に買わない、またはパニックの時に売らないためには、意識的な努力が必要です。それを無視する冷静さを持たなければなりません。そうでなければ、他の人たちと同じ間違いを犯すことになります。ダニエル・カーネマンはこの問題を、二組の矢印を使った有名な錯覚であるミュラー・リヤー錯覚に例えています（図11-11）。矢印の長さは全く同じですが、一方の矢印は外向きに広がっており、拡張や無限の可能性を示唆しているように見えます。もう一方は内向きに向いており、自己完結的で限界があるように見えます。最初のケースは、リターンが増加している時の投資家の株式市場に対する見方に似ており、二番目のケースは、暴落後の見方に似ています。 「その錯覚を抑えることはできない」とカーネマンは私に言いました。「矢印を見ていると、一方の矢印がもう一方よりも長く見えることがあります。しかし、これは錯覚を引き起こすパターンであることを認識するように自分を訓練することができます。その状況では、自分の印象を信じてはいけません。定規を使わなければなりません。」 他の10パーセント 私たちの心が取る認知のショートカット、すなわちヒューリスティックが投資家を困らせる原因です。何かが上昇すれば、それが引き続き上昇するだろうという考えは、非常に本能的なものです。しかし、株式市場に関しては、これは完全に間違っています。群れを成すことに関連する私たちの本能は、さらに根本的な問題かもしれません。多くの場合、他の人たちがやっていることを真似するのが正しい場合もありますし、少なくともそれに注意を払うべきです。もし見知らぬ街に旅行して、夕食のためのレストランを選ぶ必要があるなら、他の条件が同じであれば、顧客が多いレストランを選びたいと思うでしょう。しかし、時にはそれが裏目に出て観光客向けの店に行ってしまうこともあります。同様に、ベイズランドで予測を立てていたとき、私たちは近隣の意見に注意を払い、それに応じて自分の信念を調整することが通常は賢明でした。自分が他の誰よりも優れているという頑固でしばしば非現実的な考えを持つのではなく。私は予測を立てる際に、コンセンサスの見解—例えば、Intradeの市場が何を言っているか—にかなり注意を払います。それは絶対的な制約ではありませんが、そのコンセンサスから離れるほど、私が正しいと考えるためには、より強い証拠が必要になります。この態度は、ほとんどの場面であなたにとって非常に役立つと思います。 これは、たまに市場を上回ることができるかもしれないが、それを毎日期待するべきではないということを示唆しています。それは過信の明らかな兆候です。しかし、例外的なケースも存在します。フィッシャー・ブラックは、市場は基本的に90％の時間は合理的であると推定しました。残りの10％の時間は、ノイズトレーダーが支配し、彼らは少しおかしな行動をとることがあります。このように考えることができます。市場は通常非常に正しいが、時には非常に間違っていることもあるのです。ちなみに、これは現実の世界でバブルを崩すのが難しいもう一つの理由です。資産クラスにバブルが現れるのは15年から20年に一度の素晴らしいショートの機会やパニックのロングの機会かもしれません。しかし、それを利用して何年も何もせずに安定したキャリアを築くのは非常に難しいのです。 **二重構造の市場** 一部の理論家は、株式市場を一つの中に二つのプロセスが存在するものとして考えるべきだと提案しています。一つはシグナルトラックで、教科書で読む1950年代の株式市場です。これは長期的に支配される市場で、投資家は比較的少ない取引を行い、価格はファンダメンタルにしっかりと結びついています。これは投資家が退職後の計画を立てるのを助け、企業が資本を調達するのを助けます。もう一つはファストトラック、ノイズトラックで、モメンタム取引、ポジティブフィードバック、歪んだインセンティブ、群集行動で満ちています。通常、これは広範な経済に実際の利益をもたらさないじゃんけんゲームのようなもので、実際の害もないかもしれません。ただの汗をかいたトレーダーたちが金を回し合っているだけです。しかし、これらのトラックは同じ道を走っているようで、ある都市がフォーミュラ1のレースを開催することに決めたが、官僚的な oversight により通勤車両のための一車線を閉じるのを忘れたかのようです。時には、金融危機のように大きな事故が起こり、一般の投資家が巻き込まれます。このような二重性、物理学者ディディエ・ソルネットが「秩序と無秩序の戦い」と呼ぶものは、複雑なシステムにおいて一般的です。これらは多くの個別の部分の相互作用によって支配されるシステムです。このような複雑なシステムは、一見非常に予測可能でありながら、同時に非常に予測不可能でもあります。地震は、いくつかの単純な法則によって非常によく説明されます（ロサンゼルスでのマグニチュード6.5の地震の長期的な頻度については非常に良いアイデアがあります）。しかし、日々の予測は本質的に不可能です。これらのシステムのもう一つの特徴は、定期的に秩序から混沌へ、そして再び秩序へと激しく非線形な相変化を経験することです。ソルネットや市場を高度に数学的に考える他の人々にとって、定期的なバブルの存在はほぼ避けられない、システムの内在的な特性のように思えます。私はこの視点に賛同します。私の市場取引に対する見解（そしてより一般的な自由市場資本主義に対する見解）は、ウィンストン・チャーチルの民主主義に対する態度と同じです。私は、それが今まで発明された最悪の経済システムだと思っていますが、他のすべてのシステムを除けば、最良のものでもあります。 市場は大抵の時にうまく機能しますが、バブルが完全になくなることはないと思います。もしバブルを引き起こす群集行動を完全に防ぐことができないのなら、少なくともそれが発生している間に検出できることを期待できるでしょうか？たとえば、ブラックの前提を受け入れると、市場は10％の時間、非合理的に動いているとします。その10％のフェーズにいることを知ることはできるでしょうか？そうすれば、バブルから利益を得ることができるかもしれません。あるいは、自己中心的でない形で、税金での救済が必要なくなるような穏やかな着地を作ることもできるでしょう。バブルの検出は、そんなに絶望的ではないようです。100％、あるいは50％の確率で成功することはないと思いますが、何らかの進展は期待できると思います。最近のバブル、特に住宅バブルは、多くの人々によってかなり前から検出されていました。また、シラーのP/E比率のような指標は、過去においてバブルの信頼できる指標となっていました。問題を立法で解決しようとすることも考えられますが、それは難しい場合があります。場合によっては、より厳しい規制が求められることもありますが、ショートセリングに対する制約は、バブルを弾けさせるのを難しくするため、ほぼ確実に逆効果です。しかし明らかなのは、市場が常に完璧であり、価格が常に正しいという前提から出発すれば、バブルを検出することは決してできないということです。市場は私たちの欠点を隠し、いくつかの欠陥を相殺します。そして、予測するのは決して簡単ではありません。しかし時には、価格が間違っていることもあります。 **健全な懐疑心の気候** 1988年6月23日は、キャピトルヒルで異常に暑い日でした。前日の午後、ワシントンのナショナル空港では気温が100度に達し、夏の初めに数十年ぶりに三桁を記録しました。NASAの気候学者ジェームズ・ハンセンは額の汗を拭い、上院エネルギー委員会の公聴会室でエアコンが不具合を起こしていたため、アメリカ国民にさらなる暑さに備えるよう伝えました。温室効果は長い間受け入れられてきた理論で、科学者たちは地球を温めると予測していました。しかし、ハンセンは初めて、温度記録において明確な信号が現れ始めたと述べました。1950年代以来、地球の平均気温は約0.4°C上昇しており、これは自然の変動では説明できないものでした。「この規模の偶然の温暖化が起こる確率は約1％です」とハンセンは議会に伝えました。「したがって、99％の確信を持って、この期間中の温暖化傾向は実際の温暖化傾向であると言えます。」 ハンセンは、ワシントンやオマハのような他の都市でも、より頻繁な熱波が予測されると述べました。すでにその変化は「一般の人々にとっても気づくほど大きい」と言いました。モデルの精緻化が必要だとアドバイスしましたが、温度の傾向とその理由は明確でした。「これ以上迷っている場合ではありません」とハンセンは言いました。 「温室効果が存在するという証拠はかなり強い。」* ハンセンの公聴会から約四半世紀が経過した今、私たちはこの本の他の分野と同様に、地球温暖化についていくつかの同じ質問を投げかける時が来ました。これまでの予測はどれほど正しかったのか、あるいはどれほど間違っていたのか？科学者たちは本当に何に合意していて、どこにさらなる議論があるのか？予測にはどれほどの不確実性があり、それに対して私たちはどのように対応すべきか？気候システムのような複雑なものを本当にうまくモデル化できるのか？気候科学者も他の分野の予測者と同様に過信といった問題に陥ることがあるのか？政治やその他の歪んだインセンティブが科学的真実の探求をどれほど損なっているのか？そして、ベイズ的推論はこの議論の調停にどのように役立つのか？私たちは証拠を検討し、気候予測に対する健全な懐疑心を表明する必要があります。この種の懐疑心は、ブログや地球温暖化に関する政治的議論で一般的に見られるものとは異なることを理解していただけるでしょう。 ノイズと信号 この本の多くの例は、予測者が相関関係を因果関係と誤解し、ノイズを信号と誤認するケースに関するものです。1997年頃までは、スーパーボウルの勝者チームのカンファレンスが翌年の株式市場の動向と非常に強く相関していました。しかし、その関係には信頼できる因果メカニズムは存在せず、その基に投資を行った場合、あなたは大きな損失を被ることになったでしょう。スーパーボウル指標は偽のポジティブでした。逆に、ノイズの多いデータが信号を隠すこともあります。信号が存在することにほとんど疑いがない場合でもです。私たちがほとんど異論を唱えない関係を考えてみましょう：カロリーを多く摂取すれば、肥満になる可能性が高くなります。こんな基本的な関係は、統計記録に明確に現れるはずです。私は、肥満率と日々のカロリー消費の推定値が公開されている84カ国のデータをダウンロードしました。*このように見ると、その関係は驚くほど脆弱に見えます。肉中心の食事を持つ韓国の日々のカロリー消費量は、一人当たり約3,070カロリーで、世界平均をわずかに上回っています。しかし、そこでの肥満率は約3パーセントです。一方、ナウルという太平洋の島国は、韓国とほぼ同じカロリーを消費していますが、肥満率は79パーセントです。84カ国をプロットすると（図12-1）、肥満とカロリー消費の間に限られた関連性しか見られず、標準的なテストでは「統計的に有意」とは言えません。* 図12-1：84カ国におけるカロリー消費と肥満率 100% 90% 70% 60% 50% 40% 30% 20% 10% もちろん、多くの要因が絡み合っており、その関係を曖昧にしています。特定の国々は、遺伝的に優れていたり、運動習慣が良かったりします。また、データは粗いものであり、大人が1日に消費するカロリーを推定するのは難しいことです。統計的証拠をあまりにも文字通りに受け取る研究者は、カロリー消費と肥満の関係を誤って否定してしまうかもしれません。これは誤った否定です。データを統計モデルに入力し、数値を処理して、それが現実世界の良い表現であると当然のように受け取れれば良いのですが、特に野球のようなデータが豊富な分野では、その仮定はかなり正しいことが多いです。しかし、多くの他のケースでは、因果関係について慎重に考えないことが盲目的な道に導くことになります。因果関係に基づいていなければ、地球温暖化に関する主張を疑う理由は多くあります。地球の気候は、数年、数十年、あるいは数世代にわたってさまざまな温暖期と寒冷期を経て変化します。これらのサイクルは、産業文明の夜明けよりもずっと前から存在していました。しかし、現象の根本的な原因をしっかりと理解することで、予測ははるかに強力になります。私たちは地球温暖化の原因について良い理解を持っています。それは温室効果です。 温室効果はここにあります 1990年、ハンセンの公聴会から2年後、国連の気候変動に関する政府間パネル（IPCC）は、気候変動の科学に関する1000ページ以上の調査結果を第一評価報告書として発表しました。数年にわたり、世界中の数百人の科学者からなるチームによって作成されたこの報告書は、温度や生態系の変化の可能性について詳細に述べ、これらの影響を軽減するためのさまざまな戦略を概説しました。しかし、IPCCの科学者たちは、絶対的に確実であると分類したのはたった2つの発見だけでした。これらの発見は複雑なモデルに依存せず、気候についての非常に具体的な予測を行うものではありませんでした。むしろ、150年以上にわたってよく理解されており、自己を気候懐疑派と称する人々でさえほとんど議論しない比較的単純な科学に基づいていました。これらは今日の気候変動に関する最も重要な科学的結論です。IPCCの最初の結論は、単純に温室効果が存在するというものでした： 「地球を本来よりも温かく保つ自然の温室効果が存在します。」 温室効果は、特定の大気中のガス、主に水蒸気、二酸化炭素（CO2）、メタン、オゾンが、地球の表面から反射された太陽エネルギーを吸収するプロセスです。このプロセスがなければ、太陽のエネルギーの約30％が赤外線放射の形で宇宙に反射されてしまいます。 それは地球の気温を実際よりもずっと低く、平均で約華氏0度（摂氏-18度）にすることになります。これは火星の暖かい日と同じ温度です。逆に、これらのガスが大気中に増えると、太陽のエネルギーのより多くの割合が地表に閉じ込められ、反射されるため、気温がかなり高くなります。金星は、ほぼ完全に二酸化炭素から成る非常に厚い大気を持っており、平均気温は460°Cです。この熱の一部は金星が太陽に近いことから来ていますが、その多くは温室効果によるものです。 今後の予測可能なシナリオの中で、地球の気候が金星の気候に似ることはありません。しかし、気候は大気成分の変化に対してかなり敏感であり、人間の文明は比較的狭い温度範囲内で繁栄しています。最も寒い世界の首都はモンゴルのウランバートルで、年間平均気温は約-1°C（または+30°F）です。一方、最も暖かいのはクウェートのクウェート市で、平均気温は+27°C（+81°F）です。冬や夏、または人口がまばらな地域では気温が高くなったり低くなったりすることがありますが、惑星間のスケールで見れば、気温の極端な変化は控えめです。対照的に、水分がほとんどない水星では、気温が一日の間に-200°Cから+400°Cまで変動することがよくあります。 IPCCの第二の結論は、温室効果に基づいた基本的な予測を行いました。大気中の温室効果ガスの濃度が増加するにつれて、温室効果と地球の気温もそれに伴って増加するというものです。人間の活動からの排出は、二酸化炭素、メタン、クロロフルオロカーボン（CFC）、亜酸化窒素などの温室効果ガスの大気中濃度を大幅に増加させています。これらの増加は温室効果を強化し、地球の表面の平均気温をさらに上昇させる結果となります。主な温室効果ガスである水蒸気も、地球温暖化に応じて増加し、さらにその効果を強化します。このIPCCの発見は、いくつかの異なる主張を行っており、それぞれを順に考慮する価値があります。まず、温室効果ガスの大気中濃度がCO₂のように増加しており、それが人間の活動の結果であると主張しています。これは単純な観察の問題です。多くの産業プロセス、特に化石燃料の使用は、CO₂を副産物として生成します。CO₂は大気中に長時間残るため、その濃度は上昇しています。1959年にハワイのマウナロア観測所でCO₂レベルが初めて直接監視されたときの約315ppmから、2011年には約390ppmに達しました。 第二の主張「これらの増加は温室効果を強化し、地球の表面の平均気温をさらに上昇させる結果となる」は、温室効果が存在するというIPCCの第一の結論を予測の形で言い換えたものに過ぎません。 予測は、数十年前の実験室で特定された比較的単純な化学反応に基づいています。温室効果は、1824年にフランスの物理学者ジョセフ・フーリエによって初めて提唱され、1859年にアイルランドの物理学者ジョン・ティンダルによって証明されたと一般的に考えられています。この年は、チャールズ・ダーウィンが『種の起源』を発表した年でもあります。水蒸気が二酸化炭素（CO₂）などのガスとともに増加し、温室効果を強化するという第三の主張は、やや大胆です。水蒸気は、CO₂ではなく、温室効果に最も大きく寄与しています。もしCO₂だけが増加した場合でも、温暖化は起こりますが、これまで観測されたほどの温暖化にはならず、科学者たちが今後予測しているほどの温暖化にはならないでしょう。しかし、19世紀に提案され証明された基本的な熱力学の原理であるクラウジウス・クラペイロンの関係によれば、温暖な気温では大気がより多くの水蒸気を保持できるとされています。したがって、CO₂や他の長寿命の温室効果ガスの濃度が増加し、大気を温めるにつれて、水蒸気の量も増加し、CO₂の効果を増幅させ、温暖化を強化します。 科学者たちは、仮説が反証不可能であると結論づける前に高い証明責任を求めます。温室効果の仮説はこの基準を満たしており、そのため、最初のIPCC報告書では、数百の発見の中から科学者たちが絶対的に確信を持っている唯一の事柄として特に取り上げられました。温室効果の背後にある科学は、19世紀中頃から後半にかけて広く理解されるほど単純でした。この時期には電球や電話、自動車が発明されていましたが、原子爆弾やiPhone、スペースシャトルはまだ存在していませんでした。温室効果は、難解な科学ではありません。実際、産業活動が最終的に地球温暖化を引き起こすという予測は、IPCCが設立されるずっと前、1896年にはスウェーデンの化学者スヴァンテ・アーヘニウスによって行われており、温室効果による温暖化の信号が自然の原因から区別できるほど明確になる前にも何度も行われていました。 温室効果について言及することは、今や少し古風に思えます。1980年代中頃、温室効果という用語は英語の書籍の中で「地球温暖化」というフレーズよりも約5倍一般的でした。しかし、温室効果の使用は1990年代初頭にピークを迎え、その後は着実に減少しています。現在では「地球温暖化」という用語の約6分の1の頻度でしか使われておらず、より広い意味を持つ「気候変動」という用語の約10分の1の頻度です。この変化は、気候科学者たちが理論の予測的な含意を拡大しようとする中で主に始まりました。しかし、変化の原因について語ることからの後退—温室効果の原因についての言及—は、気候科学者たちによって引き起こされたものです。 ハウス効果—それに関する予測可能な誤解を招く信念について。 例えば、2012年1月に『ウォール・ストリート・ジャーナル』は「地球温暖化についてパニックになる必要はない」というタイトルの社説を発表しました。この社説は、地球温暖化に懐疑的と見なされる16人の科学者や提唱者によって署名されました。社説には、ウォール・ストリート・ジャーナルが制作したビデオが添付されており、次のようなキャプションが付けられていました：「多くの科学者は二酸化炭素が地球温暖化を引き起こしているとは信じていません。」実際、これに疑問を持つ科学者は非常に少なく、温室効果ガスが地球温暖化を引き起こすことについてはほとんど議論の余地がありません。この理論の「信者」の中には、プリンストン大学の物理学教授ウィリアム・ハッパーが含まれており、彼は社説に共同署名し、ビデオにもインタビューされています。「私のようなほとんどの人は、工業排出が温暖化を引き起こすと信じています」と、ビデオの約2分後にハッパーは述べました。ハッパーは地球温暖化の影響に関するいくつかの予測には異議を唱えていますが、その原因については異議を唱えていません。私は、矛盾する証拠に直面して理論を盲目的に受け入れるべきだと言いたいわけではありません。理論はその予測によってテストされ、気候科学者が行う予測には正しいものもあれば間違ったものもあります。