第三千年の思考 無意味な世界での意味の創造 ソール・パールマッター ジョン・キャンベル ロバート・マクカウン リトル・ブラウン・スパーク ニューヨーク ボストン ロンドン 著作権 © 2024 ソール・パールマッター、ジョン・キャンベル、ロバート・マクカウン ハシェット・ブック・グループは、表現の自由と著作権の価値を支持します。著作権の目的は、作家やアーティストが私たちの文化を豊かにする創造的な作品を生み出すことを奨励することです。この本を許可なくスキャン、アップロード、配布することは、著者の知的財産の盗用にあたります。本書の資料を（レビュー目的以外で）使用する許可を希望される場合は、permissions@hbgusa.comまでご連絡ください。著者の権利を支持していただき、ありがとうございます。 リトル・ブラウン・スパーク ハシェット・ブック・グループ 1290 アベニュー・オブ・ザ・アメリカス、ニューヨーク、NY 10104 littlebrownspark.com 初版：2024年3月 リトル・ブラウン・スパークは、ハシェット・ブック・グループの一部であるリトル・ブラウン・アンド・カンパニーのインプリントです。リトル・ブラウン・スパークの名称とロゴは、ハシェット・ブック・グループの商標です。出版社は、出版社が所有していないウェブサイト（またはその内容）については責任を負いません。ハシェット・スピーカーズ・ビューローは、講演イベントのために幅広い著者を提供しています。詳細については、hachettespeakersbureau.comをご覧いただくか、HachetteSpeakers@hbgusa.comまでメールしてください。リトル・ブラウン・アンド・カンパニーの書籍は、ビジネス、教育、またはプロモーション用に一括購入することができます。詳細については、地元の書店またはハシェット・ブック・グループの特別市場部門（special:markets@hbgusa.com）にお問い合わせください。 ISBN 9780316438308 LCCNはアメリカ合衆国議会図書館で入手可能です 目次 表紙 タイトルページ 著作権 献辞 序文 第I部 現実を把握する 1. 決断、決断、決断 2. 道具と現実 3. 物事を実現する 第II部 不確実性を理解する 4. 確率的思考への根本的なシフト 5. 過信と謙虚さ 6. ノイズの中の信号を見つける 7. 存在しないものを見る 8. 自分の毒を選ぶ：二種類の誤り 9. 統計的不確実性と系統的不確実性 第III部 根本的な「できる」姿勢 10. 科学的楽観主義 11. 理解の秩序とフェルミ問題 第IV部 ギャップを意識する 12. 経験から学ぶことが難しい理由 13. 科学の誤り 14. 確証バイアスと盲目的分析 第V部 力を合わせる 15. 群衆の知恵と狂気 16. 事実と価値を織り交ぜる 17. 熟慮の課題 18. 新しい千年に向けた信頼の再構築 謝辞 さらに探求する 著者について ノート 私たちの子供たちへ、思慮深い熟慮を通じて第三千年の課題と機会を共に乗り越えられる世界への希望を込めて。 書籍のプレゼント、先行公開、特別オファーなどを探求してください。詳細を知るにはここをタップしてください。 リトル・ブラウン・スパーク — はじめに ここ数十年の間に、インターネットに接続された世界に住む私たちは、ほぼ計り知れない量の情報にアクセスできるようになりました。リンクをクリックするだけで、特定の健康状態に対する治療法、ソーラー発電機の作り方、マルタの政治史など、興味のあることについて瞬時に知見を得ることができます。しかし、時には情報があまりにも多すぎて、どのように整理したり評価したりすればよいのかわからなくなることもあります。たとえば、社会科学データベースのProQuestは、「成長するコンテンツコレクションが現在...60億のデジタルページを含み、6世紀にわたる」と自負しています。そして、それは単なる従来の印刷情報に過ぎません！インターネットアーカイブのWayback Machineは、1996年からのウェブサイトやその他のデジタルアーカイブを収蔵しており、ほぼ1兆ページのデジタルコンテンツ、数千万冊の書籍や音声、そして約100万のソフトウェアプログラムをホストしています。ますます多くの情報がある中で、何に焦点を当てるべきかを判断するのが難しくなってきています。ましてや、すべての高度に専門的で矛盾した、不完全で古く、偏った、あるいは意図的に虚偽の情報の中から、何が啓発的であるかを見分けるのはさらに難しいのです。あの薬の研究は製薬会社によって資金提供されたのか？AIシステムは本物の製品レビューをすべて作り出したのか？その統計は何を省いているのか？その記事は一体何を意味しているのか？この情報を解釈するための専門的なガイダンスを誰に信頼すればよいのかを見極めるのもますます難しくなっています。専門家を名乗る人々はさまざまです — もしかしたら、あなたのお気に入りの専門家は私のお気に入りではないかもしれません。専門家同士が意見を異にしたり、裏の目的を持っていたり、あるいは自分の狭い視点を超えて世界や「現実」を理解していなかったりすることもあります。私たちは、どの専門家を安全に信頼すればよいのでしょうか？個人として、グループとして、あるいは社会全体として、健全な決定を下し、意味のある行動を取り、問題を解決するためには、まず現実を理解する必要があります。しかし、現実が簡単に見分けられず、どの専門家を信頼して問題を明らかにすればよいのかわからないとき、私たちは情報の混乱を乗り越えるための他の戦略を採用します。私たちは「直感に従う」ことを選び、自分が「信じる」ことを決め、それを再確認する証拠を探します。知っている人々との関係に基づいて立場を採用し、私たちに反対する人々を見下すことで安心感を得ることさえあります。私たちは、聞きたいことを教えてくれる専門家に相談することを選び、混乱をもたらす情報を提供する人々 — 科学者、学者、ジャーナリスト、地域リーダー、政策立案者、その他の専門家 — に対する共通の不信感を持って結束します。これらの対処戦略は、私たちの個人的または職業的な生活を乗り切るのに役立つかもしれませんし、慰めの感覚や帰属意識を提供するかもしれません。しかし、実際には私たちが物事を明確に見たり、良い決定を下したりするのを助けるものではありません。そして、それに頼ることは危険な社会的および政治的な結果をもたらす可能性があります。 私たちは、情報過多の時代において、個人として、また社会として、どのようにより良くナビゲートできるのでしょうか？混乱を避け、思考の罠を回避し、無意味な情報の中から意味を見出すにはどうすればよいのでしょうか？異なる解釈や価値観を持つ人々と協力して意思決定や問題解決を行うためには、どのようにすればよいのでしょうか？私たち三人—物理学者のソール、哲学者のジョン、心理学者のロブ—は、学生たちが大きな問題について考え、情報過多の時代において効果的な意思決定を行えるようにするプロジェクトに、ほぼ10年間密に取り組んできました。私たちの協力は2011年に始まり、すでに懸念されていた「考えない」政治主導の意思決定の傾向に応える形でした。例えば、国家の借金上限を引き上げる問題は、その夏、単なる実用的でおそらく検証可能な経済アプローチの問いとしてではなく、宗教的な分裂のように議論されていました。賛成派も反対派も、科学的思考の最も基本的な原則に対して同等の無関心や無知を示していました。私たちは、より明確な思考、より合理的な議論、そしてより実りある共同意思決定プロセスにつながる原則をまず明確にし、次にそれを教えることが可能かどうかを考え始めました。その結果、カリフォルニア大学バークレー校で、自然科学者と社会科学者が世界を理解するために使うアイデア、ツール、アプローチの全範囲を学生に教えることを目的とした、チームで教える学際的な「ビッグアイデア」コースが誕生しました。また、このコースは、個人であれ協力して行う場合であれ、日常生活においてこれらのアプローチがどれほど役立つかを示すように設計されました。私たちは、このコースが人気を博し成功を収め、他の大学の教師たちによって複製され、適応されていることに大いに満足しています。私たちの学生たちは、自分たちの世界を再考し、個人的な意思決定や社会の問題に対する新しいアプローチにエネルギーを得ているようです。彼らは、自分の疑問を調査し、情報や専門知識を評価し、グループや社会の一員として協力する能力が向上しています。彼らの熱意に触発され、私たちはこれらのツール—そして新しい思考法や協力の仕方—を教室の外で、あらゆる年齢の学生や市民と共有する新しい方法について考え始めました。私たちは、社会が道を見失い、苦しみを引き起こし—素晴らしい機会を逃している—ことをますます懸念しています。それは、私たちが今利用可能な膨大で複雑、しばしば矛盾する情報を理解するためのツールを持っていないからです。 実践的な問題解決は、問題の事実を確認できない場合や、コミュニティや政治的な解決を必要とする問題において、他者とその事実について合意できない場合に停滞することがあります。私たち人間はロケット科学を理解し、月に飛ぶことができる一方で、不確実性や対立する視点を乗り越えて、必要なときにシンプルで合理的な決定を下すことができないこともあります。私たちはどのようにして月に行ったのでしょうか？私たちが思考する種としての努力を重ねる中で、どのようにして人類の大部分の飢餓を減らし、寿命を延ばしてきたのでしょうか？ほとんどの人が魔法のような通信能力や無限の情報にアクセスできる世界に、どのようにしてたどり着いたのでしょうか？なぜ、私たちがここまで来た手法を使って、パンデミックや気候変動、貧困などの今日のグローバルな問題を解決できないのでしょうか？過去にうまく機能した知的ツールを活用できないのはなぜでしょうか？ 問題の一部は、科学自体がしばしば非常に技術的で不透明、矛盾した情報の主要な源であることです。このような情報は人々を圧倒し、困惑させ、時には怒らせることさえあります。最近、科学への信頼は低下しています。科学の成果は、その成功が生み出したすべてのユートピア的な期待に応えることができませんでした。また、いくつかの科学的成果は、社会的、政治的、環境的な負の副作用を伴うこともあります。これらの理由から、科学は政治的議論における分極化の象徴の一つとなっています。要するに、科学が理解しにくくなり、望ましくない副作用と結びつき、政治的な党派的批判の対象となる中で、多くの人々が科学者や「科学」自体への信頼を失ってしまったのです。 しかし、科学は人類が問いかけてきた最も難解な質問に対する洞察を提供する素晴らしい記録を持っています。科学は、何千年にもわたり、パズルを解き、問題に対処し、より良い生活を築く手助けをしてきました。それは、人類の夜明けに根ざした探求の文化であり、混乱した世界の中で対立する情報を評価し、私たちが知っていることと知らないことを区別する何世紀にもわたる実践を経ています。その過程で、科学者たちは成功や失敗、突破口や失敗から学び、新しい質問に対処し新しい問題を解決するためのツールを洗練させてきました。これらのツールの中には、測定器や機器といった物理的なものもあれば、思考のツール—思考習慣、ルーブリック、アプローチ、手続き、基準、アイデア、原則、立場—もあります。これらの思考ツールは知的な「ハック」として機能し、科学者が多様な言語や文化の中でより効率的に、成功の可能性を高めて作業し、より信頼性の高い結果を生み出すことを可能にしています。 彼らは情報を評価し、私たちが知っていることと信じていることを区別するための基準を確立します。彼らは私たちに、自分自身の盲点やバイアス、限界を修正し、問題が解決不可能に思えるときでも粘り強く取り組むよう促します。また、特に異なる視点を持つ人々との協力の重要性、さらにはその必要性についての何世紀にもわたる知恵を反映しています。科学は依然として多くの試行錯誤を伴いますが、私たちはゼロから始める必要はありませんし、少なくとも昨日犯したいくつかの過ちを避けることができます。科学者たちは長い間、これらの思考ツールに導かれてきましたが、多くの分野では一般的に使われていません。私たちは、これらのツールがもっと広く使われるべきであり、情報や専門知識を評価し、不確実性の中で意思決定を行い、個人、コミュニティ、あるいはグローバルな規模で生活に影響を与える問題を解決しようとする場面で役立つと信じています。実際、私たちは、ますます多くの人々がこれらのツールを使いこなすことが、今後の人類と地球の幸福にとって不可欠であると考えています。第三の千年を生き抜き、繁栄するためには、第三の千年の思考が必要です。 私たちが今日直面している多くの課題、医療問題からビジネスの決定、社会的および環境政策に至るまで、非常に専門的な科学情報と向き合うことが求められています。この本では、その情報が何を意味し、何を意味しないのか、また技術的な情報が答えられる質問（感情的、道徳的、哲学的、精神的）と答えられない質問について扱います。しかし、この本の科学的枠組みは、私たちが取り組んでいる情報や解決しようとしている問題が「科学的」であるかどうかに関係なく有用です。むしろ、それは複雑で常に変化する世界の中で他の人間と相互作用する私たちの日常生活に適用できる視点を提供します。 その大学院プログラムに入学するために借金をするのは理にかなっていますか？膵臓癌の新しい治療法に関する医療研究に参加すべきでしょうか？私の子どもの学習障害に対する最も効果的な介入は何ですか？私たちの町は侵略的な水草に対処するために除草剤の使用を承認すべきでしょうか？私たちの学校の施設予算を使って太陽光パネルを設置するべきでしょうか？私たちの州は自動運転車をどのように規制すべきでしょうか？科学の重要なツールは、これらの複雑な問題をナビゲートし、意思決定を行うのに役立ちます。ロケット科学者である必要はなく、科学者である必要もありません。科学が提供するものを理解し、利用することができます。欠けていたのは、科学的アプローチをわかりやすく表現し、日常生活における実用的な使い方を明らかにする明確で簡潔な説明、つまり良い翻訳です。それが、この本で提供しようとしたものです。 そのために、私たちは三つの異なる専門分野を活用します。ジョンは哲学を通じて、今日私たちが直面している問いや不安が過去にどのように扱われてきたのか、またそれらがどのように新しく、あるいは鋭くなっているのかを探ります。彼はまた、科学者でない人々から聞くさまざまな視点を取り入れ、科学研究がニュースでどのように読まれたり見られたりするかを反映させます。そして、彼には素晴らしい話がたくさんあります！（残念ながら、読者は彼のスコットランド訛りを想像するしかありません。）ロブは社会心理学者として、人々の行動に関する分析的な視点を提供します。彼の公共政策や法律の経験は、実際の社会的意思決定の具体例を通じてこの専門知識を補完します。ロブは、軍隊における性的指向に関する「聞かない、言わない」政策の撤廃や、カリフォルニア州、ワシントン州、バーモント州におけるマリファナの合法化といったテーマについて、政策立案者が決定を下す手助けをしてきました。その結果、彼自身のストーリーも豊富にあります。ソールは、宇宙の膨張のような銀河間の科学から、医療センサーや気候測定といった身近な科学まで、さまざまな分野の科学者と協力してきました。彼は、このしばしば異質に思える世界を人間的にし、科学者たちが本当に何をしようとしているのかを伝え、科学が実際に行われている個人的な物語の中で、科学者でない人々が自分自身を認識できるようにすることを目指しています。 私たちは一緒に、科学的思考の要素を面白く紹介しようと努めてきました。挑発的で、日常生活からの relatable な例を用いた思考実験を通じてです。第1部では、科学の文化と道具に焦点を当て、私たちの意思決定を導くための現実の共有理解に対する信頼を築く実際的な能力について考えます。第2部では、不確実性に満ちた世界から最大限の利益を引き出すために、私たち全員が使える潜在的なスーパーパワーとしての確率的思考のツールキットを提供します。そして第3部では、大きく、複雑で、解決に時間がかかる問題に取り組む際に科学的思考が私たちに提供する「ラディカルなできる姿勢」を紹介します。これは、もし二つのスーパーパワーを許されるなら、私たちの第二のスーパーパワーです。私たちは、こうしたできる解決策を可能にするためのトリックも提供します。 科学的思考のツールを活用しながら、私たちは事実や数字が価値観、恐れ、目標と交わる、より混沌とした意思決定のプロセスにおいてそれらを適用するという同じくらい挑戦的な課題に急に視点を変えます。第4部では、私たちの個々の思考がどのように間違ってしまうかの無数の方法と、科学のために開発された新しい技術やあまり新しくない技術を見ていきますが、これらは誰にとっても役立つものです。最後に第5部では、私たちの時代の最大の問いかけ、他者—私たちのパートナー、チーム、社会、そして世界—と共に問題を解決するために、私たちがどのようなアイデアを学び、それを基に構築できるのか、そして私たちが持てるすべての合理性を非常に人間的な感情と織り交ぜて成功させることができるのかを考えます。 私たちがより実践的で原則に基づいた方法を開発し、共に力を合わせることができるという考えは、私たちの共同の未来にとって最も重要な鍵かもしれません。今日、私たちは壊滅的な気候変動、世界的なパンデミックの脅威、そして富の急激な格差拡大という問題に直面しています。これらの文明にとっての存在的な課題を解決する中で、他にも様々な問題が考えられます。例えば、大きな小惑星が地球に衝突するコースにあるかもしれませんし、次の巨大火山の噴火による灰雲がすべての航空旅行を完全に混乱させ、世界的な作物の失敗を引き起こす可能性もあります。しかし、現在の脅威や将来の可能性のある壊滅的なシナリオも、私たちが協力して取り組んでいるなら、たとえ部分的であっても、ずっと恐ろしいものには感じないでしょう。私たちが持つ最高の3MTスキルを最大限に活用することで、大きな問題を共に解決できるのです！ 「第三千年思考」という本のタイトルについて少し触れたいと思います。「3MT」という言葉は、私たちが第三千年に入る中で人々が使い始めている、特に豊かな可能性を秘めたアイデアやアプローチの集まりを表すために、非常に遊び心のある壮大な意味で使っています。これらの絶えず改善されるアイデアやアプローチは、さまざまな源や伝統から生まれていますが、現在の科学的思考のバージョンが大きな貢献をしています。多くのアイデアは少なくとも一部の読者には馴染みのあるものかもしれませんが、私たちはその前提を置かず、次の章でそれぞれのアイデアに対する独立した紹介を提供することを目指しています。（すでに知っているものについては、気軽に流し読みしていただいて構いません。） これらのアイデアを一つの場所にまとめることで、私たちの目標は、これらを組み合わせることで、複雑な世界において私たち全員にとっての前進の道が形成され始めていることを示すことです。また、これらのアイデアは、日常生活において非常に役立つと考えています。私たちが処理しなければならない情報、決定しなければならないこと、個人として、親や家族の一員として、グループや組織の中で計画し協力しなければならないことがたくさんあるからです。さらに、私たち自身の未来は、これらのアイデアを他者に教えることに依存していると信じています。なぜなら、私たち著者でさえ、最初にこれらのアイデアを発展させるきっかけとなった誤りを一貫して避けることはできないからです。教室でそれらについて講義している日には、少しだけ効果的に誤りを回避できるかもしれませんが、私たちの専門的な研究活動では、これらの失敗や精神的な罠に注意を払うよう科学的に訓練された他の研究者たちの強力な文化に依存しています。共に、私たちはお互いを誠実に保つよう努めています。私たちの研究活動の外にある世界の他の問題に対しては、私たちがこの本から学び、私たち自身やお互いを見守る方法を学んでくれることを願っているあなたたちに依存する必要があります。 ここ数年、私たちは社会における驚くべきほどの分極化と、この分極化と科学や科学的専門知識との間に存在するしばしば問題を抱えた関係について、すべての人が意識するようになりました。私たちの社会が共に前進するための実践的な共通の計画や理解を見出す希望を持つためには、自分自身の考えに誤りがある可能性を受け入れ、どこで間違っているのかを見つけるために対立する意見が必要であることを学ぶ必要があります。また、第二千年紀の終わりに生じた科学の進歩に対する失望感や反発の源を理解し、それを修復する努力をしなければなりません。一冊の本や単一のアプローチで亀裂を癒すことはできませんし、私たちの分極化した意見の不一致がすべて消えるわけでもありません。しかし、どこかから始めなければなりません。そして、私たちはその出発点の一つとして科学の文化に着目することが有望だと考えています。科学のツールやアイデア、プロセスを借りて、私たち自身の考え方に第三千年紀のシフトをもたらすことから始めるのです。 第1部 現実を把握する 第1章 決断、決断、決断 友人たちとハイキングに出かけているとしましょう。突然、胸に強い圧迫感を感じ、意識を失います。意識を取り戻すと、病院にいます。若いインターン医師2人がCTスキャンを見ており、彼らの会話が聞こえてきます。心臓に何か問題が起きているのですが、どちらのシナリオが正しいのか彼らにはわかりません。シナリオAの場合、侵襲的な心臓手術が必要です。生き延びるためには、今すぐにでも切開手術を行う必要があります。合併症のリスクが大きく、命に関わるものもありますが、手術をしなければ確実に死んでしまいます。しかし、シナリオBも同じくらい可能性があるようです。その場合、今必要なのは薬だけです。その薬があれば、次の2、3日を乗り切ることができ、医師たちはさらなる検査やモニタリングを行う時間が得られます。しかし、もし実際に起こっているのがシナリオAであれば、薬だけではあなたは死んでしまいます。この時、インターンたちはあなたが目を覚ましたことに気づきます。彼らは、あなたがどのように進めたいかを尋ねます。「何を決めればいいのかわからない！」とあなたは答えます。「私は圧力を感じている。助けてください。」彼らは少し相談し、決定を下すための2つの方法を提案します。まず、あなたが民主主義の大ファンであることを知っているので、町の全員 — 駐車場の係員、一般市民、議会のメンバー — に投票をお願いするという民主的なアプローチを取ることができます。あるいは、最も知識が豊富で経験豊かな医師たちに決定を任せることもできます。 高いリスクを伴う決断をしなければならないとき、私たちがその分野の専門家でない場合や、正しい答えが何かわからない場合、最初に考えるべき選択は、誰に相談するか、またはどこから情報を得るかということです。これは、その決断をより良くするために重要です。政治的代表者を選ぶことや、大麻を合法化すること、風力発電所を設置する土地を選ぶことなど、多くの重要な状況においては、一般の人々の意見が非常に重要です。こうした決定においては、民主的なアプローチが支持されることが多いですが、仮に医療に関するケースを考えると、多くの人が最も重視するのは多数派の意見を尊重することではないと想像するのは難しいです。本当に重要なのは決定の質であり、通常、良い医者に相談する方が投票をするよりも良い決断を下せます。私たちはすべてのことについて平等な知識を持っているわけではありません。歴史について詳しい人もいれば、自動車に詳しい人も、医学に詳しい人もいます。知識が力であるならば、さまざまな専門家が持つ専門知識から自分を切り離すことは、自らを弱めることになります。専門家の意見を聞く理由の一つは、それが自分がやりたいことを実現する力を与えてくれるからです。しかし、専門知識が必要な状況には三つの難題があります。第一に、私たち自身が専門的な知識を持っていない場合、どのようにして必要な知識を考え始め、どの専門家が信頼できるのかを見極めることができるのでしょうか。第二に、信頼できる専門家を見つけたと仮定した場合、どのように、またはいつ、決定の他の重要な要素（価値観、感情、目標など）を適切に取り入れるべきなのでしょうか。第三に、決定を正当化し、私たちの個人の自律を尊重するためには、誰が最終的な権限を持ち、なぜそれが正当化されるのかということです。これらの質問を一つずつ考えてみましょう。 専門家と擬似専門家 現代の科学は通常非常に複雑であり、ほとんどの人が理解できない数学モデルを用いて発展してきました。この数学を理解するには何年もの訓練が必要です。このため、一部の人々は専門家のアドバイスや指示を疑問なく従うことになります（「あなたは数式を理解できないから、彼らが言うことをそのままやればいい」）。一方で、無知の立場にいることが非常に無力感をもたらすため、専門家の意見を聞くことを拒否し、否定的な力を行使する機会をつかむ人もいます。このジレンマは、Covid-19パンデミックの間に特に顕著でした。科学者たちは多くのアドバイスを提供しました。「マスクを着用しないでください」「マスクを着用してください」「Covidから安全でいるためにワクチンを接種してください」「Covidにかかった場合に備えてより安全になるためにワクチンを接種してください」といった具合です。しかし、私たちの多くはこのアドバイスの背後にある理由や、なぜそのアドバイスが時間とともに進化しているように見えるのかを理解していませんでした。ウイルスとは何か、またこれらの対策がどのようにウイルスにかからない助けになるのかを説明できる人もほとんどいませんでした。この状況における「自律」は、矛盾する情報から自分を隔離しようとすることに帰着するように思えました。 情報を得るためには、信頼できる専門家を選ぶことも一つの方法です。パンデミック中に発生した情報過多による混乱は、実際に関心のあるさまざまなトピックに関する情報が溢れているという一般的な問題の一例です。特に専門知識が必要なトピックの場合、最も信頼できる情報を見つけるにはどうすればよいのでしょうか？誰を信じるべきでしょうか？なぜ特定の専門家を他の専門家よりも信頼すべきなのでしょうか？正確な情報が必要な実用的な決定を下す際には、特に考慮すべき点があります。それは、機能する情報源を使用したいということです。 例えば、農業を考えてみましょう。人々は約12,000年前から農業を行っています。そして、もしあなたが農業をするつもりなら、例えばトウモロコシを育てるのに最適な時期を見つけるために、さまざまな方法を試すことができます。霊的な指導者の言葉に頼るかもしれませんし、星のパターンを見てトウモロコシを植える時期を教えてくれる人の言葉に頼るかもしれません。これらの方法は、安定した環境ではうまくいくかもしれません。霊的なアドバイザーや占星術師は、世代を超えて地域の状況に合わせたメッセージを調整しているかもしれません。しかし、科学的アプローチ—実験と観察—は強力な利点を提供します。より良い種の品種や作物に水をやるためのより良い方法があるかもしれません。さまざまな方法を試し、どれが最も良い結果をもたらすかを観察するのです。霊的な指導者や星に対する信仰がどれほど強くても、ライバルの作物が自分の作物よりも高く育ち、豊作であるのに対して自分が飢饉にあっているのを見れば、その信仰を維持するのは難しいでしょう。科学の素晴らしいところは、それが機能することです。私たちの日常生活に科学がどれほど多く関わっているかは、医療、食べ物、運転する車、そして頼りにするインターネットなど、数え切れないほどの例があります。この点についてはあまり議論が起こらないでしょう。（実際、私たちが持っている情報の洪水に対処する際の問題の一つは、科学ができることについての多くの誇張された主張があることです。ワクチンにマイクロチップを埋め込むことから、太陽を電子ランプで置き換えることまで。科学は多くの成果を上げており、その力は当然のものとされているため、多くの人々にとって、そうしたあり得ないことが実現できると考えるのはそれほど無理ではありません。） 科学は魔法ではなく、設計によって機能します。科学は、実体のない魅力的なアイデアに惑わされないよう私たちを守る手助けをします。私たちは皆、自分の自然な偏見を克服しようと奮闘しています。しかし、科学者たちはそれに対抗するためのさまざまな実践を開発してきました。これらは「非個人的」な技術であり、証拠を評価する際には、自分の心理が介入することなく、プロセスを機械的に進めることができます。これらの技術は、科学の分野全体で共通しています。 異なる分野では異なる名前が付けられていますが、認識できる同じ技術です。もしまだこれらの技術を使っていないのであれば、知っておくべきです。これらは科学ですが、難解なものではありません。理解するのは難しくなく、数学も必要なく、科学者でなくても科学者が言うことに関与することができます。例えば、分子生物学の科学者がいるとしましょう。この科学者は人間の体内の特定のタンパク質に関する研究を長年行ってきました。このような科学者は、発達心理学の実験研究、例えば子供が算数を学ぶ方法についての研究を見て、実験のデザインの論理を理解することができます。それは、分子生物学のキャリアが子供の学習に関する専門的な知識を与えるからではありません。数学的なスキルとも関係ありません。ここでの数学的分析には複雑さがないかもしれません。むしろ、すべての実験は、どの科学分野であっても同じ種類の問題に直面し、すべての科学者は自分を守る必要のある同じバイアスを持っているからです。これらの技術を学ぶのは難しくありません。たとえ科学的な訓練がなくても、また正式な教育をあまり受けていなくても、学ぶのは容易です。そして、これらの技術は学術研究の文脈を超えて重要であり、子供に何を食べさせるかやワクチン接種を受けるべきかといった非常に実践的なトピックについて考える際にも役立ちます。 これらの技術を理解することで、私たちは科学者の実験を再実施したり、特定の科学分野に関する専門知識を何年もかけて習得することはできません。しかし、私たちは、誠実な研究か、私たちの偏見に訴える単なる派手な物語かを見極めることができます。専門家と擬似専門家を区別することができるのです。そして、これを行うための準備をすること、つまり科学的思考の技術やツールを明確にすることが、この本の主な目的の一つです。 価値観についての判断 しかし、ほとんどの状況では、事実だけが考慮すべき要素ではありません。実際、ある決定においては、外部の事実が全く必要ないと感じることもあります。例えば、「チャーリー・チャップリンとマルクス兄弟のどちらが面白いか？」や「赤いソースと緑のソースのどちらが良いか？」といった場合です。しかし、ほとんどの場面では、事実が必要であっても、それだけでは不十分です。価値観、倫理、恐れ、目標は、意思決定においてしばしば重要な要素となります。医療のケースでも、同じ知識を持つ二人が異なる治療選択をすることがあります。病院のベッドで目を覚ますシナリオに戻ってみましょう。あなたは証拠がどこを指しているのかを評価しなければなりません。しかし、この状況で何が重要かを考慮する必要もあります。異なる人々はリスクを異なって評価するかもしれません。 あなたはこう考えるかもしれません： 「薬を飲めば大丈夫な確率は半々だけど、死ぬリスクを冒すわけにはいかないから、手術を受けよう。合併症が起こるかもしれないけれど、実績があるし、私を死なせる可能性は低いだろう。」あるいは、もう少し大胆な考え方をするかもしれません。「生存の可能性がそれほど高くないなら、手術やその回復の苦痛を味わいたくない。だから、死のリスクを受け入れて薬を選ぼう。」リスクにどれだけの価値を置くかは、結局あなた自身の判断です。医者はリスクの大きさを教えてくれますが、それがあなたにとってどれほど重要であるべきかは教えてくれません。このような問題は、たとえば癌と診断された子供の親にとって特に心に響くものです。あなたは、重大なリスクを伴う根治的治療を受けさせることが全く受け入れられないと感じるかもしれませんが、それがうまくいけば効果があるという考え方もあります。あるいは、病気が進行するという考えに耐えられず、根治的治療を強く求めるかもしれません。リスクにどれだけの価値を置くかはあなた次第であり、専門家がアドバイスすることはできません。癌で子供が亡くなるリスクが、治療によって生き残るが何らかの永久的な悪影響を受けるリスクを上回るかどうかを決めるのは、あなた以外の誰にもできません。これらの要素をどのように評価するかを教えてくれる複雑な数学的公式や科学実験は存在しません。 ここには「価値」として解釈できるさまざまな考慮事項があり、科学者たちが行おうとしている事実調査と対比されます。あなたの価値観は、自分の家族の背景や所属する宗教コミュニティ、あるいは周囲の人々や読んでいる本から引き出されるかもしれません。