温度データは非常にノイズが多いです。温暖化の傾向は温室効果仮説を裏付けるかもしれませんし、周期的な要因によって引き起こされるかもしれません。温暖化の停止は理論を揺るがす可能性がありますが、データのノイズが信号を隠している場合もあります。しかし、もしあなたがベイズ的推論のように、ほとんどすべての科学的仮説は確率的に考えるべきだと信じているなら、強く明確な因果関係によって裏付けられた仮説にはより高い信頼を持つべきです。理論に反するように見える新たに発見された証拠は、その可能性の見積もりを下げるべきですが、それは私たちが地球や気候について知っている（あるいは知っていると思っている）他の事柄の文脈で考慮されるべきです。健全な懐疑主義はこの基盤から出発する必要があります。新しい証拠の強さを理論全体の強さと比較し、議論やイデオロギー的な便利さのために事実と理論を掘り返すのではなく、議論が党派的で政治化されるときに見られる冷笑的な慣行を避けるべきです。 気候懐疑主義の三つのタイプ 2009年に国連が開催したコペンハーゲンでの地球温暖化会議ほど悪い時期と場所は想像しにくいです。冬至のこの時期、日照時間は短く暗く、まともな日光はおそらく4時間程度で、気温は寒く、デンマークとスウェーデンを隔てる狭い海峡オレサンドから冷たい風が吹き抜けます。さらに悪いことに、ビールは高価です。デンマークではアルコールやほとんどすべてのものに高い税金がかかり、これはほぼ世界中のどこにも匹敵するグリーンテクノロジーのインフラを支えるために使われています。 デンマークは、今日のエネルギー消費量が1960年代後半と変わらない。これは、環境に優しい政策と低い人口成長率が影響しているためだ。一方、アメリカのエネルギー消費は同じ期間にほぼ倍増している。このことから、エネルギー効率の良い未来は寒く、暗く、高価なものになるという暗黙のメッセージが伝わってきた。そのため、コペンハーゲンのベラセンターでの雰囲気は懐疑的を超えて、完全な皮肉にまで達していたのも不思議ではない。私は、少し naïve に国際会議に参加し、地球温暖化についての厳密な科学的議論を求めていた。しかし、そこで見つけたのは政治であり、その違いはどうにも埋められないように思えた。海面上昇に最も脆弱な小さな太平洋の島国ツバルの代表者たちは、温室効果ガス削減の目標があまりにも不十分だと声高に抗議しながら会場を歩き回っていた。一方、温室効果ガス排出の大部分を占める大国は、合意に至ることはなかった。オバマ大統領は、医療制度改革や景気刺激策に多くの政治的資本を費やしたため、手ぶらで会議に臨んだ。地理的にアメリカよりも気候変動の影響を受けやすい中国、インド、ブラジルなどの国々は、経済成長を損なう可能性のある約束を採用することに消極的で、どの立場を取るべきか決めかねていた。寒冷な気候と豊富な化石燃料資源を持つロシアは、予測不可能な存在だった。カナダもまた寒冷でエネルギーが豊富だが、アメリカが実行する意志を欠いているような合意を推進することは考えにくかった。ヨーロッパの裕福な国々の中には、オーストラリア、日本、アフリカや太平洋の多くの貧しい国々と共に、ある程度の連携が見られた。しかし、地球温暖化は、政治がローカルであっても科学はそうではない問題である。二酸化炭素はすぐに地球全体を循環する。青島のディーゼルトラックからの排出は、最終的にキトの気候に影響を与えることになる。したがって、排出削減の目標を実現するためには、単なる連携構築ではなく、ほぼ全会一致が必要だ。その合意が得られるのは、数年、いや数十年先のことのように思えた。会議では数人の科学者と話すことができた。その一人がリチャード・ルードで、彼は穏やかな口調のノースカロライナ州出身で、かつてNASAで科学者のチームを率いていた人物で、現在はミシガン大学で気候政策に関する講義を行っている。「NASAで、私はロケット科学の定義が、比較的単純な物理学を使って複雑な問題を解決することだと気づいた」とルードは私に語った。「科学の部分は比較的簡単です。」 他の部分、つまり政策の策定方法や公衆衛生に関する対応方法については、原因と結果のメカニズムが明確でないため、比較的難しい問題です。」私がルードと話していると、時折、ベラセンターのスピーカーからのアナウンスに interrupt されました。「合意が得られませんでした。したがって、この議題を中断します」と、フランス訛りの女性が最善の英語で言いました。しかし、ルードは気候の未来に関する議論で広く見られる三種類の懐疑主義を明確にしました。一つ目の懐疑主義は自己利益から生じます。2011年だけで、化石燃料産業は約3億ドルをロビー活動に費やしました（5年前の約2倍です）。*2、* 後にこの章のために話をした気候科学者の中には、彼らの活動を陰謀的な言葉で表現する人もいました。しかし、合理的な自己利益に基づく説明で十分な場合に陰謀を主張する理由はありません。これらの企業は現状を維持するための財政的インセンティブを持っており、それを擁護することは彼らの第一修正権の範囲内です。ただし、彼らの発言を正確な予測を試みるものと誤解してはいけません。二つ目の懐疑主義は反対意見のカテゴリーに入ります。どんな論争のある議論でも、一部の人々は群衆に同調することが有利だと感じる一方で、少数の人々は迫害された外部者として自分を見なすようになります。これは、データが雑音に満ちており、予測が実感しにくい気候科学のような分野では特に当てはまるかもしれません。また、アメリカでは独立心が強いことから、特に一般的かもしれません。「気候、オゾン、タバコの喫煙を見てみると、科学に基づく結果に懐疑的な人々のコミュニティが常に存在します」とルードは私に言いました。最も重要なのは、科学的懐疑主義です。「科学コミュニティの中には、科学のある側面について有効な懸念を持っている人々がいることがわかるでしょう」とルードは言いました。「本当に前に進みたいのであれば、彼らの意見の一部を尊重する必要があります。」 気候予測に対する予測者の批評 気候科学において、この健全な懐疑主義は、気候の推移を予測するために使用されるコンピューターモデルの信頼性に向けられることが一般的です。ペンシルベニア大学のウォートンスクールの教授であるスコット・アームストロングは、そのような懐疑主義者の一人です。彼は予測研究に人生を捧げてきた少数の人々の中にいます。彼の著書『予測の原則』は、この分野に真剣に興味を持つ人には必読の書と見なされるべきです。私はフィラデルフィアのハンツマンホールにあるアームストロングのオフィスで彼と会いました。彼は74歳ですが、健康的なあごひげを持ち、見た目はおそらく15歳若く見えます。2007年、アームストロングはアル・ゴアに賭けを挑みました。 アームストロングは、彼が「変化なし」と呼ぶ予測、つまり世界の気温が2007年の水準を維持するという予測が、IPCCの予測を上回るだろうと主張しました。IPCCは温暖化が続くと予測していましたが、ゴアはその賭けを受け入れませんでした。それでもアームストロングは、彼なしで結果を公表しました。この賭けは毎月解決されることになっており、その月の実際の気温に最も近い予測が勝ちとなります。2012年1月までの間に、アームストロングの「変化なし」予測は、47ヶ月中29ヶ月でIPCCの緩やかだが着実な温暖化予測を上回っていました。 アームストロングは、温室効果の背後にある科学を疑っているわけではないと私に言いました。「少しの温暖化は確かにあった」と彼は言いました。「しかし、過去150年間については誰もそのことを議論していない。」 しかし、アームストロングは地球温暖化に関する大多数の見解に対していくつかの不満を持っています。2007年、彼がゴアに賭けを提案した頃、アームストロングと彼の同僚ケステン・グリーンは、地球温暖化予測を「監査」と呼ぶものにかけました。彼らの目的は、特にIPCCが出した地球温暖化予測がアームストロングの予測原則にどれだけ従っているかを確認することでした。アームストロングとグリーンの論文は、IPCCの予測が不足していると主張し、89の予測原則のうち72に従っていないと示唆しました。89の予測原則は多すぎるかもしれませんが、アームストロングの原則のほとんどは予測者にとって良い指針であり、地球温暖化予測に適用すると、基本的には3つの批判に簡略化できます。 - 第一に、アームストロングとグリーンは、予測者間の合意が正確性とは関係がなく、偏見を反映している可能性があると主張します。「投票するわけではない」とアームストロングは言いました。「それが科学の進歩の仕方ではない。」 - 次に、彼らは地球温暖化の問題の複雑さが予測を無駄な努力にしていると言います。「歴史上、たくさんの変数と不確実性を伴う複雑な事象について、経済モデルやその他の複雑なモデルが機能した例はない」とアームストロングは言いました。「モデルを複雑にすればするほど、予測は悪化する。」 - 最後に、アームストロングとグリーンは、予測が地球温暖化問題に内在する不確実性を十分に考慮していないと述べています。言い換えれば、彼らは過信している可能性があります。複雑さ、不確実性、そして合意の見解の価値（またはその欠如）は、この本の核心的なテーマです。それぞれの主張には十分な議論が必要です。 気候科学者たちはいくつかの発見について合意していますが、地球温暖化に関して「合意」という言葉に対する不健康な執着があります。合意見解に異議を唱える人々の中には、それを認めることを誇りに思っている者もいます。 「異端者」と自称する人々もいますが、他の人々は数の力に頼り、時にはオンライン署名を集めるような疑わしい手法を用いて、理論に対する疑念の大きさを示そうとしています。一方で、気候科学者が地球温暖化に関する発見に公然と異議を唱えると、彼らはそれが理論に対する合意の欠如を示していると主張することがあります。これらの議論の多くは、用語の誤解に基づいています。正式な使い方では、合意は全員一致と同義ではなく、単純な過半数を達成することとも異なります。むしろ、合意は熟考のプロセスを経た後の広範な合意を意味し、その間にグループの大多数が特定のアイデアや選択肢に集まることを示します（例えば、「私たちは昼食に中華料理を食べるという合意に達しましたが、ホレイショは代わりにピザを選びました」というように）。 実際、合意に基づくプロセスは投票の代替手段を表すことがよくあります。時には、政党が大統領候補を選ぼうとする際に、ある候補者がアイオワ州やニューハンプシャー州の初期投票で非常に強いパフォーマンスを示すと、他の候補者は全員撤退することがあります。候補者が数学的に指名を確定していなくても、候補者が党内の主要な連合の大多数に受け入れられていることを示している場合、他の州で意味のある投票を行う必要はないかもしれません。そのような候補者は合意によって指名を勝ち取ったと表現されることがあります。 科学は、少なくとも理想的には、このような熟考のプロセスそのものです。論文が発表され、会議が開催され、仮説が検証され、発見が議論されます。中には他よりも厳しい審査を乗り越えるものもあります。IPCC（気候変動に関する政府間パネル）は、合意プロセスの非常に良い例となる可能性があります。彼らの報告書は作成に数年を要し、すべての発見は徹底的な（やや複雑で官僚的な）レビュー過程を経ます。「慣例として、すべてのレビューコメントに対処しなければなりません」とルードは私に言いました。「あなたの酔っ払ったいとこがコメントをしたいと言っても、それに対処しなければなりません」。 しかし、IPCCのようなプロセスがより良い予測を生み出すことが期待できる程度については、議論の余地があります。異なるメンバーが互いの専門知識から学ぶことには確かに価値がありますが、これは集団思考や同調の可能性をもたらします。グループの一部のメンバーは、そのカリスマ性や地位のためにより影響力を持つことがあり、必ずしもより良いアイデアを持っているわけではありません。合意に基づく予測の実証的研究は混合した結果を示しており、グループの個々のメンバーが独立した予測を提出し、それらを平均または集約するプロセスと対照的です。このプロセスは、予測精度を向上させることがほぼ常に期待できます。IPCCのプロセスは、気候予測者の独立性を低下させる可能性があります。 IPCCの予測に使用される気候モデルは名目上約20種類ありますが、これらは多くの同じ仮定を持ち、一部は同じコンピュータコードを使用しています。そのため、実際には独立したモデルは5、6個に相当するほど重複が大きいのです。そして、モデルの数に関わらず、IPCCは全体のグループによって支持される1つの予測に決定します。 気候科学者たちはコンピュータモデルに懐疑的です。MITの気象学者であり、ハリケーンに関する世界的な理論家の一人であるケリー・エマニュエルは、「多様なモデルを持つことが重要です」と私に語りました。「すべての卵を一つのバスケットに入れたくはありません。」 エマニュエルがこのことが重要だと考える理由の一つは、これらのモデルが異なる仮定を用いるだけでなく、異なるバグも含んでいるからです。「これは誰も話したがらないことです」と彼は言いました。「異なるモデルには異なるコーディングエラーがあります。何百万行ものコード、文字通り何百万の命令を持つモデルに間違いがないとは言えません。」 もしあなたが地球温暖化の議論を「懐疑派」と「信者」の間の一連の議論として考えているなら、この意見が懐疑的な側の科学者から出ていると思うかもしれません。しかし実際には、エマニュエルは自らを保守的で共和党員と表現しているものの（MITでは勇気のあることです）、彼はおそらく自分を地球温暖化懐疑派とは考えていないでしょう。むしろ、彼は科学界の良好なメンバーであり、アメリカ科学アカデミーに選出されています。彼の2006年の著書は、基本的に「コンセンサス」（非常に考え抜かれ、よく書かれた）な気候科学の見解を示しています。 エマニュエルの懸念は、実際には科学界の中で非常に一般的です。気候科学者たちは、議論の一部については他の部分よりも広く合意しています。2008年に行われた気候科学者の調査では、ほぼ全員（94％）が気候変動が現在起こっていることに同意し、84％がそれが人間の活動の結果であると確信していました。しかし、気候コンピュータモデルの正確性については、合意がはるかに少なかったのです。科学者たちは、これらのモデルが地球の温度を予測する能力については様々な見解を持ち、気候変動の他の潜在的な影響をモデル化する能力については一般的に懐疑的でした。例えば、わずか19％の科学者が、50年後の海面上昇の予測が良好であると考えていました。このような結果は、気候科学を単純化した見方をする人にとっては挑戦的なものであるべきです。 彼らは、科学者たちが不適切にモデルを適用して気候に関する幻想的な予測を行っているという考えに反するべきです。実際、科学者たちはそのモデルについて、批判者たちと同じくらいの疑念を抱いています。しかし、アル・ゴアの『不都合な真実』のような気候変動に関する映画は、時には慎重さを欠き、北極で命をつなぐホッキョクグマや、南フロリダやローワー・マンハッタンの洪水を描写しています。このような映画は、必ずしも科学的合意の良い表現とは言えません。気候科学者たちが活発に議論している問題は、もっと平凡なものです。たとえば、雲を良い形で表現するためのコンピュータコードをどのように開発するかということです。 気象予報士と気候学者はしばしば対立することがあります。多くの気象学者は、気候科学に対して暗黙的または明示的に批判的です。気象予報士は、予報を改善するために数十年にわたって苦闘してきましたが、予報を外すたびに怒りのメールを受け取ることを期待せざるを得ません。24時間先の天気を予測することさえ難しいのです。では、似たような技術を適用している気候予報士が、数十年後の気候を予測することができると期待するのはどういうことでしょうか？「合意」という用語のように、いくつかの違いは語義的なものです。気候は地球が達成する長期的な均衡を指し、天気はそれからの短期的な逸脱を表します。気候予報士は、2062年11月22日にタルサで雨が降るかどうかを予測しようとはしていませんが、北半球全体で平均的に雨が多くなるかどうかには関心があるかもしれません。しかし、気象学者は複雑さと向き合わなければなりません。カオス理論の全分野は、基本的には天気予報を行うための挫折した試みから発展したものです。気候学者もまた複雑さに対処しなければなりません。たとえば、雲は小規模な現象であり、正確にモデル化するためには多くのコンピュータパワーが必要ですが、気候予測に内在するフィードバックループに対して潜在的に深い影響を与える可能性があります。 皮肉なことに、天気予報はこの本の中での成功事例の一つです。努力とコンピュータの力と人間の判断を融合させることで、天気予報は10年またはそれ以上前よりもはるかに良くなりました。ほとんどの分野の予報士が過信しがちな中、気象予報士が自分自身や同僚に対して厳しい姿勢を持っているのは賞賛に値します。しかし、彼らが成し遂げた改善は、複雑さに直面して進歩が絶望的であるという考えを否定しています。天気予報の改善は、彼らの分野の二つの特徴の結果です。まず、気象学者は多くのフィードバックを受け取ります。天気予測は日々実行され、現実の確認が行われることで、彼らの調整が適切に保たれます。 この利点は気候予測者には利用できず、彼らの予測に対して懐疑的であるべき理由の一つです。なぜなら、彼らの予測は80年から100年先までのスケールで行われるからです。しかし、気象学者は天候システムの物理学をしっかりと理解しているため、比較的単純で観察しやすい法則に基づいています。気候予測者も同様の利点を持つ可能性があります。私たちは雲を観察でき、その挙動についてかなり良い理解を持っていますが、その情報を数学的な表現に変換することが課題です。 気候予測において好ましい例は、特に大きく重要な雲、すなわちハリケーンの軌道を予測する成功から来ています。MITのエマニュエル教授のオフィスは54-1814号室で、見つけるのが少し難しい場所にあります（私は「グッド・ウィル・ハンティング」のインスピレーションになったかもしれない素晴らしい清掃員に助けられました）。しかし、チャールズ川の素晴らしい眺めが広がっています。遠くにハリケーンが見えることを想像するのは簡単でした：それはケンブリッジに向かって進むのか、それとも北大西洋に吹き出していくのか？ エマニュエルはハリケーン予測の2つのタイプの違いを明確にしました。一つは純粋に統計的なものです。「あなたが興味を持っている現象の長い記録があります。そして、あなたが有効な予測因子と考えるものの長い記録もあります。例えば、大規模な大気の流れの中の風や海の温度などです」と彼は言いました。「特に物理的なことを考えずに、統計を使って予測しようとしているものとそれらの予測因子を関連付けるだけです。」 例えば、ハリケーンがメキシコ湾にあるとします。過去のハリケーンのデータベースを作成し、それらの風速、緯度、経度、海水温などを調べ、この新しい嵐に最も似たハリケーンを特定することができます。他のハリケーンはどのように振る舞ったのか？どのくらいの割合がニューオーリンズのような人口密集地に上陸し、どのくらいが消散したのか？そのような予測を行うためには、実際にはそれほど多くの気象学的知識は必要なく、良いデータベースがあれば十分です。このような技術は粗いですが使える予測を提供することができます。実際、約30年前までは、純粋に統計的なモデルが気象サービスによるハリケーンの軌道予測の主要な方法でした。しかし、このような技術は限界があり、ハリケーンは決して珍しい現象ではありませんが、アメリカ合衆国では平均して年に1回程度の頻度で深刻な嵐が発生します。候補となる変数が多く、稀に発生する現象に適用される場合、モデルが過剰適合してしまい、過去のデータのノイズを信号と誤解するリスクがあります。 しかし、システムの背後にある構造について何らかの知識がある場合には、別の選択肢があります。この第二のタイプのモデルは、宇宙の一部の物理的メカニクスのシミュレーションを作成するものです。 構築には純粋に統計的な手法よりもはるかに多くの労力が必要であり、現象の根本原因についてより確固たる理解が求められます。しかし、これには潜在的により高い精度があります。