人々は特定の価値をどのように定義するかが異なり、多くの人は必ずしも一貫性のない価値観を抱いています。これらの要素は、決定を下す際にさまざまな悪い結果のリスクにどれだけの重みを置くか、または自分にとってのさまざまな利益がどれほど重要であるかに影響を与えるかもしれません。ワクチン接種のリスクや利益に関しては専門家が存在しますが、これらの問題を評価するための「専門家」は存在しません。しかし、さまざまな道徳的問題、特に実生活でよく起こる問題について多く考えてきた人々はいます。彼らは一般的に出てくるさまざまな考慮事項に精通しています。病院や大学が実践的な意思決定を助けるためにこうした人々を雇う理由は十分にあります。私たちの多くは、道徳的に難しい問題が起こったときに特に話したい人がいます — 親やパートナー、牧師、古い友人など。しかし、タバコ使用の健康への影響のようなことに関する専門家パネルのように、価値判断を行うための権威として普遍的に認識されている専門家パネルは存在しません。 集団やコミュニティが意思決定プロセスに関与すると、事態はさらに複雑になります。事実について合意するのが難しい場合もあります（ただし、私たちが紹介したツールを使えば、信頼できる情報源を特定できるかもしれません）。また、異なる、さらには対立する価値観を持つ人々を考慮する必要もあります。この課題については、本書の後半で詳しく取り上げます。 **専門知識と権威** 私たちは信頼できる事実に基づく情報源を持つ必要があり、その情報を私たちの価値観の文脈で考慮しながら選択肢を検討し、行動の潜在的な結果を理解しようとします。しかし、最終的には誰が意思決定の権限を持つのでしょうか？今日のほとんどの社会では、個人が自分に影響を与える決定を下す権利を持つという前提があります。しかし、特にあなたがなぜそのような権利を持つべきなのか考えたことはありますか？この問いは、多くの現在の論争の中心にあります。私たち全員が望んでいるのは、あなたを含めて、物事がうまくいくことだとしましょう。私たちの多くは、間違った判断をしたり、後悔するような行動をしたり、悪い結果を招く決定を下した経験があります。私たちは、物事をうまく進めるために何が必要かについて、必ずしも専門的な知識を持っているわけではありません。これは複雑な医療の決定に限らず、他の多くの分野でも同様です。 もしあなたが単に物事がうまくいくことを望むのであれば、すべての意思決定を専門家に委ねるべきかもしれません。しかし、ほとんどの人にとって、これは悪夢のようなアイデアに思えるでしょう。専門家が私たちが何を食べるべきか、どのような薬を服用すべきか、どのような医療手続きを受けるべきかを決定し、どの仕事を目指すべきか、どの社会集団に属すべきか、どのような運動や恋愛関係を持つべきかを決める社会は、たとえ彼らが「正しい」判断を下したとしても、地獄のように感じられます。私たちは「専門家」のアドバイスを無視する権利を保持したいのです。しかし、これはただの非合理的な考えなのでしょうか？あなたは「専門家」が時には間違えることがあると主張するかもしれませんし、その意見が正しいかもしれません。また、専門家があなたの最善の利益を理解していない場合もあります。それは確かに可能性の一つです。しかし、あなた自身が自己破壊的な衝動に影響されている可能性も同様にあります。専門家だけがあなたに影響を与える決定を下す権利を持つ方が、あなたにとってはずっと良い結果になるかもしれません。 では、なぜこのように権力を手放すことが難しいのでしょうか？自然な答えは、あなたが少なくとも民主的な社会で育てられ、自分自身を自由な人間として見ているからです。あなたは自分の自由が認められ、尊重されることを期待しています。心臓発作から回復している状況を再考してみてください。その時、何をすべきかは最終的にあなたが状況を判断し、決定を下すことになります。 専門家たちが「あなたにとって最善のことを知っている」と言って押しつけてくるからといって、ただそれに従うわけにはいきません。最終的にはあなた自身の判断です。しかし、多くの重要な決定においては、あなた自身の福祉だけでなく、決定を下す能力のない他の人の福祉も関わっています。例えば、祖母が死にかけていて、完全に回復する見込みがないとします。彼女は現在意識を失い、生命維持装置に繋がれています。彼女はあなたにプラグを抜く権限を与えています。いつ、もしそうすることがあるとすれば、あなたはそれを行うべきでしょうか？AIの愛好者は、最も良い医療および統計的証拠を考慮に入れる機械にその決定を任せるべきだと言うかもしれません。それは、あなたの祖母や現在の医療知識に関するさまざまな詳細に基づいて、あなたが自分で行うことのできるよりもはるかに複雑な計算を含むかもしれません。しかし、このような状況では、あなたがその決定を引き受けなければなりません。祖母はあなたにそう頼んでいるのです。あなたがその決定を機械に任せることはできません。「機械が祖母を手放すべきだと言ったので、プラグを抜きました」と言うだけでは不十分です。機械が考慮すべき関連する議論や考慮事項を提供することはできるかもしれませんが、あなた自身がそれらを理解し、評価し、最終的な決定を下さなければなりません。自由で自律的な人間であるということは、他の人の意見や機械の助言を聞いたとしても、その人の世話をすることになったあなた自身が価値観に基づいて決定を下さなければならないということです。 自分自身のために選択をすることは、年老いた親族や癌を患った子供、話せない赤ちゃん、動物や木、無生物に関する選択をすることとは異なるように思えます。例えば、動物の飼育を考えてみましょう。農場を経営していて、家畜がうまく育つことを望むなら、彼らの管理方法についての何世紀にもわたる知識と科学があります。私たちは、農家や牧場主がその情報を活用して運営を行うことを期待しています。農家や牧場主が牛と相談せずに決定を下すことに対して私たちは気にしません。正しいか間違っているかは別として、私たちは動物とは異なる形で自由であると考えています。人間の問題について科学者がアドバイスをすることと、農場の管理者が例えば家畜にワクチンを接種すべきかどうかを決定することには大きな違いがあります。他者を自律的な個人として認識し、私たちにも同じ敬意を払うことを期待しています。（年老いた親族や幼い子供のために決定を下すことが非常に苦痛である理由の一部は、私たちが患者に相談できればいいのにと思うからです。私たちはそれが彼らの権利であり、私たちの権利ではないと信じていますが、動物に関してはそのように悩むことは少ないです。） 場合によっては、私たちは自分で決定できない個人のためだけでなく、集団や社会の一員として意思決定に関与する必要があります。 その決定の結果に影響を受けるコミュニティについてです。心臓発作の例では、民主的な意思決定プロセスを拒否する可能性が高いですが、投票はコミュニティのメンバーをその影響を受ける決定に含める一つの方法です。集団での意思決定に関与する際には、複数の対立する利害や価値観、またどの事実が信頼できるか、どの専門家が信頼できるかについての異なる意見を考慮しなければならないことがあります。この本の後半では、グループが情報を共同で評価するだけでなく、お互いの価値観を慎重に考慮し、重み付けする方法についても議論します。これにより、通常私たちが民主的プロセスと考える投票が強化されます。また、決定を下す権限が最も影響を受ける人々にない特別なケースも存在します。これは、私たちが議論したように、人々が無能力になっている状況だけでなく、誰かの個人的な決定が彼ら個人を超えて影響を及ぼす可能性がある状況も含まれます。例えば、バイクのヘルメットが義務付けられている理由や、公衆衛生機関がパンデミック時に学校を閉鎖する権限を持つ理由はここにあります。しかし、ほとんどの場合、私たちは個人やコミュニティが自らに影響を与える決定に対する権利を持つと考えています。 良い意思決定は、私たちが議論した三つの要素、すなわち信頼できる専門家からの正確な情報、価値観の慎重な考慮、そして影響を受ける人々の手に決定権を置く構造に依存しています。これらの要素のいずれかが他の要素と大きくバランスを欠くと、明確な失敗の兆候が見られます。例えば、私たちの意思決定において専門知識の役割を過大評価した場合、どうなるでしょうか？最近、一部の政治哲学者たちは「エピストクラシー」という極端な概念について語っています。これは、投票するためには特定の教育資格や知識が必要な社会のことです。例えば、高校を卒業した人だけが投票できるべきだとか、大学を卒業した人だけが投票できるべきだという考え方です。または、誰もが投票できるが、教育を受けた人ほど多くの票を持つという形も考えられます。明らかに、利点があるとしても、エピストクラシーには問題点があることは確かです。私たちは後でこの点についても議論します。科学者たちとどのように協力しながら、あまりにも多くの権限を彼らに与えないようにするかが重要です。科学者は私たちに対して農場の管理者のような立場にはないため、私たちを羊のように扱ってほしくありません。私たちは、科学者が私たちに与えていない権限を行使することを望んでいません。私たちは、自分たちの決定の評価的側面を所有することを期待しています。そして、もし科学者が私たちの選択に影響を与えたいのであれば、彼らは私たちを説得する必要があります。 科学者たちは、彼らが発見したと思われる事実を私たちに説明し、偏りのない結果を得るために彼らの研究で適用した手法を示すことができます。これにより、私たちはその結果が説得力があるかどうかを判断することができます。つまり、科学者も非科学者も、科学者が結論に至るために使用する技術についてある程度の理解を持つ必要があります。これは、良い専門家を選ぶ能力において重要だと私たちが議論した理解と同じです。そして、これらは隠された謎ではなく、私たち全員が学ぶことができるものであり、これがこの本の主な目的の一つです。 もし私たちが意思決定における自律性の役割を過大評価した場合、どのようなことが起こるでしょうか？この失敗のパターンは、意思決定の要素間の微妙なバランスが「自由を技術者に譲るか、自由を保ち、彼らのいわゆる専門知識を拒否し、自分で調査するか」という二者択一の選択と見なされたときに発生します。例えば、YouTubeの動画を数百時間見たり、「自分に合う」と感じる情報をもとに作業をすることを意味するかもしれません。しかし、この問題は、私たちが「自分に合う」と感じることが、正しい可能性と同じくらい致命的な間違いである可能性があるということです。私たちには、特にカリスマ的な人々が言うことを信じる傾向や、既存の偏見を反映する物語を信じる傾向、あるいは嫌いな人々を悪魔化する傾向があります。（偏見については本書の後半で詳しく議論します。）自分自身の偏見に対する盲目さは、私たちが「自分に合う」と思うことを判断する際に、致命的なエラーに対して脆弱であることを意味します。私たちは、攻撃を受けている軍隊のように、レーダーが無効になっている状態にいます。私たちは、何に対して警戒すべきかを全く知りません。 別の種類の失敗が起こるのは、意思決定プロセスにおいて私たちの集団的および個人的な価値観が専門知識と適切に比較されることを確保する方法を誤解し、関連する科学者が価値観の議論から外れるべきだと主張する場合です。もちろん、特定の問題に取り組む科学者には、彼らの研究結果がどのように利用されるか、そして原子爆弾のケースのように、それが果たして使用されるべきかどうかを考慮してほしいと思っています。実際、私たちは良い科学教育がそのような倫理的思考を促進することを望んでいます。私たちは、科学者が人間のゲノム編集や人間の脳の思考を読み取る研究を行う際に、良い結果と悪い結果の両方を考慮しないことを望んでいません。したがって、私たちの目標をより微妙に表現すると、科学者の事実に関する発見と、関わる価値観に関する彼らの最良の知恵を分けることができるようにしたいということです。私たちは、彼らが事実の専門家であり、価値観の議論に参加することを求めています。信頼できる専門家は、私たちに助言する際にこれら二つの役割を区別する手助けができるはずです。 これらの三つの失敗モードの例は明らかに網羅的ではありません。この専門知識、価値観、自律性の微妙なバランスが崩れる方法はさまざまです。私たちの仕事、つまり個人としても集団としても意思決定者としての役割は、このバランスと意思決定に至るプロセスを注意深く見守ることです。興味深いことに、ここでも専門知識の役割があります。特に、社会的な決定を下すために用いられる（時には民主的な）プロセスを理解するための専門知識や、提案された政策が社会に与える影響を探るための専門知識は、しばしば別の形の科学的思考を必要とします。本書を通じて見ていくように、社会科学からのアイデアや結果は、共同意思決定を進める方法を決定する上で非常に役立ちます。私たちは、社会としての意思決定の方法を改善し、すべての人の推論や好みが適切に考慮されるようにすることができます。このような専門知識は、以前は漠然としか考慮されていなかった価値観や目標を認識するのにも特に重要です。それらは明確にされると、意思決定に含めることが有益であり、必要であることがわかります。たとえば、社会政策が効果を発揮する異なる時間スケールについての問いを引き出すことは有益であり、現在の人口の即時の利益と、30年後（あるいは30世代後）の人口の利益との相対的な重みをどう考えるかが重要です。結局、これらの意思決定は、個人から社会全体に至るまで、私たちが賭けをすることです。私たちは、正しい選択をしたという保証をほとんど持っていません。この意思決定の側面は、後の章で議論する科学的思考のアプローチ、特に「確率的思考」の技術からも恩恵を受けることができます。本章で議論したすべては、すべての人に共通する単一の現実が存在し、科学が物事の実態を探る手助けをしてくれるという考えに依存しています。しかし、なぜ私たちは科学が「そこにある」共通の世界について何かを教えてくれると考えるべきなのでしょうか？なぜ私たちは、科学が教えてくれる驚くべき世界—微小な粒子や力、遠くの銀河、電磁放射、隠れた動機、脳内の血流の急激な変化—が本当に存在し、私たち全員にとってのものであると考えるべきなのでしょうか？共通の世界がなければ、共同意思決定は不可能になります。これが次の章の大きなテーマです。 第2章 => 器具と現実 誰もが科学的な問題に関する党派的な争いがあることを知っています。たとえば、アメリカでは、右派の人々は気候変動が人間に与えるリスクはあまりないと考えがちで、左派の人々は多くの危険があると考えます。右派の人々は、私的な銃所持に関する規制を緩和しても犯罪が増加しないと考え、左派の人々はそうなると考えます。 このような問題について考えるとき、片方の人々が科学を十分に理解していないからだと考えるのは自然なことです。あなたの側の人々は科学を理解していて、反対側の人々は理解していない。もしそれが全てであれば、こうした問題について私たちを結びつける方法は、全体の科学的理解を高めることかもしれません。しかし実際には、社会科学者たちは、政治的スペクトラムの両端に科学的リテラシーを持つ人々が存在し、「事実」を知らせることが政治的対立を解消するにはほとんど不十分であることを発見しています。本書の後半で詳しく考察するように、私たちはしばしばこれらのホットなトピックにおいて、見た証拠に基づくのではなく、自分たちのアイデンティティに基づいて立場を選びます。実際、科学的な洗練さは証拠を武器として利用する手段として誤用されることがあります。つまり、自分の好む信念を促進するために証拠を利用する方法を見つけるのです。もしあなたが左派で、すべての友人がインテリジェント・デザインは狂ったアイデアだと思っているなら、それに何か意味があるかもしれないと言うと、かなりの社会的代償を払うことになるでしょう。テーマについて何かを知っていることで、あなたは証拠を集めて、あなたの社会集団がすでに持っている信念を確認することができます。もしあなたが左派で、すべての友人が弱い規制の銃所有が高い犯罪率や銃による死亡率を引き起こすと思っているなら、銃所有が犯罪を抑止するか、銃規制が効果がないという考えを探求したい場合、あなたは代償を払うことになります。そして、右派の場合も同様です。少しの知識は、単にあなたのグループが支持する見解を守る手段を提供するだけです。では、これがどれほどの問題なのかと言うかもしれません。個人レベルでは、選んだグループの意見を反映することで、社会的により成功し、より良い人間関係を築き、より楽な生活を送ることができます。もしあなたたちがそれぞれ選んだ教会で心地よく過ごしているなら、どれが「正しい」かなんて誰が気にするでしょう？それに、私たちの党派的忠誠心を超えて、全員が合意すべき「正しいこと」という概念が本当に存在するのでしょうか？実際、人々はこのような真実の捉え方を、異なる人々にとって異なるものとして受け入れることは非常に稀です。どの側にいても、相手側の人々が間違っていると感じるでしょう。彼らが深刻で、場合によっては危険な間違いを犯していると考えます。人々は、銃所有の影響などのこの種のケースにおける意見の違いを、好きな曲やピザの種類についての意見の違いと同じようには捉えません。人文学部の一部の学者が科学自体を多くの権力構造の一つとして扱うことがある一方で、ほとんどの科学者は私たちと同じように考えています。 — 世界の基本的な事実については、正しいことと間違っていることが存在します。実際、科学の目的は客観的に正しいことや間違っていることを見つけ出すことだと考えられています。科学者たちは、自分たちが話している「外の世界」が存在することを確立しようと試みます。その世界では、正しいことと間違っていること、事実とフィクションは、私たちの権力構造や現実に対する願望から独立しています。例えば、科学者たちが実際に行っている手続きに目を向けてみましょう。これからの章で多くの手続きをレビューします（この章の後半では有名な象徴的な例も紹介します）。これらの手続きは、科学者たちが強圧的に合意を得ようとしているという考えとはうまく一致しません。実際、彼らの働き方は、権力集団が自らの教義を押し付けることとは真逆のものです。むしろ、科学の権威は、絶え間ない自己疑問から生まれます。科学者たちは、考慮している見解に対して、それが間違っていることを明確に示す方法があることを要求することが多いのです。そして、もしその見解が間違っていることを示す方法がない場合、科学者たちはその見解が正しいとはさらに疑わしく思います。科学者たちが祝う多くの偉大な突破口は、あるアイデアがその分野のリーダーたちによって受け入れられていたにもかかわらず、実際には正しくないことを示した誰かによって生まれました。この疑問のプロセスを生き残ったアイデアには権威がありますが、それは権力者がそれを主張したからではありません。信念を疑う者に火や忘却で脅すカルトとは真逆です。科学においては、疑問を持つことが歓迎されます。これは、科学が本質的に社会的現象であることを示していますが、真実を追求し、協力する社会的現象であり、強制的なものではありません。ここでの挑戦と疑問を持つプロセスは、子どもを育てるプロセスのように、コミュニティ全体を必要とします。 さて、この時点で、今後この本の中で何度も取り上げられることになる重要な点を明確にしておくべきです。私たちが「第三ミレニアム思考」に不可欠であると説明している概念、原則、運営方法は、科学の厳しい努力によって得られた現在の最良の実践です。これらは、科学者たちが常に目指していること、または改善しようとしていることであり、実際に実行することに成功していることが多いのです。しかし、科学は人間の営みです。私たちは、個人や組織がこれらの常に改善される最良の実践に失敗する例を見つけることができますし、時には科学の一分野全体が失敗する例もあります。これらの失敗は、実践を誤解した結果であったり、悪意や目的のために手段を正当化する考え方によるものだったりします。しかし、科学者たちがこれらの例について議論する際、彼らはそれを誇りに思うことはありません。彼らはそれを失敗としてすぐに認識します。この本で私たちが推進しているのは、私たちの最良の社会的能力につながる、常に改善される科学的思考の側面です。 科学者たちは常にその理想に応えられるわけではありませんが、彼らがそうすることで科学はより多くの進展を遂げることが分かっています。さらに、すべてが順調でベストプラクティスが守られている場合でも、科学は「外にある現実」を見極めようとする際には依然として厳しい挑戦を伴います。外には真実が存在しますが、私たち人間が何世紀にもわたってその真実を明らかにするために発展させてきた理論やモデルは、通常、せいぜいその真実の近似に過ぎません。私たちは、持っているモデルが通常不完全であることを受け入れています。それらは通常、期待されることに対する大まかな指針に過ぎません。時には、特定の領域で何が起こっているのかについて異なるモデルや理論がいくつか存在し、私たちはその場の目的に最も効果的に機能するものを使用します。時間が経つにつれて、私たちは理論やモデルを発展させ、真実により近づけることができます。私たちは、科学的な理解において十分な精度に達し、その理解に基づいて驚くべき成功を収めることができることが多いという点は、あまり強調する必要がないでしょう。現代の人々は、現在の科学や技術の限界に驚くことが多い一方で、その多くの成功を当然のこととして受け入れています。 **共有された現実へのステップ** しかし、これは疑問を提起します。「外にある」現実について、両者が既存の考えに合うように証拠を武器化できる場合、どのように合意に達するのでしょうか？現実がどのようなものかを共有する理解をどのように得るのでしょうか？—おそらく、外にある現実に対する私たちの最も強い感覚は、触覚から来るものです。手をテーブルに叩いたり、指で軽く叩いたり、暗闇の中で部屋を横切るときにぶつかったりすると、テーブルがそこにあり、実在することを確信します。ですから、私たちが共有された現実に到達するための最も有望な道は、物に触れたり、感じたり、持ったり、押したりして、その反応を見ることに関わるものだと考えましょう。これを行うことで、対立のリスクをあまり伴わずに済みます。テーブルがそこにあるかどうかについての党派的な争いはありません。しかし、物理的に何かに触れることだけが、その現実感を得る方法ではありません。ほとんどの人は、棒でつつくことができるものの現実を受け入れることにも同意しています。同様に、「自分の目で見ることができる」という証明の基準がある一方で、より明確に見るために矯正レンズを使用することも許容されます。私たちは、虫を虫眼鏡で見ることに対しても同じ強い確信を持ち続けるかもしれません。年々、私たちは眼鏡や虫眼鏡を超えた、より洗練された仲介手段を使用する技術が向上しており、それでもなお現実に触れているという強い感覚を持つことができます。これらの仲介手段には、スマートフォンを持っているならポケットに入っているような機器も含まれます。 実際、私たちは今、「見る」ことができるようになりました。これは、10年前には誰も見られなかったことを、まるでもっと直接的でインタラクティブな方法で体験できるようになったということです。100年前には、どこでも見ることができなかったものです。私たちは、現実を「体験する」ことに、以前よりもずっと多く関わることができるようになっています。例えば、聴覚に注目してみましょう。スマートフォン用のアプリを使えば、電話を音の分析器、つまり「スペクトログラフ」に変えることができ、自分が歌ったり、口笛を吹いたり、楽器を演奏したり、音を出したりしたときの音の特性を視覚化することができます。以下のグラフは、そのようなアプリが示す例です。音符を口笛で吹くと、画面に線が表示されます。高い音を口笛で吹くと、その線が上に移動します。驚くべきことに、単一の音を歌っていると思っているときでも、画面には多くの異なる線からなる和音のようなものが表示されます。高い音を歌うと、すべての線が一緒に上に動きます。これを体験すると、歌っているのは単一の音ではなく、実際にはその音に混ざっている「倍音」と呼ばれる高い音から成る和音を歌っているのだと、非常に実感として理解できるようになります。 異なる母音を歌うと、倍音の数が異なることも発見するかもしれません。「あ」と歌うと、たくさんの倍音が得られ、「お」と歌うと少なくなり、「い」と歌うとさらに少なくなります。このアプリで少し遊んでいるうちに、音の現実を感じるようになります。理論を知らなくても、直接触れていることで音の世界を異なる視点で考えるようになります。（私たちの聴覚システムは、これらの同時に関連する音、すなわちすべての倍音を一つの音として扱いますが、検出される同時音の混合によって異なる「音色」を持ちます。これが、同じ音を出しているバイオリン、フルート、テノールの声の違いを識別する方法の一つです。スペクトログラフがなくても、バイオリン、フルート、テノールは見た目も異なります！） すべての測定器が、現実について何かを学んだという感覚を私たちに与えるわけではありません。椅子を押したり、テーブルを叩いたり、スペクトログラフで歌ったりすることに共通しているのは、インタラクティブな探求の感覚を生み出すことです。これは、科学哲学者イアン・ハッキングが使った用語です。 インタラクティブな探求のアイデアは、私たちが体験するものが私たちの入力に応じて変化する場合、その現実に対する自信が高まるということです。例えば、ビリヤードの玉をキューで突くと玉が転がり、その結果、目の前にある丸い物体が物理的な世界に存在する実際の硬い物体であると信じ始めます。スペクトログラフの表示は直接的な体験から一歩離れていますが、それでもあなたが操作することで反応し、高い音や低い音を口笛で吹くと線が上下に動き、二人が同時に口笛を吹くと複数の線が現れます。実際、これにより、事前に知らなかったことの現実を信じ始めることさえあります。例えば、自分の声の音色が同時にいくつかの異なる音程を反映していることです。インタラクティブな探求によって現実感が鋭くなることを考え始めると、異なる程度の相互作用が可能な計測器によって感覚が強化されるさまざまな例を見るのが興味深く（そして、後で見るように示唆に富んでいます）、いくつかの科学的な例から始めて、日常の体験の例に移っていきましょう。 音のスペクトログラフアプリで遊んだ後、特に低技術な自然な続きの例があります—スマートフォンは不要です！自宅でこれを行う方法はこうです。直射日光が入る窓と、窓の前に置いて単一の光線だけが通るようにできるピンホールのある段ボールのシートが必要です。次に、太陽光線の進む道にプリズムを置くと、日光が色とりどりの光の虹に広がるのが見えます。LED懐中電灯の光をプリズムに通すと、日光が作り出した完全な虹ではなく、いくつかの色の線だけが現れます。古い蛍光灯や白熱灯の電球を見つけてそれをプリズムに通すと、異なる色の線が現れますが、やはり全ての虹ではありません。これらの光の種類はすべて白色光と呼ばれますが、異なる成分色を持っているようです。これについて何が言えるでしょうか？プリズムの実験は音のスペクトログラフの実験と同じくらいインタラクティブに感じられるのでしょうか？ある意味で、このプリズムによる光の検査は、音のスペクトログラフによる検査と非常に似ています。スペクトログラフが私たちが聞く音が同時に多くの異なる音程から成り立っていることを示したように、プリズムは白色光が日常生活で見るものを生み出すために組み合わさった多くの異なる色から成り立っていることを見せてくれます。そして、スペクトログラフで口笛が非常にクリアな音を生み出し、ただ一つの音程であることがわかったように、プリズムを通したLED光も日光ほど多くの色に分解されないことがわかります。さまざまな光源で遊ぶうちに、あなたが感じていることが何であるかを自分自身に納得させ始めるかもしれません。 目は、白色光が実際には多くの異なる色が組み合わさった「和音」であることを理解することができるだけです。これは、あなたの声が一つの音程で歌っているときに、実際には多くの異なる音が組み合わさっているのと同じです。このように考えると、光は私たちの目だけでは捉えきれない少し異なる存在であることを受け入れ始めるかもしれません。音と光という二つのインタラクティブな探求の例を比較すると、電話アプリよりもシンプルなガラスのプリズムを使うのが素晴らしいと感じるかもしれません。プリズムは触れることのできる物体です。アプリについて理解できないことや、裏で何かに騙されているのではないかと想像することはありません。プリズムから出てくる光は、プリズムに入った光の単なる変化であると確信しています。また、ガラスのプリズムのシンプルさから、プリズムの出力は巧妙なプログラマーが見せているものではなく、現実の実際の表現であることも確信しています。しかし、プリズムを使った光のインタラクティブな探求には、電話アプリを使った音の探求と比べて、あまり満足できない点があるかもしれません。私たちは、音の源と同じ程度に白色光のさまざまな光源で遊ぶことができません。もし私たちの目からレーザービームを放ち、自由に色を変えられたら—私たちが自由に異なる音程を歌えるように—おそらく脳は白色光の色の構成の現実をもう少し深く確信するかもしれません。結局、これは現実のよりインタラクティブな探求と、ややインタラクティブでない探求との違いです。 それでも、もっと悪い状況も考えられました！私たちが座って呼吸している部屋の空気がどれほど stale（新鮮さを欠いている）かを知りたいときのことを考えてみてください。近年、このことが重要な質問であることがわかりました。酸素を吸い込み、二酸化炭素を吐き出すと、空気は「古く」なり、脳が必要とする酸素を得るのが難しくなります。一般的には、適度な大きさの部屋にはたくさんの空気があり、新鮮な酸素を含む新鮮な空気が常に流れ込んでいるため、あまり問題にはなりません。しかし、あまり空気の流れがない部屋に多くの人と一緒にいる場合—たとえば、大学の講義室で1時間の授業を受けているとき—二酸化炭素の割合が増え、酸素の割合が減少することがあります。研究者たちは、異なる二酸化炭素濃度での認知テストのパフォーマンスについて研究を行っています。濃度が800以下のとき、人々は良い結果を出します。濃度が約1,000になると、パフォーマンスは低下します。濃度が1,200になると、認知テストの結果はかなり悪くなります。これは、1時間の授業の終わりに多くの換気の悪い講義室で見られる濃度に近いです。 最近では、空気中の二酸化炭素濃度（温度や湿度も表示されるのでお得です）を示す小型センサーを購入することが可能です。しかし、私たちの二酸化炭素センサーは、他のいくつかの機器が提供するようなインタラクティブ性はあまりありません。吸気口に息を吹き込むことで、一時的に二酸化炭素の数値を上げることはできるかもしれませんが、それが限界です。この機器をインタラクティブに操作することはできず、周囲の二酸化炭素濃度を知る手段がないため、どのように反応しているのかを理解するのは難しいです。音響スペクトログラフで異なる音楽の音符や楽器を認識できるのとは違い、二酸化炭素の濃度がどれほどのものかを自分で判断するのは難しいのです。もし私が、あなたが到着したときよりも部屋の中に二酸化炭素が多く、脳の機能がそれによって悪化していると言ったとしても、自分自身でそれを判断するのは非常に難しいです。（もちろん、脳の機能が低下しているほど、判断が難しくなります。） 要するに、二酸化炭素濃度の数値が「どれだけ現実的か」を感じ取るのは難しいのです。私たちはそれを信じるしかありません。センサーが出す数値が、実際には宇宙からのエイリアンの通信によって引き起こされている可能性もあるかもしれませんし、エイリアンは誰かが吸気口に息を吹き込むのを見たときに数値を上げるのかもしれません。まあ、そんな奇妙なことには騙されないでしょうが、二酸化炭素センサーが、これまでに議論してきたツールのように現実と即座に結びついているわけではないことは明らかです。 最後に、非常にシンプルなツールである鉛筆と紙の例を考えてみる価値があります。1854年のロンドンでコレラの流行があったとき、誰もその原因を知らなかったため、ジョン・スノーは地図にコレラによる死亡者をプロットし始めました。彼はコレラで亡くなった人の場所に小さな点を打ち始め、すべてが特定のエリアに集中していることに気づきました。そのホットスポットから離れるほど、死亡者数が減っていくことが分かりました。彼は最終的に、そのホットスポットの中心にある井戸とポンプが人々に水を供給していることに気づき、その井戸が汚染されていることを理解しました。彼はポンプのハンドルを外して誰も水を汲めないようにし、コレラによる死亡者数は減少しました。これは、現実の理解をインタラクティブにテストする一例として考えることができます。