このようなモデルは現在、ハリケーンの進路予測に使用されており、高い成功率を誇っています。第4章で報告したように、1980年代以降、ハリケーンの進路予測の精度は約3倍向上しており、ハリケーン・カトリーナが上陸したニューオーリンズ近くの地点は、48時間以上前に正確に特定されていました（ただし、すべての人がその予測を信じたわけではありません）。統計に基づくシステムは、現在ではこれらのより正確な予測と比較するための基準としてしか使われていません。 予測のためのレシピ的アプローチを超えて アームストロングとグリーンが気候予測について行う批判は、経済学のような物理モデルがほとんど存在しない分野の実証研究に由来しています。因果関係が十分に理解されていないため、予測に対する過度に野心的なアプローチはしばしば失敗してきました。そのため、アームストロングとグリーンは、気候予測でも同様に失敗するだろうと推測しています。予測モデルの目標は、できるだけ多くの信号を捉え、できるだけ少ないノイズを含むことです。適切なバランスを取ることは必ずしも簡単ではなく、その能力は理論の強さとデータの質および量によって決まります。経済予測では、データが非常に貧弱で理論も弱いため、アームストロングは「モデルを複雑にすればするほど予測が悪化する」と主張しています。 気候予測においては、状況はより曖昧です。温室効果に関する理論は強力であり、より複雑なモデルを支持します。しかし、温度データは非常にノイズが多く、これが複雑なモデルに対して逆風となります。どちらの考慮が勝つのでしょうか？この質問には、気候科学におけるさまざまな予測アプローチの成功と失敗を評価することで実証的に答えることができます。最も重要なのは、予測が現実世界でどれだけうまく機能するかです。予測プロセスを一連のバンパーステッカーのスローガンに還元することには注意が必要です。オッカムの剃刀のようなヒューリスティック（「他の条件が同じであれば、より単純な説明がより複雑なものよりも優れている」）は魅力的に聞こえますが、適用するのは難しいです。病気の発生を予測するために使用されるSIRモデルのように、モデルの仮定がシンプルでエレガントである場合もありますが、非常に巧妙な予測を提供するにはあまりにも単純すぎることがあります。また、地震予測のように、ソフトウェアパッケージでは素晴らしく見える信じられないほど複雑な予測スキームが、実際にはひどく失敗するケースも見られます。「モデルを複雑にすればするほど予測が悪化する」という警告は、「レシピに塩を入れすぎてはいけない」と言っているのと同じです。どれだけの複雑さ—どれだけの塩—から始めたのでしょうか？ 予測を上手に行いたいのであれば、その技術に没頭し、自分自身の感覚を信じる必要があります。気候予測における不確実性についてですが、予測の限界を理解することは戦いの半分であり、その点において気候予測者たちはまずまずの成果を上げています。気候科学者たちは不確実性を鋭く意識しており、「不確実」や「不確実性」という言葉は、1990年のIPCC報告書のうちの1つで159回も使用されています。また、IPCCの著者たちは、発見に対する合意や確実性の度合いを伝えるための独自の用語を発展させています。例えば、「likely」という言葉は、IPCCの報告書においては予測が実現する可能性が少なくとも66％であることを示唆しています。一方、「virtually certain」というフレーズは、99％以上の確信を意味します。 しかし、不確実性に注意を払うことと、それを正確に評価することは別の話です。政治的な世論調査のような場合、私たちは歴史的な証拠の堅牢なデータベースに頼ることができます。例えば、選挙まで1か月を残して候補者が世論調査で10ポイントリードしている場合、彼女が勝つ確率はどのくらいでしょうか？過去の選挙をいくつも調べることで、経験的な答えを得ることができます。しかし、気候予測者が構築するモデルは、そのような手法に依存することはできません。地球は1つしかなく、その気候がどのように進化するかについての予測は、数十年先を見越して行われます。気候学者たちは不確実性について慎重に考えるかもしれませんが、その不確実性の程度についても不確実性があります。このような問題は、どの分野の予測者にとっても挑戦的です。それでも、気候予測における不確実性を3つの構成要素として分析することは可能です。 私は、NASAのハンセンの同僚であり、やや皮肉屋のロンドン出身のギャビン・シュミットと、ニューヨークのモーニングサイドハイツにある彼のオフィス近くのパブで会いました。シュミットはカクテルナプキンを取り出し、気候科学者が直面する3つの異なる問題を示すグラフを描きました。これらの異なるタイプの不確実性は、気候予測の過程で多かれ少なかれ顕著になります。 まず、シュミットが「初期条件の不確実性」と呼ぶものがあります。これは、温室効果の信号と競合し、私たちが気候を体験する方法に影響を与える短期的な要因です。温室効果は長期的な現象であり、日々や年々のさまざまな出来事によって隠されることがあります。最も明白な初期条件の不確実性は、単純に天候です。気候を予測する際には、これは信号ではなくノイズを表します。現在のIPCCの予測では、今後1世紀の間に気温が2°C（約4°F）上昇する可能性があるとされています。 これは、10年ごとにわずか0.2°C、つまり年間で0.02°Cの上昇を意味します。このような信号は、昼夜で15°C、季節ごとに30°Cも簡単に変動する温帯地域では、感じ取りにくいものです。実際、私が2011年にシュミットと会う数日前には、ニューヨークや北東部の他の地域で異常な10月の雪嵐が発生しました。セントラルパークでは1.3インチの降雪があり、これはその地域の10月の記録を更新しました。また、コネチカット州、ニュージャージー州、マサチューセッツ州ではさらに深刻な状況となり、何百万もの住民が停電に見舞われました。セントラルパークは特に良好な気温記録を持っており、そのデータは1869年まで遡ります。 図12-4には、1912年から2011年までのセントラルパークの月平均気温をプロットしました。グラフから季節の変化が観察でき、気温は温暖から涼しいへ、そして再び温暖へと大きく変動しています（年によってその変動の程度は異なります）。天候と比較すると、気候の信号はほとんど目立ちませんが、確かに存在します。この100年間で、セントラルパークの気温は平均しておそらく4°F上昇しました。 また、1年から10年の間隔で周期的な変動もあります。その一つは、ENSOサイクル（エルニーニョ・南方振動）によって決まります。このサイクルは約3年ごとに変化し、熱帯太平洋の水温の変化によって引き起こされます。エルニーニョ年には、サイクルが完全に機能し、北半球の多くで暖かい天候をもたらし、メキシコ湾でのハリケーン活動を減少させる可能性があります。一方、ラニーニャ年には太平洋が冷たくなり、逆の影響を及ぼします。それ以上のことは、ENSOサイクルについてはあまり理解されていません。 もう一つの中期的なプロセスは太陽サイクルです。太陽は約11年の周期でわずかに多く、またわずかに少ない放射線を放出します（これはしばしば太陽黒点を通じて測定され、黒点の存在は太陽活動の高まりと相関しています）。しかし、これらのサイクルはやや不規則です。たとえば、太陽サイクル24は2012年または2013年に最大の太陽活動（したがって気温の上昇）をもたらすと予想されていましたが、実際にはやや遅れました。時には、太陽が数十年もの間休眠状態になることもあります。17世紀後半から18世紀初頭にかけての約70年間にわたるマウンダー極小期は、太陽黒点活動が非常に少なかったため、ヨーロッパや北アメリカでの気温低下を引き起こした可能性があります。 最後に、火山からの定期的な中断があり、火山は硫黄を大気中に吹き上げます。硫黄は逆温室効果を持つガスで、地球を冷やす傾向があります。1991年のピナツボ山の噴火は、約2年間にわたり全球の気温を約0.2°C下げ、これは温室効果による10年分の温暖化に相当します。時間の視点が長くなるほど、これらの中期的な影響についての懸念は少なくなるかもしれません。これらの影響は、1年から10年の期間において温室効果の信号を支配することがありますが、それを超える期間では均衡が取れる傾向があります。しかし、もう一つの不確実性、シュミットが「シナリオ不確実性」と呼ぶものは、時間とともに増加します。これは、大気中のCO2や他の温室効果ガスのレベルに関するものです。近い将来においては、大気の組成はかなり予測可能です。産業活動のレベルは比較的一定ですが、CO2は大気中に素早く循環し、長期間そこに留まります（その化学的半減期は約30年と推定されています）。主要な工業国がCO2排出量を即座に大幅に削減することに合意したとしても、大気中のCO2の成長率を減少させるには数年かかり、実際に逆転させるにはさらに時間がかかります。「あなたも私も、二酸化炭素の濃度が減少した年を見ることは決してないでしょう。あなたの子供たちも同様です」とシュミットは私に言いました。 それでも、気候モデルは大気中のCO2の量に関する特定の仮定に依存しているため、50年または100年先の予測を大幅に複雑にし、近い将来においても政治的および経済的決定がCO2排出に与える影響によって、予測に影響を及ぼす可能性があります。最後に、モデルにおける構造的不確実性があります。これは、気候科学者とその批評家が最も懸念しているタイプの不確実性であり、定量化が最も難しいからです。これは、気候システムのダイナミクスをどれだけ理解しているか、またそれを数学的にどれだけ表現できるかに関わります。構造的不確実性は時間とともにわずかに増加する可能性があり、動的システムである気候のモデルでは誤差が自己強化的になることがあります。シュミットが私に言ったように、これらの3つの不確実性は、気候予測の約20年から25年前の期間において最小限になる傾向があります。この期間は、私たちが大気中にどれだけのCO2が存在するかを合理的に確実に知ることができるほど近いですが、ENSOや火山、太陽周期の影響が均衡を取るには十分に遠いです。実際、1990年に発表された最初のIPCC報告書は、この20年の「スイートスポット」にぴったりと当てはまります。また、1980年代にジェームズ・ハンセンが行った初期の予測も同様です。言い換えれば、予測の正確性を評価する時が来たのです。それでは、彼らはどれほど正確だったのでしょうか？ 温度記録に関する注記 予測の正確性を測定するには、まず測定基準が必要です。そして、気候科学者たちはかなりの選択肢を持っています。 世界の気温を推定するために、地上および海上の観測所からの温度計の読み取り値を基にした主要な組織が4つあります。これらの組織には、NASA（GISS温度記録を維持）、NOAA（国立海洋大気庁、国立気象サービスを管理）、およびイギリスと日本の気象庁が含まれます。 最近、温度の測定に加わったのは衛星からの観測です。最も一般的に使用される衛星記録は、アラバマ大学ハンツビル校と、リモートセンシングシステムズという民間企業からのものです。これらの衛星は直接温度を測定するのではなく、マイクロ波放射を測定することで温度を推定します。しかし、衛星による下層大気の温度推定は、地表温度の良い代理指標となります。 温度記録は、どれだけ過去の気候を追跡するかにも違いがあります。最も古いのはイギリスの気象庁からの観測で、1850年まで遡ります。一方、衛星記録は最も新しく、1979年からのデータです。また、記録は異なる基準に対して測定されています。例えば、NASA/GISSの記録は1951年から1980年までの平均温度に対して測定されており、NOAAの温度は20世紀全体の平均に対して測定されています。しかし、これは簡単に修正でき、各システムの目標は、絶対的な意味での温度ではなく、温度がどれだけ上昇または下降しているかを測定することです。安心できることに、さまざまな記録間の違いは比較的わずかであり、すべての記録が1998年と2010年を記録上最も暖かい3年のうちの1つとして示しており、すべてが特に1950年代以降の長期的な温暖化傾向を明確に示しています。この時期には大気中のCO2濃度が急速に増加し始めました。気候予測を評価する目的で、私は単純に6つの温度記録を平均しました。 ジェームズ・ハンセンの予測 温度上昇を予測するための初期の試みの中で、比較的率直なものの一つは1981年にハンセンと他の6人の科学者が権威あるジャーナル『サイエンス』に発表した論文です。これらの予測は、CO2やその他の大気中のガスの影響に関する比較的単純な統計的推定に基づいており、完全なシミュレーションモデルではありませんが、非常に良い結果を出しました。実際、2011年までの全球温暖化の観測値をわずかに過小評価していました。 しかし、ハンセンは1988年の議会証言や、同年に『地球物理学研究ジャーナル』に発表した関連論文でよりよく知られています。この予測セットは、大気の三次元物理モデルに依存していました。ハンセンは議会に対し、ワシントンが経験することが期待される気温上昇について述べました。 より頻繁に「暑い夏」が訪れるようになっています。彼の論文の中で、ハンセンは「暑い夏」を、1950年から1980年の間に観測された夏の中で、ワシントンの平均気温が上位三分の一に入る夏と定義しました。彼は1990年代には、ワシントンでこれらの暑い夏が55%から70%の確率で発生することが予想され、これは基準の33%の約2倍に相当すると述べました。実際、ハンセンの予測はワシントンDCにおいて非常に的中しました。1990年代には、10回の夏のうち6回が「暑い夏」として分類され（図12-6）、彼の予測と一致しました。2000年代でもほぼ同じ割合が続き、ワシントンは2012年に記録的な熱波を経験しました。 図12-6: 暑い夏 基準率: 33% ハンセンの予測（1988年）: 1990年代には55%-70%の確率 | 都市 | 閾値 | 1990-1999 | 2000-2011 | 1990-2011 | |---------------|----------|-----------|-----------|-----------| | ワシントンDC | 30.2°C | 60% | 58% | 59% | | オマハ | 30.2°C | 10% | 42% | 27% | | ニューヨーク | 27.4°C | 80% | 25% | 27% | | メンフィス | 31.8°C | 50% | 67% | 59% | | 平均 | | 50% | 61% | 56% | ハンセンは論文の中で、オマハ、メンフィス、ニューヨークの3つの都市についても予測を行いました。これらの結果はよりばらつきがあり、気候の地域的な変動を示しています。1990年代のオマハでは、ハンセンの基準に従って「暑い夏」とされたのは10回中1回で、歴史的な平均率の33%を大きく下回りました。しかし、ニューヨークでは10回中8回が「暑い夏」とされ、ラガーディア空港の観測によると、全体的に4つの都市の予測は比較的良好でしたが、ハンセンの範囲の下限に近いものでした。彼の全球的な気温予測は、異なる仮定に基づく多くのシナリオを提示しているため評価が難しいですが、やや高めに見積もられていました。最も保守的なシナリオでさえ、2011年までに経験した温暖化をやや過大評価していました。 IPCCの1990年の予測 IPCCの1990年の予測は、国際的な合意に基づく予測の初めての真の試みを示しており、特に大きな注目を集めました。これらの予測はハンセンのものよりも具体性に欠けましたが、詳細に入ると大体正しいことが多かったです。例えば、陸地の表面が水面よりも早く温暖化し、特に冬において、北極や他の北緯地域での温度の大幅な上昇があると予測しました。これらの予測は正しかったことが確認されています。しかし、注目すべき予測は全球的な気温上昇に関するものでした。ここで、IPCCの予測はもう少し改善の余地がありました。IPCCの気温予測は、ハンセンのものとは異なり、可能な結果の範囲を示すものでした。範囲の高い方では、今後100年間で5°Cの壊滅的な温度上昇が予測され、低い方では1世紀あたり2°Cのより控えめな上昇が示され、3°Cの上昇が最も可能性の高いケースとされました。実際、報告書が発表されて以来、実際の気温上昇は遅いペースで進んでいます（図12-7）。 1990年にIPCCが予測を発表してから2011年までの間、平均して年間0.015°Cの温度上昇が見られました。これは、1世紀あたり1.5°Cの上昇に相当します。この数値は、IPCCが最も可能性が高いとしたケースである1世紀あたり3°Cの温暖化の約半分であり、また彼らの予測範囲の低い方の端である2°Cよりも若干低いものです。IPCCの1990年の予測は、海面上昇の量も過大評価していました。 この図は、1990年から2011年までの実際の全球温度と1990年のIPCC予測範囲を示しています。基準は1951年から1980年までの平均値です。 これはIPCCの予測に対する一つの反証を示していますが、重要な注意点を考慮する必要があります。IPCCの予測は、「ビジネス・アズ・ユージャル」シナリオに基づいており、炭素排出量の削減に全く成功しないという前提がありました。このシナリオでは、2010年までに大気中のCO2濃度が約400ppmに達することが示唆されていました。実際には、特に欧州連合において、炭素排出量を削減するための限られた努力が行われ、予測はやや悲観的すぎたことがわかります。2010年時点でのCO2レベルは約390ppmに達していました。言い換えれば、予測の誤差はシナリオの不確実性を反映しており、これは科学的な問題よりも政治的および経済的な問題に依存しています。また、IPCCは炭素削減努力について意図的に悲観的な仮定をしていました。 それにもかかわらず、IPCCは後に自らの予測が過剰であったことを認めました。1995年に次の予測を発表した際、ビジネス・アズ・ユージャルのケースに付随する範囲は大幅に下方修正され、1世紀あたり約1.8°Cの温暖化とされました。この予測は、実際の温度トレンドに対してかなり良い結果を示しています。それでも、これはかなり劇的な変化を意味します。予測が間違っている可能性があると考えた場合には、修正することが正当です。無理にその予測を守り続けるよりも、柔軟に対応する方が賢明です。しかし、これは気候予測に内在する不確実性の証拠でもあります。これらの初期の予測努力全体に対してどのような評価を下すかは、評価基準によって異なるかもしれません。1990年のIPCCの予測の誤りは、シナリオの不確実性によって部分的に説明されます。しかし、この弁護がより説得力を持つためには、IPCCがわずか5年後に予測を大幅に変更しなかった場合に限ります。一方で、1995年の温度予測は概ね正確であり、彼らが行った具体的な予測の中で、全球温度上昇以外のもの（例えば北極の氷の縮小など）もかなり良い結果を示しています。予測者に高い基準を求めるなら、IPCCは低いが不合格ではない評価を受けるかもしれません。逆に、予測の歴史が失敗に満ちていることを理解しているなら、彼らは比較的に見てより良い評価を得ることができるでしょう。 予測における不確実性は、必ずしも行動を起こさない理由にはならない。イェール大学の経済学者ウィリアム・ノードハウスは、気候予測の不確実性こそが行動を促す要因であると主張している。高温のシナリオは非常に悪影響を及ぼす可能性があるからだ。一方で、私たちの政府は、経済刺激策に数千億ドルを費やしたり、中東での戦争を始めたりしているが、これらは気候科学における予測よりもずっと投機的な予測に基づいている可能性が高い。 「地球冷却」の教訓 それでも、気候科学者たちは予測を行うたびに自らの信頼性を賭けている。予測が外れた場合、他の分野ではすぐに忘れ去られることが多いが、気候に関する予測の誤りは数十年にわたって記憶に残る。気候批評家の間でよく言われるのは、かつて地球が冷却するという予測や新たな氷河期の可能性があったということだ。実際、1970年代には冷却傾向を予測したいくつかの論文が発表されていた。それは、硫黄排出による冷却傾向が炭素排出による温暖化傾向を上回るという、十分に合理的な理論に基づいていた。