また、私たちの弱点を補うために使用する低技術の科学的手法の一例でもあります。私たちは時間の経過に伴う多くの出来事を記憶するのが得意ではないため、ロンドンの人々は死亡者の場所のパターンを見抜くことができませんでした。しかし、鉛筆と紙を使うことで、出来事を記録し、人間の記憶の限界や脳が多くの空間データを視覚化する能力の限界を克服することができるのです。 これらのツールは、現実に何が起こっているのかを感知する上で、私たちがそれ以外ではできないことを可能にしてくれます。ジョン・スノーの時代以来、私たちは感覚を拡張し、限界を克服するためのさまざまな方法を発明してきました。その結果、世界の現実の多くが私たちにとってアクセス可能になっています。そして、検出される現象とインタラクティブに遊ぶことを可能にする機器は、私たちが科学的概念や名前を無から作り出しているのではなく、それらが具体的で現実的であるという感覚を強化してくれます。私たちは、これらの現象の現実について争うことはありません。 感覚を超えた現実：ツールのテスト すべての動物、つまり人間を含むすべての生物には、世界について知る方法に限界があります。私たちが説明してきた種類の機器は、世界に対する私たちの知覚の弱点を補正します。私たちの最も基本的な弱点は、知覚が何が起こっているのかについてすべてを教えてくれないことです。したがって、補正装置が必要です。視力が必要な人もいれば、遠くの銀河や惑星を見るために望遠鏡を使い、細胞のような非常に小さなものを見るために顕微鏡を使います。多くの人にとって、単音と和音の違いを聞き分けるのは難しいですが、私たちが話した音響分析器は、複雑な音をその構成要素に分解することを可能にしてくれます。私たちは通常、日光を無差別な白色光として見ていますが、プリズムを使うことで日光の複雑さを分析し、さまざまな色の光線で構成されていることを理解できます。しかし、私たちが周囲を分析するために使用する機器の受け入れは、容易に得られたものではありません。電気を考えてみましょう。電流を知るために、私たちはさまざまな測定器を使用します：ボルトメーター、アンメーターなどです。これらの機器は馴染みがあるため、現在ではそれが示す通りに機能することを当然のこととして受け入れています。「ボルトメーターと書いてあるから、ボルトを測っているのだろう」と私たちは言います。しかし、これらの機器の存在自体が成果であったことを忘れがちです。これらの装置が何を正確に測定しているのか、機器自体が私たちが何が起こっているのかを知る唯一の手段であるとき、どうやって人々はそれを知るのでしょうか？ 歴史的な例を見てみましょう：1609年のガリレオの望遠鏡の初使用です。ガリレオが初めて望遠鏡を夜空に向けたとき、彼は望遠鏡なしではできなかった多くの基本的な天文学的観察を行いました。例えば、彼は木星の衛星が木星の周りを回っていることを発見しました。それまで、聖書に示された真実は、すべての天体が地球の周りを回っているというものでした。したがって、ガリレオの観察は確かに激しい党派的な争いの焦点となりました。彼の批評家たちは、ガリレオが示したのは、レンズを正しい方法でチューブに組み合わせると、目の前に非常に奇妙な斑点が現れるだけだとすぐに主張しました。 彼らは、望遠鏡は「外にあるもの」について知るための手段としての有効性がないと主張しました。それでは、望遠鏡が現実を知るための手段であるとどのように主張すればよいのでしょうか。私たちが指摘したように、科学がこの種の質問にアプローチする方法は、カルトや一部の宗教のような権力に基づくアプローチとはかなり異なります。この特定の歴史的な例は、その違いを鮮やかに示しています。カルトや権威に基づく宗教は、一般的に自らが見出した真実の確実性を主張し、歴史的にはしばしば強制的に同意を求めてきました。例えば、1633年6月22日、カトリック教会はガリレオに対して異端審問で使用される拷問器具を見せ、すべての天体が地球の周りを回っているということに同意するよう促しました。 対照的に、科学者たちは通常、強制を用いません。彼らは懐疑的な姿勢を受け入れ、自らが間違っている可能性があるかどうかを問いかけます。重要なのは、彼らが使用する理論を検証するために、無私の技術を用い、よく練られたルールを適用することです。これらの技術については、後の章で詳しく見ていきますが、彼らが現実の特定の観察が正確かどうかを見極めるために尋ねる質問は、非常に親しみやすいものです。何回の観察が行われたのか？異なる観察者は全員同じ結果を得たのか？私たちが使用している器具がどのように機能するかを知っているのか？その器具が私たちが関心を持っている現象を特定している、またはしていないと考える理由はあるのか？などです。この歴史的な事例において、ガリレオが繰り返し得た観察結果が信頼できるものであるという強力な証拠となりました。 もちろん、これらの発見を他者に伝えるには深刻な問題がありました。というのも、望遠鏡は元々、ペアの眼鏡レンズから作られており、長距離での正確で安定した視覚を維持するには十分な品質ではなかったからです（視覚は、そもそも触覚よりも幻想に陥りやすいと見なされていました）。そこでガリレオは、より強力で正確な画像を作成する技術を開発しました。しかし、人々を納得させるためには、他の研究者が利用できるように十分な数のこれらの器具を製造する必要がありました。しばらくすると、これが実現し、誰でも望遠鏡が示すものを試すことができるようになりました。例えば、隣の畑の牛のように、近くの物体を観察することができるようになったのです。しかし、これはガリレオの全体的なプロジェクトへの入り口に過ぎませんでした。彼の目標は、天と地は一見異なるように見えますが、実際にはほぼ同じ種類の物質で構成され、同じ機械的原則によって支配されていることを示すことでした。何世紀にもわたり、天の栄光は地の栄光とはまったく異なると考えられてきました。 ガリレオの仕事は、慣性の原理が天体にも地球にも適用できるという考え方を形成する上で重要であり、これはニュートンがあらゆる物質、天体や地球の物質を支配する単一の方程式のセットを見出すための基盤となりました。 「私たちが知っているもので構築する：筏とピラミッド」 したがって、ガリレオの結論を裏付ける「魔法の弾丸」は存在せず、むしろ相互に強化し合う考慮事項の網があるのです。それぞれは独立して検証可能であり（「屈折について私たちは正しいのか？」、「異なる観察者は皆同じ結果を得るのか？」など）、これを科学の構造に関する二つの古典的なイメージ、すなわち筏とピラミッドで説明できます。 1947年、冒険家で民族学者のトール・ヘイエルダールは、バルサ材で作られた筏「コン・ティキ」をペルーからポリネシアへと旅させました。彼の乗組員は、筏の材料となったバルサの丸太が旅の途中で水を吸ってしまう可能性があると予測し、予備のバルサの丸太を持参しました。もし筏の材料の一つが水を吸ってしまい、浮力を失った場合、彼らはそれを取り外して船上に保管してある新しい丸太と交換できるようにしていたのです。しかし、もちろん、すべての丸太を同時に取り外して交換することはできませんでした。いくつかの丸太を取り外した瞬間に、筏全体が崩壊し、彼らは溺れてしまうからです。この筏のイメージは、望遠鏡のような道具が機能していることを示し、私たちが期待する情報を提供していることを証明するために使用する相互に交差する正当化のパターンを象徴するのに非常に適しています。 もしあなたがすべてのことに対する信念を一時的に保留し、現在の知識を一切受け入れず、私たちが知っていることをゼロから再構築しようとしたらどうなるでしょうか。それは、抗生物質で治療できる病気の見分け方から、発疹が麻疹を意味するかどうか、夜空の動きのパターンまで、すべてを捨て去り、例えばどのワクチンがどの病気に効果があるかを含め、すべての信念をゼロから正当化することを意味します。それは、すべての丸太を捨てて筏を最初から再構築するようなもので、私たちは作業するための十分な材料を残さず、溺れてしまうでしょう。しかし、私たちができるのは、背景のほとんどを維持しながら、各命題を個別にテストし、基準を満たさないアイデアを捨てて交換することです。例えば、現在の医療知識の背景を考慮に入れれば、特定のワクチンが特定の病気から本当に保護しているかを再検討することができます。同様に、私たちが信じる各医療命題についても、他の背景を一定に保ちながら、その正当性を再評価することができます。 筏の代わりにピラミッドのイメージもあります。ここでは、科学を層に整理されたものと見なし、高い層が低い層に依存しているという考え方です。 これは筏の比喩とはかなり異なります。筏の比喩では、特定の丸太のグループが他のものよりも基本的であるとは考えません。この考え方では、すべての科学的信念を支える基盤となるレベルがあり、それを疑うことは全体を崩すことにつながります。どちらのイメージも完全に満足のいくものではありませんが、筏のイメージは、現在ほとんどの人々が取っている科学への慎重で懐疑的、かつ仮説的なアプローチにより適しています。疑問を持てない命題はなく、場合によってはそれを捨てて置き換えることもできます。しかし、その際には、私たちが行っている疑問の「局所的」な性質を念頭に置くべきです。私たちは、ある命題の正当性について質問し、答える際には、他のいくつかの事柄を固定したままでなければなりません。これは、丸太を一度に一つずつチェックして置き換えるのと同じです。しかし、すべての命題は、順番に挑戦されることができ、どの丸太も一つずつチェックして置き換えることができます。筏の比喩は、物語のもう一つの重要な部分も捉えています。私たちの科学的理解の各要素、筏の各丸太は、接続されている他のすべての科学的要素の丸太に依存することで、その強さを得ます。私たちは、他の多くの要素が一緒にそれを支えているため、ある一つの科学を信頼します。この意味で、私たちは、他の証拠のいずれかを信頼するために、さまざまな証拠のピースを使って三角測量を行っています。これが科学的な筏の機能です。これから見るように、この三角測量は、私たちが外の現実を把握し続け、直接的でインタラクティブな接触が得られない状況でも、現実の共有されたイメージを構築し続けるために重要な部分です。たとえば、普通の太陽光の成分を調べるために器具を使用する際、私たちは通常、単一の結果に依存することはありません。先ほど触れたように、私たちは使用できるさまざまな種類の器具があり、それぞれが多様な方法で使用できます。私たちは、興味のある現象に対して三角測量を行うために、これらすべての結果を利用します。 インタラクティブな探求ができないときの現実に基づく意思決定 これは、特に他の人々や社会全体と共に意思決定を行う必要があるときに、私たちがどのようにアプローチするかについて何を教えているのでしょうか。この点で最も劇的な側面は、私たちの感覚で知覚できる範囲を広げる実用的な器具が、明らかに外の世界に共通の現実を特定するのに役立っているという認識です。 これらの道具を使って音や光、コレラについて何かを理解しようと遊んでいるとき、私たちは「LEDライトと太陽光はあなたにとってこう振る舞うかもしれないが、私にとっては別の方法で振る舞う」といったことを口にすることはありません。むしろ、私たちはお互いにメモを比較し、道具から得た結果を示し合いながら、一緒に何かを理解しようとします。たとえば、コレラの主要な原因を特定することを目指し、その理解をもとに、汚染された水を飲む人々を止めるなど、効果的に世界に働きかけることができるようになることが理想です。このような直接的で道具を使った世界との相互作用は、部屋を横切るときに固く重いテーブルにぶつからないようにする際に感じる、世界についての粗い知識に対する自信を私たちに与えてくれます。最良のインタラクティブな例に多く触れるほど、私たちは行動に移せる重要なことを知ることが可能であるという自信を高めることができ、個人、グループ、社会として、問題を解決したり機会を築いたりする際に効果的で時には力強くなるための重要な知識の断片を信頼できるようになります。しかし、私たちは現実感に苦しむケースも認識しなければなりません。 私たちの現実との最も近い接触は、入力を操作し、出力を見ることができるときだとしましょう。しかし、個人やグループ、あるいは社会として、現実に基づいて決定を下さなければならない状況では、入力を操作して出力を見ることができないため、現実との接触が疑わしくなります。さまざまな例が思い浮かびます。医学において、私たちが対処しているシステム—人間の体—は非常に複雑であり、医師はそれに直接関与することができますが、ただ試してみるという贅沢はありません。また、医師は多くの要因の中からどれを操作すべきかを知るのも難しいです。さらに悪いことに、いくつかの変数は微生物のように目に見えないものもあります。外交政策も同様に、過度に複雑なシステムに直面しているかもしれませんし、そのリスクは非常に高いため、遊び半分で取り組むことは避けたいものです。（人間が関与するシステムは、扱う変数の数が非常に多くなる傾向があると言っても過言ではないでしょう！） 実際、これらは現実とインタラクティブに関わることを難しくする別の要因の例です。それは、やり直しができない状況です。一度きりの機会しかありません。宇宙論者であるソールは、私たちが得意とする時間スケールとは非常に異なる時間スケールに基づく現象について心配しています。私たちは、反応時間が即座に感じられるときに最も効果的ですが、画面上に反応が現れるのを2日ほど待つことには耐えられるかもしれません。 私たちが年や数十年という時間スケールで物事を語り始めると、直接的な相互作用の感覚を失ってしまいます。そして、私たちはそのような時間スケールの中で生きています。数世代や数千年かけて展開する現象に対処していると、収集したデータがその現実に触れる手助けをしているという感覚を得るのは難しいのです。ここで相互作用が不可能になるわけではありません（そのようなケースについては後ほど触れます）が、入力と出力の間の遅延が非常に大きいため、出力が本当に私たちの入力の結果なのかどうかが不明確になります。この問題は、気候変動に関する意思決定能力にも明らかに影響を及ぼします。今日、世界中のすべての社会が、地球上の生命の軌道に長期的な影響を与える決定を下していますが、その決定の結果について即座にフィードバックを得ることはできません。二酸化炭素の排出量を減らす場合、私たちは「何が起こるかを見るのを待つ」ことはできませんし、排出量を減らさなかった場合に何が起こるかを見るのを待つこともできません。システムとの相互作用の感覚はほとんどなく、出力は未来の遥か先にあります。これは科学だけでなく、政治や政府にとっても問題です。時間スケールが十分に長くなると、私たちが操作して反応を見たいと思っている変数だけでなく、他の多くの変数も作用する可能性があることがわかります。これらの例において、現実が存在しないわけではなく、私たちがその現実を確立するのが非常に難しい問題が多くあるのです。これにより、議論の余地が大いに残されます。しかし、科学は困難に直面しても諦めません。むしろ、人々は相互作用が難しくなる状況に対処するために、現実を「三角測量」することを目的としたさらなる科学的ツールや巧妙な実験を発明してきました。そして理想的には、これらのより複雑なケースにおける現実の共有理解へのリンクを提供します。私たちは、自分たちの部屋の隅に行って、二人やグループが実際の世界について対立する考えに基づいて行動していることが重要でないかのように振る舞うことはできません。さらに、もし私たちが直接把握するのが難しい現実の側面を理解しようとしているのであれば、私たちは本当に何が起こっているのかを三角測量するために、異なる現実の見方を持つ人々を積極的に見つける必要があります。自分たちがどのように間違っているのかを理解するのは難しいからです。第10章で議論するように、実験的アプローチと反復的改善の組み合わせを目指す政策を採用することで、さらに難しい状況においても相互探索の最良の部分を捉えることができます。三角測量と相互探索を用いて現実の共有されたイメージを構築するこの物語は、世界が何で構成されているかだけでなく、何が何に影響を与えているのかについても教えてくれています。 次の章では、私たちの意思決定や計画において非常に重要な因果関係のテーマに特に焦点を当てます。 | 遊び心のあるエピローグ | ここでは、他の人と一緒に試してみると楽しいメンタルエクササイズを紹介します。これは、私たちがすでに共有している現実感の程度を示す方法です。以下のリストにある各概念について考え、相手にも同じように考えてもらいましょう。どれが実際に世界に存在するものを指していると自信を持って言えるか、またどれが私たちの内部の物語の中の想像上の要素なのかを考えてみてください。 - 目の前に見える物体 - ガラス越しに見える物体 - 拡大鏡越しに見える物体 - 顕微鏡越しに見える物体 - 病気を引き起こす細菌 - 実験装置に入った粒子の質量とエネルギーを測定し、それを装置から出た粒子の質量とエネルギーと比較することで推測される物体の存在 - 時間の長さ：「5時間の時間間隔」 - 重力 - 魂 - 光そのもの（光によって照らされるものではなく） - 空腹 - ロマンティックな愛 - 美 - 経済におけるインフレーション - 人々が「イエスタデイ」という曲を好む理由 - 利他主義 - インスピレーション このメンタルエクササイズが好きな理由は、科学と哲学が難しいけれども楽しいものであることを伝えているからです。（あなたと同僚がこのリストの本質を理解するのに苦労していると仮定しています。） 第3章 | 物事を実現する | 科学は私たちの世界の普通の見方を変えることができます。山や川、テーブルや椅子、人々やペットといった観察しやすい特徴を超えて、私たちは生物細胞や基本的な物理粒子、大陸プレートの遅くても避けられない動きのように、以前は観察できなかった重要な事柄の大きな基盤が存在することを認識しています。しかし、科学は物質的現実を構成する要素や動植物、鉱物のリストを特定することだけではありません。それらがどのように相互作用し、影響を与え合うかを理解することにも関心があります。因果関係は、私たちの世界を変えるために回したり引いたりするハンドルやレバーになります。もし因果関係を知らなければ、私たちは起こるすべてのことの観客に過ぎず、物事を変えるために手を伸ばしたり操作したりする能力を持たないでしょう。たとえば、岩を削って鋭くする方法や、子供を抱きしめることで泣き止ませる方法などです。しかし、私たちはどのようにしてハンドルやレバーについて知るのでしょうか？私たちはどのようにして観察者としてだけでなく、世界に手を伸ばして形作ることができる人間として知識を得るのでしょうか？ ここでは、因果関係を見極めようとする際に、混沌とした現実の世界が私たちの前に立ちはだかる問題と、それを乗り越えるために科学が提供する技術について考察します。 「相関関係は因果関係を示さない」というフレーズに、多くの読者がすでに馴染みがあると私たちは考えています。これは、高校の科学の授業や大学の哲学の授業で耳にしたことがあるかもしれません。しかし、実際に私たちがこの二つの違いをどのように判断するかについての共通理解は、慎重に議論する価値があります。この理解こそが、私たちが世界に変化をもたらすための手段を見つけることを可能にするからです。私たち全員がこの点で同じ認識を持ち、何が何を引き起こすのかをまず合意し、その後に他の人々にその理由を説明できるようになることが目標です。 **相関関係と因果関係** 科学者たちが、骨が弱くなる状態である骨粗しょう症の行動リスク要因を調査するために、いくつかの国で人々を対象に調査を行ったとしましょう。そして、調査の結果、1日あたり2杯以上のアルコールを摂取する人々が骨粗しょう症を持つ可能性が高いことがわかりました。あなたはその調査結果を読み、自分のアルコール摂取量を減らさなければならないのかと不安に思います。しかし、実際にはその調査結果は明確な結論を示していません。アルコール摂取と骨粗しょう症の関連性の一つの可能性は、1日あたり2杯以上の飲酒をする人々が運動不足の生活を送る傾向があり、それが骨粗しょう症を引き起こすというものです。この場合、毎週数回の軽い散歩や軽いウエイトトレーニングを行う限り、アルコール摂取を続けても問題ありません。もう一つの可能性は、アルコール自体が骨粗しょう症を引き起こすというもので、その場合は、骨粗しょう症を避けたいのであればアルコール摂取を制限する必要があります。さて、どちらが正しいのでしょうか？そして、私たちはどうやってそれを知るのでしょうか？何が何を引き起こすのかを見極めるのが難しい理由は何でしょうか？基本的な問題はここにあります。まず、二つの要因が関連していることに気づきます。たとえば、アルコールを多く摂取する人々が骨粗しょう症を持つ可能性が高いということです。しかし、その関係を説明するためのさまざまな因果構造が存在します。以下の可能性を考えてみましょう。 - モデルA: 観察された関係なし - アルコール摂取 - モデルB: アルコール摂取レベルが骨粗しょう症の原因である - アルコール摂取 - モデルC: 骨粗しょう症がアルコール摂取レベルの原因である - アルコール摂取 - モデルD: 骨粗しょう症とアルコール摂取レベルは運動不足の生活様式の影響である - 運動不足の生活様式 - アルコール摂取 これらのモデルは、アルコール摂取と骨粗しょう症の関連性を説明する可能性のある因果パターンを示しています。モデルAは、私たちのデータによってすでに否定されているもので、これら二つの要因は完全に無関係であるか、相関関係が非常に小さく実質的に無視できるものであるとしています。しかし、残りの三つのモデルはすべて依然として有効な説明であり、どれが正しいのかはわかりません。モデルBは、行動と病気の状態との相関関係に出会ったときに多くの人が採用する解釈の一つです。 このモデルでは、アルコールが骨粗鬆症のリスクを高めているとされており、そのためリスクを減らしたいのであればアルコール摂取を減らすべきだということが示唆されています。アルコール消費を減らすことで得られる利益は多くありますが、もし自分の飲酒が特に問題ないと感じているのであれば、この相関関係に基づいて飲酒を減らす前に、もっと証拠が必要かもしれません。モデルCも観察された相関関係が因果関係であると主張していますが、この場合、因果関係の方向は逆転しています。私たちの例では、骨粗鬆症があなたのアルコール消費を増加させるというのは少し非現実的に思えるかもしれませんが、全く不可能ではありません。実際、「骨粗鬆症」を「失業」に置き換えれば、モデルCはモデルBの信頼できる代替案のように思えるかもしれません。（そして、失業、骨粗鬆症、アルコール消費の間には何らかの関連があるかもしれません。）最後に、モデルDは観察された相関関係が直接的な因果関係ではない、あるいは少なくとも骨粗鬆症がアルコール消費に与える直接的な影響や、アルコール消費が骨粗鬆症に与える直接的な影響によるものではないと示唆しています。代わりに、これらは共通の第三の変数（「座りがちなライフスタイル」）によって引き起こされているために相関しているのです。このモデルの下では、飲酒を減らしたいと思うかもしれませんが、それが骨粗鬆症のリスクを減らすとは期待すべきではありません。より良い骨の健康のためには、より身体的に活動的なライフスタイルを採用する方が効果的です。「共通の原因」要因は必ずしも「座りがちなライフスタイル」である必要はなく、食物添加物、ラドン、汚染、宇宙人など、さまざまな信頼できる第三の要因が考えられます。そして、最も重要な要因を発見するには研究者たちが数十年かかることもあるでしょう。 では、アルコールと骨粗鬆症の関係を正確に描写しているのはどのモデルなのか、どのようにして知ることができるのでしょうか。このような質問に対処するために、多くの科学が存在します。なお、この質問は、すでに関連する相関関係を観察していることを前提としています。これを行うためには、各変数の良好な測定が必要であり、統計的手法を用いてそれらが相関しているかどうかを判断し、一方の要因が上昇すると他方の要因も上昇し、逆に一方が下降すると他方も下降することを確認する必要があります。例えば、過去200年間、イギリスのパンの価格は着実に上昇しており、ヴェネツィアの海面も同様に上昇しています。多くの博士課程の学生がこの相関関係を調査することをキャリアに賭けるとは考えにくいでしょう—それはあまりにも現実的ではないように思えます。（「現実的」という言葉が何を意味するのかについては、後でこの章で詳しく説明します。）二つの要因が一緒に変動するケースは多くあり、それらを結びつける因果ネットワークを考えようとすることは、ユーモラスな創造性の機会となります。「虚偽の相関関係」でインターネット検索を行うと、数十の例を含むウェブサイトが見つかるでしょう。 例えば、あるウェブサイトによると、2000年から2009年の間にアメリカでの一人当たりのチーズ消費量は着実に増加しているそうです。その一方で、ベッドシーツに絡まって亡くなる人の数も同じように増加しています。理論的には、もしヴェネツィアがイギリスの小麦の主要生産地であったなら、ヴェネツィアの海面上昇がイギリスのパンの価格に影響を与える可能性もあるかもしれません。しかし、実際にはそうではありません。そして、パンの価格がヴェネツィアの水位を上昇させる理由を考えるのはさらに難しいです。もっと現実的な可能性が二つあります。一つはモデルDのように、両方の変数に共通する第三の原因が存在することです。たとえば、何らかの大陸の気象パターンが考えられます。しかし、もう一つの可能性は、私たちが観察した相関関係が単に偶然によって生じたものであり、新たにデータをサンプルした場合には再び観察される可能性が非常に低いということです。言い換えれば、サンプルデータが私たちを誤解させており、正しいモデルは上記のモデルA（関係なし）だったということです。この可能性を排除するために、研究者たちは統計的手法を用いて、観察された相関関係が各変数のランダムな変動によって純粋に期待されるよりも大きいかどうかを確認します。科学者たちが「統計的に有意な関係」と言うとき、彼らが考えているのは、私たちの生活に実際的な意義があるという主張ではなく、関係の背後に因果関係が存在しないのか（パンの価格と水位のケースやモデルAのように）、それともモデルB、C、または他のモデルのように関係を説明する因果ネットワークが存在するのかを見極めようとしているのです。 さて、アルコール消費が本当に骨粗鬆症の原因であるかどうかをどうやって確認するのでしょうか？私たちが見つけた相関関係を説明する可能性のある因果構造の数をどうやって減らすのでしょうか？何が原因で何が結果なのかを見極めるのは難しいですが、望ましくない結果を減らし、望ましい結果を促進するためには不可欠です。コミュニティ内でウイルスが広がっているケースを考えてみましょう。何が起こっているのか、そしてそれに関する科学的法則を知ることは素晴らしいことです。これまでの感染レベルがこれで、1年後にはその10倍になると予測できるということです。しかし、私たちはただの観客ではありません。私たちは、どのようにして変化をもたらすことができるのかを知りたいのです。マスクを着用することで感染レベルに影響を与えるのでしょうか？私たちが食べる食べ物の種類がウイルスの影響に影響を与えるのでしょうか？ソーシャルディスタンスは本当にウイルスの感染を防ぐ効果があるのでしょうか？これらはすべて因果関係に関する質問です。科学が本当に役立つためには、私たちが観察者として期待できることや、世界がどのようになっているのかを詳細に描写する以上のことを提供しなければなりません。 ウイルスの原因と影響について教えてくれなければなりません。そして、私たちが何をすべきかを考える手助けとなる情報を提供しなければなりません。つまり、私たちの行動がその原因と影響を踏まえた場合にどのような結果をもたらすのかを理解する必要があります。もし科学が何が原因で何が結果なのかを教えてくれなければ、実際の意思決定にどのように関連するのかを理解するのは難しいでしょう。 **実験：因果関係をテストするための「ゴールドスタンダード」** 数世紀にわたり、科学者や哲学者は観察された相関関係を最もよく説明できる因果モデルを見つけるためのいくつかの基準を特定してきました。この章の後半では、現在も使用されている主要な基準を挙げる予定です。しかし、まずは私たちがこれまでに特定した最も優れた方法、すなわち実験を行うことから始めたいと思います。私たちが直面する基本的な課題は、観察できるのが相関関係だけであり、因果関係がその背後にある未観察のものである場合、どうやってそれを知ることができるのかということです。私たちが得られるのは、常に相関関係だけです。この基本的なパズルは、歴史的に見ても、特定の因果関係の存在を確立するという考えに対して科学者たちが多くの懐疑を抱く原因となりました。しかし、現在私たちが頼りにしている答えは、因果関係を知るための重要な方法は、実験の条件下で観察される相関関係を見ることだということです。 一般的に「実験」とは「いくつかのことを試してみて、何が起こるかを見る」という意味ですが、ここで私たちが考えているのはもっと厳密なものです。科学的実験は、2つの重要な特徴を持つ手続きです。まず、私たちは「何かを試してみる」ことで何が起こるかを見ます。つまり、因果システムに「介入」します。次に、私たちはテストしている原因以外の可能な原因の影響を排除する方法で介入を行います。 介入の論理について議論する前に、他の因果要因を排除するための科学的なレシピを見てみましょう。一つの要素は、できるだけ多くの要因を標準化しようとすることです。つまり、無関係な理由で変動しないようにします。たとえば、ある指導法が効果的かどうかをテストする場合、参加者やセッション間で指示の出し方の違いを最小限に抑えたいと思います（たとえば、レッスンプランやスクリプトを提供することで）、また各参加者のパフォーマンスを測定するための一貫した方法を使用しようとします（たとえば、同じクイズの質問を使用すること）。 もう一つの要素は、対照群です。新しい指導法のテストにおいて、対照群はその新しい方法を用いた指導を受けない学生のグループになります。全く指導を受けないか、あるいは研究中の方法よりも伝統的な方法で指導を受けることになります。私たちは、私たちの指導法にさらされた人を観察することができますが、それが重要だったかどうかを知るためには、もしその指導を受けていなかったら彼らがどのようにできたかを推測する必要があります。これを哲学者や統計学者は「反事実」と呼びます。 対照群と「処置群」をできるだけ似たものにするために、できる限り密接にマッチングを試みることができます。例えば、処置群に割り当てる16歳の女性が1人いる場合、対照群には別の16歳の女性を募集するかもしれません。マッチングの方法は非常に洗練されてきましたが、マッチングが達成できることには限界があります。マッチングに使用した変数、つまりこの場合は性別と年齢に対してのみ制御が行われます（経済的背景、栄養、ストレスなどの他の違いは考慮されません）。20世紀初頭になるまで、科学者たち（特に統計学者のロナルド・フィッシャー）は、我々が知っている変数だけでなく、無関係な変数も制御する方法があることに気づきました。その解決策は、人々をランダムに2つのグループに割り当てることです。統計的には、100人の中からどちらのグループに誰が入るかをコインを投げて決めると、各グループにほぼ同じ数の女性が含まれ、同じ数の16歳が含まれ、さらに驚くべきことに、標準化を考えもしないようなあらゆる変数が均等に分配される可能性が高いのです。例えば、各グループに同じ数のテイラー・スウィフトのファン、同じ数の天秤座、同じ数のゴルフ愛好者、同じ数の空腹で登校した人がいるでしょう。このため、ランダム割り当てを用いた実験は「ゴールドスタンダード」と見なされています。 「ただ立っているだけではダメだ；何かをしよう！」という機械学習からのアイデアは、2002年にジョンがそれを学んだとき、彼にとって衝撃的なものでした。哲学者として、彼は次の問題に悩んでいました。物理学者たちは因果関係について非常に明るく語ります：月が潮の満ち引きを引き起こし、これらの2つの粒子の衝突が3番目の粒子の放出を引き起こす、などです。物理学者たちは、因果関係が我々の世界の普遍的な特徴であると考えているようです。物理学は物理的世界に存在するすべてを分析することを目指しています。したがって、質量、電荷、クォーク、ストレンジネス、チャームについて教えてくれるモデルや方程式のシステムがあるように、因果関係についてもモデルや方程式のシステムがあると期待されるかもしれません。