しかし、これらの予測は科学文献の大多数で反証されている。ニュースメディアでは、そうした反証はあまり知られていなかった。1975年のニュースウィークの記事では、テムズ川やハドソン川が凍る可能性があると想像し、「食料生産が劇的に減少する」と述べていたが、これは記事の著者が導き出した結論であり、彼が話をした科学者たちの意見ではなかった。メディアが気候科学の議論において「懐疑派」と「信者」の間に誤った同等性を引き出すことができるなら、科学者の大多数によって否定された最も突飛な気候変動の主張を選び出すこともある。「多くの人々がデータを見たかのように話しているが、実際に見た人はいないと保証する」とシュミットは、2011年10月のニューヨークの雪嵐の後に私に語った。この雪嵐は、さまざまなメディアによって地球温暖化の証拠としても、反証としても描かれていた。シュミットは、ニューヨークの10月の吹雪が地球温暖化に何を意味するのかを尋ねる記者からの多くの電話を受けた。彼は、モデルがそのような詳細には対応していないため、確信が持てないと答えた。しかし、彼の同僚の中にはあまり慎重でない者もおり、彼らの主張が劇的であればあるほど、新聞に引用される可能性が高くなった。1970年代の地球冷却予測の根拠となった硫黄排出の問題は、IPCCの1990年の予測が外れた理由や、1995年に温度予測の範囲が大幅に引き下げられた理由を説明する手助けになるかもしれない。1991年のピナトゥボ山の噴火は硫黄を大気中に放出し、その影響は気候モデルと一致していた。しかし、それは異なる温室効果ガス間の相互作用がモデル化するのが難しく、システムに誤差をもたらす可能性があることを強調している。 人為的硫排出量は1970年代初頭にピークに達した後、減少に転じました（図12-8）。これは、1970年にニクソン大統領が署名したクリーンエア法のような政策が一因となり、酸性雨や大気汚染に対抗したためです。1980年代と1990年代の温暖化傾向の一部は、この硫黄の減少を反映している可能性があります。なぜなら、二酸化硫黄（SO2）の排出は温室効果を相殺するからです。 しかし、2000年頃からは硫黄排出量が再び増加しています。これは主に、中国における産業活動の増加によるもので、環境規制がほとんどなく、汚れた石炭火力発電所が多く存在しています。硫黄排出が地球温暖化に与える負の影響は、炭素からの正の影響ほど強くはありません。そうでなければ、地球冷却理論が真実である可能性があったかもしれませんが、これが温暖化に対する一種のブレーキを提供しているかもしれません。 **シンプルな気候予測** さて、もし予測に対して懐疑的である理由があるとしましょう。たとえば、気候のような非常に複雑なプロセスについてかなり正確な予測をすることを主張している場合や、その予測の正確性を確認するのに何年もかかる場合です。未熟な予測者は、何かをモデル化するのが難しいからといって無視してもよいと誤解することがあります。良い予測者は常にバックアッププランを持っています。モデルが失敗する可能性があると心配する理由がある場合、デフォルトとして頼ることができる合理的なベースラインケースです。（大統領選挙の場合、デフォルトの予測は現職が勝つというもので、候補者をランダムに選ぶよりもかなり良い結果を出すでしょう。） 気候の場合のベースラインは何でしょうか？もし地球温暖化予測に対する批判が非現実的に複雑であるというものであれば、代替案はよりシンプルな予測、強固な理論的仮定に基づき、余計な要素を排除したものになるでしょう。たとえば、非常にシンプルな統計モデルに基づいて気候予測を試みたとしましょう。それは、二酸化炭素（CO2）レベルと温度だけを見て、これらの変数から予測を外挿するもので、硫黄やエルニーニョ・南方振動（ENSO）、太陽黒点などは無視します。これにはスーパーコンピュータは必要なく、ノートパソコンで数マイクロ秒で計算できます。 そのような予測はどれほど正確だったでしょうか？実際には非常に正確で、IPCCの予測よりもかなり良い結果を出すことができたでしょう。1850年から1989年までの温度記録を、南極の氷床コアで測定されたCO2レベルやハワイのマウナロア天文台でのデータとともにシンプルな線形回帰方程式に入れれば、1990年から今日までの間に1世紀あたり1.5°Cのペースでの地球温度の上昇を予測できたでしょう。これは実際の数値と完全に一致しています（図12-9）。 1990年から2011年のデータと単純回帰予測の比較 異常値 1951年から1980年の基準値に対して +1.4°C +1.2°C +1.0°C +0.8°C +0.6°C +0.4°C +0.2°C +0.0°C + 1985 1990 1995 2000 2005 2010 もう一つの手法は、当時広く利用可能だった二酸化炭素（CO2）と温度の全体的な関係に関する推定値を使用することです。地球温暖化予測の共通の基準は、大気中のCO2が倍増（すなわち100％の増加）した場合の温度への影響を表す値です。この倍増値については長い間一定の合意がありました。1938年に英国の技術者G.S.キャレンダーが単純な化学方程式に基づいて行った予測から、今日のスーパーコンピュータによって生成された予測まで、CO2の倍増による温暖化の推定値は2°Cから3°Cの間に集約されています。実際の大気中のCO2の増加率を考慮すると、その単純な換算は1990年から現在までの間に1世紀あたり1.1°Cから1.7°Cの温度上昇を示唆しています。実際の温暖化のペースは年間0.015°C、すなわち1世紀あたり1.5°Cであり、この範囲にぴったりと収まります。ジェームズ・ハンセンの1981年の予測は、このようなアプローチに基づいており、1988年のシミュレーションモデルに依存した予測よりも現在の温度をかなり正確に予測しました。アームストロングとグリーンのモデルの複雑さに関する批判は、ここではかなり妥当です。しかし、より基本的な予測手法の成功は、アームストロングの批判が戦いには勝ったが、戦争には勝っていないかもしれないことを示唆しています。彼はモデルの複雑さについて良い質問を投げかけており、単純なモデルが気候を予測する上でかなりうまく機能するという事実は、彼の立場が単純なモデルの方が好ましいという証拠の一つです。しかし、単純な手法がCO2の上昇に沿った温度上昇を正しく予測したため、彼らは温室効果仮説を支持する証拠でもあります。対照的に、アームストロングの変化なしの予測は、最も基本的な科学的質問のいくつかに答えていません。この予測は2007年の温度を基準にしており、その年は特に暖かいわけではありませんでしたが、20世紀の中で唯一を除いてすべての年よりも暖かでした。2007年が1987年や1947年、1907年よりも暖かかった理由を、大気の組成の変化以外で説明する妥当な仮説はあるのでしょうか？実際、気候モデルの最も具体的な貢献の一つは、CO2や他の温室効果ガスの大気中濃度の増加を考慮しなければ、現在の気候を再現することが不可能であることを示すことです。 アームストロングは、他の仮定に対する良いベイズ的事前分布がないと考えたため、変化なしの予測を行ったと私に話しました。彼が調査した他の分野では、この変化なしの予測が良いデフォルトであることがわかりました。もし彼が気候予測に対して他の分野と同じ厳密さを適用していたなら、より説得力のある主張になったでしょう。 代わりに、アームストロングは2011年に議会の委員会で「私は実際、気候変動についてあまり学ばないようにしています。私は予測をする人間です」と語りました。この本は、科学が自分の仕事にとってあまり重要ではないと言う予測者や、予測が自分の仕事にとってあまり重要ではないと言う科学者には注意するようにとアドバイスしています。これらの活動は本質的に密接に関連しています。科学を気にしないと言う予測者は、食べ物を気にしないと言う料理人のようなものです。科学を特徴づけ、予測を科学的にするのは、客観的な世界に関心を持つことです。予測が失敗するのは、私たちの関心が方法論や原則、モデルにしか及ばないときです。 アームストロングの批判がそれほど的外れであるなら、彼がゴアと提案した賭けについてはどう考えるべきでしょうか？それは全く失敗した予測ではなく、むしろ非常に成功しています。アームストロングが2007年に賭けをした以来、気温は月ごとにかなり変動しましたが、一貫したパターンはありませんでした。例えば、2011年は2007年よりもやや涼しい年でした。そしてこれは4年以上続いています。一つの厄介な真実は、2001年から2011年の10年間、地球の気温は全く上昇しなかったということです（図12-10）。実際には、気温はわずかに低下しましたが、それはほとんど感じられませんでした。 このような枠組みは、時には悪意を持って行われることもあります。例えば、1998年を起点に設定すると、ENSOサイクルに関連する記録的な高温があったため、冷却の「トレンド」を特定しやすくなります。逆に、2008年から2018年の10年間の「トレンド」は、計算されるとおそらく温暖化に向かうでしょう。なぜなら、2008年は比較的涼しい年だったからです。この種の統計は、スタジアムのスコアボードが楽観的に「ショートストップは左投げのリリーフピッチャーに対して19打数8安打」と述べるのに似ていますが、シーズン全体での打率が.190であることを無視しています。 しかし、地球温暖化は一定のペースで進行するわけではありません。むしろ、気温上昇の歴史は、明確な長期的な増加があり、その間に横ばいや時にはマイナスのトレンドが挟まれるというものです。例えば、2001年から2011年の10年間に加えて、1894年から1913年、1937年から1956年、1966年から1977年の間にもほとんど温暖化の兆候は見られませんでした（図12-11）。その間、CO₂濃度は増加していたにもかかわらずです。この問題は、金融アナリストが直面する問題に似ています。非常に長期的には、株式市場は本質的に常に上昇します。しかし、これは次の日、週、または年にどのように動くかについてはほとんど何も教えてくれません。 1951-1980 ベースライン +0.8°C +0.6°C +0.4°C +0.2°C +0.0°C -0.2°C -0.4°C -0.6°C + T T T T T T T 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000 2010 最近の横ばいの傾向については、科学的な観点から直接説明できる部分もあるかもしれません。例えば、中国での硫黄排出量の増加が何らかの役割を果たしている可能性があります。また、2001年から2011年の間に気温が上昇しなかったことを思い出すべきですが、それでも過去のどの10年間よりもはるかに暖かかったのです。それにもかかわらず、この本は読者に信号とノイズを慎重に考え、予測をパーセンテージや確率的な表現で行う予測を探すよう促しています。これらは私たちの予測能力の限界をより正直に表現しています。複雑な現象についての予測が非常に自信を持って表現される場合、それは予測者が問題を慎重に考えていない、統計モデルを過剰に適合させている、または真実を追求するよりも自分の名声を得ることに興味があることの兆候かもしれません。アームストロングもシュミットも、気温の傾向についての予測をあまり保留することはありませんでした。「1850年から2007年までのシミュレーションを行いました」とアームストロングは私に言いました。「100年先を見たとき、その賭けに勝つことはほぼ確実でした。」シュミットは、一方で、気温が引き続き上昇するという自分の立場に反対する人に対して魅力的なオッズを提示することをいとわなかった。「次の10年間がこの10年間よりも暖かいという賭けに対して、簡単にオッズを提示できますよ」と彼は言いました。「100対1のオッズが欲しいなら、あげますよ。」 私が前述した統計的予測手法は、この論争を解決するために使用でき、アームストロングもシュミットも完全には正しくないことを示唆しています。気温の傾向を10年ごとに測定すると、1900年以降の75％の期間で温暖化の傾向が見られますが、残りの25％の期間では冷却の傾向が見られます。大気中のCO₂の増加率が高まることで、より強い温室効果の信号が生まれ、平坦または冷却の気温の期間は少なくなるはずです。それでも、これらの期間が不可能であるわけではなく、100対1のオッズのようなものでもありません。むしろ、CO₂のレベルが現在のペースで年間約2ppm増加すると仮定すると、特定の10年間の間にネットでの温暖化がない確率は約15％になるとこの手法は示しています。 不確実性を推定することが重要な理由 不確実性は予測において不可欠で譲れない部分です。私たちが見つけたように、不確実性を正直かつ正確に表現することが、財産や命を救う可能性を持つことがあります。他のケース、例えば株式オプションの取引やNBAチームへの賭けを行う場合には、不確実性を正確に予測する能力に賭けることができるかもしれません。しかし、不確実性を慎重かつ明示的に定量化する理由は他にもあります。それは、特にベイズの定理の下で、科学の進歩にとって不可欠です。 2001年に、産業からの二酸化炭素排出が温暖化を引き起こし続けるという仮説に強い先入観を持っていたとしましょう。私の見解では、そのような信念は温室効果に関する強い因果関係の理解と、それまでの実証的証拠に基づいて適切であったと言えます。仮に、あなたがこの地球温暖化仮説が真である確率を95％と見積もったとします。しかし、その後新たな証拠を観察します。2001年から2011年の10年間、地球の気温は上昇せず、実際にはわずかに下降します。ベイズの定理に従えば、地球温暖化仮説の確率を下方修正すべきですが、その修正幅はどのくらいでしょうか。もし短期的な気温パターンの不確実性を適切に見積もっていたなら、下方修正はそれほど急激ではないでしょう。私たちが見つけたように、たとえ地球温暖化仮説が真であっても、気候の変動性のために10年間でネットの温暖化がない確率は約15％です。逆に、気温の変化が完全にランダムで予測不可能であれば、冷却の10年間が起こる確率は50％になります。ベイズの定理に基づけば（図12-12）、ネットの温暖化がない10年間は、地球温暖化仮説の確率を95％から85％に下方修正させることになります。 図12-12: ベイズの定理 - 地球温暖化の例 事前確率 地球の気温が上昇している可能性の初期見積もり 95％ 新たな出来事が発生: 10年間のネット温暖化なし 地球温暖化仮説が正しい場合の10年間でネット温暖化がない確率 15％ 地球温暖化仮説が誤りである場合の10年間でネット温暖化がない確率 - 事後確率 10年間で気温の上昇がないことを考慮した場合の地球温暖化が進行している可能性の修正見積もり 一方で、もしあなたが10年間で気温が上昇しない確率をわずか1％と主張していた場合、あなたの理論は今や非常に厳しい状況に置かれています。なぜなら、あなたはこれがより決定的なテストであると主張しているからです。ベイズの定理に従えば、地球温暖化仮説に対する確率はわずか28％にまで低下します。私たちがより自信を持った主張をし、それが実現しない場合、これは私たちの仮説に対するより強力な証拠となります。このような事態が発生した際に、予測に対する信頼を失う人々を責めることはできません。彼らはベイズ的論理に基づいて正しい推論を行っているのです。では、特に統計的証拠によって正当化されていない場合に、なぜ最初からより自信を持った主張をするインセンティブがあるのでしょうか。実際には、人々がこのような行動をとる理由はさまざまです。気候論争においては、これらのより自信を持った主張がより説得力を持つように見えるからかもしれません。そして、それが正しければ、確かに説得力があるのです。 すべての気象異常を人為的な気候変動に帰することは、温暖化現象が名付けられた高温以外の点においては、科学よりも政治に根ざした高リスクの賭けです。気候変動がどのように現れるかについては、温度の上昇やおそらく海面上昇以外にはほとんど合意がありません。明らかに、すべての降雪が理論に対する証拠だと主張するのは同様にばかげています。 「私たちは彼らとストリートファイトをしている」 気候学者が直面している根本的なジレンマは、地球温暖化が長期的な問題でありながら、短期的な解決策を必要とする可能性があるということです。二酸化炭素は大気中に長く留まるため、今日私たちが行う決定は未来の世代の生活に影響を与えます。もし完璧に合理的で善意に満ちた世界であれば、これはそれほど心配することではないかもしれません。しかし、アメリカ合衆国の議会が2年ごとに再選挙に直面し、企業が四半期ごとに利益予測を達成するプレッシャーにさらされている現実では、私たちの政治的および文化的制度はこれらの問題に対処するために十分に設計されていません。 気候科学者たちはこの課題に対してさまざまな反応を示しており、政治的な議論に積極的に関与する者もいれば、距離を置く者もいます。ペンシルベニア州立大学の地球システム科学センターの所長であるマイケル・マンは、かつて論争の中心にいました。「クライメートゲート」は、イーストアングリア大学の気候研究ユニット（CRU）のサーバーがハッキングされた事件に関するもので、そこでは英国気象庁が使用する温度記録が作成されています。懐疑論者たちは、マンや他の科学者たちがCRUの温度記録を操作するために共謀したと主張しました。重要な事実は、科学者たちが同業者のパネルによって不正行為を否定されたこと、そしてCRUの温度記録が他の記録と非常に一致していることです。しかし、マンやハッキングされたメールに関与した他の科学者たちは、科学がどのように受け取られるかという広報の要素に対して明確な懸念を示していました。マンはそのことを喜んで話してくれます。私は彼とペンシルベニア州立大学のオフィスで、爽やかな秋の午後に約2時間おしゃべりをしました。マンは地球温暖化の背後にある科学について非常に考え深い人物です。彼は他のほとんどの気候学者と同様に、気候変動の理論的メカニズムについてはほとんど疑いを持っていませんが、気候モデルによる予測には懐疑的な見方をしています。「科学に対する正直な評価は、私たちがかなりよく理解していることと、なんとなく知っていることがあることを認識するでしょう」と彼は私に言いました。「しかし、不確実なこともあります。」 「私たちが全く理解していないことがあるのは事実です。」 「私の考えでは、この悪意のある公の議論の不幸な結果の一つは、科学コミュニティ内で非常に受け入れられている命題について議論することで時間を無駄にしていることです。本来であれば、存在する不確実性について誠実な議論を行うことができるはずです。」 しかし、RealClimate.orgでシュミットと共にブログを運営しているマンは、ハートランド研究所のようなグループに対して塹壕戦を繰り広げていると考えています。「私たちはこれらの人々とのストリートファイトをしているんです」と彼は言いました。これは、ある『ネイチャー』の社説が使った表現に言及したものです。ストリートファイトの長期的な目標は、気候変動に対抗するための行動の緊急性（またはその欠如）について、一般市民や政策決定者を説得することです。過信した予測者に慣れた社会では、予測に対する自信をその真実性と混同するため、不確実性の表現はどちらの側からも勝利戦略とは見なされません。「不確実性がどこにあるのかを非常に明確に示すことが重要ですが、私たちの発言があまりにも不確実性に満ちていて、誰も私たちの言っていることを聞かなくなるようなことは避けるべきです」とマンは私に語りました。「私たちのコミュニティとして声を上げないのは無責任です。空白を埋めることに喜んでいる人たちがいます。そして、彼らはその空白を誤情報で埋めるでしょう。」 **科学と政治の違い** 実際、マンのストリートファイトは、RealClimate.orgのような「コンセンサス」サイトと、Watts Up With Thatのような「懐疑的」サイトとの間で繰り広げられ、最新の学術論文や天候パターン、政治的論争についての日常的な小競り合いが中心です。両者はほぼ常に自分たちのサークルの仲間を擁護し、譲歩を拒否します。「ジェットであれば、最後までジェットです。」