しかし、ジョンにとって、物理学者たちは因果関係をこのように扱っているようには見えませんでした。なぜでしょうか？物理学者たちは、何が何を引き起こすかを発見したと自称しながら、モデルや方程式に因果関係を明示的に示さないことで、いい加減または無謀になっているのでしょうか？電荷を支配する方程式のシステムがあるのに、なぜ因果関係のネットワークを支配する方程式のシステムがないのでしょうか？—機械学習からの新しいアイデアは、コンピュータ科学者のジュデア・パールが言うように、因果関係についての議論が重要であるということでした。 因果関係についての考え方は、「介入の下で何が起こるかの要約」であると言えます。因果関係を、私たちが観察する相関関係の背後にある神秘的な「何か」として捉えるのではなく、システムに介入したときに何がどのように相関しているかに関する事実として考えることができます。この因果関係に対する神秘的な感覚は、何世紀にもわたり科学哲学を悩ませてきました。しかし、突然、因果関係を考えるためのシンプルな方法が明らかになったようです。それは、システムに介入したときに観察される相関関係の問題に過ぎません。 例えば、相互作用する多くの要素を持つ複雑なシステム、例えば人間の体、国家の経済、あるいはコンピュータ回路などがあるとします。そして、そのシステムがどのように機能するのかを知りたいとします。以下の最初の図は、そのようなシステムを表しており、「卵」の形がそのシステムの境界を示し、文字はシステムの無数の部分を表しています。これは複雑な変数の混乱であり、それらの関係がどうなっているのかは分かりません。 次に、以下の二番目の図のように、二つの変数XとYの間に相関関係があることに気づきます。具体的に言うと、健康に関連する多くの変数を測定した結果、マグネシウムと心臓の健康の間に相関関係があることが分かりました。つまり、マグネシウムのレベルが高いほど心臓の健康が良いということです。 さて、私たちが疑問に思っているのは、マグネシウムは実際に心臓病から守っているのか、それとも別の何かが相関関係を説明しているのかということです。例えば、高いマグネシウムレベルと良好な心臓の健康が、遺伝的素因（変数「G」）の結果として生じている可能性もあります。私たちが研究しているシステムでは、遺伝子、マグネシウムレベル、心臓の健康にはそれぞれ多くの異なる原因と結果があるため、因果関係の方向を特定するのは難しいのです。 ここで介入が役立ちます。「システムに介入する」とは、システムの外から手を差し伸べてそれを混乱させ、何が起こるかを観察することです。例えば、あるグループの人々に追加のマグネシウムを摂取させ、別のグループには通常の食事を続けさせるという方法で、マグネシウムレベルを引き起こす要因の通常のパターンを混乱させます。つまり、以前は遺伝子がマグネシウムレベルを引き起こしていたかもしれませんが、今は実験者がマグネシウムレベルを引き起こしているのです。したがって、上の三番目の図において、もしマグネシウムと健康の間に相関関係が見つかれば、因果関係の方向がMからHであると自信を持って言えるのです。関連する変数のいずれかに介入することができます。マグネシウムの摂取量を変え、他のすべてを一定に保つことで、それが因果的な影響を持つかどうかを調べることができます。一方で、良好な健康が私たちにより多くのマグネシウムを摂取させる原因となっている可能性もあります。 もしそれが本当なら、私たちは人々の半分を何らかの方法で健康にする介入を行い（例えば、もっと運動させるなど）、それによってマグネシウムのレベルが上がるかどうかを確認することができるでしょう。このように、実験とは、興味のあるシステムの外部から介入し、何が起こるかを観察することです。例えば、気圧計の針の位置が今後の天候に関連していることに気づいたとしましょう。そして、あなたは考えます。「針の位置が天候を引き起こしているのだろうか？」どうやって確かめるでしょうか？気圧計のケースを開けて、手を入れ、針を好きな位置に押し込んでみます。もし針を押すと天候が変わるなら、針の位置が実際に天候の原因であると言えます。そうでなければ、針の位置は天候を引き起こしているのではなく、気圧などの他の要因のサインに過ぎないのです。そして、おそらく気圧計の針の位置もその要因によって決まっています。 別の例を挙げると、複雑な電気回路を見てその動作を理解しようとしているとき、システムの外部から来て、電気プローブを使ってシステムの一部を動かすことがあるかもしれません。もしその操作によって他の何かが動き出すなら、一方が他方を引き起こしていると結論づけることができます。 しかし、意図的な実験が実施しづらい、あるいは不可能なケースも多く存在します。さまざまな実用的、財政的、倫理的な理由からです。例えば、観測されたほぼすべての大きな銀河は、その中心に巨大なブラックホール、つまり「超大質量」ブラックホールを持っていることがわかっています。そのようなブラックホールの重力質量は、私たちの太陽の何百万倍、何十億倍にもなることがあります。天体物理学者たちは、中心の超大質量ブラックホールの質量とホスト銀河の総星質量との間に相関関係があることを観察しています。ブラックホールの質量がホスト銀河の質量を決定しているのでしょうか？それとも、ホスト銀河の質量が中心のブラックホールの質量を引き起こしているのでしょうか？あるいは、両者の質量に共通の原因があるのでしょうか？これらのブラックホールや銀河の質量を操作して、何が原因で何が起こっているのかを解明するには、長い時間がかかるでしょう。 同様に、地質学者は山脈の形成に至る過程で何が何を引き起こしたのかを知りたいと思うかもしれませんが、数百万年前に何が起こっていたのかを操作することはできません。それでも、ここで何が何を引き起こしているのかを特定する方法を見つけることはできるでしょうか？ もっと身近な例を見てみましょう。癌の原因を特定するのは難しいのですが、その理由の一つに、原因と結果の間に何年も経過することがあるからです。過去に何にさらされたかが、癌を引き起こしたかどうかを知るのは難しいのです。最近では、研究者たちが新しい環境要因としての癌の原因を特定することが非常に多く、食材を手に取るたびに「癌を引き起こす可能性がある」と書かれたラベルを目にするように感じることもあります。 がんの原因を探ることは、どこかから始まりました。環境要因ががんの原因であることを最初に発見したのは、1775年のイギリスの外科医パーシヴァル・ポットでした。ポットは、煙突掃除人の職業上の危険であるすすへの曝露と、煙突掃除人が他の人々よりも頻繁に罹患する陰嚢がんとの間に相関関係があることに気づきました。相関関係が因果関係を示すわけではありませんが、ここで何が原因で何が結果なのかを明らかにするために決定的な実験を行うにはどうすればよいのでしょうか？無作為化比較試験を行うには、被験者のグループを無作為に二つに分け、一方のグループを大量のすすに曝露させ、もう一方は無傷のままにして、二つのグループの陰嚢がんの発生率に違いがあるかを調べる必要があります。この実験が行われるべきではない倫理的理由は明らかですが、残念ながら類似の歴史的前例は存在します。 ポットは異なるアプローチを取りました。彼は、すすへの曝露とこの種類のがんとの間に非常に大きな相関関係があることを見ていました。基本的に、ポットが判断したところによれば、煙突掃除人は陰嚢がんにかかる唯一の人々であり、彼らは毎日大量のすすに曝露されている唯一の人々でもありました。（1920年代でも、煙突掃除人の陰嚢がんによる死亡率は、すすに特に曝露されていない労働者の約200倍でした。）これは因果関係を意味するのでしょうか？ポットは、相関関係の大きさが重要であると考えました。すすへの曝露以外に、煙突掃除人の陰嚢がんの発生率の高さを説明できる第三の要因があるのでしょうか（例えば、すべての煙突掃除人が同じ伝統的な朝食を食べていると仮定した場合）？ポットは、すすへの曝露以外に、煙突掃除人に特有であり、このがんの発生率の大きな違いを説明できるものは何もないと主張しました。 1965年、著名な疫学者で統計学者のオースティン・ブラッドフォード・ヒルは、決定的な実験ができない場合に因果関係を見つける問題に取り組んだ有名な論文を発表しました。ヒルの論点の一つは、ポットの研究から引き出されたもので、二つの要因の間に大きな相関関係がある場合、それが一方が他方の原因であると主張する根拠を強化するというものでした。特に、煙突掃除人の間で非常に高い陰嚢がんの発生率が見られる場合、どのような第三の要因が関与しているのかを見極めるのが難しいため、これは特に当てはまります。 ヒルが指摘したもう一つの要因は、一貫性です：相関関係はさまざまな文脈で見られますか？例えば、異なる国ですすへの曝露と陰嚢がんの間に強い相関関係があるかどうかを調べることができます。ポーランドの煙突掃除人ではどうでしょうか？アゼルバイジャンでは？オーストラリアでは？ 異なる文脈で一貫性が見られる場合、それは因果関係の存在を強化する要素となります。一貫性は無作為化と同じポイントに到達しています。さまざまな背景の中で関係性が見られ、病気に関連する他の要因が混在している状況です。ヒルの基準の一つに時間的順序があります。原因は時間的に結果に先行することが知られています。もし二つの変数があれば、時間的に先に起こる方は結果ではあり得ません。したがって、仮定された原因が観察された結果の前に発生する場合、それは実際の原因である可能性が高く、因果関係が逆方向に進む可能性を排除できます。この時間的順序の基準により、ポットはすすの曝露と陰嚢癌の強い相関関係が、癌がすすの曝露を引き起こすのではないか、あるいは人々が煙突掃除人になる原因である可能性を排除することができました。 相関関係から原因を見出す際に考慮すべきもう一つの点は、相関の大きさや多くの異なる文脈での持続性だけでなく、二つの要因間に用量反応関係があるかどうかです。煙突掃除人を調べて、彼らが曝露されるすすの量が多いほど陰嚢癌のリスクが高まることがわかれば、それはすすの曝露が癌を引き起こすという主張を強化します。同様に、喫煙本数が増えるほど肺癌のリスクが高まる場合、それは喫煙が癌の原因であるという主張を裏付ける助けになります。一方が他方を引き起こしている場合、用量反応関係が期待されます。 次に言及すべき基準は、ヒルが「妥当性」と呼んだものです。AがBに影響を与えるメカニズムを知っていますか？それとも、現在の知識はAがBに影響を与えるという考えとあまり一致しませんか？仮定された原因がどのように結果をもたらすかについての妥当なメカニズムを考え出せれば、例えばすすが生物学的に陰嚢癌を引き起こす可能性がある方法を見出せれば、それは再びあなたの主張を強化します。 私たちは煙突掃除人という単一の例に留まっていますが、実際には、重要な実験的介入を行わずに何が原因で何が起こっているのかを理解するためのこれらの考え方は、多くのケースに適用されることは明らかです。例えば、喫煙が癌を引き起こすかどうかを疑問に思っている場合、倫理的な理由から直接的な実験は実施できませんが、ヒルの考え方は適用されます。実際、これらは今日のほとんどの人々が喫煙が癌を引き起こすと確信するようになった考え方です。喫煙と癌の間に大きな相関関係が見られ、その相関が多くの異なる文脈で再現され、用量反応曲線（喫煙本数が増えるほど癌の危険が高まる）があり、どのように一方が他方を引き起こすかを説明できる生物学的メカニズムがわかれば、実験なしでも喫煙が癌を引き起こすという高い信頼性を持つことができます。 これらのアイデアは、現実的な事例に基づいて展開されたものであり、最初に取り上げた天体物理学の例にも役立つ可能性があります。例えば、非常に多くの超大質量ブラックホールが、それらのホスト銀河の形成が完了した後に誕生したことが何らかの方法で確認できたとしましょう。そうなれば、超大質量ブラックホールが銀河の質量の原因であるという主張は、確実に弱まることになります。ヒルはさらに基準を示しました。これまでに、相関の大きさ、異なる文脈で観察される一貫性、原因変数と結果変数の間の用量反応関係の存在、時間的関係、そして妥当性について言及してきました。最後に、時にはある分野から別の分野への類推を用いて議論することもできます。もし、すすへの曝露が癌を引き起こすことがわかっていて、タバコの喫煙が癌を引き起こすかどうかを考えている場合、すすが体に作用する方法とタバコの煙が体に作用する方法の間に類似点を見つけることが、この考えを支持する一つの議論の筋道となるかもしれません。ヒルは、これらのアイデアを、因果関係を見つけるための暫定的で大まかな基準として意図したものでした。それにもかかわらず、これらの基準は現在、因果理論の証拠として異なる分野の研究者によってしばしば引用される、いわば「標準的な」ものとなっています。 **特異的因果関係と一般的因果関係** この章では、一般的因果関係について話してきました。「喫煙は癌を引き起こす」や「愛は痛みを引き起こす」といった、一般的な特性間の関係のことです。これが、無作為化比較試験やこれまでに議論してきた他の技術が確立しようとしているものです。しかし、メキシコ湾で大規模な石油流出が発生したとしましょう。私たちは、その原因を知りたいのです。この種の質問は非常に重要です。もし賠償金が支払われるべきであったり、誰かがこの混乱を片付けるべき人物として特定される必要がある場合、私たちは石油流出がどのようにして起こったのかを知る必要があります。もし、流出の主な原因が水中のセメントバリアの亀裂であると言われたとしましょう。これは二つの特定の出来事です：セメントバリアの失敗と石油流出の発生です。一方が他方の原因です。しかし、これは一般的因果関係についての質問ではありません。二つの事象の関係についての質問ではないのです。一般的に言って、セメントバリアの失敗が石油流出を引き起こすとは限りません。セメントバリアが失敗しても流出がない場合はたくさんあります。別の、より悲劇的な例を挙げると、誰かが車の事故に遭い、シートベルトが首に巻きついて窒息死したとしましょう。この場合、「シートベルトが死を引き起こした」と言うことができます。しかし、一般的にシートベルトが死を引き起こすとは言えません。むしろ、シートベルトは命を救います。このような場合には、因果関係を確立するために何をすべきかがわかります。 湾の表面にある油粒子がどこから来たのかを考えてみると良いでしょう。その油粒子がどのルートを通って源から来たのかを調べることが、流出の起源を明らかにします。セメントの失敗から湾の表面に至るまで、その軌跡を追うことができれば、起源が確定し、セメントの亀裂が流出の原因であることが示されます。これは科学的な調査を必要としますが、無作為化比較試験を含む研究とはかなり異なります。個々の出来事の具体的な原因を求めるとき、私たちは異なる種類の質問をしているのです。この特定の因果関係と一般的な因果関係の区別が重要なのはなぜでしょうか？両者が因果関係に関わるため、特定の目的のためにどちらを確立しようとしているのか混乱しやすいのです。危険な製品（たとえば、タバコ）を製造する企業が、特定の使用によって特定の結果（たとえば、癌）が引き起こされたことを証明できないために、その結果に対して責任を負うべきではないという主張を容易に想像できます。これは特定の因果関係の主張としては明らかに正しい理解ですが、一般的な因果関係の主張に関しては正しくありません。私たちの社会がこれらの異なる種類の因果関係の主張にどのように対応しているかを考えるのは興味深いことです。通常、私たちは、一般的な因果関係を通じて有害な結果を引き起こす無責任な行動を防ぐために規制が設けられることを期待します（たとえば、特定の照明器具を購入した多くの人々を傷つける欠陥設計）。しかし、特定の因果関係によって有害な結果を引き起こした無責任な行動に対して、人々が訴えられ（非難され）ることも許可されています（たとえば、誤って取り付けられた照明器具が誰かの頭に落ちる場合）し、実際には特定の因果関係と一般的な因果関係の両方を扱う法的メカニズムが存在します。 因果関係のレバーをつかむ — 注意をもって もし私たちが何が何を引き起こすのかを確立できれば、私たちの世界を変える可能性が開かれます — 理想的にはより良い方向に。私たちは病気を治し、飢饉を解決し、子供たちを教育することができます。しかし、この本を通じて流れるテーマ — それは一貫したテーマです — は、私たちが間違った方向に進む方法に注意を払う必要があるということです。複雑な状況における因果関係の理解はほぼ常に不完全であり、この不確実性を考慮しつつ、適切な行動を取るための方法が必要です。これが次の3MTのテーマ、確率的思考につながります。 不確実性を理解する 第4章 確率的思考への根本的なシフト 現実について私たちが知っていることを見極め始めると、すぐに明らかになる2つのことがあります。それは、私たちが知らないことがたくさんあり、まだ不確かなことが多いということです。不確実性は私たちを不安にさせることがあります。私たちは人間であり、生存のために生理的に配線されています。森の中に何が潜んでいるのかわからない場合、そこに足を踏み入れるのを警戒するのは理にかなっています。 しかし、真実は、私たちが知らないこと、あるいは部分的にしか知らないことを理解することも、生き残り、さらには繁栄するために重要であるということです。これが、科学的思考の最も基本的な通貨の一つ、3MTにおいて中心的な役割を果たす「不確実性の活用」につながります。科学は、私たちが何かを知っているが、すべてを知っているわけではないという現実とのつながりを考えるための根本的に異なる方法を提供します。それは、私たちが絶対に確信していることだけでなく、さまざまな程度の自信を持っている事柄とも取り組むことで、実際にはより成功することができるという立場にシフトすることを可能にします。さらに、自信が段階的に存在するという概念を理解することは、通常、利用可能な証拠が私たちが望む絶対的な確実性を提供できない世界において、決定的な答えを求めるよりもはるかに強力です。 想像してみてください。膝を固定し、姿勢を硬直させたまま、体重を調整せずにスキーの斜面を滑り降りようとしている自分を。これは災害のレシピのように聞こえます。スキーをしながら立ち続けるためには、片足からもう片足へと体重を常に移動させることで得られる安定性、すなわち動的安定性が必要です。同様に、現実に基づいて決定を下す際には、現在信じているすべてのことが真実でなければならないと硬直的に主張するのではなく、いくつかの信念により重みを置き、他の信念には軽い重みを置き、世界について新しい事実を学ぶにつれてこれらの重みをシフトさせる必要があります。そうすることで、必要に応じて私たちの決定を更新できるのです。これは科学の最も重要なトリックの一つであり、世界を理解する上での不確実性の「スキー斜面」を交渉するための精神的柔軟性を私たちに与えてくれます。これを確率的思考と呼びます。確率的思考へのシフトはゆっくりと進んでおり、まだ完全には達成されていません。多くの人々は、新しい医薬品やダイエット、刑事司法政策の効果についての実証的な主張が、正しいか間違っているかの二元的な見方を持ち続けています。この視点から見ると、反例—「私の叔父はワクチンを接種したのにインフルエンザにかかった」—は、元の主張を完全に否定するものと見なされ、場合によってはその主張をした科学者が恥ずかしい思いをする理由となります。科学者たちは、あらゆる命題に内在する不確実性を持って表現する文化を築くことで、こうした白黒思考から離れてきました。その不確実性を持つこと—すべての発言に不確実性の度合いを付ける実践—は、科学の強さの大きな源となっています。それは、現在持っている特定の信念にあまり執着しないように助けてくれます。 自分の全ての自己認識を常に正しい発言に依存させないことで、あなたは誇り高く自信に満ちた科学者でありながら、時には間違うことも許される余地を自分に与えています。「この理論が何が起こっているかを捉えているとかなり自信を持っています」と言うときのようにです。（スキーの比喩で言えば、あなたは異なる命題に異なる強さ、つまり異なる正しさの確率で重心を置いているのです。）実際、常に正しいことに自分のアイデンティティを賭けるのではなく（それは不可能です）、目標は自分が何かにどれだけ自信を持っているかを大まかに判断する能力に投資することです。スキーヤーが不意の驚きを減らすために前を見据えることを学ぶように、科学者も不確実性を認めることで、自分が間違っているかもしれない理由を見つけるために前を見据えることを学びます。この確率的な姿勢は3MT（Three Minute Thesis）の基本的な構成要素であり、多くの利点と能力をもたらします。私たちはこれを、弱点（不確実性）を強みに変える柔術の技のように考えることができます。科学者は不確実性を表現するためのいくつかの良い習慣を学びます。その一つは、可能であれば予測を数値化し、確率を割り当てることです。たとえば、「ベイエリアで大地震が起こる確率」をグーグル検索すると、私たちが認めたくないほど頻繁に検索しているものですが、「今後30年間で、サンフランシスコ地域でマグニチュード6.7の地震が発生する確率は72％です」といった表現が見つかります。この表現は、一方では私たちが地震の可能性についてかなり無知であることを伝えていますが、同時に膨大な知識を示しています。この表現は、科学者が時間（「今後30年間」）と場所（「サンフランシスコ地域」）にわたってリスクをモデル化している必要があることを示しており、奇妙に具体的な「6.7」は、おそらくその閾値を使用する理由があることを示唆しています—おそらく彼らの理論や利用可能なデータの特性のいずれかです。科学者が何かが非常に、非常に真実であると自信を持って言いたい場合—それが明らかに、確実に、絶対に真実であると—彼らの訓練はそれを「はい、100％—それは明らかに、確実に、絶対に真実です」と言うことに対してためらいを感じさせる傾向があります。代わりに、彼らは99％、あるいは99.9999％のレベルでそれに自信を持っていると言うかもしれません。99.9999％のレベルで何かに自信を持っていると言うことは、基本的には「これが真実であることに命を賭ける」と言っているのと同じです。しかし、それはまた「自分が間違っている可能性があることを認める」とも言っています。この絶対的な発言から一歩引く能力こそが、この確率的思考のスーパーパワーの第一の鍵です。（私が見た白鳥はすべて白いかもしれませんが、「白い白鳥の観察があっても、すべての白鳥が白いという推論を許すことはできませんが、1羽の黒い白鳥の観察はその結論を覆すのに十分です」と、19世紀の哲学者ジョン・スチュアート・ミルが有名に主張したように。） デイヴィッド・ヒュームの考えを詳しく説明し、ニコラス・タレブによって言い換えられた内容についてです。もちろん、99.9999パーセントの確信を持てないことはたくさんあります。実際、科学の最も生産的な側面の一つは、私たちが常に知識を見直し、新しいことを学び、発見していることです。そして、世界自体も動的です。私たちは、世界の仕組みに驚かされ続けています。私たちは、世界についての話し方を持つ必要があります。それは、私たちが得た知識が進行中の作業であることを反映したものです。「私は、この世界の仕組みについての理解が正しい可能性が高いと思います。実際、私はそれが正しい確率を87パーセントと見積もっています」といった表現ができる必要があります。また、より大きな疑念を表現することも必要です。例えば、「この新しい理論が正しい確率は51パーセントです」と言える必要があります。この0から100パーセントまでの自信の範囲は、私たちが世界に対処するために使える科学の道具の一つです。（後で、科学者が自信を計算するために使用する方法について議論します。）この確率的な科学的思考の道具の発展を、私たちが世界をよりよく理解し、より効果的に扱うための記述のバッテリーをより完全にするために、何世紀にもわたって踏んできた一連のステップの最新のものとして考えるのは興味深いことです。私たちはまず、世界の物事に名前を付けることから始め、その後、それらを分類し、階層化しました。次に、それらの特性を測定し、定量化できるようになり、今ではその定量化に対する自信を定量化し始めています。 この道具がなぜそんなに重要なのでしょうか？おそらく最も明白なのは、部分的な情報を流暢に活用できるようにするからです。例えば、ボルトで支えられた橋を建設したいとしますが、ボルトが失敗する可能性があることを知っています。特定のボルトが橋の寿命の間に失敗する確率を学ぶことで、橋を建設することができます。重要な接続には、すべてのボルトが失敗する確率が低くなるように、十分な冗長ボルトを確保することが必要です。（より現実的には、構造の完全性が保たれるように、失敗しないボルトの数に賭ける必要がありますが、ここでは良いエンジニアを見つけて正確に行うべきです！）この確率的な情報を使えなければ、あなたは行き詰まり、橋を信頼することができなくなります。私たちの現実の物理的世界のほとんどの側面には完璧な保証がないからです。現代の工学の確率的技術を学ぶことで、私たちはそうでなければ実現できなかった実際の建設の可能性の世界が開かれました。 確率的に考えることのより微妙でありながら強力な利点は、科学者が間違ったときに適切に体面を保つ方法を提供することです。科学者として、彼らが言ったことのほとんどは何らかの不確実性を伴っているため、間違っても信頼性を失うことがないからです。この技術は科学者だけでなく、他の人々にも利益をもたらすことができます。何かについて間違っていたときに体面を保つための適切な方法を持つことがどれほど重要であるかは驚くべきことです。体面を保つ必要性は、幼少期の初期段階に深く根ざしているようです。ある研究では、2歳児がつく嘘の動機の一つは、体面を保ち、間違いを犯したことを示さないことだと示唆されています。例えば、「お父さんはどこ？」と尋ねられた2歳児は、「2階にいる」と答えました。しかし、外でお父さんの声を聞くと、「もう一人のお父さんは2階にいる」と言いました（この場合、もう一人のお父さんはいませんでした）。この2歳児は何について体面を保とうとしているのでしょうか？私たちは本当に2歳児に高い信頼性を求めているわけではありませんが、それでも間違っているところを見つけられたくないという強い人間の欲求があることは明らかです。 この2歳児の話を、サウルが以前一緒に働いていた物理学教授の話と対比させるのは興味深いです。彼は尊敬される科学者で、かつては電荷を持つ粒子の磁気的な相当物、いわゆる磁気モノポールを発見したことがありました。これは、もし本当にそうであれば、画期的な発見となります。電気的に帯電した粒子はプラスまたはマイナスの電荷を持つことができますが、北極または南極だけを持つ磁気的に帯電した粒子は見つけることができません。磁気粒子は常に北と南の両端を持っているように見えます。磁石で遊んだことがある人なら、そのことを知っているでしょう。この科学者は、磁気モノポールのように見える粒子を発見したことを発表しました。彼は私たちが推奨する方法で結果を報告しました。彼は観察したことを提示し、発見された粒子が磁気モノポールでない可能性についての懸念を示し、粒子の同定に関する関連する確率を提示し、最後に「...事実はこの粒子を磁気モノポールとして同定することを強く支持している...」と結論づけました。しかし、その後、実験のさらなる詳細な分析が進むにつれて、これは本当に磁気モノポールである可能性がますます低くなっていきました。発見された粒子は、驚くほど神秘的ではあるものの、モノポールには適合しないことが明らかになったのです。 この論文は、科学者と彼のグループが考えを変え、もはや磁気単極子を発見したとは信じていないことを明確に示しています。しかし、教授の科学者としての評判は傷つきませんでした。なぜなら、彼は次のように科学的かつ確率的なアプローチで結論を示したからです。「こちらが私たちのデータです。こちらが、他の要因がこの実験でそれを模倣する可能性を考慮した上で、磁気単極子の証拠がある確率です。」どうやら、他の何かがその役割を果たしたようです。しかし、彼の科学的な話し方が功を奏しました。彼は100％の確信を持っているふりをすることはなく、自分が間違っていたと言うことができる余地を残していたからです。確率的な言語は、互いに間違っていると指摘し合うことなく有意義な会話をする方法を提供するだけでなく、私たちが考えていた世界の一部が異なる可能性についてより慎重に考えることを積極的に促します。 科学者は、出来事を説明するために、私たちの世界のような状況や出来事に言及する必要があることが多いですが、実際にはそれが起こっていない場合もあります。彼らはこれらの可能性を「反事実」と呼ぶことが一般的です。反事実は、あなたがテストしているものと、実際にはそうでない可能性のあるものとの対比を描くのに役立ちます。私たちはしばしば、最善の知識に基づいてある出来事や状況が反事実であると仮定しますが、確実ではありません。「仮定された反事実」というラベルは馴染みがないかもしれませんが、非科学者も常にそのような推論を行っています。例えば、「配偶者が旅行中なので犬を散歩させるために急いで帰らなければならない。彼女のフライトが早く着いたという珍しいシナリオは起こらなかったと仮定しよう！」という具合です。 確率的な観点で考えると、これらの仮定された反事実を真剣に考慮する可能性が高まります。「まあ、これは正しいと思う。おそらく90％の確信がある。でも、もし間違っていたらどうなる？」この質問は犬を散歩させる問題ではそれほど重要ではないかもしれませんが、他の状況では非常に興味深い科学的結果を導くことがあります。したがって、これらの「仮定された反事実」を「代替シナリオ」に変え、それらが事実の現実に対応する可能性を真剣に受け止めることは有益な実践です。 あなたが提案を行ったりグラフにポイントを置いたりする際に、自分の信頼度を定量化する重要性を理解するだけでなく、このアプローチをほぼすべての活動に取り入れるのに役立つエクササイズがあります。私たちは、あなたが言われたことの真実に対する自分の信頼度を認めることに基づいた実際の会話を持つことを望んでいます。さまざまな意見が存在するトピックを使うことができます。 例えば、友人たちとK-12学校における標準化テストの使用増加が教育の質を向上させたのか、それとも悪化させたのかについて話し合っているとしましょう。その議論の中で、参加者の誰かが真実か偽りかの可能性がある提案をした場合、その人は一旦話を止めて、0から100の数字を言い、その発言の真実性に対する自分の自信の度合いを示すべきです。もし誰かがこれを忘れた場合、他の人はその人を一時的に止めて、自信の数字を言わせるように促すべきです。また、自信があまりないことに焦点を当てるために、一時停止するのも興味深いことです。例えば、95％未満の自信レベルを示した場合、「もし私が間違っているとしたら、どのように間違っている可能性が高いのか？そして、私が知らないことを学ぶためにどんな質問をすべきか？」と尋ねることができます。 このようなことを受け入れてくれる友人を見つけたら、議論の中で面白いことがいくつか見えてくるかもしれません。話し合っているテーマに関わらず、です。この方法を試した学生たちは、発言に高い自信値を伴わせることで、話し手がその発言に対する証拠を持つプレッシャーを感じると報告しています。また、他の人の自信の推定を聞くことで、自分自身の推定を更新したくなる傾向があります。議論が進むにつれて、自信レベルは約90％からやや低いレベルに下がり、人々がより慎重になるからです。多くのグループでは、会話の初めに自信を持って発言した内容について、実際にはそれほど確信が持てないことに気づくと、自信の推定が60％から75％の範囲に収束することが観察されています。また、発言の具体性と自信の表現には逆の関係があることもわかります。詳細なデータセットがない状況では、曖昧で一般的な発言の真実性についてはより自信を持てる一方で、具体的で詳細な発言の真実性については自信を持てないことが多いのです。 これらの観察は重要な疑問を提起します。もし私たちの社会で人々がこのような実際の議論を行ったら、その議論のダイナミクスは変わるでしょうか？人々がより良いリスナーになり、主張をする際により慎重になり、代替シナリオを考慮する意欲が高まるでしょうか？次の数晩、夕食のテーブルで皆にこの方法を強制してみて、何が起こるか見てみるのも良いかもしれません。あるいは、それが一人で食事をする結果になりそうなら、数回だけ試してみて、特に興味深い議論に参加する際に会話の雰囲気がどう変わるかを見てみるのも面白いでしょう。 信頼度の使用は、自分の理解がどれほど強いか、あるいは弱いかを率直に示す方法です。