私は、両者が占める領域が対称的であるとは言っていません。地球温暖化に関する科学的議論では、真実はほぼ一方にあるようです。温室効果はほぼ確実に存在し、人為的なCO₂排出によって悪化するでしょう。これは地球を温暖化させる可能性が非常に高いです。その影響は不確実ですが、好ましくない結果に偏っています。 それにもかかわらず、ストリートファイターのメンタリティは、あと少しの人々が科学について納得すれば、私たちの政治的問題が解決の寸前にあるという考えに基づいているようです。実際には、私たちはおそらく何年も遠いのです。「私たちは炭素を取り除く方法を見つけなければならないという結論に達する時点があります」とリチャード・ルードはコペンハーゲンで私に語り、国連の193の加盟国が相互に受け入れ可能な条件に合意する方法はほとんどないと予想していました。 一方で、アメリカ国民の地球温暖化に対する信頼は、ここ数年でやや低下しています。たとえ気候変動の影響について100％の合意があったとしても、炭素排出を削減するための計画において、州や国によって受ける影響は異なるでしょう。「炭鉱州には非常に進歩的な民主党の知事がいますが、彼らはこの問題について非常に神経質になっています」とワシントン州のクリスティン・グレゴワ知事は言いました。 これらの問題をどう解決すればよいのか、私には分かりません。これらの問題は気候論争に特有のものではありません。私が知っているのは、科学と政治の間には根本的な違いがあるということです。実際、私はそれらをますます対極にあるものとして捉えるようになっています。科学においては、進歩が可能です。ベイズの定理を信じるなら、予測が行われ、信念が検証され、洗練されるにつれて、科学的進歩は避けられないものです。科学的進歩への道のりは常に単純ではなく、評価の高い（さらには「コンセンサス」のある）理論が後に誤りであることが証明されることもありますが、いずれにせよ科学は真実に向かって進む傾向があります。 対照的に、政治においては、私たちは合意からますます遠ざかっているようです。アメリカ合衆国下院における二大政党間の対立は、ニューディールから1970年代にかけては縮小していましたが、2011年には少なくとも1世紀の中で最悪の状態に達しました。特に共和党は中心から遠ざかり、民主党もある程度はそうです。科学においては、すべてのデータが一つの明確な結論に向かうことは稀です。実際のデータは雑音が多く、理論が完璧であっても信号の強さは変動します。そして、ベイズの定理の下では、完璧な理論は存在しません。むしろ、それは進行中の作業であり、常にさらなる洗練と検証の対象です。これが科学的懐疑主義の本質です。 政治においては、相手に対して一切の妥協を許さないことが期待されます。不都合でありながら真実であることを口にすることは失言と見なされます。党派の人々は、経済、社会、外交政策の問題に関して、互いにほとんど関係のない一連の信念について同じ確信を示すことが求められます。世界の近似として見れば、民主党と共和党のプラットフォームは非常に粗雑なものです。 気候変動に関する議論が数十年続く可能性があるからこそ、気候科学者たちは街頭の争いから撤退し、科学から政治へのルビコンを渡ることを避けた方が良いかもしれません。科学においては、疑わしい予測が暴露される可能性が高く、真実が勝つ可能性も高いのです。一方、真実が特権的な地位を持たない政治の領域では、誰にも予測できません。アメリカの政治システムの機能不全は、私たちの国の未来に対して悲観的になる最も大きな理由です。しかし、私たちの科学技術の優れた能力は、楽観的になる最も大きな理由でもあります。私たちは発明に富んだ国民です。アメリカ合衆国は膨大な数の特許を生み出し、世界の多くの… 最高の大学や研究機関があり、私たちの企業は製薬から情報技術に至るまで、さまざまな分野で市場をリードしています。もしアイデアのトーナメントと政治的なケージマッチのどちらかを選ぶことができるなら、私はどちらの戦いに参加したいかは明白です—特に自分が正しい予測を持っていると思うならなおさらです。 知らないことはあなたを傷つける可能性がある フランクリン・デラノ・ルーズベルトは、1941年12月7日が「悪名高い日」となるだろうと言いました。真珠湾攻撃は、アメリカの土壌に対する100年以上ぶりの外国からの攻撃であり、アメリカの心に衝撃を与えました。それは60年後のワールドトレードセンターの破壊と同じくらい衝撃的であり、地球の反対側にいるあいまいな敵を恐ろしい、実存的な脅威へと変えました。しかし、真珠湾攻撃は事後的にはかなり予測可能に思えました。多くの兆候が真珠湾攻撃の可能性、さらにはその迫近を示唆していました。1941年11月と12月、アメリカと日本の外交関係は急速に悪化していました。日本の領土拡張の欲求は、ルーズベルトがその野心を抑えるためにサンディエゴから真珠湾に移動させたアメリカ太平洋艦隊を自然な火種にしました。一方で、日本の海軍は頻繁にコールサインを変更しており、それはその意図がより敵対的になっていることを示していました。また、中国や東南アジアの沿岸で日本軍の部隊や軍艦の動きが増加していました。最も不吉な兆候は沈黙でした。アメリカの情報当局は、日本が外交メッセージを暗号化するために使用していた「パープル」というコードを巧妙に解読することに成功し、約97％のメッセージを解読できました。しかし、日本の軍事通信を解読する試みはあまり成功しませんでした。それでも、メッセージを理解できなくても、私たちはそれを聞き、その位置を追跡することができました。日本の空母艦隊からのクリック音は、通常、海に出ているときの彼らの所在を示していました。しかし、11月中旬以降、完全な無線通信の沈黙が続き、空母がどこにいるのか全く分からなくなりました。1940年代にはグローバルな衛星は存在せず、原始的なレーダーしかありませんでした。空中パトロールの偵察任務は、広大な太平洋の範囲ではコストがかかり、基地から300マイルまたは400マイルの距離で不規則に行われていました。無線通信は私たちの最良の検出手段であり、それがなければ、サッカー場6面分の大きさを持つ艦船の艦隊全体が消えてしまったのです。情報コミュニティの多くは、空母が自国の水域に近い場所にいて、別の通信手段に頼っていると結論づけました。もう一つの可能性は、艦隊がアメリカの海軍施設から遠く離れた太平洋の奥深くに進出しているということでした。実際、日本の空母艦隊はハワイに向かっていました。 それは正確なコースを描いていた。まるでクォーターバックが相手の守備の隙間を見抜くように、艦隊は私たちの防御の盲点を巧みに通り抜けていた。最初、艦船は東南東に向かって長い直線を進み、ほぼ正確にミッドウェー諸島とアラスカのダッチハーバーにある海軍基地を二分していた。そして12月4日、経度165度西に達した後、彼らは突然45度の角度でハワイに向かって方向転換した。3日後、彼らは朝の攻撃を開始し、約2400人の兵士を殺し、海軍の戦艦4隻を沈めることになる。翌日、アメリカ合衆国議会は日本に対して戦争を宣言し、第二次世界大戦への参戦を470対1の票で決定した。 アメリカン航空のフライト77が2001年9月11日にペンタゴンの石灰岩の壁に衝突し、59人の無実の乗客と125人の同僚を殺したとき、ドナルド・ラムズフェルドは真珠湾のことを考えていた。彼は1941年12月7日に8歳で、ラジオで愛するシカゴ・ベアーズの試合を聴いていると、放送が中断されてサプライズ攻撃のニュースが流れた。 私は2012年3月にワシントンの彼のオフィスでラムズフェルドに会った。彼とのインタビューは当たり外れがあると警告されていた。身長5フィート7インチでほぼ80歳のラムズフェルドは、体格的にはそれほど威圧感はないが、他のほとんどの面では intimidating だ。イリノイ州エバンストンで生まれ、公立高校に通い、プリンストン大学に学術奨学金で入学。そこでレスリングチームで活躍し、大統領権限についての論文を書いた後、海軍に入隊し、その後議会に進んだ。彼のオフィスの壁には、彼が仕えた4つの政権からの記念プレートや記念品が飾られている。彼はアメリカ史上、フォード大統領の下で1975年から1977年まで、そしてジョージ・W・ブッシュの下で25年後に再び国防長官を務めた唯一の人物である。しかし、ラムズフェルドは良い気分で、私が彼の若く有能な首席補佐官キース・ウルバンに渡したこの本の詳細なアウトラインを精査していた。私はラムズフェルドが真珠湾に興味を持っていることを知っていた。彼は、ロバータ・ウォールステッターの1962年の著書『真珠湾：警告と決断』の前書きのコピーを手に私を迎えた。この本は、日本の攻撃がなぜ私たちの軍や情報機関にとってそれほどの驚きだったのか、さまざまな理由を概説している。準備が整っていなかったことよりも悪いのは、私たちが無知を知識と誤解し、その結果、より脆弱になってしまったことだ。「真珠湾では、彼らが準備していたのは実際には起こらなかったことだ」とラムズフェルドは言った。 「彼らはハワイに多くの日本人の子孫が住んでいるため、サボタージュに備えて準備をしていました。そして、すべての飛行機を近くに集めて、保護できるようにしました。もちろん爆撃機がやってきて、彼らは非常に脆弱で、壊滅的な被害を受けました。」ラームズフェルドが言及したように、真珠湾攻撃の前には、サボタージュ、つまり内部からの攻撃が、私たちの飛行機や艦船が攻撃される最も可能性の高い手段であるという理論がありました。ハワイではサボタージュに対する懸念が広がっていました。「そこにいる80,000人の日本国籍者が、軍事基地だけでなく、ラジオ局やパイナップル農場、乳製品工場をも警告なしに攻撃するかもしれないと考えられていました。」あらゆる信号はこの文脈で解釈され、論理的であろうとなかろうと、私たちは陰謀に備えました。私たちは飛行機を翼端から翼端へ、艦船を船尾から船首へと並べ、1つの大きなターゲットを監視する方が、いくつかの小さなターゲットを監視するよりも簡単だという理論に基づいていました。一方で、もし日本が攻撃のために動員しているように見えた場合、それはロシアに対してか、あるいはイギリスのアジアの領土に対してであると考えていました。ロシアとイギリスはすでに戦争に関与している国でした。なぜ日本がアメリカという眠れる巨人を挑発しようとするのでしょうか？私たちは、日本が私たちの戦争への関与が避けられないと信じていたことを見抜いていませんでした。そして、彼らは私たちが最も準備が整っていないときに攻撃し、私たちの海軍に最大の損害を与えようとしていました。当時の日本帝国政府は、領土拡張の希望を捨てるつもりはありませんでした。私たちは敵の視点からこの対立を見ていなかったのです。ウォールシュテッターにとって、信号とは敵の意図について何か有用なことを教えてくれる証拠の一部です。この本では、信号を統計的または予測的な問題の背後にある真実の指標と考えています。ウォールシュテッターのノイズの定義も微妙に異なります。私がノイズを信号と誤解されやすいランダムなパターンを指すのに対し、ウォールシュテッターは競合する信号によって生じる音を指します。情報分析の分野では、信号の欠如が重要な何かを示すことがあります（日本の空母艦隊からの無線通信の欠如は、彼らがハワイに向かっていることを示しました）し、信号が多すぎると意味を見分けるのが非常に難しくなることがあります。それらは耳をつんざくような騒音の中で互いにかき消し合うかもしれません。次の一連の図は、非常に単純で秩序ある数学的関数である正弦波に従った10の信号のシリーズで構成されています。図13-2aでは、これらの信号の1つが強調されており、他の信号よりもはるかに明確です。攻撃や他の予測の失敗があった後、私たちの世界はこのように見えるかもしれません。私たちは信号を見るでしょう：書類の痕跡、パターン、前兆を。真珠湾攻撃と9月11日の両方の後に、 多くのアメリカ人が、パターンがあまりにも明確であるため、政府は攻撃について知っていたに違いなく、そのために計画や実行に関与していたに違いないと主張しました。 しかし、私たちが事前にパターンを見るとき、通常はそうではありません。むしろ、図13-2bのように、絡み合ったスパゲッティのような醜い混乱のように見えます。ウォールステッターは次のように書いています。「出来事の後では、関連する信号と無関係な信号を分けるのはずっと簡単です。もちろん、出来事の後では、信号は常に明確です。私たちは今、どのような災害を示していたのかを見ることができますが、その災害はすでに発生しています。しかし、出来事の前では、それは曖昧で矛盾する意味を孕んでいます。それは、観察者にとって「ノイズ」の雰囲気の中に埋め込まれており、特定の災害を予測するためには無用で無関係な情報が混在しています。このような場合、重要なのは私たちの信号検出能力ではありません。基本的な能力の閾値を満たしていれば、真珠湾や9.11のような規模の出来事の前に多くの信号を認識しているはずです。関連する信号はファイルキャビネットやコンピューターデータベースのどこかにあるでしょう。しかし、無関係な信号も同様に存在します。私たちは、エコーチャンバーから関連する信号を分離するための信号分析能力が必要です。通常、どの信号がより重要で、私たちの注目を必要とするかについての見解を持っています。これらの見解を持つことは良いことであり、ある程度は必要です。私は、文脈なしでデータを考慮することによって生じる問題を詳述しました。役に立つ予測をする代わりに、私たちはパターンにとらわれ、迅速に進展しません。しかし、私たちが提供する文脈は偏っていたり、自己中心的である可能性があります。シセロがシェイクスピアの『ジュリアス・シーザー』に警告したように、「人々は物事を自分の考えに従って解釈することがある / 物事そのものの目的からはかけ離れている。」私たちは、自分たちの好ましい理論を進める信号や、より楽観的な結果を示唆する信号に焦点を当てるかもしれません。または、真珠湾に対する脅威として、空襲よりも破壊工作の方が可能性が高いという教義のように、官僚的なプロトコルに合致する信号に単に焦点を当てるかもしれません。 ルムズフェルドがウォールステッターの本で最も好きな部分は、ノーベル賞受賞経済学者トーマス・シェリングによって書かれた前書きです。シェリングは、ジョン・ナッシュの初期のゲーム理論の研究を国家安全保障の文脈に翻訳するのに重要な役割を果たしました。シェリングは、私たちが不慣れなものをありそうもないものと混同する傾向について書いています。「私たちの計画には、不慣れなものとありそうもないものを混同する傾向があります。真剣に考慮していない偶発事象は奇妙に見えます。奇妙に見えるものはありそうもないと考えられ、ありそうもないものは真剣に考慮される必要はありません。」アメリカがヨーロッパと隔絶されているため、 アジア大陸と、モンロー主義の宣言以来、アメリカ大陸の他の地域との比較的良好な関係を維持してきたことから、私たちは外国からの攻撃の対象となることは稀でした。例外としては、9.11やキューバ危機のような近い危険があり、これらは私たちにとって非常に衝撃的な出来事でした。真珠湾攻撃の前、アメリカ本土に対する最後の外国からの攻撃は1812年の戦争中のものでした。アメリカ人は、ヨーロッパやアジアの人々が歴史を通じて経験してきたように、過去の戦争の廃墟の中で生活することはありません。しかし、私たちのハワイ領土は太平洋の真ん中に位置しており、ホノルルはワシントンDC（4825マイル）よりも東京（3860マイル）に近いのです。この地理的な位置と海軍艦隊の存在により、日本にとって明らかな標的となりました。アメリカの領土に対する攻撃の不慣れさが、私たちを脅威に対して complacent（無防備）にさせたのかもしれません。おそらく、私たちは次のような論理的な推論を経ていたのでしょう： 1. アメリカ合衆国は滅多に攻撃されない 2. ハワイはアメリカ合衆国の一部である 3. したがって、ハワイは攻撃される可能性が低い これは非常に欠陥のある考え方です。第1章で述べたように、私たちの予測は「サンプル外」に出るとしばしば失敗します。アメリカが滅多に攻撃されないという事実は経験的な観察であり、鉄則ではありません。例えば、ネブラスカ州が外国の勢力に攻撃されたことがないという事実は、太平洋の外れに位置するハワイの状況に対して実質的な証拠にはなりませんでした。しかし、少なくともこの欠陥のある考え方には何らかの思考が伴っていたでしょう。もし私たちがその思考過程を経ていたなら、私たちの仮定がどれほど緩いものであったかを認識できたかもしれません。シェリングは、私たちの問題はさらに深いところにあると示唆しています。私たちにとって不慣れな可能性については、そもそも考えもしないのです。その代わりに、私たちはそれに対して一種の「心の盲目」を発展させます。医学ではこれを「無自覚症」と呼びます。この状態の生理学の一部が、患者が自分がその状態にあることを認識するのを妨げるのです。一部のアルツハイマー患者はこのように現れます。この症候群の予測的なバージョンは、私たちが最も嫌うことの一つ、つまり知らないことを認めることを要求します。9.11は「知られざる未知」だったのでしょうか？「知られていることには知られていることがある。私たちが知っていることは知っていることだ。また、知られていないこともある。つまり、私たちが知らないことがあることを知っている。しかし、知られていない未知もある。私たちが知らないことを知らないことがある。」—ドナルド・ラムズフェルド ラムズフェルドの「知られざる未知」に関する有名な発言は、2002年の記者会見でイラクの大量破壊兵器の存在についての質問に対するもので、シェリングの不慣れなものをあり得ないものと誤解することへの懸念の補足です。もし私たちが自分に質問をし、正確な答えを出せるなら、それは「知られていること」です。もし私たちが自分に質問をし、答えを出せないなら、次の段階に進むことができません。 非常に正確な答えですが、それは「知られた未知」と呼ばれるものです。「知られざる未知」とは、そもそもその質問をすることすら考えたことがない状態を指します。「それは私たちの知識のギャップですが、存在することすら知らないギャップです」とラームズフェルドは2011年の回顧録に書いています。この「知られざる未知」という概念は時に誤解されることがあります。この用語が使われるのは、特定の（しかし予測が難しい）脅威を指す場合が多いです。例えば、「ナイジェリアは近い将来に危機が起こる可能性が高い国であり、これはアメリカや世界の安全にとって最も深刻な影響を及ぼす知られざる未知です」といった具合です。このナイジェリアによるテロの脅威に関する予言は、かなり先見の明がありました（これは2006年に書かれ、ナイジェリア国籍のウマル・ファルーク・アブドゥルムタラブがアムステルダムからデトロイトへのフライト中に下着に隠した爆薬を爆発させようとしたのはその3年後のことです）。しかし、言葉の使い方には誤りがありました。危険または予測不可能な要素を列挙できる場合、それは「知られた未知」を表現しているのです。自分が何を知らないかを明言することは進歩の証です。私たちが見つけたように、予測可能なものと予測不可能なものの二項対立に完全に当てはまるものはほとんどありません。たとえ何かを100％の確信を持って予測できなくても、その脅威についての推定や予測を立てることができるかもしれません。それは鋭い推定かもしれませんし、粗いものかもしれません。正確な予測かもしれませんし、不正確なものかもしれません。賢明なものかもしれませんし、愚かなものかもしれません。しかし、少なくとも問題に気づいており、通常はどこかにたどり着くことができます。例えば、ナイジェリアが私たちにどれほどのテロの脅威をもたらすか正確には分からないとしても、ルクセンブルクよりはおそらく大きな脅威であると言えるでしょう。問題は、私たちの世界に対する知識が不完全であることにフラストレーションを感じ、全く予測を立てられなくなるときに生じます。「知られざる未知」とは、私たちが考慮すらしていない事態です。それに対して何らかの精神的なブロックがあるか、私たちの経験がそれを想像するには不十分であるかのように、まるで存在しないかのようです。これは、テロリストから受け取る信号を考慮する際に特に深刻なリスクをもたらします。