物理学者の文化では（科学の各分野にはそれぞれの文化があります！）、報告する測定値の周りにある信頼度の範囲を示さないことは、ほぼ不誠実と見なされます。もちろん、科学者たちが実際の状況で信頼度に基づく議論に参加する際には、報告すべき信頼度の数値の出所に対する期待は一般的に高くなります。可能な限り、彼らは直感的な推測ではなく、統計的手法を使用することを好みます。実際、特定の実験では、不確実性の範囲を計算し表現するための原則に基づいた方法を開発するために多くの努力が費やされます。したがって、「ある夜、地球から月までの距離を229,733マイルと測定しました」とは言わず、「229,733マイルプラスマイナス9マイル」と言います。これは、「その夜の実際の距離は229,724マイル（733マイルから9マイル引いた値）から229,742マイル（733マイルに9マイル足した値）の間であるという68％の信頼度があります」という意味です。このプラスマイナスの範囲（時には信頼区間と呼ばれます）は、グラフ上でエラーバーとして示され、プロットされた点の上または下にどれだけの誤差があるかを示します。エラーバーをグラフで見ることに慣れていない方のために、前のページにこの月の距離測定の例を載せています。 ノーベル物理学賞受賞者のルイス・アルバレスは、バークレーの丘の自宅で月曜日の夜にセミナーシリーズを開催していました。毎週、彼は物理学者を招待し、彼らの現在の研究について話してもらいました。しばしば、バークレーを訪れている有名な教授や国際的な物理実験のコラボレーションの著名なメンバーが登場しました。彼は大きなアームチェアに座り、教員や学生、ポスドク、科学者たちは彼のリビングルームに並べられた折りたたみ椅子に座りました。彼は伝統的にスピーカーに厳しい質問を投げかけました。ソールは、特にある晩のことを今でも覚えています。その晩、皆が席に座っていると、その週のスピーカーが立ち上がり、オーバーヘッドプロジェクターでグラフを示しました。ルイスは言いました。「そのグラフのエラーバーはどこから来たのですか？」スピーカーは完全には確信が持てないと答えました。ルイスは言いました。「もしあなたがエラーバーを理解していないのなら、あなたの話を聞く意味はないと思います。」そして、彼はその場で話を止めました。残りのグループは「おい、ルイス、話を聞こうよ」と言いましたが、彼は拒否しました。彼の見解は、ある意味で「物理学者の文化」の極端な実践とも言えるもので、測定の不確実性の範囲を知らなければ、その測定がどれほど間違っている可能性があるのか全く分からないため、実質的にその測定は何も教えてくれないというものでした。 （そしておそらく、当時の物理学者たちはお互いに厳しかったのかもしれません。ルイスはその極端な例ですが！）より遊び心のある話として、ソールは3日間の宇宙論ワークショップに参加したことを思い出します。その間、科学者たちは、良い定量的な見積もりがない場合に、さまざまな結果に対する自分たちの自信のレベルをどのように表現するかについて冗談を交わしました。自信のレベルの表現は、「これには命を賭ける」とか「これには家を賭ける」といったものから、「これにはハムスターを賭ける」とか「あなたのハムスターを賭ける」といったものまで多岐にわたりました。 **意思決定への影響** これまでに、自分の発言に対する自信の度合いを反映し、共有することが、適切な場合に考えを変える能力を高め、普段は焦点を当てない可能性に気づく手助けになることを示してきました。これは部分的な知識に適切な重みを置き、より生産的な議論に参加し、考えを変えたり間違いを認めたりする必要があるときに、自尊心や評判を守ることを可能にします。しかし、この自信のレベルを定量化することは、さらに現実世界において影響を及ぼす可能性があります。たとえば、あなたが陪審員として、目撃者が容疑者を強盗の犯人として特定した裁判に参加しているとしましょう。その特定に対するあなたの自信のレベルは、容疑者を有罪とし、刑務所に送るためにどれくらい高くなければならないでしょうか？次の章では、その自信のレベルを見極めるための良い方法と悪い方法について議論しますが、今はあなたが目撃者が正しく容疑者を特定したとどれくらい自信を持っているか（たとえば、0から99.999パーセントのスケールで）をかなり良く理解していると仮定しましょう。その自信のレベルが有罪票を投じるためにどれくらい高くなければならないかの数字を選ぶと、これらの数字には結果が伴うことに気づき始めます。 もう一つの現実の例を見てみましょう。私たちがほぼ毎日経験することです。たとえば、カリフォルニア大学バークレー校で授業を受けているとしましょう。また、授業に行くために毎日ハーストアベニューを横断しなければならないとします。（あなたの職場とそこに到達するために横断する通りに置き換えても構いません。）授業に行く途中でハーストを横断しているときに車にひかれる可能性はどれくらいでしょうか？あなたの選択肢は次の通りです：A、約1/1,000；B、約1/100,000；C、約1/1,000万；D、約1/10億；E、約1/100億。多くの人にとって、車にひかれる確率を1/100,000程度にするのは妥当に思えるでしょう。しかし、この数字をもう少し詳しく見てみましょう。あなたはどれくらいの頻度でハーストのような通りを横断しますか？おそらく、1日に数回でしょう。それは、年間ほぼ1,000回、車にひかれる可能性のある通りを横断することを意味します。あなたが平均して人生の毎日それを行うと仮定すると、もちろん私たちは皆、100年生きると思っていますよね？ですから、年間1,000回車にひかれるリスクがあるということは、100年でそのリスクを100,000回取ることになるのです。 もし、何かに当たる確率が10万分の1だとしたら、あなたにとって状況はかなり厳しくなってきます。実際、通りを渡る際に当たる可能性が高いのです。私たちの多くは、死ぬ時は通学中に車にひかれるのではなく、他の理由であることを望んでいます。だから、もし1日に何度も通りを渡るつもりなら、私たちは安全に渡れる確率が1000万分の1よりも良い横断歩道を見つけるべきです。（これは、人生の間にひかれることなく過ごせる確率が99％以上であることを意味します。）ここでのポイントは、あなたの自信レベルに関するこれらの定量的な見積もりが大きな違いを生む可能性があるということです。これらの数字に基づいて意思決定を行うことができます。 政治と確実性： 私たちが言うことについての自信の度合いを評価し、共有することは常に良いアイデアでしょうか？すぐに思い浮かぶ問題は、誰かが政治的な環境で自信の度合いについて話すとどうなるかということです。例えば、大統領が健康保険改革に関する新しい政策提案を行う大演説を想像してみてください。どちらの発言があなたにとってより自信を持たせるでしょうか？A. 私が提案する政策はアメリカにとって正しい政策です。私はそれが国にとって最善であると保証します。B. 私が提案する政策は、アメリカにとって最も正しい政策である可能性が高いと思います。それがうまくいく保証はありません。実際、私はそれに75％の確率しか与えていませんが、提示された代替案はすべて成功する可能性がはるかに低いです。私たちは、政治家からそのようなBのような言葉を聞くことはほとんどありません。私たちの推測では、すべての政治コンサルタントは、Bのようなことを言っても多くの票を得ることはできないと言うでしょう。 彼らが引用する可能性のある理由は、私たちは大統領に、ほとんどの人が2歳の頃に持っていた全能の親のようであることを求めているからです。私たちの多くは、親が常に答えを知っていて、すべての問題を解決できるという漠然とした潜在意識の感覚を持っていた時期を覚えているでしょう。その時、彼らが知っていることは、私たちが知っていることに比べて驚くほど多かったのです。多くの私たち大人は、信頼できる本物の専門家が大統領のようなリーダーシップの役割を果たすことで、その安心感を再現したいと思っています。一方で、私たち著者やこの本を読んでいる他の人々にとって、Bのような発言を聞くことはとても新鮮に感じるでしょう。私たちはAのような発言を何度も聞いてきました。そして、誰かが答えを知っていて、それが正しいに違いないと言ったからといって、それが本当に正しいとは限らないという経験をしています。Bのような発言は、その人が実際に問題の複雑さを考え、最初に正しい答えを得る確率を理解しているという感覚を与えてくれるでしょう。 私たちの考えでは、すべての政治的議論がBのような言葉で表現される世界を見たいと思います。なぜなら、それは学びや適応の余地があることを示しているからです。しかし、これは一般の人々が「お、これが私が投票する候補者だ」と言う理由には明らかになりません。少なくとも今のところは。今後数年のうちに皆がこの本を読んだら、私たちは情報を持った市民から異なる反応が得られると確信しています。 この時点で、なぜ確率的思考が3MT市民にとって重要なのかは明らかになっているはずです。私たちは考えを変えることができ、以前の主張が間違っていたことが判明しても、自尊心を保つことができます。私たちは代替シナリオを考慮し、現実に対して一つの硬直した期待に縛られることなく、柔軟に対応できます。自分が知っていることと知らないことについて率直であることに誇りを持ち、さらに良いことに、曖昧な状態にあるときには、ある主張が真実である可能性を正直に定量化することができます。他者との議論において、私たちは防御的にならず、よりオープンマインドでいることができます。不確実な知識を生産的に活用し、先入観を修正するための情報を積極的に探し求めることができます。そして、これらの可能性の数値に基づいて、被告を有罪にするか無罪にするか、あるいは単に道を渡るかといった効果的な決定を下すことさえできます。しかし、これらの重要な利点は始まりに過ぎません。確率的思考は、3MTのスイスアーミーナイフのようなものかもしれません。それは、どんな環境でも生き残り、繁栄する可能性を高めるための千の使い方があるツールです。 前の章では、私たちが世界で本当に何が起こっているのか、何から成り立っているのか、そしてそれを変えるために行動するための因果関係をより良く理解しようとする方法について議論しました。確率的な立場は、私たちの不完全な人間理解と実際の共有現実との関係を反映しています。結局のところ、因果関係のランダム化比較試験（あるいはヒルの基準評価）も、特定の因果関係が私たちの世界を正しく説明している可能性を定量的に推定するものに過ぎません。そして、多くの「ログ」が私たちの科学的理解の「筏」に結びついているとき、それらは互いに支え合い、その筏の一部に対する自信を強化することができます。逆に、多くの自信が薄いログから作られた筏の一部は、私たちのその部分の現実理解に何か問題があるのではないかという疑念を引き起こすことがあります。私たちは、世界がどのように構成されているか、そしてその因果関係についての人間の不確実性を強調してきましたが、現実そのものに組み込まれているように見える不確実性もあることを付け加えるのは興味深いことです。 たとえ私たちが近くの星のようなシステムがどのように機能するかを完璧に理解していたとしても、その挙動には真のコイン投げのようなランダム性が関与しています。たとえば、その星が今後10年以内に超新星として爆発するかどうかは分かりません。また、より憂慮すべきことに、次の大規模な太陽嵐が私たちの電力網を破壊するのはいつになるのかも分かりません。それは次の10年以内でしょうか？それとも次の世紀でしょうか？（1859年には大規模な太陽嵐があり、過去100年の間にも1921年や1989年など、電力網を破壊したいくつかの小規模な嵐がありました。）同様に、特定のケースで医療治療が効果を発揮するかどうか分からない状況もありますが、その治療が70％の確率で効果があると強く信じている（98％の自信がある）こともあります。このように、世界自体にランダムな側面がある状況では、確率的思考を用いてリスクを特定し、順位付けし、管理することができます。 私たちは無数の未解決の質問が存在する世界に生きており、すべてがどのように機能するかを教えてくれる保証された答えの鍵は存在しません。これらの確率的理解を基にして自信のレベルを構築することは非常に重要であり、それが私たちの強さと効果性の源となります。したがって、個人として、これらの確率的ツールの使用を着実に改善する方法を学ぶことが特に重要です。自信のレベルの見積もりをより良く調整することが求められます。また、同様に重要なのは、私たちが相談する専門家がこれらのツールをどのように使用しているのか、彼らが自分の自信のレベルを見積もる際にどれほど適切に調整されているのか、そして時間をかけて自信の見積もりをより良く調整することにどれほど焦点を当てているのかを理解する必要があります。自分自身の自信のレベルを調整するスキルを身につけ、専門家が自分の自信をどのように調整しているか（またはその欠如）を理解することは、確率的思考の核心であり、次の章のテーマです。 第5章 過信と謙虚さ 前の章では、確率的思考が科学における重要な概念的進展であると主張し、自信のレベルをその一例として説明しました。しかし、時折、非常に有能な科学者でさえ不確実性を認めないことがあります。2020年7月、非常に尊敬されている科学者がTwitterで「米国のCOVID-19は4週間以内に終息し、報告された死亡者数は17万人未満になる」と発表しました。振り返ってみると、この予測が間違っていたことは明らかです。現在の時点で、米国のCOVID-19は依然として存在し、100万人以上の命を奪っています。振り返ることで、間違った専門家を見つけることは通常可能ですが、私たちがこの例を挙げるのは、その専門家が間違っていたからではありません。彼は当時、パンデミックが異なる展開をするかもしれないというもっともらしい理由を持っていました。むしろ、私たちがこの例を挙げるのは、彼が自信の表明をまったく行わなかったからです（「私は…に80％の自信があります」といった表現がありませんでした）。 彼は、自身のパンデミックに関する理論が不完全であるか、誤っている可能性について、まったく示唆を与えませんでした。この例において注目すべきは、その専門家が自分の専門分野外のトピックについて意見を述べており、その意見をTwitterで発信していたことです。私たちは、彼が感染症や公衆衛生に関する専門的なジャーナルで他の専門家に向けて書いていたなら、意見を述べる際にもっと慎重であっただろうと、少なくとも75％の確信を持って推測します。なぜなら、もしそうでなければ、ジャーナルの編集者や査読者が彼に対して、意見を防御可能な信頼度で再表現するか、さもなければ撤回するよう求めたからです。今、私たちはこの科学者に対して「彼は自由時間にやっていたことだから、Twitterでは誰でも好きなことを言える」と言って許してしまいたくなるかもしれません。しかし、考えてみてください：その専門的な学術ジャーナルで彼の意見を見た人は、世界中でどれほどの数だったでしょうか？確かに、Twitterで彼の意見を見て（そしてリツイートした）人々の数のほんの一部に過ぎなかったでしょう。私たちは、哲学者デイヴィッド・ヒュームの有名な言葉を反省することが重要です。「賢者は…証拠に応じて信念を調整する。」 専門家の過信は深刻な結果を招くことがあります。1986年にチャレンジャー宇宙シャトルが爆発した後、調査によってNASAが公式に「10万回の打ち上げに対して1回の失敗がある」と予測していたことが明らかになりました。これは、前の章でヘアストアベニューを横断する際に車にひかれる確率とほぼ同じです。しかし、他の証拠は、NASAがこの楽観的な予測に対して強い反証を持っていたことを示しました。NASAの専門家たちは、わずか5年前に、固体燃料ロケットの歴史的な失敗率が57回に1回であると報告していました。チャレンジャーを軌道に乗せるために使用されたのは、毎回2基の固体燃料ロケットでしたので、歴史的な失敗率が変わらないと仮定すると、28回または29回の打ち上げごとに1回の失敗が予想されました。チャレンジャーは25回目のシャトル打ち上げであり、失敗するにはほぼ予定通りのタイミングでした。したがって、組織内でかなり悲観的なリスク評価が、はるかに楽観的で、明らかに非現実的なものに変わる何かが起こったのです。 20世紀中頃、理論物理学者レフ・ランダウは、科学者の間に見られる専門家の過信を的確に表現しました。「宇宙論者はしばしば誤りを犯すが、決して疑わない。」これは過剰な表現かもしれません。実際、科学者たちは時には自らの発見を撤回することもあります。例えば、2010年に23人の専門家が当時の連邦準備制度理事会の議長、ベン・バーナンキに宛てた公開書簡を発表し、彼の量的緩和政策が「通貨の価値を下げ、インフレを引き起こす」と主張しました。2014年には、この予測が間違っていたことが明らかになった際、2人のジャーナリストがその23人の署名者に連絡を取りました。 14人はコメントを拒否しましたが、意見を述べた人たちは自分たちの見解が変わっていないと語りました。以前にこれらの専門家を嘲笑していたニューヨーク・タイムズのコラムニストでありノーベル賞受賞経済学者のポール・クルーグマンは、2022年初頭に自らの誤りを認めることに対してよりオープンになりました。彼は、バイデン大統領の2021年の景気刺激策が高インフレを引き起こすという予測を軽視していたことを認め、「私はあの人たちのようにはなりたくない。だから、昨年初めの私のインフレに対する楽観的な見方が、実際の出来事によって覆された理由を理解しようとかなりの時間を費やしています」と述べました。しかし、彼は元々の分析が基本的には正しかったと主張し、コロナウイルスのパンデミックが経済の通常のパターンを覆す原因であったと続けました。経済学は難しい分野であり、書くことさえも容易ではありません。クルーグマンはインフレを過小評価しましたが、刺激策が果たした具体的な役割について誰が正しいのかは依然として不明です。 知的謙虚さの重要性 これらの例を踏まえると、第三千年紀における専門家の権威に対する課題は、しばしば「知的謙虚さ」または「認識的謙虚さ」と呼ばれるものを育むことです。心理学者マーク・リアリーはこの特性を長年研究しており、知的謙虚さが高い人々は「事実に関する主張の証拠の強さにより注意を払い」、「自分と異なる意見を持つ人々の理由を理解することにより関心を持つ」と述べています。彼は「文化は、オープンさや柔軟性を重視し、不確実性や曖昧さを容認する度合いにおいて異なる」と指摘しています。 シリコンバレーは、エラーに対するオープンさを育んできた文化の一例であり、「早く失敗し、頻繁に失敗せよ」という人気のスローガンがその象徴です。もちろん、この言葉は失敗そのものを称賛するものではなく、最先端の技術起業家精神の必然的な副産物として失敗があるという主張です。多くの科学者の間でも似たような考え方があり、すべての大学院生は特定の実験的な誤りを犯すことが保証されているため、できるだけ早く多くの研究経験を積むことが最善の方法だと主張しています。 最近、心理学の若手研究者たちのコミュニティが、研究者が自らの誤りを認める文化を促進し始めました。彼らの「自信喪失」プロジェクトでは、報告した結果に疑問を持つようになった研究成果を文書化しました。また、315人の科学者を対象にした匿名調査では、44％が少なくとも1つの公表された結果に疑問を持っていると報告しました。これらのケースの大多数では、研究者は自信喪失を公に認めていなかったか、認めたとしても自らの研究を発表したジャーナル以外の場で行っていました。 自信レベルの調整 前述のように、科学的証拠は確率を提供することはできますが、絶対的な確実性を提供することはできません。これは、専門家が間違いを犯さないことを期待するのは愚かで不公平であることを意味します。たとえ彼らが完璧に仕事をしていても、時には間違いを犯すことがあるのです。 専門家が適切に調整されていることを期待するのは、非常に理にかなっています。「調整」とは何を意味するのでしょうか？専門家がある出来事の確率を提示する場合、さまざまな状況を見て、その予測が実際の出来事の頻度と一致するかどうかを確認できます。もし専門家が「脳腫瘍です」といった明確な主張をしている場合、彼らにその主張が正しい確率を定量化してもらうことができます。また、数量を推定している場合には、正しい値が含まれると95％の確信を持っている低い推定値から高い推定値の範囲を説明してもらうことができます。予測の際に示した自信のレベルが、実際の結果が分かったときの正確さの割合と一致している場合、その人は適切に調整されていると言えます。 私たちは、学生にこの意味を示すために、「パナマ運河とスエズ運河のどちらが長いか？」といった二者択一の質問を出します。ほとんどの人はこの質問の答えを調べて覚えているわけではありません。しかし、私たちは学生の「無駄な雑学」の習得度を研究しているわけではありません。むしろ、各項目に対する彼らの回答に対する自信のレベルを知りたいのです。彼らの表明した自信のレベルが正解の確率に対応している場合、彼らは完璧に調整されています。例えば、自信レベルを50％と表明した場合、正解率は半分であるべきです。また、自信を100％と表明した場合、常に正解であるべきです。もし正確さの割合が表明した自信を下回る場合、過信していることになります。自分の無知を過小評価しているのです。 以下の図では、学生に調整演習を行った結果を示しています。学生が自信レベルを50％と報告した場合、実際には少しだけ50％を超える正解率を得ています。これは、彼らが自分が思っている以上に多くのことを知っているからかもしれません。しかし、回答に対する自信が高まるにつれて、彼らの正確さは期待よりも一貫して低くなります。この「クラシックな」調整パターンは、過信の明確な傾向を示しており、さまざまな研究で何度も導き出されています。 この「過信」に関する誤調整の証拠は、専門家の判断にも見られます。2000年代初頭、いくつかの研究者がドイツの株式市場予測者の過信を研究しました。彼らは350人の金融専門家に、DAX指数（ドイツ版ダウ・ジョーンズ平均）の6か月先の予測を毎月行うよう依頼しました。 重要なことに、彼らは各専門家に対して、予測ごとに90％の信頼区間を指定するよう求めました。これは、実際のDAX値が10回中9回はその範囲内に収まると考えられる値の範囲です。さて、何が起こったかというと、実際のDAX値は、6ヶ月前に多くの専門家が提供した信頼区間の外に完全に位置していました。実際、26ヶ月にわたる研究の間、実際のDAX値がその月に収まるような信頼区間を提供した専門家は半数にも満たないことが多かったのです。これらの専門家の多くは、ドイツの株式市場の将来の動向について非常に間違っていたばかりか、自分たちがどれだけ間違っているかを見積もることも非常に不得意でした。この前の文は、キャリブレーションの概念の鍵を握っています。それは、知識（例えば、6ヶ月先のDAX指数を予測するために使用するもの）に加えて、メタ知識、つまり自分の知識についての知識が存在するという考え方を含んでいます。信頼区間を狭く設定したドイツの金融専門家たちは、メタ知識が不足していることを示していました。彼らは、自分たちが知らないことを知らなかったのです。彼らはメタ知識を改善することで、つまり信頼レベルを調整することで、より良い結果を得ることができたでしょう。 別の例は、フィル・テトロックのプロの外交政策専門家に関する研究から来ています。これらの専門家の予測は、公共政策に深い影響を与える可能性があります。専門家の予測や予想に基づいて、米国議会は軍事予算を配分し、大統領は外交、経済、軍事戦略を策定し、条約を交渉します。専門家が自分の予測に自信を持てば持つほど、議会のメンバーや大統領がその予測に影響を受ける可能性が高くなります。テトロックの研究は、こうした予測に対して警戒が必要であることを示唆しています。彼は数百人の外交政策専門家に対して、5年後と10年後の出来事について「はい」または「いいえ」の予測を求めました。例えば、「2016年にウラジーミル・プーチンはロシアの大統領であり続けるか？」という質問をしました。各予測に対して、彼は被験者に1から9のスケールで自信のレベルを提供させました。彼は二つの悪いニュースを発見しました。第一に、予測の正確性はコインを投げることで得られる結果とほとんど変わらなかったことです。第二に、正確性と表明された自信の間には本質的に関係がありませんでした。正しい予測の平均的な自己報告された自信は6.5から7.6の間であり、間違った予測の平均自信レベルは6.3から7.1の間でした。これらは有意に異なるわけではありませんでした。間違った専門家は、正しい専門家と同じくらい自信を持っていました。つまり、外交政策専門家が自分の予測を述べる際の自信は、彼らを信じるべきかどうかを判断するための非常に不十分な指標であるということです。 物理学者や他の自然科学者が、社会科学者よりも自分の信頼度を適切に調整できると期待されるかもしれません。特に、政治とは無関係な自然界の特徴を調査している場合にはなおさらです。自然科学者は、頻度分布や複数の測定値、そして大量のデータを入力して正確な信頼区間を得るための高度な統計式を利用できるからです。しかし、実際には「ハード」サイエンスの分野にいる人々も、過去には自分たちの発見に対して適切な信頼度を判断するのに苦労していたことが多かったのです。興味深いことに、自然科学者についてこのようなことがわかるのは、物理学者が自分たちの信頼度の調整がどれほど適切であるかを理解することに特に関心を持っており、この問題を数十年にわたって研究してきたからです。物理学は、非常に大規模なデータセットを扱う最初の科学分野の一つであり、物理学者たちは世界中のチーム間で競争しつつ協力する長い伝統を持っています。そのため、1950年代後半から1960年代初頭にかけて、彼らは競合する測定値を収集、比較、統合し始めました。そして、彼らの信頼度の推定値も同様に扱いました。すると、結果に対する過剰な自信の兆候が見つかりました。例えば、光の速度や電子の質量といった物理定数の正確な値を特定しようとする際、物理学者は初期の測定において大きな不確実性を報告し、その後、時間が経つにつれてより確実な推定値を示すことが期待されました。言い換えれば、誤差範囲は最初は非常に広く、各新しい研究ごとにどんどん狭くなっていくべきであり、各新しい測定値は前の測定値の誤差範囲内に収まる可能性が高いはずです。しかし、実際にはそうはなりませんでした。物理学者たちが1870年から1960年代にかけての光の速度cの歴史的な推定値を誤差範囲と共にプロットしたところ、推定値はあちこちにばらつき、しばしばある研究での推定値が前の研究で示された誤差範囲の外に完全に位置していることがわかりました。同様の不一致で一貫性のないパターンは、逆微細構造定数、プランク定数、電子の電荷、電子の質量、アボガドロ数といった物理定数の推定値にも見られます。もちろん、この測定の歴史の中で、科学者たちは自分たちの仕事がついに真実に近い近似を表していると信じていました。 例えば、1941年に物理学者レイモンド・バージは、「長い、時には慌ただしい歴史を経て、cの値はようやくかなり満足のいく『安定した』状態に落ち着いた」と書きました。その後まもなく、cの値に関するほとんどの推定値はバージの推定値よりもかなり高くなり、彼が示した信頼区間を大きく超えることになりました。そして、現在の推定値は高い信頼度で知られており、バージの「安定状態」からも大きく外れています。物理学者たちは信頼レベルの推定におけるこれらの失敗を目の当たりにした後、単純な内部推定を信頼することに対して非常に慎重になり、結果のクロス比較を求めるようになり、科学的発見の主張を受け入れるための基準も厳しくなりました。それでも、物理実験者が学生に教える最大の教訓の一つは、彼らが測定に対して過信しがちであるということです。過信が人間の心理の特徴であるとしても、キャリブレーションを改善することは可能です。特定の状況下では、私たちは自信のキャリブレーションをかなりうまく行うことができます。予測が仕事の一部であるさまざまな職業における自信レベルのキャリブレーションを研究すると、例えば気象学者の短期予報は驚くほど良くキャリブレーションされていることがわかります。気象予報士が翌日の降雨確率を80％と予測した場合、実際にその日が雨になる確率も約80％です。なぜそんなに良いキャリブレーションができるのでしょうか？その鍵は、気象学者が自分の予測に対して常に即時のフィードバックを受けていることかもしれません。さらに、気象学者の専門的な名声は、知識（正確さ）と同じくらい、メタ知識（キャリブレーションされていること）に依存しています。 どの職業や分野においても、専門的な要求や社会的・文化的な力が人々の知識の状態に対する判断に影響を与えます。自分の分野における自信レベルのキャリブレーションに影響を与える力を認識することは、過信に向かわせる微妙な力に抵抗する手助けになるかもしれません。私たちは、ある意味でIBMのスーパーコンピュータ、ワトソンを模倣することを目指すべきです。ワトソンは、その広範なウィキペディアのような知識だけでなく、鋭いメタ知識によって、最高の人間の「ジェパディ！」プレイヤーを打ち負かしたことで有名です。「ジェパディ！」では、メタ知識が非常に重要です。なぜなら、正しい「質問」を各「回答」に対して提供できるのは一人の参加者だけであり、その参加者は最初にブザーを押した人だからです。誤った回答にはペナルティがあるため、できるだけ早く「ブザーを押す」ことには大きなインセンティブがありません。正しい回答を知っている、または知っていると思う場合にのみブザーを押したいのです。勝つ参加者は、自分が正しい「質問」を知っているかどうかを迅速に判断できる人たちです。ワトソンはこれをリアルタイムで非常にうまく行うようにプログラムされています。自分の無知の状態を知っているのです。 ワトソンは基本的に「この場合は私を信じるべきだが、別のケースでは私を信じる理由はほとんどない」と言っています。これは専門家にとって非常に価値のあることです。 **他者の自信への信頼** 専門家の過信を完全に理解するためには、専門家の予測や評価がどのように世界で使われているかを見なければなりません。「観察者」の視点から物事を考える必要があります。たとえば、手術のリスクについて評価を行う医師の患者、証人の証言を考慮する陪審員、金融アドバイザーの株式市場予測に基づいて行動する投資家などです。こうしたケースを見て、専門家を信じるかどうかを判断する際に人々がどのような手がかりを使っているのかを調査すると、専門家の自信の表明が最も重要な要素の一つとして浮かび上がります。アドバイザー、証人、専門家は、自信を持っているとより信頼性が高いと認識されます。このようなダイナミクスが働く状況の一例が、刑事司法の文脈です。ここでは、陪審員が目撃者の証言を聞き、その信頼性を判断する必要があります。目撃者が「専門家」であり、陪審員が「観察者」となります。信頼性を判断する際に観察者がどのような手がかりを使うかを研究している心理学者たちは、犯罪が公然と演じられ、その後「犯罪」の実際の目撃者が模擬陪審員の前で証言するシミュレーションを設定することができます。彼らは、信頼性の認識が証人の自信の認識とかなり強い正の相関関係を持っていることを発見しました。これは、陪審員が「この人を信じるべきかどうか」を判断する際に、証人の自信に非常に依存している可能性があることを示唆しています。 しかし、ここには問題があります。予測や評価に対する自信の表明は、その正確性を示す信頼できる指標ではないことがわかっています。もし人々が専門家の自信（認識されたものでも表明されたものでも）を使って信頼性を判断しているなら、彼らはしばしば誤解されており、その結果として不適切な判断を下している可能性があります。陪審員が無実の人々を刑務所に送ったり、投資家が間違った株を選んだり、患者が合併症を引き起こす手術を選択したりするのは、すべて信頼性や正確性を判断する手がかりとして人の自信に焦点を当てているからです。幸いなことに、このダイナミクスを打破できる証拠があります。非常に自信のある予測者、専門家、または証人が心理学的研究で間違っていることが示されると、彼らの自信の表現は観察者の間で以前の重みを失います。自信のある人が間違いを犯した瞬間、人々は裏切られたと感じます。（逆に、間違っていることが示されたが、自信の低い予測や評価を表明した専門家や証人は、信頼性の低下を経験しません。）専門家の基礎的な正確性に関する情報が提示されたときに、観察者が自信の手がかりに対する反応を変えるのは基本的に直感的に理解できます。 自信はもはや、正確性が知られている場合において正確性の代理として機能する必要はありません。