真珠湾攻撃の前にも、9.11攻撃を示唆する多くの信号がありました： - 航空機が武器として使用される可能性について、少なくとも12件の警告がありました。1994年にはアルジェリアのテロリストがハイジャックした航空機をエッフェル塔に突っ込ませるという脅威を発表し、1998年にはアルカイダに関連するグループが爆薬を積んだ航空機を世界貿易センターに突っ込ませる計画を立てていました。 - 世界貿易センターは以前にもテロリストの標的にされていました。1993年にラームジ・ユセフとその共謀者たちがアフガニスタンのアルカイダキャンプで訓練を受けた後に起こした爆破事件では、6人が死亡し、ツインタワーを倒壊させることを目的としていました。 - アルカイダは非常に危険で創造的なテロ組織であることが知られていました。大規模な攻撃を実行する傾向があり、アメリカに対する爆破事件を含んでいました。 1998年にケニアとタンザニアで発生した大使館爆破事件では224人が死亡し、2000年にはイエメンでUSSコールが攻撃されました。国務長官コンドリーザ・ライスは、2001年7月にアルカイダの活動が活発化しているとの警告を受けており、このグループが外国の標的からアメリカ自体に焦点を移していることを知っていました。CIAのジョージ・テネット長官は、情報を見た後に「これは私の第六感だ。しかし、何かが起こる予感がする。これは大きな事件になるだろう」と語っています。 イスラム過激派のザカリアス・ムサウィは、2001年8月16日に逮捕されました。彼はミネソタ州の飛行訓練学校のインストラクターから不審な行動を報告されたためです。ムサウィは、50時間以上の訓練を受けたことがなく、単独飛行も経験していないにもかかわらず、ボーイング747のシミュレーターでの訓練を求めました。これは、パイロットライセンスを取得するには程遠い人にとっては異常な要求でした。 これらの信号の重要性を後から認識するのは簡単ですが、国家安全保障機関は、数万、あるいは数十万の潜在的な警告を精査して、有用な情報を見つけ出さなければなりません。そのほとんどは無意味なものでした。それでも、9/11の陰謀は非常に野心的であり、テロリストたちは比較的少ない障害でそれを実行することができました。19人のテロリストが航空輸送システムに侵入し、4機の飛行機を成功裏にハイジャックしました。4機のうち3機が目標に衝突しましたが、ユナイテッド93は他の便で何が起こったかを知った乗客たちの並外れた勇気によって、操縦室に突入したために失敗しました。私たちはこの陰謀を検知できなかっただけでなく、実際にそれに近づくこともできなかったようです。9/11委員会の報告書は、これらの信号の重要性を理解できなかった要因として、政策、能力、管理の失敗を含む4つの種類の体系的な失敗を特定しました。 最も重要なカテゴリーは「想像力の失敗」でした。信号は私たちが知っているテロリストの行動に関する仮説と一致せず、私たちはそれを本当に認識することなく耳に入っては出ていく状態でした。北米航空宇宙防衛司令部（NORAD）は、ハイジャックされた旅客機がペンタゴンに衝突するという戦争ゲームを実施することを提案していましたが、そのアイデアは「非現実的すぎる」として却下されました。そして、そんな攻撃が発生する可能性がある場合、飛行機は海外から来るものであり、国内の空港からではないと考えられていました。皮肉なことに、これは真珠湾攻撃の前に私たちが犯した誤りとは正反対のものでした。海外からの攻撃の可能性は、計画者が破壊工作を懸念していたために否定されていました。自爆攻撃の可能性も想像しにくかったかもしれません。FAAの方針は、ハイジャックが緊迫した対立を引き起こし、中東のエキゾチックな空港への迂回をもたらすという考えに基づいていました。 しかし、テロリストが飛行機を破壊したり、交渉戦術以外で乗客を殺すことを望まないだろうと考えられていた。そのため、操縦室のドアはしっかりと閉じられることはなく、実際にはしばしば完全に施錠されていない状態で放置されていた。 しかし、自爆攻撃には豊かな歴史があり、もちろん第二次世界大戦の日本の神風特攻隊もその一例である。さらに、自爆攻撃は9月11日の直前の数年間で非常に一般的になっていた。あるテロ事件のデータベースは、2000年だけで39件の自爆攻撃を記録しており、その中にはイエメンでのUSSコールの爆破も含まれていた。1980年代には31件だったのに対し、増加していた。しかし、第二次世界大戦は遠い記憶であり、ほとんどの自爆攻撃は中東や第三世界の国々で発生していた。ダニエル・カーネマンが「利用可能性ヒューリスティック」と呼ぶ精神的なショートカット—私たちは時間的・空間的に近い出来事の可能性を過大評価し、そうでないものを過小評価する傾向がある—が私たちの判断を曇らせていたのかもしれない。「人々が死にたくないと思っているなら、行動を合理的に予測することができる」とラームズフェルドは私に語った。「しかし、人々が死ぬことに満足している、あるいはそれを特権だと感じたり、自分の目標を達成する手段だと考えているなら、彼らは非常に異なる行動をとるだろう。」 9月11日の陰謀は、私たちが評価して却下した仮説というよりも、そもそも真剣に考慮していなかったものであった。それは私たちにとってあまりにも馴染みのないものであった。ラームズフェルドは彼の回顧録の中で、9月11日は「未知の未知」であったと示唆している。「CIAは、それが彼らにとって完全に異質な考えではなかったと言うだろう」と彼は私に語った。「しかし、多くのことは攻撃の後に、振り返ってから出てきた。」 「アルカイダは知られている未知だったと言うのは正しい」とラームズフェルドの首席補佐官であるアーバンは付け加えた。「しかし、（テネット）が彼の本で語っていることの一つは、その規模が他の攻撃とは全く異なっていたということだ。それが非常に大きかったという事実。」実際、9月11日の攻撃の規模—2977人の無実の人々が殺された—は、私たちの過去のテロリズムの経験とは大きく異なっていた。アルカイダが何を計画しているのか最も懸念していた人々でさえ、テネットや国家安全保障会議の対テロリズム担当のリチャード・クラークのように、その規模を想像するのに苦労していた。たとえば、クラークがコンドリーザ・ライスに送ったメモは、何百人ものアメリカ人が死ぬ可能性を想像するようにと懇願していたが、実際には何千人ものアメリカ人が亡くなることになった。9月11日の前、先進国での最大のテロ攻撃は、1985年にシーク教過激派グループがモントリオールからデリー行きのエア・インディアの便に爆弾を隠し、329人の乗客を殺した事件であり、その致死率は約十分の一であった。オクラホマシティのアルフレッド・P・マーレイの破壊もまた、記憶に新しい出来事であった。 1995年に過激派ティモシー・マクベイによって起こされたムラハ連邦ビルへの攻撃は、168人を殺害し、アメリカ本土での最大の攻撃でした。しかし、9月11日は特異な事件ではありませんでした。その日の出来事の詳細は事前に把握されていなかったものの、予測が非常に難しかったとしても、9月11日の規模の攻撃が可能であるという理由はありました。 テロリズムの数学：なぜ9/11は特異な事件ではなかったのか テロリズムを抽象的かつ数学的に考えるのは不快に感じるかもしれませんが、ここでそれを試みます。明確に言うと、これは情報機関が行う信号分析の代替ではありません。しかし、このような考え方は私たちの盲点を補い、テロリズムがもたらす全体的な危険をより良く評価する手助けとなります。既存のデータを分析することで、将来のリスクをよりよく理解できるのです。 2008年、私はワシントンにある戦略国際問題研究所（CSIS）が主催する会議で講演するよう招待されました。タイミングは最悪で、2008年の選挙のわずか2週間前でしたが、パネルが国家安全保障に関するものであると聞き、出席するのが私の義務だと感じました。この会議には、テロ攻撃を予測し防ぐための「発想の転換」につながるアイデアを見つけることを期待して、さまざまな分野の専門家が集まりました。パネルにはコカ・コーラのマーケティング担当者、ニューヨークの警察の刑事、デーティングサイトeHarmonyのアルゴリズムを作成している男性、そして私がいました。（また、国務省や軍、ワシントンDC周辺の防衛請負業者で働く専門家も多く参加していました。） 私は野球や政治における結果予測に関する私の研究を簡単に紹介しましたが、まあまあの反応を得ました。しかし、その後の質疑応答の時間になりました。「それはとても素晴らしい、ネイト」と言われました。「でも、これは一体どうやってテロリズムに適用できるの？」（少し言い回しを変えていますが、ほぼそのままです。） 正直なところ、私が会議で提示した方法は国家安全保障分析にはあまり役立たないかもしれません。野球や政治はデータが豊富で、満足のいく答えを導き出すことができます。毎年何千もの野球の試合が行われます。選挙はそれほど頻繁には行われず、予測にはもう少し慎重さが必要ですが、毎回の大統領選挙では数百の世論調査が発表されます。これらのデータはすべて公開されており、無料または安価で入手可能です。しかし、テロリズムはまったく異なる状況です。私たちが本当に懸念している出来事、例えば9月11日のような事件は非常に稀にしか発生しません。さらに、テロリストグループはその意図を隠そうとします—アルカイダは特にこの点で効果的であると知られています。テロリズムの領域では、真珠湾攻撃の直前と同様に、信号が存在しないことが時には存在することよりも心配の種となることがあります。 CIAが過激派グループが利用していると考えられるインターネットチャットサイトにハッキングできる場合、最初はアルカイダのような組織が新しい無邪気なリクルートを見つけようとするため、かなり自由でカジュアルな会話が交わされるかもしれません。しかし、攻撃が計画され、リスクが高まると、会話は通常オフラインに移ります。個々のテロリストやテロ計画のレベルで見ると、攻撃を予測するための魔法のような解決策はほとんど存在しないでしょう。むしろ、情報収集には、先ほど述べた信号のスパゲッティのような絡まりを整理する必要があります。CSISの会議で話をした専門家は、別の比喩を提供しました。テロ計画を検出することは、干し草の中から針を見つけるよりもはるかに難しく、むしろ針の部品の山の中から特定の針を見つけることに似ていると言いました。ケースバイケースで非常に予測不可能な問題も、全体を俯瞰して見ると、より秩序があるように見えることがあります。テロリズムの数学的特性に関する外部の洞察は、ここでより有用であることが証明されています。コロラド大学の物理学とコンピュータサイエンスのバックグラウンドを持つアーロン・クラウゼット教授は、クジラの進化からマルチプレイヤー・ロールプレイングゲームのネットワークに至るまで、さまざまな数学に関する論文を発表しています。情報コミュニティは、長い間、アルファ男性タイプを好むという評判があります。30代のクラウゼットは、その幅広い研究興味がオタクっぽく見えるかもしれませんが、彼の発見を発表する際には、励ましと抵抗の混在を経験しています。「ある人たちは新鮮な風だと言います」と、電話で話した際にクラウゼットは私に言いました。「それは数人の意見です。ほとんどの人はそれを見て、『ちょっと変だね。数学を使いたいの？』と言います。」 しかし、クラウゼットの洞察は実際には非常にシンプルです。少なくとも、後から振り返るとそう見えます。彼の研究が示したのは、テロリズムの数学がこの本で議論されている別の領域、すなわち地震の数学に似ているということです。カリフォルニアのような地震活動が活発な地域に住んでいると想像してみてください。数十年の間に、定期的にマグニチュード4の地震を経験し、年に数回マグニチュード5の地震があり、時折マグニチュード6の地震もあるとします。マグニチュード6の地震には耐えられるが、マグニチュード7には耐えられない家を持っている場合、何も心配する必要がないと結論づけるのは正しいでしょうか？もちろん、そうではありません。これらの地震が従うパワー・ロー分布によれば、マグニチュード5やマグニチュード6の地震は、より大きな地震が起こる可能性があることを示す兆候であり、実際には十分な時間があれば避けられないものです。大きな地震はいつか必ずやってきます。あなたは準備をしておくべきでした。テロ攻撃も同様の振る舞いをします。ロッカビー爆破事件やオクラホマシティ爆破事件は、マグニチュード7の地震に相当します。 破壊的な影響を持つだけでなく、彼らはさらに悪化する可能性を示唆している—9.11のような事件、これはマグニチュード8と考えられるかもしれない。それは異常な事例ではなく、むしろ広範な数学的パターンの一部である。テロリズムの定義と測定 テロリズムの統計を見ていくためには、まずそれが正確に何であるかを定義する必要がある。これは少し難しい場合がある。ウラジーミル・レーニンは「テロリズムの目的は恐怖を与えることだ」と言った。この言葉は一見単純に思えるが、実際には深い意味を持っている。テロリストは単に死者数を最大化しようとしているわけではなく、むしろ人口に対して恐怖を最大限に与え、その行動を何らかの形で変えようとしている。死と破壊はその目的を達成するための手段に過ぎない。「その目的を達成するために人を殺すこともある」とラムズフェルドは私に言った。「しかし、それが目的ではない。」 それでも、世界中にはさまざまな暴力行為が存在するため、学者たちはテロリズムを他の行動と区別するためのより正確な定義を求めてきた。広く使われているテロ事件のデータベースで用いられている一つの定義では、テロ行為は意図的でなければならず、実際の暴力または脅迫された暴力を伴い、「国家非行為者」（つまり、主権国家自体によって直接行われるものではない）によって実行されなければならないとされている。さらに、これらの事件は政治的、経済的、社会的、または宗教的な目標を達成することを目的としている必要がある。そして、即時の被害者を超えた観客に恐怖を与えることを意図した脅迫または強制の要素を含まなければならない。 これらの基準を最も明確に満たし、今日私たちにとって最も馴染みのあるテロリズムのタイプは、比較的最近の起源を持っている。UCLAの政治学者デイヴィッド・C・ラポポートは、1979年、イラン革命の年にその起源を遡らせている。彼はこれを、特にイスラム主義グループの間での宗教的過激主義に関連付けている。このテロリズムの波は、西側諸国や西側の利益に対する攻撃の急増と関連している。1979年から2000年の間に、NATO諸国に対するテロ攻撃の数はほぼ三倍に増加した。しかし、ほとんどの事件は、死者数が少ないか、全くなかった。イラン革命から2001年9月10日までの間に、NATO諸国では4,000件以上のテロ攻撃が試みられたり成功したりした。しかし、死者数の半分以上はわずか7件の事件によって引き起こされた。最大の3件の攻撃—エア・インディアの惨事、ロッカビー爆破事件、オクラホマシティ爆破事件—は、全体の死者数の40％以上を占めていた。このようなパターン—非常に少数のケースが全体の影響の非常に大きな割合を引き起こす—は、地震が従うパワー・ロー分布の特徴である。クラウゼットの洞察は、テロ攻撃もパワー・ロー分布に従うということであった。テロ攻撃の頻度を一方の軸に、死者数をもう一方の軸にプロットしたグラフを描くと仮定してみよう。 最初は、これがあまり役に立たないように思えます。明らかにパワー・ローの関係が見て取れます：攻撃の数はその頻度に対して非常に急激に減少しています。しかし、その傾きがあまりにも急であるため、意味のある信号が隠れてしまっているように見えます。非常に小さな攻撃が多数あり、非常に大きな攻撃が少数存在し、その間にはほとんど余地がないようです。9.11の攻撃は異常値のように見えます。 しかし、地震の場合と同様に、データを対数スケールでプロットすると理解しやすくなります（具体的には、図13-5のように、縦軸と横軸の両方が対数スケールの二重対数スケールです）。重要なのは、私はこのデータを視覚化しやすくするために何も手を加えていないということです—それは依然として同じ基礎情報です。しかし、かつては混沌としてランダムに見えたものが、今ではかなり秩序立っていることが明らかになりました。二重対数スケールでプロットすると、テロ攻撃の頻度とその深刻度の関係は、ほぼ「直線」のように見えます。これは、パワー・ロー関係の基本的な特性です：二重対数スケールでプロットすると、現れるパターンは矢のように真っ直ぐです。 パワー・ローには、将来のリスクの規模について予測を行う際に重要な特性があります。特に、それは最近の社会が経験したものよりもはるかに悪化した災害が、頻度は低いものの、完全に可能であることを示唆しています。例えば、テロリズムのパワー・ローは、NATO加盟国（必ずしもアメリカ合衆国ではありません）が1979年から2009年の31年間にわたって、少なくとも100人を殺すテロ攻撃を約6回経験することを予測しています。（実際の数字に近いもので、この期間中に実際には7回のそのような攻撃がありました。）同様に、1,000人を殺す攻撃は約22年に1回発生することが示唆されています。そして、9.11のような、ほぼ3,000人を殺す規模の事件は、約40年に1回発生することが示唆されています。 しかし、歴史を統計的な観点から説明することは、それほどの成果ではありません。確かに、実際に9.11のような事件が発生した今、統計モデルがそのような出来事を考慮することは可能です。しかし、クローゼットの方法は、その攻撃が起こる前にその可能性について何を言っていたのでしょうか？ 9月11日は確かに確率を多少変化させました。最近の非常に大きな地震の数が示すように、それらは私たちが以前考えていたよりもやや一般的である可能性があります。しかし、それが起こる前から、パワー・ロー法を用いれば、9月11日の規模の攻撃が明らかに可能性があると結論づけられていました。もしパワー・ローのプロセスが9/11以前に収集されたデータに適用されるなら、1979年の現代的なテロリズムの波の始まりから2001年9月10日までのすべてのデータを考慮すると、NATO諸国では9月11日の規模の攻撃が約80年に1回発生することを示唆しています。つまり、私たちの生涯の中で1回程度ということです。 この方法は、攻撃が正確にどこでいつ起こるかについて具体的な情報を提供するものではありません。これは、カリフォルニアにおける地震の傾向のような長期的な傾向です。そして、地震とは異なり、テロ攻撃は防ぐことが現実的に可能です。これはClausetの仮説に対する重要な条件です。このデータが示唆しているのは、9月11日の規模の攻撃が想像できないものではなかったということです。パワー・ロー分布は、過去に起こったものよりもはるかに大規模な出来事が将来に起こる可能性があることを示しています。私たちのそれらに対する不慣れさは、その可能性を判断する上で特に悪い指標となるでしょう。 もし9月11日の攻撃がマグニチュード8の地震に相当するなら、マグニチュード9に相当するような、さらに大きな攻撃の可能性はどうでしょうか？Clausetの方法は、数万人または数十万人を殺す可能性のある攻撃についても考慮する理由を与えてくれます。そのような攻撃のメカニズムは不快ですが、特定するのはそれほど難しくありません。最も可能性が高いのは、大量破壊兵器、特に核兵器が関与することです。幸運なことに、世界は核戦争の経験があまりありません。1945年の第二次世界大戦の終結時に広島と長崎に投下された原子爆弾は、約20万人の命を奪いました。一つの推定によれば、ニューヨーク市の主要な港の一つで同等の威力の武器が爆発すれば、約25万人の市民が死亡することになります。しかし、それ以来、核技術は進化しています。より大きく、現代的な武器がミッドタウン・マンハッタン上空で爆発すれば、100万人のニューヨーカーが死亡する可能性があり、数千億ドルの不動産が焼失することになります。ニューヨーク、ワシントン、シカゴ、ロサンゼルスへの同時攻撃は、オサマ・ビン・ラディンの公言した目標に沿って、約400万人のアメリカ人を殺す可能性があります。これらの推定は、おそらく最悪のシナリオを反映しています。