しかし、観察者がフィードバックを受け取る必要があるという要件は、重要な障害です。専門家の正確性についてのフィードバックを得ることは、必ずしも可能ではありません。さらに、いくつかの研究によれば、フィードバックを得ることが何らかの形で労力を要する場合、多くの人々は怠惰な道を選び、専門家の自信を正確性の指標として使う傾向があるとされています。専門家が過信を避けつつ、同時に誤りを避けることは可能でしょうか？その一つの方法は、自分の信頼区間を非常に広く設定し、ほぼ確実に真実を含むようにすることです。「私は、バイデン大統領が再選に出馬した場合、投票率が30％から70％の間になると95％の確信を持っています。」専門家のジレンマは、このリスクのない立場を取ると、誰も彼女を専門家とは見なさないということです。（範囲が狭くなるにつれて、自信は必然的に低下します。同じ専門家は、バイデンが40％から60％の間の投票を得ることに70％の自信を持っているか、40％から50％の間になることに60％の自信を持っているかもしれません。）専門家は信頼できるように十分に調整される必要がありますが、情報を提供するためには具体的である必要もあります — これは難しい要求です。良いニュースは、自分の自信を正直かつ現実的に評価することで、専門性への信頼を保つことができるということです。 過信をチェックする 専門家が「正確な専門家」と「不正確な専門家」の2種類しか存在しないとしたら、ほとんどの人は前者からの意見を聞きたいと思うでしょう。しかし、簡単な問題を除いて — 専門家が必要ないような問題 — どんな専門家にも必ず正しい洞察を提供できると期待するのは非現実的です。したがって、自信の度合いを示す発言は、私たちの専門家を評価するための重要な情報源となりますが、ほとんどの読者が慣れ親しんでいる方法とは異なります！次回、あなたのお気に入りのニュース番組で専門家の話を聞くときは、彼らが自信を表現するために使う言葉に注意を払ってください。彼らは絶対的な確信を表現していますか？それとも、「可能性がある」「リスクがある」「一つの見解は」といった言葉やフレーズを使っていますか？不確実性が内在する世界では、調整された専門家を重視すべきです。残念ながら、専門家はしばしばジャーナリストや政策立案者、弁護士、一般市民から自信を持って話すように圧力を受けています。著名な心理学者ダニエル・カーネマンはかつて、過信は「魔法の杖があれば最も排除したい人間のバイアス」であると述べました。私たちは、過信が完全に排除されることはないと考えていますが、私たち全員がそれを減少させるために具体的なステップを踏むことができることを見てきました。 この点を強調していませんが、最初のポイントは、あまり知らないことについて意見を述べる必要はないと感じることです。 自分自身に「意見予算」を設けてみるのも良いかもしれません。「今日は自分の意見を5つだけ言うことにしよう。だから、慎重に選ばなければならない。」もし意見を述べたくなったら、可能であればそれを確率として表現するか、自分の自信のレベルを示すようにしましょう。「私は75％の確信を持っています…」あるいは「おそらくそうなる可能性が高い」といった具合です。 専門家の話を聞くときは、彼らが自分の不確実性を認め、間違っている可能性についてどのように考えているかに注意を払ってください。私たちは専門家に100％の正確さを求めがちですが、それは実際には不可能です。しかし、私たちは100％近く正確な専門家を探し求めるべきです。「私は確固たる意見を述べるほどの知識がありません」と言う専門家は無駄ではありません。彼らは信頼できる存在です。そして、もし彼らがそのトピックに関して最も知識のある人々の一人だと思うなら、彼らはこのトピックについてさらなる研究が必要であることを教えてくれたのです。その間に、もし行動を起こす必要があるなら、未知のことがまだ多く残っていることを謙虚に受け止め、慎重に行動するのが最善であることを理解するでしょう。 経験豊富な科学者は、現象についての最初の理解がしばしば間違っていることを知っています。そして、彼らはしばしばそのことを厳しい方法で学びます。サウルは若いポスドクの学生として、この教訓を学びました。彼は、比較的近くの星が爆発するという興奮する天体物理学の研究に多くのシニア科学者たちと共に取り組んでいました。その星は「超新星1987A」と呼ばれ、数百年ぶりに観測された最も近い超新星であり、最も明るいものでした。世界中の科学者たちは、南半球の望遠鏡に向かい（そこから観測できるため）、さまざまな方法でこの現象を研究しました。サウルが所属していたチームは、次のように考えました。この種の超新星が爆発すると、かつての星の非常に圧縮された密度の高い残骸が残ります。この残骸は中性子星と呼ばれます。その中性子星の残骸はぐるぐると回転し、通常は非常に強い磁場を伴い、2つの磁極から光（およびラジオ波）が放出されます。もし磁極が回転軸からずれていると、光のビームが回転するたびにあなたの方を指すことがあります。まるで灯台の光のように。通常、回転は1秒間に約1000回行われるため、毎ミリ秒ごとに規則的な光（またはラジオ波）のパルスを見ることができます。もちろん、大きな望遠鏡と良い光記録装置があればの話ですが。 これらの現象が初めて観測されたとき、科学者たちはその信号が「小さな緑の男たち」（LGM）からのものかもしれないと考え、元のグラフに「LGM」と書き込みました。彼らはこの規則的に繰り返されるパルスが地球外知的生命の信号かもしれないと考えたのです。 その後、信号を発見した天体物理学者のジョスリン・ベル・バーネルとアントニー・ヒューイッシュは、空のさまざまな場所でいくつかのパルサーを発見し始めました。その中には、こうした超新星残骸に関連しているように見えるものもありました。彼らは、パルサーが地球外知性からの信号ほどエキサイティングではないことに気づき始めましたが、それでも非常に興味深いものでした。これらのパルサー自体が驚くべき存在なのです。ソールのチームは、爆発の直後に形成されるパルサーを初めて捉えるチャンスがあるかもしれないと考えました。そこで、彼らは新しい機器、赤外線フォトン検出器を作り、チリに飛んでその機器を望遠鏡に取り付けました。すると、予想される繰り返し率の範囲、すなわち1秒間に2,000回の信号を検出しました。この信号が音であったなら、空気圧の脈動として表現され、高音で、ほぼ中央のCの3オクターブ上のB音に相当します。（このような急速な脈動の音を考えることは有益です。なぜなら、私たちはその音の音程が高いか低いかを感じる直感を持っていますが、これほど速い点滅光信号に対する直感は持っていないからです。私たちの目は、1秒間に約50回以上の点滅を認識できません。）奇妙なことに、この超新星の光の「音程」は変動しており、最初は少し低く（つまり、少し遅く点滅し）、その後数時間のうちに元の音程に戻っていました。なぜそうなったのでしょうか。チームは少し考え、信号がわずかに変動する理由があるかもしれないと気づきました。なぜなら、ドップラー効果が起こるからです。これは、車のクラクションが近づいてきてから遠ざかるときに聞こえる音程の変化です。地球が回転しているため、チリの観測所にある機器が信号に向かって急速に移動しているときは、音程が少し高く聞こえます。そして、機器が信号から遠ざかっているときは、音程が少し低く聞こえるはずです。さらに、地球は太陽の周りを公転しているため、その動きも音程を変化させるはずです。したがって、信号が変動しているかどうか、またその理由を確認するために、チームはこれらの音程を歪める効果を補正する必要がありました。それらを補正した後も信号の音程は変動しましたが、今度はその変動が非常に規則的なもの、ほぼ完璧なサイン波のように見えるようになりました。これは興奮すべきことで、サイン波は、もしそのパルサーの周りに惑星が公転しているなら、ドップラーシフトから期待されるものだからです。惑星は、私たちに対して音程が規則的に前後に変化する原因となり、その結果、チームが観測しているサイン波信号のように見えるのです。この興奮する結果が得られた時点では、科学者たちはまだ私たちの太陽系外に惑星を発見していませんでした。 パルサーの信号には、初めての「系外惑星」の発見に関する証拠が含まれていました。このような発見は、科学者でいることの楽しさを感じさせてくれます。まるで遊んでいるかのように観察していると、突然信号が現れるのです。それを見つけ出すのは難しいのですが、知っている歪みの一つ（例えば、地球の動きの影響）を取り除くと、実際には探していなかったもの、つまりこの遠くのパルサーの周りを回る惑星のように見えるものが現れるのです。この発見を詳しくまとめた論文は、すぐに国際的な科学雑誌「ネイチャー」に送られました。そして、物語はさらに複雑になっていきました……。最後の2章を読んだばかりのあなたは、この発見に対するチームの自信のレベルがどのくらいだったのか気になるかもしれません。私たちは、不確実性に満ちた世界での意思決定において、確率的思考がいかに重要であるかを強調してきました。そのため、自分たちが主張する内容や、耳を傾けている専門家の発言に伴う自信のレベルを調整することがいかに大切かも理解しておく必要があります。確率的思考をどのように扱い、定量化し、活用するかについてもう少し深く掘り下げてみましょう。このツールに精通することは非常に役立ちます。まずは科学者の専門用語について少し説明することから始めましょう。多くの確率的な議論は「ノイズの中の信号」を探すことに関わっていますが、ここでの「信号」と「ノイズ」という言葉の意味は、他の文脈での意味とは異なります。信号とは何でしょうか？通信においては、他の人にメッセージを伝えるために使う要素のことです。例えば、話し言葉、文字、音楽、灯台からの光線などです。これらの信号には、伝えたいアイデアや指示、感情が含まれています。しかし、信号はもう少し抽象的なものでもあります。何かを検出しようとしているとき（形や音、香りなど）、それは世界のあり方について何かを教えてくれるものであり、その信号はその物事の痕跡や証拠です。これらの2つの概念が信号を指し示すとすれば、ノイズとは何でしょうか？ノイズとは、信号を検出する妨げになるほぼすべてのものを指します。ノイズの中には、信号と非常に似ているものもありますが、実際にはあなたに伝えようとしているわけではなく、あなたが求めている情報を提供していないものもあります。音に関する例から始めましょう（この用語はラジオ工学から派生したためです）。誰かの言葉を聞いて理解しようとしているとき、別の部屋で誰かが別の会話をしていると想像してみてください。おそらく、他の人の言葉は誰かに伝えるためのものでしょうが、あなたの視点から見ると、それはあなたが受け取ろうとしている「信号」を妨げる「ノイズ」なのです。このような雑音の中で会話相手に集中する能力を「カクテルパーティー効果」と呼びます。 ノイズは、あなたが集中しているものと同時に存在するランダムな音や形、香りなどの気を散らす要素から成り立つこともあります。例えば、ビーチを歩きながら誰かの話を聞こうとしているとき、海の波の音が轟いているとします。この海の音は、カクテルパーティーでの他の人の会話のように意図的なものではありません。しかし、波の音はあなたの信号をかき消すランダムなノイズです。音の形でのノイズの例を考えるのは簡単ですが、私たちが定義しているノイズは他の形でも存在し、感覚的なものやそれ以外のものを検出しようとする際にも存在することを明確にしておくことが重要です。そして、あなたの無表情な友人の会話の中で皮肉を見抜こうとしたり、上司からのメールのトーンを感じ取ったり、アップルクランブルのシナモンの味を感じたり、犬の毛の中のダニを見つけようとしたりする際にも、信号とノイズを区別する同じような課題が存在します。 「信号とは何か？ノイズとは何か？」というこれらの定義を考えると、一人の人にとっての信号は別の人にとってのノイズである可能性があることに気づくかもしれません。なぜなら、彼らはそれぞれ異なる世界の側面を検出しようとしているからです。例えば、あなたがテレビで映画を見ているとしましょう。その映画の中で、次の4つの出来事が起こります： A. 映画の中で、レンガが窓を突き破って主人公のいる部屋に飛び込み、大きな音を立てます。 B. 映画の中で、エンドウ豆のスープのように濃い霧が主人公が荒れ果てた森を進むのを困難にします。 C. 映画が、迫り来る山火事の警告を伝える緊急アナウンスで中断されます。 D. 映画の中で、劇的な政治演説の際に、主人公が民主主義について重要なポイントを述べます。 これらの中で、あなたの映画鑑賞体験にとって「ノイズ」となるのはどれでしょうか？Bをノイズだと言いたくなるかもしれませんが、映画を観るあなたの役割において、濃い霧はノイズではなく、実際には主人公が霧を通り抜けるのに苦労しているという重要なデータです。霧は映画を観るあなたにとっての信号であり、プロットの一部です。したがって、私たちはCを選ばなければなりません。映画を観る者として、山火事に関する煩わしいアナウンスは無駄な気を散らす要素です。明らかに、映画を観るあなたにとってはノイズですが、明日も生きていたい人間としてはそうではないかもしれません。 これらの中で、映画の主人公の視点から見た場合、どれがノイズでしょうか？Cは無視できます。なぜなら、主人公はそれを経験しないからです。しかし、今や霧は本当にノイズです。主人公にとっての信号は森の中の道であり、濃い霧はその道を見つけるのを妨げています。Aの窓を突き破るレンガもノイズかもしれません。主人公の視点から見ると、その出来事は確かにノイズですが、標準的な観点から考えるとどうでしょうか。 「ノイズ」という言葉の意味について考えてみましょう。ノイズを気を散らすものと考えると、窓を壊すレンガはノイズには当たらないといえます。映画の目的上、誰かが窓にレンガを投げることは主人公にとって重要であり、プロットの一部であると考えなければなりません。それは彼が知る必要のある何かを伝えているのです。では、映画の視聴者に散歩に連れて行ってもらいたい犬の視点から見ると、これらの出来事のうちどれがノイズなのでしょうか？おそらく「すべて」がノイズだと言えるでしょう。犬はこれらのことには興味がなく、ただ散歩に行きたいだけです。映画で起こることやテレビで発表されることは、犬の視点から見ると背景ノイズであり、犬の「散歩に行きたい」という切実な視線という重要な信号を妨げるものなのです。 さて、質問を逆にして、AからDまでのこれらの出来事がそれぞれ何らかの文脈において信号になり得るかどうかを考えてみましょう。あなたは「いいえ」と思うかもしれません。なぜなら、Bのエピソードである濃霧は、どんな文脈においてもノイズのように思えるからです。しかし、もしあなたがフライトの予約を持っているとしたら、その霧は飛行機が遅れるかもしれないという信号になります。この一連の質問のポイントは、信号とノイズが何であるかが常に明確であるわけではないということです。あなたが何を理解しようとしているのかを考慮する必要があります。特定の文脈において何が信号と見なされ、何がノイズと見なされるのか。多くの状況において、自分自身にいくつかの質問をすることは価値があるでしょう。「ここに信号はあるのか？ノイズはあるのか？それらを明確に区別できているのか？もしかしたら、互いに混同しているのではないか？」このような問いかけは、気候変動や地球温暖化に関する現実の問題を考える際に重要になります。 以下のグラフを見てください。これは1850年から2000年までの間の年間全球平均表面温度の測定値を示しています。あなたは明らかに、ここに温度が上昇しているという信号があるのかどうかを知りたいと思うでしょう。また、温暖化の信号が私たち人間が大気中に二酸化炭素を大量に放出し始めた時期と同じ頃に始まるのかどうかも知りたいかもしれません。しかし、グラフを見たときに最初に目にするのは、実際にはかなりノイズが多いということです。年ごとや10年ごとに測定値が大きく上下しているのです。このノイズ、つまりランダムに見える温度の変動が何によって引き起こされているのかをよく理解する必要があります。そうしないと、グラフを解釈し、信号を検出することができません。たとえば、20年間で0.25度ほどの小さな上昇があった場合、それは気候変動の信号なのでしょうか？それとも、この特定のシステムで見られるランダムな変動の一つに過ぎないのでしょうか？結局のところ、年ごとにもっと大きな変動がたくさん見られます。 物語は、長期的な文脈で地球温度の変動を見てみると、さらにドラマチックになります。以下のグラフは、紀元前400年まで遡る20年ごとの平均温度を示しており（グリーンランドの氷床データを用いて地球全体の温度変化の大まかな代理としている）、上のグラフで示された期間は右側の小さな部分に過ぎず、長い上下の波の一部に見えます。つまり、これは信号ではなくノイズの一部です。（ローマは温暖な時期に建設され、黒死病は寒冷な時期に流行しました。私たちは温暖な気候を好むのかもしれません。） 残念ながら、最近の年に向けてプロットを続けると（次のグラフを参照）、地球温暖化の信号がノイズに対してより強く現れているようです。さらに、最近の平均地球温度の上昇に関するより包括的な研究は、過去1世紀の上昇のほとんどが人間の活動によって引き起こされていることを示しています。このことを裏付ける証拠の多くは、このグラフのノイズの原因を認識することから得られます。例えば、多くの短期的な温度の小さな低下は、太陽光を反射して地球を冷却するガスを大気中に放出する火山と関連しています。また、ノイズが単に地上測定の不正確さを示すものではなく、実際の現実を反映していることを示す兆候もあります。残りの短期的な変動のほとんどは、北大西洋の海面温度の変動とよく一致しています。これらの2つの短期的なノイズの相関関係を除けば、他の傾向は、同じ期間における大気中の二酸化炭素（CO₂）ガスのゆっくりとした上昇の形状とよく一致する温度のゆっくりとした上昇の形状です。これは、CO₂の変化が主に人間によるものであるため、私たちが見つけることを心配していた信号です。この問題は、CO₂の上昇に関連する温度上昇の傾向（信号）と、火山や海面温度に関連する短期的な変動（ノイズ）を分離することが、状況を理解するための鍵となる良い例です。 全体像を見渡すと、カクテルパーティー効果のように、他の誰が話しているのかを特定し、友人の話を聞くのが難しくなることがあるように、信号を妨げるランダムなノイズの源を特定することができる場合があります。多くの場合、カクテルパーティーのように、これは行う価値がないことが多いです。なぜなら、私たちには信号を強化しノイズを抑える他の方法があるからです（例えば、会話をするために静かな場所に移動することができます）。 地球の気候に関しては、ノイズの源を特定する理由がもう一つあります。それは、数十億人もの人々を支える世界において、温度の大幅な変化がもたらす影響を考慮し、可能であれば最近の1世紀の範囲内に地球の温度を保ちたいという私たちの願望です。しかし、どの変数（例えばCO2）が変化のレバーであり、どれが長期的に温度に影響を与えない単なるノイズの源であるかを知らなければ、温度をコントロールすることは難しいでしょう。 ノイズの中から信号を検出する問題について考え始めると、日常生活の中でそれを至る所で感じるようになります。カクテルパーティーに行くときだけではありません。子供にイソップの「狼を呼んだ少年」を読んであげると、その物語がノイズを作り出すことで警告信号を送る能力を失った少年の寓話であることに気づきます。そして、「ウォーリーをさがせ！」のビジュアルパズルを見せると、イラストレーターがキャラクターのウォーリーの粗い視覚的印象を模倣する画像のパターン—ノイズ—を巧みに作り出していることに気づきます。 ニュースを見ていると、2001年にテロの脅威を検出する仕事をしていた人々に対して、同情を感じるようになります。彼らは、飛行機の操縦を学ぶ人々の奇妙な行動に関する報告の中に、9/11の陰謀の信号を見つけられなかったのです。世界中のさまざまな疑わしい行動の報告というノイズの中でです。真珠湾攻撃の警告サインを見逃した話もおそらく似たようなものです。また、ノイズが私たちの味方になる珍しい状況もあります。信号を無視したいときです。最も明白な例は、「ホワイトノイズマシン」という名前に「ノイズ」という言葉が含まれている理由です。これは、隣の部屋で行われている魅力的だが煩わしい会話の信号を避けるのに役立ち、私たちが眠りたいときに役立ちます。 かゆみを掻く理由の一つは、ノイズの利点を示す驚くべき例です。それは、腕の蚊に刺された部分からの煩わしいかゆみの信号を、あまり煩わしくない掻く感覚のノイズでマスキングしている可能性があるということです。 **専門用語：信号対ノイズ比** 信号とノイズの概念に概念的に関連するもう一つの科学的な専門用語があります。これは、日常的に使うものではないかもしれませんが、知っておく価値があります。この専門用語は、科学者がノイズの中に埋もれた信号を引き出す技術を設計する必要があるために生まれました。これには、信号がどれほど深く埋もれているかを定量的に知る必要があります。つまり、ノイズの大きさが信号の大きさに対してどのくらいであるかを知る必要があります。この用語は「信号対ノイズ比」と呼ばれます。信号対ノイズ比を決定する基本的なプロセスは、簡単に示すことができます。 信号が16文字から成るとしましょう： A_STITCH_IN_TIME これが秘密のメッセージで、静電気の多い悪い電話回線で一文字ずつ読み上げられていると想像してみてください。この状況を模倣するために、信号にノイズを加え、2文字をランダムに選んで別の文字に置き換えます： AQSTITCH_VN_TIME この例では「信号対ノイズ比」を14:2（または7:1）と考えることができます。つまり、14文字が信号で、2文字がノイズです。この比率、またはノイズレベルでは、信号をなんとか読み取ることができるか、少なくとも何であるかを推測することが可能です。もし電話回線がさらに悪化したらどうなるでしょうか？ さらに2文字をノイズに置き換えてみましょう： EQSTITCHNVN_TIME これで信号対ノイズ比は12:4（または3:1）となり、信号を検出するのがかなり難しくなります。何度も試行して推測することはできるかもしれませんが、ノイズが本当に邪魔をしています。さらに2文字をノイズに置き換えて信号対ノイズ比を10:6（または5:3）にすると、信号を検出するのはほぼ不可能になります： EQATITCHNVN_TUME これらの例から、信号がノイズに隠れるときに運が影響することがあることがわかるでしょう。ランダムな情報の中には、信号を隠すのが得意なものもあります。科学の世界では、時には運が良いこともあります。信号が入ってきて、幸運にもノイズによってひどく歪められていない場合、それが発見につながるヒントを与えてくれます。重要な点は、信号対ノイズ比の定量化が、ノイズの多さや信号の質を測定し、状況を比較するのに役立つということです。私たちの例では、7:1の比率では信号がかなり明確ですが、3:1の比率では状況がかなり厳しくなります。定量化を行うことで、目的に対してどの程度の信号とノイズが必要かを予測することができます。これは科学者がしばしば行う（または行うべき）ことであり、科学者が重要な決定要因について意見を求められる際に、しばしば重要な考慮事項であることを知っておく価値があります。 さて、科学者が信号対ノイズ比について話すとき、彼らはしばしばその比率のより洗練された統計的定義を使用します。しかし、同じ原則が適用されます：ノイズがどれだけあるかを信号と比較し、この比率のもとでノイズの中から信号を認識できる可能性を探ろうとしているのです。これが「信号対ノイズ比」という用語が重要であり、知っておくべき有用な専門用語である理由です。 ノイズに対処するにはどうすればよいでしょうか。 科学者はしばしばノイズに埋もれた信号を引き出す仕事をしています。これを行う方法の一つを見てみましょう。あなたが主演するドラマ映画の架空のシーンを例にとります（自分の架空の映画に主演する方が楽しいという理論に基づいて）。今、あなたはパトロール中で、第二次世界大戦の飛行機を操縦して太平洋上空を飛んでいると想像してください。 あなたは、静電気のようなラジオ信号を受信していることに気づきます。この耳に入ってくる騒音の轟音をどう解釈しますか？あなたはこの分野の訓練を受けているので、ある理論を持っています。特定の音程、特定の周波数で入ってくる信号があるのではないかと思い、かすかにそれを聞き取ることができるようです。実際、あなたのラジオにはイコライザー、つまり周波数フィルターが搭載されているため、聞きたい信号以外のすべての音程を抑えることができます。ラジオをいじっていると、ついにそれを聞き取ります：3回の短いパルス、3回の長いパルス、再び3回の短いパルス。これはモールス信号でのSOSです。信号の方向に飛行機を向けて調査を始めます。 この話には2つの興味深い側面があります。まず、あの騒音の中で信号を聞き取るための唯一の違いは、信号が存在する周波数以外のすべての周波数を抑えることでした。すべての他の音をフィルタリングし、唯一通過したのはその信号を運ぶ周波数だけでした。突然、そこに信号があることが明らかになりました。 次に興味深いのは、私たちの脳がノイズをフィルタリングする作業を非常にうまく行うことができるということです。これは、SOS信号が放送されることが期待される音程を知っている場合に限ります。実際、もしあなたが第二次世界大戦のパイロットで、たくさんの静電気の中に隠れたSOS信号を聞いたとしたら、そのイコライザーをオフにしても、ノイズの中から信号を認識できるでしょう。なぜなら、どこでそれを聞くべきかを知っているからで、脳がフィルターとして機能するからです。脳はフィルタリングを学ぶのが驚くほど得意です。（これは、ノイズの中で信号を探しているときに重要なことです。なぜなら、私たちの脳が自動的にフィルタリングを行うために生じる問題を探求しようとしているからです。人間の持つすべての才能には裏面があります。） ノイズをフィルタリングして信号を探す古典的な例は、地球外知的生命体（SETI）を探す国際的な科学的努力です。SETI科学者としてのあなたの仕事の一つは、遠くの星に向けてラジオアンテナを向けることです。聞こえてくるのは、第二次世界大戦のパイロットが聞いていたものと非常によく似た静電気の音です。それは宇宙のすべてのノイズの轟音、あるいはあなたがアンテナを向けた空の特定の場所からのノイズです。問題は、ビープ音のような音をただ聞いているだけではいけないということです。なぜなら、私たちが知る限り、地球外生命体はモールス信号で話すわけではないからです。そこで、あなたが試みているのは、想像できるすべての可能なフィルターを考案することです。SETI科学者の仕事は、ノイズの中で明らかな信号を盲目的に探すのではなく、地球外知的生命体が使用するかもしれない通信信号に私たちの注意を集中させるフィルターを考案することなのです。これをどうやって行うかは明白ではありません。 考えてみると、どのコミュニケーション信号に焦点を当て、他のすべてをフィルタリングしたいと思いますか？地球外生命体（ET）がモールス信号のようなものを使うとしたら、どのような方法を用いると思いますか？一つのシンプルな可能性は、特定の音程で一定の繰り返しパルスを送ろうとしているかどうかを確認することです。実際、SOSの例で見られたように、特定の音程を探すことができれば興味深いでしょう。しかし残念ながら、宇宙には地球外知性によるものではない繰り返しパルスを生成する他の自然現象も存在します。この点については、パルサーの周りを回る惑星に関するオープニングのクリフハンガーが終わった後に、劇的な例を取り上げる予定ですが、その前に、ノイズの中で重要なパターンをフィルタリングする際に直面する特に厄介な問題について話し合う必要があります。それは、私たちの脳がランダムなノイズの中にパターンを見出し、そのパターンに意味を付与するということです。私たちが日常的（および長期的）な意思決定のために必要な信号を、さまざまなノイズの中から認識する能力は、このように騙されやすい傾向をどれだけ理解しているかに依存しています。このテーマは、私たちが毎日信号とノイズを扱う上で非常に重要なものであるため、次の章に進み、その話題とパルサーの話をしっかりと取り上げることにしましょう。 第7章 存在しないものを見る 物語の次の部分は、ランダムなノイズが何をするかについての私たちの素朴な期待から始まります。私たちの期待がどのように素朴であるかというと、次の実験を行いました。まず、クラスの学生に50回コインを投げて、表を「H」、裏を「T」と記録するように頼みました。次に、別のグループの学生には、コインを実際に投げることなく、コインを投げるのと同じくらいランダムに見える「表」と「裏」のシーケンスを作成するように指示しました。彼らが考え出したシーケンスは以下の通りです — ただし、どちらのシーケンスが実際にコインを投げて生成されたものかはまだお伝えしません。A: HTHTTHTTTHTHHHHT TTT THHTHATTTHT ITT VHT TT TTT THTHHHTHT B: TTTHTTHHTTTTTHTHHTTHTT THT TT THTHTHHATT THHHHHT THHHTH : この2つのシーケンスを見ただけで、どちらが本当にランダムで、どちらが見せかけのランダムであるかを判断できますか？2つのシーケンスを比較すると、脳はすぐに「H」の連続と「T」の連続（周囲の長方形で強調されています）に注目します。シーケンスAには7つの「T」の連続があり、5つの「T」の連続が2つありますが、これはシーケンスBには見られない「連続性」の量です — ただし、シーケンスBには5つの「H」の連続と5つの「T」の連続が含まれています。この点に基づいて、シーケンスAが偽物であると言いたくなるかもしれません。なぜなら、「真の」ランダムシーケンスは、7つの「T」が連続することはあまり考えられないからです。しかし、そう思ったら間違いです。シーケンスBが偽物です。これを作成した学生たちは、おそらく、裏が連続しすぎたり、表が連続しすぎたりするとランダムに見えなくなると思ったのでしょう。 （彼らは長めの連続した結果を二つ作ろうと試みましたが、すぐに気を失ってしまいました。）「表、表、表、表」や「裏、裏、裏、裏」と続けた後、彼らは「これはランダムではない」と思い、連続した結果を短く切り上げたのでしょう。しかし、実際のランダムなシーケンスには、予想外に長い連続がたくさん含まれています。さて、これを前回の例、すなわち第二次世界大戦のパイロットが静電気の中からSOS信号を探す場面や、ランダムに間違った文字を単語の列に混ぜた後に意味のあるフレーズを探す場面に当てはめてみましょう。どちらの場合も、ノイズの中から信号を見つけるのがどれほど難しいかを私たちは認識していました。この話の新しい要素は、非常にノイズの多いデータの中で信号を探し続けていると、騙されることがあるということです。ノイズの多いデータは、意味のあるパターンのように見えるものを最終的に示すことがあり、それは予想もしない方法で起こります。言い換えれば、ランダムなノイズの中で信号を探すと、実際には信号が存在しないのに信号が見えていると思い込むことがよくあります。私たちの誰もが、ランダムなノイズの中にパターンがどれほど頻繁に現れるかを正確に把握しているわけではありません。おそらく、私たちができる最善のことは、常にパターンの発見を疑問視し、信号とは何かについての直感が間違っている可能性が高いことを理解することです。そして、そのパターンがランダムなデータの中にどれほど頻繁に現れるかと比較する必要があります。（統計学は、そのような比較を行うための多くの数学的手法を提供してくれます。）この本を読んで、その考えを深く内面化して帰ることができれば、それはあなたにとって大いに役立つでしょう。もしまだやったことがないなら、コインを見つけて（今でも存在します）、それを100回投げて、見つけた長い連続をすべて書き留めてください。（すでにこれを知っている方は、他の誰かを驚かせて楽しませるためにこのデモンストレーションを試してみてください。）もしあなたがビジネスオーナーであれば、5回連続で売り切れのパターンに基づいて在庫を過剰に発注することは二度とないでしょう。まずは統計学者に相談して、これが単なるランダムな偶然の木曜日の売り切れの系列である可能性がどれくらいあるのかを教えてもらうべきです。 ヒッグス粒子の発見 さて、信号とノイズの区別がどのように行われるかを示す方法は何でしょうか。まずは、粒子物理学者たちによるヒッグス粒子（サブアトミック粒子）の発見という、劇的で壮大な例から始めましょう。