しかし、そのような攻撃は9/11の数百倍も悪化する可能性があるため、その可能性については国家安全保障コミュニティ内で激しい議論が行われています。より悲観的な評価の一つは、ハーバード大学の政治学教授グラハム・アリソンからのものです。 アリソンは、レーガン大統領とクリントン大統領の政権で仕官し、キューバミサイル危機に関する彼の著作や論文は、他の学者たちによって何千回も引用されています。ですから、アリソンが何かを言うと、彼の同僚たちは耳を傾けます。2004年、アリソンは恐ろしい結論に達しました。「今後10年間にアメリカに対する核テロ攻撃が起こる可能性は、ほぼ確実だ」と彼は書きました。アリソンはこの予測を、「現在の道を進み続ける」という前提であると補足しました。つまり、危険なテロリストグループが存在し、世界中の多くの場所に脆弱な核物質があり、アメリカの政策立案者たちがこの問題に対して関心を持っていないという状況です。私たちは9.11の攻撃から10年以上が経過しました。しかし、2010年にアリソンと話した際、彼は彼が認識する脅威の深刻さを再確認しました。実際、彼はその脅威を非常に真剣に受け止めています。私はニューヨーク・タイムズのオフィスから、タイムズスクエアから1ブロックの距離でアリソンに電話をかけました。アリソンは、タイムズスクエアでは少し緊張するだろうし、毎日そこで働くことに対しては躊躇するかもしれないと話しました。アリソンの確率の見積もりは、統計モデルから来ているわけではありません。むしろ、それは「彼が賭けをする際の基盤」だと言います。彼がこれほどリスクを感じる理由は何でしょうか？「それは、古いシャーロック・ホームズの動機、手段、機会のバージョンの模倣です」と彼は私に言いました。アリソンにとって、テロリストの動機は容易に見て取れます。オサマ・ビンラディンは、400万人のアメリカ人を殺したいと言っており、その数はおそらく核攻撃を通じてのみ達成可能です。アルカイダの作戦手法は、アリソンが「スペクタキュラー」と呼ぶもので、時折行われる驚くべき攻撃で多くの無実の人々を殺すことです。そして、CIAは9.11の攻撃前に「アメリカのヒロシマ」に関するアルカイダの会話をキャッチしていました。 アリソンが言う「機会」とは、テロリストグループが武器をアメリカに密輸する能力を指します。彼はこれが起こる可能性に疑いを持っていません。「どうやって犯罪者たちは毎日アメリカの都市に入ってくるのか？」とアリソンは私に尋ねました。アメリカには3700以上の港があり、年間600万以上の貨物コンテナが入ってきますが、そのうち物理的に検査されるのはわずか2％です。「もし疑念があるなら、彼らはいつでもマリファナの束に隠すことができる」とアリソンは半分冗談で言いました。したがって、アリソンは主に手段、つまりテロリストグループが核兵器を入手する能力に焦点を当てています。もし私たちが9.11の核版のリスクを減らしたいのであれば、手段を制御することが重要です。専門家たちは、現在世界には約2万発の核弾頭が存在すると考えています。これは1980年代のピーク時の6万5000発から減少した数字です。脅威は、今日核兵器を保有する9か国のいずれからでも理論的に発生する可能性があります。アメリカも歴史の中で11発の核兵器を見失ったことがありますし、他の国々もそれを開発しようとしているかもしれません。しかし、アリソンの懸念は主に2つの核保有国、ロシアとパキスタンから来ています。 アリソンの見解では、かつての国におけるリスクはある程度軽減されたという。サム・ナン上院議員とリチャード・ルーガー上院議員が後援したような成功したプログラムのおかげで、旧ソ連の周辺諸国にはもはや活動中の核兵器は存在しない。また、ロシア国内でも、核兵器の数は1985年のピーク時の30,000から現在の11,000に減少している。しかし、ロシアのリスクが減少した一方で、パキスタンがもたらす脅威は増大している—おそらく著しく。アリソンは私にこう語った。「大量破壊兵器とテロリズムを地図に描くと、すべての道がパキスタンで交差します。」パキスタンは表向きアメリカの同盟国であるが、最も寛大な解釈をしても、テロリズムを抑制する努力において問題を抱えていることは明らかだ。この国は、9.11の攻撃後、アメリカとの協力に消極的であり、パキスタンの大統領は後に、アメリカが「石器時代に戻す」と脅してからようやく協力したと主張した。オサマ・ビン・ラディンは、彼が殺されるまでの6年間、パキスタンのアボッターバードに住んでいた。一方、パキスタンは約100発の核兵器を保有しており、追加の核施設や配備システムを急速に建設している。現在、同国はエコノミストの政治的不安定性指数で世界第7位にランクインしており、最近の過去から大きく上昇している。これは、クーデターや革命のリスクが非常に高いことを意味する。新しい政権がアメリカに対して公然と敵対的になる可能性もある。その場合、テロリストが核兵器を取得するために必要な条件が整うかもしれない。アリソンは、パキスタンの状況が悪化していることや他国からの残存する脅威を考慮し、2004年とほぼ同じ立場にいると語った。彼は、今後10年以内にアメリカに対する核攻撃の可能性が五分五分以上であると予想している。アリソンには批判者もおり、その一人がニューヨークの外交問題評議会で彼を訪れたマイケル・レビだ。レビはアーロン・クラウゼットと同様に異色の経歴を持ち、プリンストン大学で理論物理学を学び、人気テレビ番組『24』の技術顧問を務めていた。この番組では、テロリストグループがロサンゼルスで核兵器を爆発させようとする様子が描かれている。レビは攻撃のリスクがあると考えている。「私がここに来たとき、最初にしたことの一つは、グランドセントラル駅の周りにリングを描いて、10キロトンの爆弾が私のアパートにどのように影響するかを見たことです。」しかし、彼はアリソンの推定が非常に高すぎると考え、いくつかの前提に疑問を呈している。一つには、レビはアリソンがテロリストグループの動機を過大評価していると考えている。アルカイダがマンハッタンを爆破したいという願望を持っていないわけではないが、彼は、グループや個人は様々な願望を持っているものの、それを実行する努力をしないのは、自分たちがそれを達成できるかどうか疑問に思っているからだと述べている。 レヴィの見解によれば、テロリストグループは自らの計画が成功する可能性を非常に重視しています。失敗した試みはグループの隠れ蓑を暴き、アメリカや他の政府からの不要な注目を招くことになります。また、攻撃が失敗すれば、既存のメンバーや新たな勧誘対象に対するグループの信頼性も損なわれる可能性があります。テロリスト組織は根本的に弱く不安定であり、新しいレストランが初年度に90％が失敗するというのと同様のことが言えます。彼らの勧誘メッセージは、メンバーに対して認識された不正義からの救済を提供できると納得させることに大きく依存しています。特にアルカイダは、9月11日までに実施した攻撃の成功率が非常に高く、これがその異常な長寿の理由の一部かもしれません。しかし、テロリストグループがその救済を達成できる能力が疑問視されると、勧誘対象者は他の場所に行くかもしれません。核攻撃は実行が難しいでしょう。テロリストグループが複雑な計画を嫌うわけではなく、9月11日の攻撃は5年間も準備されていました。しかし、計画が複雑になるほど、より多くの参加者からの協力が必要となり、それぞれがグループから離脱したり、対テロ当局に発見されたりするリスクを抱えます。また、核攻撃にはかなりの専門的な技術知識が必要であり、767型機の操縦を学ぶ4人のテロリスト以上のものが求められます。核物理学者のプールは元々小さく、テロリストグループに忠誠を保つことができると信頼できる人数はさらに少ないのです。「もし彼らが大学の工学の学位を持った人を核チームの責任者にしたら、あまり期待できないでしょう」とレヴィは私に語りました。 最後に、テロリストの目標は必ずしもできるだけ多くの人を殺すことではありません。むしろ、恐怖を与え、行動を変えることです。核攻撃は非常に恐ろしいものでしょうが、9月11日よりも100倍や1000倍恐ろしいとは限りません。たとえそれによって多くの人が亡くなるとしても、成功の可能性が低ければ、テロリストが目標を達成するための最も効果的な手段とは言えないかもしれません。ラムズフェルドのような国家安全保障コミュニティの他のメンバーは、生物攻撃の方がより懸念されています。生物攻撃は核攻撃よりもはるかに専門知識を必要とせず、それでも同じくらいの恐怖を引き起こす可能性があります。さらに、それは私たちにとってあまり馴染みのない恐怖の種類かもしれません。特に生物剤が感染性であれば、天然痘ウイルスの再導入のように、数週間や数ヶ月にわたって活発な懸念となり、学校やショッピングモールが閉鎖され、病院が隔離され、州境が閉じられることになるでしょう。9月11日の数日後にニューヨークが示した驚くべき回復力は、実現が難しくなるでしょう。「生物攻撃は異なります。それは私たちが快適に感じないものでもあります。人々はどうすればよいか知っていますが、」 「恐ろしい核兵器とは何か」とラumsフェルドは言った。「それは感染性のものであり、世代を超えて引き継がれ、遺伝子を変える可能性がある。生物兵器への恐怖は、核兵器や化学兵器への恐怖とは全く異なる。」 生物攻撃による死者数は推定が難しい。伝染病の広がりが発生するまで予測できないのと同様だ（第7章で示したように）。それでも、最悪のシナリオは間違いなく非常に深刻だ。2001年のシミュレーション「ダークウィンター」では、テロリストがオクラホマシティ、フィラデルフィア、アトランタのショッピングモールを同時に攻撃することで、300万人のアメリカ人が天然痘に感染し、100万人が死亡する可能性があると想定されていた。 テロリズムについて大きく考える クラウゼットの方法は、マグニチュード9のテロ攻撃がどのように発生するかについては無関心で、ただそれが可能であると言っている。1979年から2009年までの攻撃による死者数を考慮すると、クラウゼットのようなパワーローモデルは、今後10年間にNATO加盟国で少なくとも1万人が死亡する攻撃が起こる確率は約10％であることを示唆している。10万人が死亡する攻撃の確率は3％、100万人以上が死亡する攻撃の確率は0.6％だ。これらの推定値には慎重にアプローチする必要がある。特に、非常に大規模なイベントの可能性についてはかなりの不確実性が残っており、この手法のわずかに異なるバージョンはわずかに異なる結果を生む。 しかし、テロリズムと地震の間にはもう一つの教訓的な比較がある。グーテンベルク・リヒターの法則によれば、長期的には、地震の頻度はマグニチュードが1ポイント上がるごとに約10倍減少する。しかし、地震によって放出されるエネルギーは、マグニチュードの関数として指数関数的に増加する。特に、マグニチュードが1ポイント上がるごとに、地震のエネルギー放出は約32倍増加する。したがって、マグニチュード6の地震はマグニチュード5の約32倍の地震エネルギーを放出し、マグニチュード7は約1,000倍強力だ。地震によって放出される力は、その頻度が減少するよりも速いペースで増加する。もしマグニチュード6の地震がマグニチュード7の地震の10倍あれば、マグニチュード7の揺れはすべてのマグニチュード6の合計よりもはるかに大きな被害をもたらすことになる。実際、わずか数回の地震がその総地震エネルギーの非常に大きな割合を占めている。1906年から2005年の100年間において、1960年のチリ地震、1964年のアラスカ地震、2004年のスマトラ大地震の3回の大地震が、世紀を通じて世界中のすべての地震によるエネルギー放出のほぼ半分を占めている。したがって、地震学者や危機管理プランナーは主に非常に大きな地震に関心を持っている。 不適切な場所で不適切なタイミングで発生する、より控えめな地震でも、巨大な被害を引き起こすことがあります（例えば、2010年のハイチでのマグニチュード7.0の地震など）。しかし、私たちが心配しなければならないのは、非常に高いマグニチュードの地震です。これらは頻繁には発生しませんが、影響は大きいです。テロ攻撃のケースを再考してみましょう。2001年9月11日の攻撃だけで、テロリストを除いて2,977人が死亡しましたが、これは1979年から2009年までの30年間にNATO諸国で発生したすべての他の攻撃による死亡者数の合計よりも多いです（図13-7）。一方で、単一の核攻撃や生物攻撃は、9月11日の死亡者数をはるかに上回る可能性があります。 図13-7: NATO諸国におけるテロ攻撃による死亡者の割合、1979-2009 他の攻撃による死亡者数: 1,575 9月11日の攻撃による死亡者数: 2,977 アテネ（1985年）: 60 オクラホマシティ（1995年）: 168 マドリード（1985年）: 191 ロッカービー（1988年）: 270 モントリオール（2004年）: 329 たとえレヴィがこれらの攻撃の確率が非常に低いと正しいとしても、それらは危険の大部分を占めています。たとえば、パワーロー法は、タイムズスクエアで原子爆弾が爆発した場合に100万人が死亡する確率は、年間約1/1,600であると推定しています。しかし、1,600年ごとに100万人が死亡することは、年間625人の死亡者を意味し、1979年以降、NATO諸国でテロ攻撃によって平均して死亡した約180人を大きく上回ります。テロリズムに関しては、非常に大きな規模の事件の確率について考え、それをどのように減少させるかを考える必要があります。したがって、そのような大規模な攻撃を示唆する信号には、より高い戦略的優先順位を与えるべきです。 この大規模な脅威に焦点を当てるという数学的な議論は、国内安全保障に積極的に関与している人々の日常的な命令とはやや対立します。1982年、社会科学者のジェームズ・Q・ウィルソンとジョージ・L・ケリングは、「壊れた窓」理論を提唱しました。この理論の考え方は、落書きや軽犯罪のような小規模な犯罪に焦点を当てることで、警察が法の支配の全体的な雰囲気に寄与し、より大きな犯罪を防ぐことができるというものでした。この理論の有効性に関する実証的な証拠はかなり混在しています。しかし、この理論はロサンゼルスからニューヨークまでの警察署に非常に好意的に受け入れられました。なぜなら、警察署の難易度を下げ、より達成可能な目標を提供したからです。16歳の子供を大麻を吸っていることで逮捕する方が、自動車盗難を解決したり、殺人を防いだりするよりもずっと簡単です。誰もが清潔で安全な近所に住みたいと思っています。しかし、壊れた窓理論が単なる見せかけ以上のものであるかどうかは不明です。同様に、商業航空便に対するますます厳しくなる要件は、セキュリティ専門家ブルース・シュナイアが「セキュリティシアター」と呼ぶカテゴリーに入ります。これらは、実際にテロリストを抑止するためというよりも、見せかけのためのものです。 空港のセキュリティについて心配するのは、決して完全に非合理的ではありません。過去には航空機が多数のテロ攻撃の標的となっており、テロリズムには模倣の要素があるからです。しかし、テロとは無関係な事故を考慮に入れても、2000年代のアメリカの商業航空機で死亡した乗客は、2500万人に1人程度です。もし年間20回飛行しても、雷に打たれる確率の方が約2倍高いのです。 なぜテロリストはショッピングモールを襲わないのでしょうか？主に、これらの努力は愚かなテロリストを阻止することを目的としています。確かに、下着爆弾犯のような愚かなテロリストもいますが、賢いテロリストはこれらの対策をかわすことができるでしょうし、バスや電車のようなより脆弱な標的に目を向けるかもしれません。実際、チェックインカウンターのように、多くの人が集まっている場所には、セキュリティがはるかに少ないのです。テロリストたちはすでにこれを理解しています。2011年には、モスクワのドモジェドヴォ空港の国際到着エリアで自爆テロが行われ、35人が死亡しました。 それにしても、交通システムとは無関係な無限の無防備な標的が存在します。なぜテロリストはショッピングモールを襲わないのでしょうか？テロ攻撃がそれほど多くない理由の一つは、テロリストの数自体がそれほど多くないからかもしれません。テロリストの正確な人数を把握するのは非常に難しいですが、一般的に引用される推定では、アルカイダのピーク時には約500人から1000人のオペレーターがいたと言われています。この数字には、アルカイダのサーバーがダウンしたときに再起動するような、非暴力的な役割を果たす人々も含まれています。カーネギーメロン大学のキャスリーン・カーリーは、反乱組織の社会ネットワークを研究しており、私に、極端なグループと考えられる中でも、実際の極端主義者はメンバーの1％に過ぎないかもしれないと教えてくれました。ビン・ラディンのITコンサルタントとしてグローバルジハードを促進する方が、混雑したモールに入って自爆するよりもずっと簡単です。 それでも、私たちがこのような質問をする際には注意が必要です。私たちは再び、未知のものとあり得ないものを混同しているかもしれません。テロリストがショッピングセンターを標的にしない理由の難問は、イスラエルの人々にとっては滑稽に思えるかもしれません。なぜなら、そこではそうした事件が日常的に起こっているからです。 イスラエルのテロ防止アプローチ クラウゼットのパワー法則仮説に対する明白な批判の一つは、地震のような自然現象とは異なり、テロリズムは人間の介入によって止めることができるという点です。クラウゼットの研究は、パワー法則の分布がテロリストと対テロリズム勢力の競争によって存在するのではなく、おそらくその競争によって生じることを示唆しています。グラフ上の点のパターンは、各国の異なる対テロ戦略によって決まっています。 テロリストと社会の間には、自由と安全の間で成立した一種の均衡が存在するかもしれませんが、それは時間や場所によって変わることがあります。私たちは、自由な社会に生きたいと望む限り、テロリズムから一定のリスクを受け入れなければならないことを常に認識しなければなりません。「それは波のように押し寄せたり引いたりする」とラumsフェルドは私に言いました。「私たちはおそらくテロリズムに対して最も脆弱です。自由な人々である私たちがそうなのです。なぜなら、それが私たちの本質だからです。私たちは、ドアを開けて外に出たり、子供を学校に送り出したりすることができると期待しています。そして、何かに殺されたり爆発したりするかどうかを気にしながら周囲を見回す必要はないのです。自由な人々としての行動を劇的に変える限り、彼らの勝利です。」 イスラエルはアメリカよりもはるかに頻繁にテロリストの標的にされていますが、イスラエル人はテロリズムを恐れて生活しているわけではありません。2012年の調査によれば、イスラエルのユダヤ人のうち、テロリズムを最大の恐怖と答えたのはわずか16％であり、これはイスラエルの教育制度について心配している人の数と同じくらいです。どのイスラエルの政治家も、小規模なテロリズムを容認しているとは言わないでしょうが、実際には国としてそうしているのです。それは、恐怖に麻痺させられることがテロリストの目的に沿っているため、容認せざるを得ないのです。国の戦略の重要な要素は、攻撃が発生した後、人々の生活をできるだけ普通に保つことです。例えば、警察は爆弾が爆発してから4時間以内に現場を片付けようとし、皆が仕事や用事、さらにはレジャーに戻れるようにします。小規模なテロリズムは、存在の脅威というよりも犯罪として扱われます。イスラエルが確実に容認しないのは、大規模なテロリズムの可能性です（例えば、近隣国が大量破壊兵器を取得することによってそれがより可能性が高まる場合など）。彼らのアプローチが成功しているという証拠もあります。イスラエルは、クラウゼットの曲線を曲げることができた唯一の国です。イスラエルにおけるテロ事件の死亡者数をパワー・ロー法を用いてプロットすると（図13-8）、パワー・ローが予測するよりも大規模なテロ攻撃が著しく少ないことがわかります。1979年以降、200人以上の死者を出した事件はありません。イスラエルのパワー・ローグラフがこれほど明確に異なるのは、私たちの戦略的選択がいくらかの違いを生むことを示す証拠です。 