これは、科学者たちがノイズと信号を混同しないためにどれほどの努力をしなければならないかを示しています。（次回、記者が科学者に対して発言をもっと慎重にしないように求めるのを聞いたとき、あなたは科学者の慎重さに対してより同情を感じることでしょう！）このヒッグスの発見は、古典的な粒子物理学プロジェクトの結果であり、ここではよく理解されている基本的な粒子、つまり水素原子の核である陽子が、何マイルもある巨大なリングの中をぐるぐる回され、数多くの電磁石によって操縦されながら、途方もない速度に加速されます。 各ビームのプロトンは「バンチ」として送られます。そして、リングの中を時計回りに進む一つのプロトンのバンチが、反時計回りに進む別のプロトンのバンチに向けられます。この目的は、各バンチからの個々のプロトンが衝突し、これまで見たことのない新しい素粒子を生成するのに十分なエネルギーを持つことです。これらの衝突の結果は非常に複雑で、衝突する二つのプロトンは完全に変化し、様々な粒子が四方八方に飛び散ります。それぞれの粒子は、その衝突から得られたエネルギーの一部を受け取ります。このスプレーの中のほとんどの粒子は、電子や光子、ミューオンなど、以前に研究されたよく知られた粒子ですが、粒子物理学者たちは、数兆回に及ぶこれらの衝突の結果を調べることで、これまで見たことのない粒子が見つかる稀なケースを探します。ヒッグス実験では、ヒッグス粒子と呼ばれる、存在が予測されていた粒子を探していました。この粒子は、他のすべての既知の粒子とは異なる独特の質量を持つことで認識されます。 あなたはジュネーブの粒子加速器、すなわち大型ハドロン衝突型加速器（LHC）にいると想像してください。エレベーターで地下100メートルのトンネルに降りると、27キロメートルの周囲を持つ巨大な地下リングにたどり着きます。そこには、バスよりも長い数千の電磁石が並んでいます。この地下リングのいくつかの地点には、プロトンのバンチが衝突する場所に広大な室があり、異なる国際的な科学者の協力によって、各地点に巨大な検出器システムが構築されています。検出器は、衝突から飛び出す各粒子が生成する信号を捉えるために設計された多くの小さな部分（「サブデテクター」）で構成されています。目的は、これらの信号に関するすべてのデータを使用して、衝突によって生成された新しい粒子を特定することです。特に、これらの粒子に含まれるエネルギーを計算することが重要です。なぜなら、これが衝突の中で一時的に生成されたヒッグス粒子のような新しい粒子に期待されるエネルギーについて何かを教えてくれるからです。（ここで、20世紀または21世紀に育った皆が、アインシュタインの有名な方程式 F = mc² を唱えます。これは、光の速度 c を知っていれば、総エネルギー E を元の粒子の総質量 m に変換できることを教えてくれます — でも、あなたはそれを知っていましたよね！）科学者たちは、何万、何百万、あるいは何兆回もの衝突イベントの統計を集め、これらの衝突イベントのうち、特定の総質量を持つ新しい粒子の存在を示す証拠がどれだけ得られたかを示すヒストグラム（データグラフ）を作成します。 二つの主要な国際共同研究が、それぞれの衝突室に独自の検出器システムを持ち、ヒッグス粒子の探索で競い合っていました。以下のグラフは、そのうちの一つの検出器であるATLAS検出器でのヒッグス探索のデータを示しています。（私たち著者は、ATLAS検出器の内部部分がバークレーで建設されている間、バークレーで教えていましたので、ATLASチームは「ホームチーム」のような存在でした。）グラフに見られるのは、少しの過剰、つまり小さなバンプで、これはヒッグス粒子の発見の可能性を示すものであり、彼らが予想していた質量の範囲、すなわち下向きの矢印で示された質量のあたりで見られるものでした。ヒッグス粒子は非常に重要です。なぜなら、もしそれを見つけることができれば、私たちの周りのほとんどの物質がどのように質量を持つようになるのかを説明する理論に対する確かな証拠を得ることができるからです（常に私たちの周りを飛び回っている質量のない光子とは異なります） — この証拠を待ち望んでから、すでに40年以上が経過しています。ヒッグス教授（および他の数人の科学者）がこの説明を最初に提唱して以来のことです。 さて、10億ドルの質問 — 文字通り、なぜならこの実験を構築するのに約100億ドルを費やしたからです — は、このグラフの小さなバンプは本物なのか？これは実際に信号であり、単なるノイズの変動ではないとどうやって確認するのでしょうか？グラフを見れば、他にも少し高い場所があることがわかります。この特定のバンプが、そこに引かれた実線や矢印によって強調されていなければ、他の点と異なると確信できるでしょうか？それらの点は、ランダムなノイズのためにたまたま他の点よりも少し高くなっているだけかもしれません。今や、素粒子物理学者たちはこの粒子発見のビジネスに長いこと従事しているため、LHCを建設する際にこの問題が起こることを予見していました。彼らは非常に賢明に、LHC加速器リングの二つの異なる衝突室に検出器を二つのチームで構築させました。これにより、二つの競合する結果を互いに比較できるようになりました。その比較に多くが依存していたため、チームは結果を同時に発表することに合意し、決定的でない結果でお互いを先取りしようとはしませんでした。 CMS（コンパクトミューオンソレノイド）コラボレーション（私たちバークレーでは「もう一つのチーム」と呼んでいました）も、同じヒストグラムプロットの独自のバージョンを持っており、皆が二つのチームの結果を比較することに興奮していました。これがCMSチームが見たものです：CMSチームは、ATLASの反対側のリングで、データにおいて似たような小さなバンプを観測していました。 両チームがこのバンプを観測したことで、科学者たちは「ヒッグス様粒子」と呼ばれるものを見つけたと主張することができました。（彼らはまだ慎重で、ヒッグスとは呼ばずにヒッグス様と呼んでいました。）これは素粒子物理学者にとってのゲームの本質であり、私たちの日常生活でもよく見られることです。ノイズの中から信号を見つけ出し、それが偽の信号ではないことを確認することが重要です。データの小さな変動に惑わされないようにするスキルを磨くことは、科学の文化の一部です。物理学者たちはこのスキルを磨くために、さまざまなゲームを行います。彼らは同僚にデータを見せて、グラフのバンプが本物かただのランダムな変動かを尋ねます。例えば、ヒッグスのような新しい結果を見たとき、彼らはヒッグス粒子が存在しない場合に検出器から得られるであろう類似データの例をたくさん生成しようとします（そのため、例のグラフのバンプはすべてランダムな変動によるものです）。そして、実際のグラフと混ぜた10個の例のグラフを渡し、どれがランダムデータでどれが本物の信号かを特定するように求めます。もし間違ったプロットを選んでしまったら、あなたが興味深い信号だと思ったものが、実はランダムノイズである可能性が高いことが明らかになります。 実際の信号とノイズを区別するためのこの極めて慎重な姿勢は、物理学者にとっては理にかなっています。彼らは、私たちが何をしようとも常に存在する世界の基本的な側面、ルール、存在を特定しようとしているのです。それによって、私たちは現実についての深い真実に基づいてすべての予測や技術を構築できるのです。これが、先ほど言及した記者たちが科学者に彼らの発見について過剰にコミットさせるのが難しい理由です。科学者たちは、彼らが特定した新しい現実の要素が時間の試練に耐えることを確信したいのです。だからこそ、彼らは「ヒッグス様粒子」としか言わず、ヒッグスの発見とは言わないのです。 私たちの日常的な信号探しでは、そこまで慎重である必要はありませんが、一度この問題に敏感になると、私たちも常にノイズの中から信号を見つけるゲームをしていることに気づきます。バスの運転手が「イースサム競馬場」と言ったのか、「後ろに移動してください」と言ったのか、確認する必要があります。前方の自転車のライダーが道路のバンプを避けているのか、それともあなたの車線に入ってきているのか、見極めなければなりません。シャツの袖にシミがあるのか、それとも袖をまくった部分に光が当たっているだけなのか、判断する必要があります。同様に、私たちは常に他者の行動のノイズの中から意図を読み取ろうとしています。私のデートは真剣になっているのか？この部屋の誰が私の提案を気に入っているのか？ 悲しいことに、私たちの政府は、ペールハーバーや9/11の前にあった警告を見逃したように、数多くの報告の中から本当の脅威を認識することができていません。多くの利害がかかる状況、例えばこれらの情報収集の例やビジネス投資においては、物理学者と同じくらいの慎重さが求められます。ノイズが増えれば増えるほど、騙される可能性も高まります。 もちろん、ほとんどの場合、私たちはヒッグス粒子の探索のように、結果を別の検出器と比較することはできません（興味のある信号のほとんどは、検出に数十億ドルもかかるわけではありません）。そのため、私たちは、信号が見えると想像しやすい状況を認識する能力を高める必要があります。そこで、次の複雑さを物語に加える時が来ました。データを多く見れば見るほど、たとえそれが単なるノイズであっても、驚くべきパターンの例が増えていきます。その結果、信号を見つけたと思い込むことになります。 個人がコインを12回投げるのと、多くの人々が一日中コインを投げるのでは、全く異なる結果が得られます。たとえば、友人がコインを投げたときに10回連続で表が出たと言ったとしましょう。これはもちろん驚くべき結果です。しかし、次の文脈のうち、どの状況でその結果が最も驚くべきものでしょうか？ A. 彼女が唯一のコイン投げ手で、10回だけ投げた。 B. 彼女が多くの友人の一人で、皆が10回ずつ投げて結果を報告した。 C. 彼女が多くの友人の一人で、皆が100回ずつ投げて結果を報告した。 D. 友人が唯一のコイン投げ手で、100回投げた。 答えはAです。考えてみると、多くの友人がコインを投げている場合、誰かが10回連続で表を出す確率は、たった一人が投げる場合よりもはるかに高いのです。特にCに対しては強く反論できます。なぜなら、多くの人がコインを投げていて、それぞれが100回投げる場合、10回連続で表が出ることはそれほど驚くべきことではないからです（実際、15人の友人がいる場合、その確率は50%を超えます）。これは明白なことのように思えるかもしれませんが、この出発点を確認しておくことは重要です。 さて、これが難しくなる理由は、誰かが新しい科学的結果を発表したり、驚くべきニュースを読んだりしたときに、実際に何回「コインを投げた」のかを常に知ることができないからです。実際、研究を行った人たちでさえ、自分たちがどれだけの「投げ」を行ったのか、つまりデータがどれだけ非ランダムなパターンを見つける機会を与えているのかを理解していないことがよくあります。いくつかの例を挙げると、まず株式市場について考えてみましょう。 株式市場に投資しようとする際、一般的な小規模投資家としては、多くの企業が株式ポートフォリオの専門家を抱えており、彼らが運用する投資信託の株式を購入するよう勧めてくることにすぐに気づくでしょう。これらの企業は、自社の投資信託が過去5年間で市場を上回る成績を収めており、何度も市場を正しく予測してきたと主張します。そうした情報を受けて、あなたはその特定の投資信託を購入し、その運用者が他の投資信託の運用者よりも優れていると考えるかもしれません。以下のグラフは、2013年から2017年の5年間におけるトップの投資信託のパフォーマンスを示しています。これは、各投資信託の運用者が株式を予測する能力に基づいてランク付けされています。見ると、一部は平均よりも4パーセント良好で、多くは平均的な成績を収め、また一部は平均よりも約10パーセント悪い結果となっています。これを見て、あなたはパフォーマンスが最も良い運用者が、実際に最も優れたスキルや知識を持っていると信じたくなるかもしれません。 では、同じ運用者のパフォーマンスを次の5年間、2018年から2022年にかけて測定するとどうなるでしょうか？その結果はほぼ完全にランダムであることがわかります。このページのグラフからもわかるように、ある5年間のパフォーマンスは、次の5年間のパフォーマンスとはほとんど相関がありません。ある5年間では、数人の運用者が経済分析や直感において非常に優れていました。しかし、何らかの理由で、その同じ直感や分析は次の5年間にはうまく機能しない傾向がありました。私たちが見ているのは、十分な数のファンドマネージャーを研究すれば、最終的にはすべての正しい株を選んだように見える人を見つけることができるということですが、これはランダムなノイズの中にパターンを見出す効果に過ぎません。そして興味深いことに、そうした運用者たちは意図的に偽っているわけではありません。彼らは、自分たちが非常に慎重に研究を行い、さまざまな企業のパフォーマンスを実際に理解したと確信しています。彼らは自分たちを経済学や良好なビジネス慣行の真剣な学者だと考えています。それにもかかわらず、パターンは本質的にランダムなのです。 ファンドマネージャーの過去5年間の相対的なランキング（2013-2017） 例外はあるかもしれませんが（常に平均以上の成績を上げるファンドマネージャーや、逆に常に平均を下回るファンドマネージャーなど）、これは非常に注意が必要な点として受け止めるべきです。ほとんどの人は、現在どれだけのファンドがこのゲームを行っているかを認識していないため、運によって、スキルではなく、あるファンドが特定の瞬間に素晴らしい主張をすることができるのです。ファンドのパフォーマンスがランダムに分布している場合、必ず一部は良い成績を収め、一部は悪い成績を収めることになります。（これが、大きなインデックスファンドに投資し、ファンドマネージャーの手数料を無駄にしない方が良いとしばしばアドバイスされる理由です。） **他を探る効果** 信号を見ていると誤解するもう一つの道があります。それは、ランダムなノイズの中にパターンに惑わされることによって起こる間違いで、「他を探る効果」と呼ばれます。この誤りは、信号を示す可能性のあるパターンを探すのではなく、複数の異なるパターンを探すことで、ランダムなノイズがいくつかの探しているパターンを示す確率を高めるときに発生します。例えば、あなたが毎日アスピリンを服用することが心臓発作を予防する、あるいは少なくともリスクを減少させるという仮説を検証する医療研究を設定したとしましょう。あなたは千人を登録し、その研究を始めますが、せっかく人を登録して研究を行うのだから、アスピリンが毎日服用することで癌のリスクを減少させるかどうかもテストしてみるのが良いかもしれないと思い始めます。そして、せっかくなので、肺癌や大腸癌に対する効果も確認すべきだと考えます。さらには喘息についても調べるべきだと思い始めます。これで「他を探る」ことが始まります。あなたは、当初設計した研究でテストする予定だった変数よりも多くの変数を見ているのです。 これを極端に考えてみましょう。あなたは、毎日アスピリンが百の異なる病気に与える影響を調べており、最初に始めた千人の参加者はそのままです。この場合、連続して7回表が出るような結果が得られる確率が上がることに気づくでしょう。なぜなら、今や稀な偶然の出来事がアスピリンがこれらの多くの病気のうちの少なくとも1つに影響を与えているように見せかける機会が増えているからです。これは、コインを何度も投げることに相当します。あなたは、実際の効果のように見えるものを目にするようになります。そして、これは医療研究でも実際に起こります。実際、ホルモン補充療法や飲料水中の鉛の影響に関する研究では、研究者が多くの変数を考慮せずに研究を行ったために、結果が後に疑問視されるような明らかな例が見られました。 もちろん、「他を探る効果」に対処する方法も存在します。 データを確認する前に、テストする変数について事前に決めておき、その変数の数に必要な被験者数を計算することができます。したがって、より多くの変数を調査するための研究を設計することは可能ですが、統計的な有意性を持った結果を得るためには、より多くの被験者が必要です。このことは、物理学者たちがヒッグス粒子の証拠をデータから探る際に直面した課題を理解するのに役立つかもしれません。ヒッグス粒子を探しているとき、物理学者たちはその質量が正確にどれくらいであるかを知らず、実際には私たちが示したグラフの正しい位置を指し示す矢印も持っていませんでした。そのため、彼らはそのプロットに示されたエネルギー範囲全体で、疑わしく高い信号をヒッグス粒子の兆候として考慮することに躊躇しなかったのです。彼らは、プロット上の矢印の位置だけでなく、他の場所も探していました。もちろん、素粒子物理学者たちはこの問題を早くから認識していたため、二つの検出器チームの結果を比較する確認作業を行う前から、実際のピークと見なすための基準をはるかに高く設定していました。（デート相手が自分に興味を持っているかどうかを判断しようとする場合に戻ると、もしあなたがあらゆるボディランゲージを証拠の可能性として考慮するつもりなら、かなり強い指標を求めるべきです。そうでなければ、彼らのランダムな動きを過剰に解釈してしまうことになります。「ああ、見て、彼らの足の一つがなんとなく私の方向を向き始めている — そして、あれは彼らの左の小指が上がって幸せを示しているのか？」本当に求めるべきは、ただの一瞬の視線ではなく、長く強いアイコンタクトです。） **パルサーのエピローグ** 私たちが最後にチリでスールがポスドクとして働いていたチームに出会ったとき、彼らは超新星1987Aの残骸を探査しており、音程が不安定な新しいパルサー信号のようなものを見つけていました。地球の自転と太陽の周りを回ることによる小さなドップラーシフトをわずかに修正すると、その「不安定さ」はグラフにプロットすると美しい正弦波に変わり、彼らの超新星残骸を周回する惑星が見せるものとそっくりでした。その時、彼らは自分たちの研究についての記事を書き、Natureに送ったのです。翌年、チームは前回観測した時からパルサーに何が起こったのかを調べるために戻ってきました。彼らは、パルスの周波数が遅くなっていること、つまり「音程」が下がっていることを期待していました。なぜなら、パルサーは数千回毎秒回転することで重力波の形で多くのエネルギーを放出するからです。望遠鏡に戻った彼らでしたが、信号は現れませんでした。翌晩、再び戻ると、そこにパルサー信号が戻ってきていました。しかし、その次の晩はあまり良くありませんでした。 ある時、チームはパルサーの信号を観測することと、望遠鏡ドームの反対側にある別の目的で使用される機器との間に相関関係があることに気づき始めました。その機器が作動しているときにはパルサーが観測され、オフになっているときにはパルサーが見えないのです。チームがパルサーを検出するために使用していたのは、高感度の光検出器システムであり、その感度が非常に高いため、別の機器から漏れ出していた信号を拾ってしまいました。その信号は、パルサーから期待される周波数、つまり約毎秒2,000回の周波数で放送されていたのです。そして、その別の機器からの信号は、偶然にも地球の自転や太陽の周りの動きを補正すると、美しい正弦波に変わるように漂っていました。これはノイズが信号のように見える現象でした。もちろん、これにより次の月、チームは論文を書く代わりに『ネイチャー』の記事の撤回を行うことになりました。実際には、彼らは太陽系外の惑星の初めての証拠を発見したわけではなかったのです。このような話は、すべての読者の心に恐怖を抱かせるべきものです。科学者になるつもりがなくても、人生のある時点で、何かが偶然によって混沌としたノイズから美しい信号に変わることはないだろうと真剣に賭けることになるでしょう。そして、時折その賭けが間違っていることがあるのです。なぜなら、ランダムな数字の統計は、最終的に信号のように見える驚くべきものをもたらすからです。ソールはこうコメントしています。「幸運なことに、この場合、私は非常に経験豊富で著名な他の科学者たちの中で若かったので、私たちが何が起こっているのかを説明するのが早かったため、人々はあまり私たちを責めなかったと思います。しかし、12年後に私のチームが宇宙の膨張が加速しているという証拠を見つけたとき、ノイズの誤解によるこの種のエラーが私の心に非常に明確に残っていました。一度ランダムな運命にやられたら、その後は非常に慎重になります。私たちは宇宙の加速膨張に関する結果を公表する前に、本当に慎重に考えなければなりませんでした。」 最終的に、宇宙の膨張に取り組んでいた後のチームは、驚くべき測定結果を発表する前に、考えられるすべてのクロスチェックとテストを行いました。その結果は、膨張がますます速くなっていることを示しており、これは宇宙の振る舞いを支配する未知の「ダークエネルギー」に起因している可能性があります。仮のパルサーとは異なり、この結果はその後、同じ測定技術を使用したものや、全く異なるアプローチで三角測量を行った他の複数の測定によって裏付けられています。今日、加速する宇宙の説明と可能なダークエネルギーの探求は、現代物理学の重要な課題の一つとなっています。 上記のすべてのケースにおいて、科学者たちは、信号ではなくノイズを見つけたと結論づけるのに十分な信頼性を持つデータを集めたかどうかを判断しなければなりません。また、私たちの日常生活の例においても、実際のパターンだと思っているものが単なるランダムなものでないかどうか、その可能性を評価する必要があります。私たちは、信号を発見したと仮に主張するために、どの程度の確率が十分であるかをどう決めるのでしょうか？それが次の章のテーマです。 第8章 選択肢を選ぶ：二種類のエラー データ収集と現実の意思決定の間には緊張関係があります。再び、私たちが刑事裁判の陪審員であると想像してみましょう。私たちは、被告がその犯罪を犯したかどうかを判断するために、裁判の証拠を精査する必要があります。被告は実際に有罪であるかもしれません（つまり、真の信号が存在する）し、無罪であるかもしれません（つまり、検察の証拠は信号ではなくノイズです）。刑事裁判では、陪審員は多くの証拠を受け取りますが、その中には有罪を示すものもあれば、無罪を示すものもあります。したがって、どんな信号も多くのノイズと混ざっているため、有罪の判断は確率的になります。しかし、私たちが決定を下す必要がある場合、100％の確実性を待つことはできません。「私の選択を正当化するのに十分な証拠があるか？」と判断しなければなりません。これを行うために、私たちは証明基準を採用します。つまり、結論に達する前に必要とされる証拠の閾値を設定します。刑事裁判と民事裁判の両方において、裁判官は私たちにその方法を指示します：私たちは、検察がその手続きにおいて法律で要求される証拠基準と証明責任を満たしていると信じる場合にのみ、被告を有罪とすべきです。他の状況では、どの証明基準を使用すべきかを指示されることはありませんが、確率的な証拠に基づいて明確な（はい・いいえ）決定を下すとき、私たちは意識しているかどうかにかかわらず、証明基準を適用しています。 証明基準の閾値を設定することは、二種類のエラーのバランスを取ることを要求します。たとえば、刑事裁判の場合、被告は犯罪を犯したか、犯していないか（真の世界の状態）があり、私たちは被告を「有罪（有罪判決）」または「無罪（無罪判決）」とすることができ、次の四つの裁判結果が生じます： | 裁判の評決 | 「無罪」 | 「有罪」 | | --- | --- | --- | | 犯罪を犯した | 有罪の人を釈放 | 有罪の人を有罪とする | | 真の世界の状態 | 犯罪を犯していない | 無罪の人を釈放 | 無罪の人を有罪とする | 良心的な陪審員として、私たちの評決の選択はリスクを伴います。「システムが機能する」良い結果が二つある一方で、重大なエラーも二種類存在します。無実の人を罰することを考えるのは恐ろしいですが、犯罪が軽微でない場合、危険な人を釈放して他の犯罪を犯させる可能性を考えるのも心苦しいことです。刑事裁判は、ほとんどの読者にとって（個人的な経験がなくても映画やテレビから）馴染みのある設定です。 私たちは、人生の多くの領域で似たようなジレンマに直面しています。例えば： 空港に早めに到着してフライトを逃さないようにするべきか、それとも空港ラウンジでの無駄な時間を避けるために出発直前に到着するべきか？思春期の子どもの社交生活に対して寛容でいるべきか、彼女が信頼感を持ち、自立を育むために？それとも、危険にさらされる可能性を最小限に抑えるために制限を設けるべきか？家賃の上昇時に貧しい人々がアパートに住み続けられるように家賃規制を導入すべきか、それとも価格を上昇させて開発業者に新しい住宅ユニットを建設するインセンティブを与えるべきか？戦争難民を私たちの国に受け入れて彼らの安全と福祉を提供すべきか、それとも一部がテロリストや犯罪者であるリスクがあるために彼らを禁止すべきか？ 科学が私たちの問題解決能力を向上させる方法の一つは、問題のユニークな詳細を一時的に抽象化することで、多くの問題に共通する一般的な特徴に焦点を当てることです。したがって、私たちは犯罪裁判の表をより一般的なテンプレートに一般化できます。「信号がない」「信号がある」 この改訂された表では、私たちは世界において信号が存在するかどうかを判断するために最善の判断に基づいて決定を下します。この「信号」は、裁判における無罪対有罪、政府の支援を受けるに値するかどうか、普通の嵐対竜巻、癌がない対癌がある、などの二項対立の状態であり得ます。信号が存在すると判断した場合、私たちはその決定を「ポジティブ」と呼び、存在しないと判断した場合は「ネガティブ」と呼びます。これにより、4つの一般的な結果が生まれます。信号が存在しない場合、「不在」と言って正しい（「真のネガティブ」）か、「存在」と言って間違える（「偽のポジティブ」）ことができます。信号が存在する場合、「不在」と言って間違える（「偽のネガティブ」）か、「存在」と言って正しい（「真のポジティブ」）ことができます。偽のネガティブと偽のポジティブの間の緊張は、「省略の罪」と「実行の罪」と考えることもできます。 この表の一つの即時的な含意は、私たちの決定を単に「正確」または「不正確」とラベル付けすることは意味がないということです。なぜなら、正確である方法が2つ、そして不正確である方法が2つあるからです。医学（信号が「癌」である可能性がある）や教育テスト（信号がテストの正しい答えである可能性がある）などの分野では、全体的な正確性率（すなわち、正しい決定の割合）を報告することから、より情報を提供する正確性の基準—「感度」（信号が本当に存在する時に「存在」と言う割合）や「特異度」（信号が本当に不在の時に「不在」と言う割合）へとシフトしています。 予測を助けるために設計されたテストは、癌のスクリーニングテストであれ、医師のボード試験であれ、高い感度と高い特異度を持つべきです。感度を最大化するためには、常に「信号が存在する」と言うことができます。たとえば、腫瘍が悪性であると常に言えば、癌を見逃すことはありません。しかし、その結果、特異度が低下する可能性があります。つまり、すべての腫瘍を「癌」と呼ぶことになり、診断が無意味になってしまいます。役立つテストの閾値は、これらの診断基準のバランスを取る必要があります。 証明基準とエラーのトレードオフについて再度考えてみましょう。騒音と不確実性に満ちた世界では、私たちは必ずエラーを犯すことになります。しばしば、私たちはある種のエラーを他のエラーよりも重視します。もし偽陰性のエラー（癌の腫瘍を見逃すこと）についての後悔が大きい場合、私たちは基準（または決定閾値）を比較的低く設定することができます。つまり、「信号が存在する」と言うバイアスを持つことになります。一方、偽陽性のエラー（実際には癌がない人を怖がらせること）についての後悔が大きい場合、基準を比較的高く設定することができ、「信号が存在しない」と言うバイアスを持つことになります。 コモンローの伝統において、陪審員には無実の人を有罪にすることに対して偏った証明基準を使用するよう指示します。イギリスの法学者サー・ウィリアム・ブラックストーンは、「無実の人を有罪にするよりも、十人の有罪者を自由にする方が良い」と有名に主張しました。このため、陪審員は被告が有罪であると「合理的な疑いを超えて」確信できない限り、無罪を投票するべきだと指示されます。これが「犯罪に対して甘い」と思われるかもしれませんが、このバイアスには合理的な理由があります。第一に、刑事事件では個人市民が公的機関（検察官事務所）と対峙することになり、通常、検察側は被告よりもはるかに多くのリソースを持っています。第二に、多くのケース（例えば、犯行があったことはわかっているが、誰が犯人かはわからない「誰がやったか」犯罪など）では、有罪判決に対して厳格なバイアスを持つ論理的非対称性があります。無実の人を有罪にすると、真の犯人を自由にしてしまう可能性が高いからです。 残念ながら、「合理的な疑いを超えて」というフレーズは非常に曖昧であり、裁判官はあなたの疑いが合理的かどうかを教えてくれません。陪審員は自分でそれを判断しなければなりません。ある調査では、連邦裁判官の約3分の1が合理的な疑いは95％の確信を意味すると答え、約3分の1が99％、残りの3分の1は他の数字を挙げました。私たちの一人（ロブ）は、陪審員が実際に適用する閾値を推定しようとしましたが、それは95％には遠く及ばないようです。 残念ながら、この曖昧さによって生じる余地は、陪審員の偏見を招く可能性があります。私たちがこのことを示した一つの方法は、学生に仮想の法的ケースを判断させることです。 半数の学生には、次の重要な情報を含む犯罪事件の文書が与えられます。「被告は21歳のカリフォルニア大学の学生で、地元のバーの駐車場で暴行を犯したとされています。」もう半数の学生には、被告が「失業中の21歳のバークレー在住者である」と伝えられます。私たちは両グループに対して、被告が犯罪を犯した可能性について尋ねます。その結果、被告が失業中のバークレー在住者であると考える学生は、同じ証拠にもかかわらず、被告が有罪であると考える傾向が高いことがわかりました。要するに、彼らは同じ学生に「疑わしきは罰せず」の精神を適用することにより、より寛容であると言えます。この解釈に沿って、私たちが学生に無実の人を有罪にすることや、有罪の人を無罪にすることがどれほど悪いかを評価してもらうと、被告が失業中のバークレー在住者であると考える学生は、同じ学生を誤って有罪にすることをより懸念していることがわかります。この種の偏見は他の研究でも見られ、陪審員の判断基準が被告の人種や外見、その他の特性に影響されることが示されています。これらの特性と犯罪の事実との間に論理的な関連がない場合でもです。 例：標準化テストと大学入学 私たちが行う選択とリスクにさらされる誤りの相互作用をさらに説明するために、大学の入学基準と学生のパフォーマンスの関係を考えてみましょう。長年にわたり、アメリカの大学は学生応募者に対して、知識や認知能力を測る標準化テストを受けることを求めてきました。例えば、学力試験（SAT）やアメリカ大学入試試験（ACT）などです。以下の図では、標準化テストのスコア（私たちの予測因子）と大学1年目の学生の学業成績（0から100のスコア）との関係を調べます。下のチャートでは、各点が大学への応募者を表しています。（実際には、数百人または数千人の応募者がいるため、各点が同じスコアを持つ100人の学生を表していると想像できます。） 私たちのチャートは、成功の基準を示す水平線で区切られています。水平線の上にいる学生は十分なパフォーマンスを示しており、下にいる学生は「学業警告」を受けており、退学のリスクがあります。また、縦の線は、入学審査委員会が通常使用する合格点を示しています。しかし、この年は、学校は全員を入学させることに決めたため、拒否されるはずだった学生がどうなるかを見ることができます。 これらの線は、今やお馴染みの2 x 2の表を作成します。成功した予測の2種類（真陽性と真陰性）と失敗した予測の2種類（偽陽性と偽陰性）を示しています。点が左下から右上にかけておおよそ対角線を形成していることに注目してください。 これは、私たちの予測因子（SATスコア）と結果（大学での成功）との間に正の関連があることを示していますが、完璧ではありません。高いカットオフスコアを設定すると、偽陰性が増加します。 高いカットオフスコアを使用することで、偽陽性のスコアは比較的少なくなります。つまり、大学で失敗する可能性のある学生を入学させるリスクを最小限に抑えることができます。しかし、その一方で、大学で成功する可能性のある学生を見逃してしまう偽陰性のエラーが多く発生します。新しい大学の学長が、より多くの応募者に高等教育への公平な機会を与えたいと発表したとしましょう。