私たちがどんな戦略的選択をし、どんな安全と自由のトレードオフを受け入れるにしても、まずは信号から始めなければなりません。良好な情報は、テロ攻撃に対する私たちの第一の防衛線です。イラク戦争の一つの公言された目的は、同国の大量破壊兵器プログラムのさらなる発展を防ぐことでした。もちろん、そこにはほとんど大量破壊兵器は存在しませんでした。 イラクへの侵攻に関する独立した分析は、一般的にブッシュ政権が情報機関に対して誤った情報を作り出すよう圧力をかけたわけではないと結論づけています。CIAのような組織では、当時イラクが積極的に大量破壊兵器（WMD）プログラムを開発しているというコンセンサスがありました。しかし、ブッシュ政権はこの情報をアメリカ国民に対していくつかの重要な点で誤って伝えました。この見解には一理ありますが、ブッシュ政権が国民に何を伝え、彼ら自身が何を信じ、情報機関から何を学んだのかを明確に区別することは難しいと思います。信号分析や他の予測手法においては、複雑なデータの中から自分が望むものを見つけるのは非常に簡単です。「カーブボール」と呼ばれる情報源が提供した信号は、イラク国籍のラフィド・アフメド・アルワン・アルジャナビという人物が、サダム・フセインを倒すために西側諸国を煽る目的でイラクの生物兵器プログラムに関する証拠を捏造したことを後に認めたものであり、戦争を切望する環境の中で過信されることがありました。第9章で見たように、チェスにおいて人間は他の優れた手を犠牲にして一つか二つの可能性のある手に集中しがちです。すべての可能性を検討するコンピュータは、この誤りに陥りにくく、ボビー・フィッシャーやガリー・カスパロフが打った場合には天才的な手と見なされるような手も、ラップトップ上で数秒で特定されることがあります。コンピュータはこれらの手を同じ深さで評価するわけではありませんが、私たちとは異なる方法でトレードオフを管理します。彼らは一つの完璧な解決策を探すのではなく、広い範囲を網羅します。もし私たちが世界を可能性と不可能性の決定論的な輪郭に分け、間にほとんど余地がないと考えるなら、片方では過信した予測、もう片方では未知の未知に直面することになるでしょう。私たちは予測が得意ではなく、フィル・テトロックのハリネズミたちのように一つの仮説だけを信じるのではなく、リスクを分散させる必要があります。国家安全保障の問題ほどこれらのスキルを試す分野はないでしょう。ブルース・シュナイアーが指摘するように、セキュリティ問題の本質は、私たちを最も弱いリンクによって定義することです。もしあなたが前のドアをチタン製の装甲、武装警備員、ピットブルの群れで守っても、どんな小物泥棒でも簡単に壊せるきしむ側のドアがあれば意味がありません。これらの脅威は非対称的です。アメリカの太平洋における海軍力は、日本艦隊が防御の盲点をすり抜け、ほとんどの武器が便利に一箇所に集まっていることを発見したときにはほとんど役に立ちませんでした。これが、真珠湾や9月11日のような出来事が引き起こす認知的不協和の理由です。敵がどこを攻撃するかは予測可能で、それは私たちが最も予想していない場所です。 この本で私が奨励する思考の一部は、国家安全保障分析の分野でも役立つ可能性があります。例えば、確率について考える際のベイズ的アプローチは、高い不確実性の中での意思決定とより相性が良いです。このアプローチは、私たちが同時に多くの仮説を頭に抱え、それらを確率的に考え、新しい情報に出会ったときには頻繁に更新することを促します。9月11日の前にアルカイダを現行犯で捕まえることができた最も近い例は、747を操縦することに異常な興味を持っていたイスラム過激派ザカリアス・ムサウィの逮捕でした。これには無実の説明があったのでしょうか？彼は暇を持て余した飛行愛好者だったのかもしれません。しかし、「テロリストが飛行機をハイジャックして建物に突っ込むかもしれない」という仮説に対して、たとえ小さなものであっても事前の可能性を持っていれば、この情報に接したときにその可能性の見積もりは大幅に増加したはずです。しかし、私たちはその仮説を全く考慮しませんでした。それは私たちにとって未知の未知でした。9/11委員会が結論づけたように、「システムはこの情報の潜在的な重要性を理解するようには調整されていなかった」ため、ムサウィの逮捕は計画を阻止する能力にはほとんど寄与しませんでした。 これは、私たちの情報機関がすべてを間違っていたと言っているわけではありません。9月11日の攻撃を検知できなかったことに対して一部の責任があるとすれば、それ以降の攻撃がなかったことに関してはブッシュ政権とオバマ政権の両方に一定の評価が与えられるべきです。これは、私が11年前には予測できなかったことです。野球の審判のように、情報分析官は何かがうまくいかないと責められるリスクがありますが、彼女が仕事をうまくこなしているときにはほとんど注目されません。この分野は、他のいくつかの分野と同様に予測の完全な失敗を反映しているとは考えていません。直面している課題を考慮すれば、むしろ成功している方かもしれません。それでも、9/11委員会が推測したように、攻撃前の最も重要な失敗の原因は私たちの想像力の欠如でした。予測を行う際には、好奇心と懐疑心のバランスが必要です。これらは互いに相容れます。私たちが理論を精査し、テストすることに熱心に取り組むほど、世界についての知識が不確実であることを受け入れやすくなり、完璧な予測が不可能であることを認めることができるようになります。そうすれば、失敗を恐れることが少なくなり、自由に思考を広げる余裕が生まれます。知らないことをより多く知ることで、いくつかの予測を正確に行えるかもしれません。 結論として、メジャーリーグのショートストップには、常にできるプレー、決してできないプレー、そしてダイブしなければならないプレーがあります。ダイブするプレーは最も壮観で、私たちの注意を引きます。しかし、それはショートストップの能力に対する近視眼的な見方につながる可能性があります。 伝説的な遊撃手デレク・ジーターは、マネーボール時代にしばしば議論の対象となりました。放送者やスカウトたちは、ジーターが特に多くのダイビングプレーをすることに気づき、そのため彼が優れた遊撃手であると結論づけました。しかし、統計に詳しい人々はその考え方に欠陥があることを指摘しました。ジーターは素晴らしいアスリートでしたが、ボールに対する反応が遅く、失った時間を取り戻すためにダイブしていたのです。実際、数字はジーターがかなり不十分な守備の遊撃手であることを示唆しており、彼は5回のゴールドグラブ賞を受賞しているにもかかわらず、その評価は低いものでした。ジーターがダイブしなければならなかったプレーは、オジー・スミスのような本当に優れた守備の遊撃手であれば簡単に処理できたかもしれません。おそらく、彼はそれを当たり前のようにこなすため、あまり評価されなかったでしょう。 私たちがどんな能力を身につけていても、常にその限界のすぐそばにあるタスクが存在します。もし私たちが自分自身を最も難しいことによって判断するなら、簡単にこなせることを当然のこととして見過ごしてしまうかもしれません。歴史上最も正確な予測の一つは、1705年にイギリスの天文学者エドモンド・ハレーが行ったもので、1758年に大彗星が地球に戻ってくると予測しました。ハレーには多くの懐疑論者がいましたが、その彗星はまさにその時期に戻ってきました。古代には、彗星は神々からの全く予測不可能な前兆と見なされていましたが、現在では驚くほど規則的で予測可能なものと見なされています。天文学者たちは、ハレー彗星が次に地球に最も接近するのは2061年7月28日であると予測しています。その頃には、現在私たちの予測能力を悩ませている自然界の多くの問題が、私たちの知識の範囲に収まることでしょう。自然の法則はあまり変わりません。人間の知識の蓄積が、グーテンベルクの印刷機以来続いているように拡大し続ける限り、私たちは自然の信号をより良く理解するようになるでしょう。すべての秘密を知ることはできなくても。 しかし、もし科学と技術がこの本の英雄であるなら、ビッグデータの時代において、彼らが成し遂げるかもしれないことに対してあまりにも夢見がちになるリスクがあります。人間の事柄がより予測可能になっていると結論づける理由はありません。むしろその逆が真実である可能性もあります。自然の法則を明らかにする同じ科学が、社会の組織をより複雑にしています。技術は私たちの相互関係を完全に変えています。インターネットのおかげで、「全体の文脈、すべての方程式、情報の伝播のすべてのダイナミクスが変わる」と、1990年にワールドワイドウェブを発明したティム・バーナーズ＝リーは私に語りました。 情報の量は指数関数的に増加しています。しかし、この情報の中で実際に役立つものは相対的に少なく、信号対雑音比は低下しているかもしれません。私たちはその二つを区別するためのより良い方法が必要です。この本は、私たちが知っていることよりも、私たちが知っていることと、私たちが知っていると思っていることとの違いについてのものです。そして、そのギャップを埋めるための戦略を提案しています。 この戦略は、一つの大きな飛躍と、その後のいくつかの小さな前進を必要とします。その飛躍とは、予測と確率についてのベイズ的な考え方への移行です。確率的に考えること ベイズの定理は、現実の出来事の可能性を確率的に表現することから始まり、またそれで終わります。この定理は、世界が本質的に不確実であると信じることを要求するものではありません。これは、ニュートンの法則の規則性が科学における支配的なパラダイムであった時代に考案されました。しかし、あなたの主観的な世界観が真実の近似であることを受け入れる必要があります。このベイズ的な考え方の確率的要素は、最初は不快に感じるかもしれません。カードゲームやその他の運に依存するゲームをして育たなかった場合、私たちはこのように考えることを奨励されてこなかったでしょう。数学の授業では、確率や統計よりも幾何学や微積分といった抽象的なテーマに多くの時間が費やされます。多くの生活の場面では、不確実性の表現が弱さの認めとして誤解されることがあります。 最初に確率の推定を行うとき、それはかなり不正確かもしれません。しかし、良いニュースが二つあります。第一に、これらの推定は単なる出発点であり、ベイズの定理を用いることで新しい情報に出会うたびにそれを修正し、改善することができます。第二に、これは私たちが改善するために学ぶことができるものであるという証拠があります。例えば、軍隊は時折、これらの技術を兵士に訓練しており、かなり良い結果を得ています。また、医師が医療診断をベイズ的に考えることがあるという証拠もあります。 私たちのテレビの評論家よりも、医師や兵士の指導に従う方が良いでしょう。私たちの脳は、近似を通じて情報を処理します。これは存在論的な事実というより、生物学的な必要性です。私たちは意識的に考慮できる以上の情報を認識しており、この問題を解決するために、それらを規則性やパターンに分解します。高いストレス下では、生活の規則性が剥ぎ取られます。9.11のような災害を生き延びた人々の研究では、彼らが経験の細かな詳細を思い出せる一方で、しばしばより大きな環境からほとんど完全に切り離されていると感じていたことがわかりました。 このような状況下では、私たちの最初の本能や初期の近似はかなり不正確であり、脅威の重大さを認識できないことがよくあります。戦場のような極度のストレス下で決断を強いられたことのある人々は、他の人々を安全に導くヒーローとして現れる可能性が高いです。 私たちの脳は、日常生活でも同様に簡略化し、近似を行います。経験を積むことで、これらの簡略化や近似は有用な指針となり、私たちの実務的な知識を構成します。しかし、それらは完璧ではなく、私たちはしばしばそれらがどれほど粗いものであるかを認識していません。次の7つの文を考えてみてください。これらは効率的市場仮説の考え方や、個人投資家が株式市場を打ち負かすことができるかどうかに関連しています。 各ステートメントはおおよそのものであり、前のものに基づいて少しずつ正確さを増していきます。1. どの投資家も株式市場を上回ることはできません。2. どの投資家も長期的には株式市場を上回ることはできません。3. どの投資家もリスクレベルに対して、長期的には株式市場を上回ることはできません。4. どの投資家も取引コストを考慮に入れた場合、リスクレベルに対して長期的には株式市場を上回ることはできません。5. どの投資家も内部情報を持たない限り、リスクレベルに対して長期的には株式市場を上回ることはできません。6. 内部情報を持たない限り、リスクレベルに対して長期的に株式市場を上回る投資家はほとんどいません。長期的に株式市場を上回る投資家がどれほどいるかを判断するのは難しいですが、データは非常にばらつきがあるため、ほとんどの投資家はリスクに対して株式市場を上回ることができないことは分かっています。取引は純粋な超過収益を生まない上に取引コストがかかるため、内部情報を持たない限り、インデックスファンドに投資する方が良いでしょう。最初の近似、つまり「どの投資家も株式市場を上回ることはできない」という無条件の主張は非常に強力に思えます。最後のステートメントに至るまで、私たちは不確実性の表現で満ちたものになり、バンパーステッカーに適したものは何も残りません。しかし、これは客観的な世界のより完全な説明でもあります。ここでの近似には何の問題もありません。もし株式市場について何も知らない見知らぬ人に出会ったら、最初のステートメントの粗い表現であっても「株式市場を上回るのは難しい」と伝えることは、何もしないよりはずっと良いでしょう。問題は、近似を現実と取り違えることです。フィル・テトロックの「ハリネズミ」のようなイデオローグはこのように振る舞います。シンプルなステートメントは、より普遍的で、より大きな真実や壮大な理論の証のように思えます。しかし、テトロックは彼のハリネズミたちが予測をするのが非常に苦手であることを発見しました。彼らは、現実を成り立たせ、予測をより正確にするためのすべての厄介な部分を省いてしまいます。私たちは大きな脳を持っていますが、理解しがたいほど広大な宇宙に住んでいます。確率的に考えることの美徳は、データをじっくりと観察し、自分の思考の不完全さを考慮するよう自分を促すことです。時間が経つにつれて、これが意思決定をより良くすることに気づくでしょう。 どこから来たのかを知る ベイズの定理は、証拠を評価し始める前に、私たちがある出来事が起こる可能性をどれくらい信じているかを明示的に述べることを求めます。この推定を「事前信念」と呼びます。私たちの事前信念はどこから来るべきでしょうか？理想的には、私たちの過去の経験、あるいは社会全体の集団的経験に基づきたいものです。これが市場が果たすことのできる有益な役割の一つです。市場は決して完璧ではありませんが、大多数の場面で、集団的な判断は私たちの個々の判断よりも優れていることが多いのです。 市場は、新しい証拠を評価するための良い出発点となります。特に、問題を深く研究する時間をあまりかけていない場合にはそうです。もちろん、すべてのケースで市場が利用できるわけではありません。そのため、デフォルトとして別のものを選ぶ必要があることがよくあります。常識でさえ、ベイズ的な事前情報として機能し、統計モデルの出力を過信しないためのチェックとして役立ちます（これらのモデルは近似であり、しばしば粗雑なものであることが多いですが、数学的な精度を約束しているように見えることがあります）。情報は文脈に置かれて初めて知識となります。文脈がなければ、信号とノイズを区別する方法がなく、真実を探す過程で偽陽性に圧倒される可能性があります。ベイズの定理の下では、事前の信念がないふりをすることは許されません。バイアスを減らす努力をするべきですが、バイアスがないと言うことは、実際には多くのバイアスを抱えていることの兆候です。自分の信念を前もって明言すること、「私の立場はこうです」と言うことは、誠実に行動し、現実を主観的なフィルターを通して認識していることを認める方法です。 試して、間違える これはおそらく、最も適用しやすいベイズの原則です：たくさんの予測を立てることです。特に最初は、自分の会社や生計をそれに賭けたくないかもしれません。しかし、それが上達する唯一の方法です。ベイズの定理は、新しい情報が提示されるたびに予測を更新すべきだと言っています。この考え方のより直訳的でないバージョンは、単に試行錯誤です。Googleのように本当に「ビッグデータ」を理解している企業は、モデルの世界に多くの時間を費やしているわけではありません。彼らは毎年何千もの実験を行い、実際の顧客にアイデアをテストしています。ベイズの定理は、新しい情報をどのように評価するかについての規律を促します。私たちのアイデアが価値あるものであれば、反証可能な仮説を立て、それを予測にさらすことでテストする意欲が必要です。ほとんどの場合、私たちはデータがどれほどノイズを含んでいるかを理解しておらず、そのために最新のデータポイントに過剰に重みを置くバイアスがあります。政治記者は、世論調査が報告される際に誤差の範囲があることをしばしば忘れ、経済記者はほとんどの経済統計がどれほど不正確であるかをうまく伝えられないことが多いです。ニュースを作るのはしばしば外れ値です。しかし、問題に対して個人的または職業的に過度に投資すると、事実が変わっても考えを変えられないという逆のバイアスを抱えることがあります。専門家がテトロックのハリネズミの一人であれば、データが彼の世界観と矛盾しているときに予測を変えることを誇り高く思ってしまうかもしれません。すべてのアイデアがバンパーステッカーに収まることを期待する党派は、現実を単純化しすぎたことを受け入れる前に、さまざまな悲しみの段階を経ることになります。アイデアをテストする意欲が高ければ高いほど、これらの問題を避け、失敗から学ぶことができるようになります。映画では、海を見つめてひらめきを待つことがアイデアを生み出す方法ですが、現実の世界では、立ち止まっているときにはめったにやってきません。 「大きな」アイデアが最初からそうである必要はありません。むしろ、私たちが進展を遂げるのは、小さな段階的なステップや時には偶然の出来事によることが多いのです。 私たちの予測可能性に対する認識は、予測が難しい理由と同じ理由で重要です。それは、客観的現実と主観的現実が交差する地点だからです。信号とノイズを区別するには、科学的知識と自己認識の両方が必要です。予測できないことを受け入れる静けさ、予測できることを予測する勇気、そしてその違いを知る知恵が求められます。 世界がどれほど予測可能であるかに関する私たちの見解は、年々変化してきました。その一つの簡単な指標は、学術誌における「予測可能」と「予測不可能」という言葉の使用頻度です。20世紀初頭、これら二つの言葉はほぼ同じ頻度で使われていました。しかし、大恐慌や第二次世界大戦を経て、「予測不可能」という言葉が主流となりました。これらの危機から世界が回復するにつれ、「予測可能」という言葉が再び流行し、1970年代にはその使用がピークに達しました。最近では「予測不可能」という言葉が再び増加しています。 予測可能性に関するこれらの認識は、科学の流行や私たちの記憶の短さ—最近本当に悪いことが起こったのか—により影響を受けており、実際の予測能力の変化とはあまり関係がありません。私たちが予測に自信を持っている度合いと、実際の能力が逆相関している可能性すらあります。1950年代は、戦争の影響で世界がまだ揺れており、比較的予測不可能と見なされていましたが、経済的および科学的生産性は1970年代よりも高かったのです。このような態度の変化は、学術誌を超えて広がっています。「予測可能」と「予測不可能」という言葉の使用に基づいて同じグラフを描くと、英語のフィクションにおいてもほぼ同じ形になるでしょう。 予測できない災害は、たとえ私たちに直接的な影響がなくても、私たちが自分の運命をコントロールしているという自信を揺るがします。しかし、私たちのバイアスは、実際よりも予測が得意だと思うことです。新しい千年の最初の12年間は厳しく、予測できない災害が次々と起こりました。私たちがこれらの試練から立ち上がり、少しでも予測能力について謙虚になり、過ちを繰り返す可能性が少なくなることを願っています。