次のチャートでは、カットオフスコアを下げた場合に何が起こるかを示します。カットオフスコアを下げることで、偽陰性のエラーは減りますが、その代わりに偽陽性のエラーが増え、合格した学生が良い成績を取るのに苦労する可能性が高くなります。 カットオフスコアを設定する際、私たちが持っているクリスタルボールが正確でない限り、予測因子と結果にカットオフスコアを設定すると、必然的に、私たちの学校で成功する学生だけを入学させるというエラーを犯すことになります。これらのカットオフスコアを設定することは、科学的または数学的な計算ではなく、どのエラータイプを許容するかに関する私たちの価値観を反映した政策決定です。現実の意思決定は、データや信号検出理論のような数学的原則によって情報を得ることができますが、必然的に価値判断を伴います。そして、科学者がそのトレードオフをうまく処理できる理由は特にありません。このような価値判断には、大学の管理者、教員、潜在的な学生、そしてその家族といった利害関係者の価値観が組み合わさる必要があります。 高いカットオフを設定すれば、偽陽性のエラーは少なくなりますが、偽陰性のエラーは増えます。低いカットオフを設定すれば、その逆の結果が得られます。これは、科学がこのジレンマを解決するのに役立たないということを意味するのでしょうか？そうではありません。次の図では、カットオフスコアを調整する代わりに、パフォーマンスの予測が大幅に向上する新しいテストを開発するためのリソースを集めた場合に何が起こるかをシミュレーションしています。データの雲がより狭く、対角線に近くなり、両方のエラータイプが大幅に減少していることに注目してください。したがって、科学的なノウハウは短期的にはトレードオフを排除することはできませんが、必要な研究開発に投資する意欲があれば、長期的にはそれを大いに軽減することができるのです。予測力の向上は、両方のエラータイプを減少させます。 例：診断テスト 私たちのリスクに関する価値観が影響を及ぼすもう一つの身近な領域は、医療における診断テストです。この例を用いて、エラー率に影響を与える別の要因、「ベースレート」— 実際に信号が存在するケースの割合 — を説明します。最近のニューヨーク・タイムズの記事によると、いくつかの稀な病状（例えば、ディジョージ症候群やウルフ・ヒルシュホーン症候群）において、陽性反応が出たほぼ全ての人が実際には陰性であることが判明しています。調査された病気に関しては、81％から93％の確率でそうなります。これは、これらのテストが無価値であることを意味するのでしょうか？幸いなことに、テストを受ける人の大多数はこれらの稀な病状を持っていません。私たちが観察する偽陽性の実際の数は、テストの不正確さ（すなわち、テストの偽陽性率と偽陰性率）だけでなく、病気の一般的な頻度にも依存しています。テストが不完全で、テストを受けるほとんどの人が実際には病気を持っていない場合、真の陽性が見つかる数が少ないため、偽陽性が真の陽性よりも多くなることがあります。（予想通り、これを計算する方法があります。それはベイズの法則と呼ばれています。） — 高い偽陽性率にもかかわらず、これらの病状を検査する価値があることがわかります。なぜなら、影響を受けた人々が必要な治療を受けられるからです。良いニュースは、私たちが通常、偽陽性のケースについて長く心配したり、不必要な治療を受けたりすることはないということです。私たちはしばしば、より高価で実施が難しいが、偽陽性エラーが少ない第二のテストを持っています。陽性反応が出た人に対して、より高価なテストを使用することで、多くのエラーを修正することができます。 目を閉じて飛ぶ（部分的に） 私たちは2 x 2の表を使ってエラーのパターンを分析してきました。しかし、多くの現実の場面では、表の4つのセルすべてを見ることはありません。私たちが教えているUCバークレーやスタンフォードの入学決定を考えてみてください。私たちは日常的に（そして正確に）学生たちに、彼らが素晴らしい存在であり、選ばれた人たちであり、私たちが彼らと一緒にいることができて幸運だと伝えています。それでも、入学委員会は、もし私たちがリストの下の方に目を向けていたら、選考に漏れた他の素晴らしい人たちがたくさんいたことを知っています。しかし、実際に彼らを受け入れなかったことで私たちが間違ったのかどうかは、彼らが入学していた場合にどのように成績を残したかを決して見ることができないため、本当のところはわかりません。また、私たちが受け入れた学生が競合する大学でより良く成長していたかもしれないということもわかりません。私たちは、逆の決定を下した場合の宇宙を見ることは決してできません。 — 1973年に興味深いケースが生じました。精神科医や仮釈放委員会が、刑務所の受刑者や精神科施設の入所者がリリースするには危険すぎるかどうかを判断するのが得意かどうかについて、長年の議論があります。しかし、大規模な予算危機のために、一部の施設は全員を解雇しなければなりませんでした。 精神科医たちは、一部の人々が危険すぎて解放すべきではないと判断していたにもかかわらず、州の関係者は「あなたたちの意見は関係ない。とにかく彼らを解放する」と言いました。その結果、私たちは危険だと見なされる人を解放した場合に何が起こるかを実際に知ることができました。そして、判定された「危険な」人々の大多数が、次の3年間に暴力的な犯罪を犯さなかったことが分かりました。私たちには、審査官たちが、危険な人を解放してしまう責任を負わないために、非常に高い誤陽性率を受け入れる傾向があるように見えました。彼らは、個人の権利よりも社会の安全を優先しているようでした。このバランスが正しいか間違っているかについては、読者によって意見が分かれるでしょう。 ジレンマの角 私たちは、誤陽性のリスクと誤陰性のリスクの間には痛みを伴うトレードオフがあることを見てきました。一方を減らすことは、もう一方を増やすことなしには難しいのです。カットオフスコアを設定することは、エラーの相対的なコストに関する制度的な決定を反映した政策的な決定であり、そのような決定は本質的に科学的ではなく、価値に関する政治的な決定です。したがって、この章の最も重要なポイントを再度強調しましょう。科学は確率を推定する方法を教えてくれますが、どの決定閾値を使用すべきかを教えてはくれません。私たちの証明基準（決定閾値）は、価値判断の表れです。特定の状況において、どのエラーを避けることに私たちはより熱心でしょうか？科学者や科学愛好者は、この点を見落とすことがあります。Covidの流行初期におけるロックダウンの妥当性についての議論を考えてみましょう。ここでその点を論じるつもりはありませんが、ロックダウンがウイルスの感染を減少させる可能性があるという説得力のある科学的理由があったと考えています。しかし、感染のリスクはロックダウンによって生じる害とバランスを取らなければなりません。最終的には、これらのリスクを定量化できるかもしれませんが、決定を下さなければならなかった時点では、私たちはそれを行うための十分な情報を持っていませんでした。医療科学の状況を考慮すると、ロックダウンの公衆衛生上の利益を主張することは多くの人々にとって正当だったと思いますが、ロックダウンを採用することが科学が示すものだったとは言えません。ロックダウンには他のさまざまな影響があるからです。車を購入する際、私たちは各自、安全機能の利点と車両のコストをどのようにトレードオフするかを決定します。同様に、ロックダウンを義務付けることには、公衆衛生の考慮だけでなく、経済的、教育的、その他の側面に関するさまざまな競合する利点とコストがあります。第16章と第17章では、社会がどのようにしてその決定閾値を設定する価値と向き合うことができるかという問題に戻ります。 エラーのトレードオフと「統計的有意性」 入門統計を学んだ読者は、統計的仮説検定における同様のトレードオフを認識するでしょう。 「統計的に有意」というフレーズを聞いたことがあるでしょう。それは、p < .05という魔法のような基準によって決まります。これはp値と呼ばれ、ざっくり言うと、実際には関連性が全くない場合に、あなたのデータで観察されたのと同じくらい強い関連性を検出する確率です。このシステムは物議を醸しています。p値が.049であれば、喜んでお祝いしますが、.051であれば絶望に陥ります。このわずかな確率の違いに対して、そんなに厳格であることは多くの人にとって非合理的に思えるでしょう。なぜ一方を有意と呼び、もう一方をそうでないと呼ぶのでしょうか。以前の世代の統計学者たちは、かなり恣意的にこの.05の閾値を選びました。慣習として、偽陽性を避けることを優先する決定がなされましたが、より高いまたは低い閾値を主張することもできます。もしかしたら、科学は、効果がないと言って真の効果を見逃すことで、より害を受けるのかもしれません。これは問題です。なぜなら、公共政策のいくつかの分野では、実際の世界で介入をテストするからです。サンプルサイズは小さく、測定はノイズが多いため、信号を検出するのが非常に難しいのです。そして、効果が実際に存在するが小さい場合でも、p値 < .05を達成するのが難しいため、効果があるとは言えません。この厳格な閾値を設定したために、データが不足しノイズが多い領域で、効果を検出できずに多くの効果的な政府の介入を見捨ててしまった可能性があります。これらの損失を切り捨てるかどうかは価値判断です。 「取引の苦痛を軽減できるか？」という問いに対して、私たちはすでに科学が予測ツールの質を向上させることで意思決定の誤りを減らせることを見てきました。そして、取引を管理するために取れる追加のステップもあります。時には、そして私たちはその多くの場面でそう主張しますが、仮に行動を採ることができます。試してみて、結果を検証し、決定を再考することができるのです。立法者は、プログラムの資金が更新される前に評価される「サンセット条項」を含めることができます。確かに、これは難しいことです。サンセット条項は、プログラムに賛成または反対するために証拠を歪めるインセンティブを生むからです。また、時には判断を保留し、決定を下す前により多くの証拠を集めることもできます。この本全体で主張しているように、時には意見を形成するのが早すぎることもあります。経済が不確実に見えるとき、家の購入や仕事の変更について家族は決定を先延ばしにします。医者は、検査結果があいまいでなくなるまで侵襲的な手続きを延期します。もちろん、他の状況では待つことができず、決定が必要な場合もあります。例えば、市長は洪水警報が出たときに市民を避難させるべきかどうかを決定する必要がありますし、軍の関係者は制限空域を飛行するジェット機に対して発砲するかどうかを決めなければなりません。陪審員は「私たちは彼が82％の確率で有罪だと思う」と言うことはできません。 「有罪です、裁判長。」もし彼らがそう言ったら、裁判官はおそらく陪審員室に戻すだろう、決定を下すまで。 私たちの希望は、この章が読者に公の意見の対立が常に事実に関するものではないことを理解してもらう手助けになったことです。時には、正しい証明基準を設定することについての対立であることもあります。つまり、どの程度の証拠が一方の意見を変えるのに十分強いと見なされるかということです。これは確率的思考の本質的な特徴です。私たちは確実性を期待することはできないので、どれだけの証拠が十分なのかを決める必要があります。そして、絶対的な確実性が欠けているため、最も良い証拠に基づく政策でも誤りを犯すことがあります。あなたと私は、困っている人々を助けられないことが悪いことであり、他の人々が政府の寛大さを利用することも悪いことであると同意するかもしれません。しかし、どちらの誤りがより悪いかについては意見が分かるかもしれません。このような問題について自分の見解を明確にすることは、対立を解消するわけではありませんが、対立を大いに明確にすることができます。そして、両者は予測の精度を向上させることが両方の誤りを減少させることに同意できるでしょう。 第9章 統計的および系統的な不確実性 もし世界の物体とその特性がただ一つのことに過ぎなかったら、どんなに良いことでしょう！もし皆が正確に3フィートの高さか、正確に5フィート6インチの高さであったなら、オンラインでチケットを購入してディズニーランドに行く前に、5歳の子供がほとんどの乗り物に乗るのに十分な高さかどうかを簡単に判断できたでしょう。しかし実際には、あなたは熱心な子供を測らなければならず、彼が40インチの要件に達しているかもしれないのに、引き出しの奥で見つけた古いメジャーしかありません。子供の身長は「乗るのに十分な高さ」に非常に近いことがわかり、メジャーを持つ手が震えているために測定にノイズが入ると、あなたは「はい」と思い、次に「いいえ」と思います。あなたは、測定を何度も試みてその平均を取れば、手の震えによるノイズを処理できるかもしれないと考え始めます。しかし、その後、洗濯機に入れたときにメジャーをズボンのポケットに入れたことをぼんやりと思い出し、それが縮んでしまったのではないかと疑問に思います。（ズボンは確かに縮みました！）もしそうなら、複数の測定を平均しても役に立たないでしょう。はぁ....この切実な話は、現実世界でノイズや不確実性に直面したときに役立つもう一つの概念的ツールを紹介しています。まず、ノイズや不確実性が測定に影響を与える方法は二つあります。一つは、測定がランダムに揺れ動いているが平均化できる場合（不安定な手でメジャーを持っているように）、もう一つは、測定が一方向に系統的に押しやられる場合です（洗濯で縮んだメジャーを使うと、すべての測定が過大評価される）。 私たちが本当に自分の信念のレベルを定量化し、ランダムな数字が世界についての誤った印象を与える可能性を認識しようとするなら、両方の種類の複雑さを扱える必要があります。科学はこの目的のために有用な言語とアプローチを提供します。実際、これらの異なる種類のノイズや不確実性をどのように扱うべきかを知ることは非常に重要な問題であり、いくつかの科学分野ではそのための用語が発展しています。用語は異なりますが、その意味は似ています。物理学者のソールは通常、二種類のノイズの源を「統計的不確実性」と「系統的不確実性」と呼びますが、社会心理学者のロブは「信頼性」と「妥当性」について話すかもしれません。統計学者は「精度」と「正確性」を区別するか、より専門的な用語である「分散」と「バイアス」を使うこともあります。（ここでの「バイアス」という言葉は技術的な使い方であり、一般的な意味とは混同しないでください。）これらの用語は微妙に異なるニュアンスを持っているため（この章の後半でいくつかに戻ります）、哲学者のジョンは自分の意味に最も合ったものを選ぶことができます。 **バスルームスケール** これらの用語を理解するために、日常生活におけるこの二種類の不確実性がどのように現れるかを示す具体的な例から始めましょう。あなたの医者が健康上の理由から5ポンドの減量を勧めたとします。その後すぐに出張に出かけ、各ホテルで体重を測ります。毎日、異なるホテルの部屋で異なる体重計を使っているのです。最初に体重を測ったとき、「あれ、面白いな。思っていたよりも3ポンド軽いみたいだ。もしかしてこの体重計が狂っているのかも」と言います。次の町に移動して次のバスルームスケールを試すと、「ああ、見て。これは思っていたよりも2ポンド重いって言ってる」と言います。ホテルのバスルームスケールがちゃんとキャリブレーションされていないのではないかと疑い始めます。1ヶ月の旅行の間に多くのバスルームと多くの体重計を訪れ、すべての測定値の平均を取れば、たぶんそれが正しいだろうと考えます。すべての体重計が同じ方向に狂っている可能性は低いと思うからです。帰宅すると、自分のバスルームスケールを使います。あなたが知らないのは、自宅の体重計がバイアスを持っていて、常に実際よりも5ポンド軽い値を示すということです。最初は、フライトで脱水症状になっているから体重が低いのだと思うかもしれませんが、この体重計で毎日体重を測って1ヶ月が経つと、旅行中の平均体重よりも5ポンド軽いと言われ続けます。実際、この体重計で何回体重を測っても、あなたはその5ポンドを維持していることに自分を祝福し続けるのです。 もちろん、これは科学者たちが常に認識する方法を考え出そうとしている状況の一例です。あなたは、自分が非常に良い再現性のある結果を得られる状況にいるのかどうかを判断したいのです。つまり、何度も自分の体重を測っていつも同じ数字が出るけれども、その数字が真実から5ポンドずれている場合です。ここで科学者たちは、2種類の不確実性を区別し、ラベルを付け始めます。 統計的不確実性は、測定値が正しい値の周りでランダムに散らばる原因となるノイズを説明します。これは、ホテルの体重計のように、時には高く、時には低くなるものです。統計的不確実性だけがある場合、測定を平均化することで真の答えに近づくことができます。一方、系統的不確実性は、すべての測定値が一方向に押し出されるノイズの原因を説明します。たとえば、あなたの不正確な家庭用スケールがすべての測定値を低く押し出す場合です。系統的不確実性だけがある場合、いくら測定を行っても、それらは真の答えに平均化されることはなく、「バイアスのかかった」結果に平均化されてしまいます。 この2種類の不確実性の興味深い点は、その違いを認識すると、良い測定を行うためには（つまり、ノイズに混乱されずに明確な信号を得るためには）、それぞれ異なる対処法が必要であることが明らかになることです。もし測定を繰り返すたびに結果がランダムに変動する場合（たとえば、定規を非常に安定させようとして手がわずかに震えているかもしれません）、統計的ノイズを平均化するために、より多くの測定を行う必要があります。または、より安定した手を持つ誰かを見つけて、より一貫した結果を得る必要があります。系統的不確実性の可能性を疑う場合、これは一般的にもっと難しいため、科学者の努力の多く、そしてこの議論の残りの部分の多くは、それに対処する方法に焦点を当てています。 系統的不確実性に対処する際には、創造的になるチャンスがあります。最初の仕事は、測定が一方向または別の方向に系統的に押し出される可能性のあるすべての方法を提案することです。テープメジャーが伸びたり縮んだりして、すべての測定が同じようにずれている可能性はありますか？多くの人が、意図せずに自分の体重を過小評価するバスルームスケールを探しているため、友人の家で出会うほとんどのスケールが過小評価されることはありませんか？次の仕事は、この系統的なバイアスをチェックする方法を考案すること、あるいは、さらに良いことに、測定への影響を制限する方法を考えることです。信頼できる他のテープメジャーやバスルームスケールを見つけて、長さや重さを比較できますか？あるいは、測定に系統的なバイアスがあることを証明できるかどうかにかかわらず、測定ツールに特定のバイアスがあっても問題にならないように測定を行う方法を見つけることができますか？ この最後の可能性は直感に反するように思えます — 特定のバイアスが無関係であることがあり得るのでしょうか？ — ですから、例を見てみましょう。サラが1マイルを走る準備をしていると想像してみてください。これはトラックを4周するレースです。彼女のコーチは、4周のコースのうち3周目をどれくらいの速さで走るかを計測したいと思っています。そこで、サラが3周目のスタートラインを通過するたびに、コーチはストップウォッチのボタンを押してタイマーをスタートさせます。そして、サラがそのラインを再び通過したとき（4周目のスタート）、コーチは再びボタンを押してストップウォッチを止めます。この計測を考えると、まずいくつかの統計的不確実性の潜在的な原因を考えます。サラは毎回3周目を全く同じ速さで走るわけではなく、コーチも毎回ストップウォッチのボタンを同じ瞬間に押すわけではありません。時には少し早く押したり、時には少し遅れて押したりすることもあります。これらは、異なるトレーニングセッションで同じ測定を平均することで対処できる問題です（おそらく同じ日にすべて行うわけではないでしょう、サラが疲れてしまうかもしれませんから）。実際、多くの状況では、個々の測定を平均することで統計的不確実性は減少します。しかし、もしコーチがサラがそのラインを通過するのに対して常に反応が遅れる場合、つまりストップウォッチのボタンを押すのがいつも少し遅れるとしたら、これは確かに系統的な誤差の原因のように思えます。その遅れた反応は、より多くの測定を行っても平均化されることはありません。しかし、注意深くこの話を聞いていると、測定はコーチが同じボタンを同じ遅れた反応で2回押すことに関わっていることに気づくかもしれません。1回目は計測を開始するため、2回目は計測を停止するためです。したがって、ラップのスタート時のコーチの遅れた反応がラップの終了時（次のラップのスタートでもあります）と同じであれば、2つの反応は相殺され、測定はバイアスを受けません。これは偶然の幸運に恵まれた人工的な例のように思えるかもしれませんが、科学者たちが常に探し求めるのは、こうした面倒な系統的不確実性の可能性に対する創造的な解決策なのです。医療実験で人々を薬を受け取るグループと受け取らない対照グループにランダムに割り当てることがどれほど有用だったかを思い出してください。これは、結果を一方の方向にバイアスする可能性のある系統的不確実性の原因が、2つのグループを比較する際に相殺されることを保証する巧妙な方法でした。 私たちの目標は、これらの系統的不確実性の原因 — そしてそれに対する可能な解決策 — に敏感になることです。さまざまな場面でそれらが現れる場所を見逃さないようにしましょう。ここで、異なる方法で劇的な2つの実世界の例を考えてみましょう。 最初の例は、体系的な不確実性の実際に重要な例であり、もしあなたが学校委員会のメンバーのようなあまり知られていない候補者に投票したことがあるなら、経験したことがあるかもしれません。候補者やその問題についてあまり知らない場合、投票用紙に名前が載っている候補者に対して、全ての条件が同じであれば、最初に名前が載っている候補者にわずかに多く投票する傾向があります。最初に名前が載っている候補者は、投票用紙の下に載っている候補者よりも約5パーセント多くの票を得るため、この効果は非常に劇的です。多くの選挙では、その5パーセントが勝利に十分な差となることがあります。驚くべきことに、視覚的ではなく口頭で行った場合、正反対の効果が得られます。これは、世論調査員が人々に電話をかけて、誰に投票する可能性が高いかを尋ねるときに起こります。この場合、候補者のリストが伝えられると、最後に名前が挙げられた人が有利になります。考えてみると、もし選挙があって、ある候補者の名前が投票用紙の一番上に印刷され、世論調査員が電話で候補者のリストを投票用紙の順番で読み上げた場合、事前の世論調査は予想される勝者を完全に間違える可能性があります。一番上の候補者は電話調査では5ポイントの不利を被りますが、実際の選挙では5ポイントの有利を得ることになります。 これは驚くべきことです！この体系的なバイアスの原因を知っているのに、なぜすべての投票用紙を同じ順番で印刷するのでしょうか？カリフォルニア州では、州の立法府の選挙において、名前の順番における体系的なバイアスの問題に気づいた人がいましたが、その問題を解決しようと、候補者の順番をランダムに選んで投票用紙に印刷する方法を試みました。しかし、これは明らかに問題を解決するものではありません。候補者全員が投票用紙の一番上に置かれることで得られる5パーセントの恩恵を受ける平等なチャンスがあるので、公平だと言うかもしれませんが、私たちが求めているのはそれではありません。私たちは、名前の順番に基づいて選ぶ5パーセントの人々によって歪められることなく、実際に好みを持っている人々が投票したいと思うものを捉えようとしているのです。奇妙なことに、カリフォルニア州全体および米国の議会の選挙では、同じ間違いを犯していません。投票用紙は郡ごとに印刷され、候補者の順番はカリフォルニアの58の郡ごとに回転します。このアプローチは完璧ではありませんが、一番上の名前の利点を平均化するのに役立つはずです。まるであなたの出張中の体重測定が平均化されるように。 私たちの第二の実例は、統計的不確実性と系統的不確実性の両方を認識し、対処することがいかに重要であるかを明らかにしています。今日の世界において、過去100年間の地球の温度変化の測定が正しいか間違っているかは非常に重要です。もし私たちの理解が誤っていると（もちろん、確率的な理解のことですが）、誤った問題に対処しようとして大きな苦しみを引き起こすか、あるいは行動を起こさずに気候災害を許してしまう可能性があります。過去100年間、世界中の気象学者たちは、毎日確認する温度計を使って地元の気温を記録してきました。気候科学者たちは、その測定値を利用して平均的な全球温度の変化を推定し、第6章で示したグラフに繋がっています。このグラフは、過去100年間に温度が上昇したことを示しています。ここには、統計的不確実性と系統的不確実性の両方が明確に関与しています。 まず、日々の地元の測定には、場所や日、年による小さな気象の違いや、劣悪な温度計の影響による様々なノイズが含まれています。これらの不確実性は「統計的不確実性」として特定し理解する必要があります。十分なデータがあれば、これらは平均化される可能性があります。一方で、20世紀の終わりに向けて異なる系統的バイアスの源が存在することは、はるかに危険です。その期間中に同じ系統的誤差が続く場合、それは打ち消し合うため（サラのコーチの遅れた反応時間のように）、私たちはそれを気にしません。例えば、世界中の誰もが午後の最も暑い時間帯だけで平均日温を測定した場合、これは日中の平均に比べて系統的に暖かいバイアスを持つことになります。しかし、この誤りが世紀を通じて行われていた場合、温度変化の測定に系統的なバイアスをもたらすことはありません。一方で、測定バイアスが世紀を通じて変化する場合、温度変化の測定において考慮すべき系統的誤差が存在します。 温度が記録された場所の系統的な変化の例を考えてみましょう。世紀の初めには、測定の多くがヨーロッパや北アメリカから行われていたでしょうが、世紀が進むにつれて、アフリカ、南アメリカ、アジアもより均等に貢献するようになったでしょう。また、都市化による地理的な変化も考えられます。世紀が進むにつれて、ますます多くの温度が都市内またはその近くで記録されるようになりました。なぜなら、ますます多くの人々が都市に住むようになったからです。そして、私たちは都市が周囲の農村地域よりも暖かくなる傾向があることを知っています。これは、いわゆる都市熱島効果によるものです。これらは、近年、地球温暖化の問題が重要な政策課題を提起する中で、懸念されている系統的不確実性の具体例です。 この懸念に対処したグループの一つは、都市近郊と農村地域の温度変化を比較するためのコントロールスタディを実施しました。（このプロジェクトにはサウルも関わりました。）このアプローチにより、体系的な不確実性の要因を効果的に制御することが可能になりました。その結果、彼らは都市と農村の温度変化の違いが、私たちが懸念している温暖化効果よりもはるかに小さいことを発見しました。これは、世紀を通じた都市化が全球の温度変化の測定において重要な体系的バイアスではなかったことを示しています。 では、温度を測定する時間についてはどうでしょうか？実際、日々の平均気温を算出するための温度測定の方法やタイミングに変化があったことがわかりました。例えば、世紀の初めには、アメリカの気象局は温度測定を日没時に行うことを推奨していましたが、世紀の終わりには、ほとんどのアメリカの測定が朝（おそらく涼しい時間帯）に行われるようになりました。そのため、各期間の平均温度を定義することが難しくなり、実践の違いを修正する必要があります。 温度測定の実践においてもう一つの変化がありました。それは海面温度の測定方法です。世紀の初めには、船からバケツを海に投げ入れ、そのバケツの水温を測定する方法が用いられていました。しかし、第二次世界大戦の頃には、エンジンを冷却するための水を取り込む吸水口に温度計を設置する方法に切り替えられました。ご想像の通り、これら二つの方法ではわずかに異なる結果が得られました。一つには、吸水口に入る水は、バケツで引き上げた水よりも表面から深い位置にあるためです。また、測定を行っていた人々は、誰かが温度記録を比較することを考慮していなかったようで、交差キャリブレーションは行われていませんでした。彼らは他の目的のために温度を測定していたのです。 そのため、海水温を使用したすべての研究において、科学者たちはこれら二つの方法で得られた海水温測定の間に存在する未知のサイズのオフセットを考慮する必要があります。このオフセットを特定することは今日では難しく、当時の測定方法の切り替え時に使用されていた船を再現して、バケツ測定と吸水口測定を比較することができないからです。このような温度データ収集方法の変化について知ることができれば、それらの変化自体が研究の対象となります。上記の例では、これらの変化が「温度測定オフセット」を生じさせ、それには独自の統計的不確実性が伴います。 彼らは確かに、地球の温度変化に関する最終的な最良推定に不確実性をもたらしますが、良いニュースは、これらが答えに至る過程で測定すべき単なる量の一つとなったとき、私たちは前の章で説明した標準的な確率的推論を用いて不確実性を定量化し、「十分に確実」と見なすための閾値を選ぶことができるということです。たとえば、地球の温度変化の影響が重大であると判断し、温度上昇に対して75％の信頼度があれば行動を起こすことに決めることもできますし、資源のシフトが世界経済にとって混乱を引き起こすほどであれば、95％の信頼度が必要だと決めることもできます。 体系的な不確実性の創造的な課題 地球の温度変化の測定における多くの可能な体系的バイアスの源を特定する例は、それぞれに対処するための異なるアプローチがあることを示しています。場合によっては、測定の中でそれらを相殺する方法を見つけたり、他の場合には体系的な影響を測定し、より管理しやすい統計的不確実性に変えたり、また別のケースでは（ここでは述べていませんが）、体系的な影響の大きさが測定に影響を与えるほど大きくないことを示す必要があります。要するに、これらの可能な体系的な不確実性の源を特定した後は、それらを研究し、考慮することができます。したがって、科学者の訓練の多くは、こうした不確実性の源を認識する能力を高め、各々を制御したり、相殺したり、十分に測定したりするための創造的な方法を考えることに関わっています。 後の章では、意見が異なる人々と協力することの重要性について議論します。その最も重要な理由の一つは、他者の立場に挑戦することで体系的な不確実性の源を明らかにするのが劇的に容易になるからです。したがって、測定を歪める可能性のある体系的な不確実性を見つけるつもりなら、その測定に挑戦する人々に手を差し伸べることが望ましいでしょう（それがどれほど痛みを伴うものであっても）。科学者同士が互いの研究をレビューし、厳しく批評し合う伝統は、科学者が体系的な不確実性を探求する上で重要な要素であり、科学者自身がそれを見つけるための訓練を超えたものです。体系的なバイアスの問題に敏感になると、自分の生活の中で行う決定の証拠においても体系的なバイアスを見たり、探したりするようになるでしょう。 （例えば、上司があなたの書いたものを厳しく編集したり、あなたの提案に反対したりしたときには、そのことをしっかりと認識しますが、単にあなたの仕事を受け入れたときにはそれほど気に留めないことが多いです。この自己評価における体系的なバイアスは、あなたが別の仕事を探すことにつながるかもしれません。）しかし、科学の文化の外では、自分と意見が異なる人を見つけて、自分の体系的なバイアスを探す手助けをしてもらうのは難しいです。（この場合、「バイアス」という用語は、私たちが議論してきたより技術的な意味と、一般的な定義の両方を含むことができます。） さらに、科学者の結果に基づいて自分自身の決定を下す必要があるとき — 例えば、どの薬を服用するか、あるいは天然ガスのフラッキングに関する政策に投票するかどうか — 私たちは、科学者たちが研究において適切な範囲の体系的な不確実性を探求しているかどうかを確認することに敏感であるべきです。そのためには、すでに体系的な不確実性を探求した反対派や競合の科学者が誰であるかを知りたいと思うかもしれません。そして、これらは私たちが専門家に期待する質問であり、彼らがなぜ科学的発見を信じるのかを説明する際に取り上げるべき内容です。 記憶の助けとなるアイコン — この章の統計的不確実性と体系的不確実性の違いを明確かつ記憶に残る形で示すために、よく使われる象徴的なビジュアルがあります。私たちが何らかの量を測定しようとする試みをダーツのゲームに例えると、各ダーツは測定の試みを表し、ダーツボードの中心にある的（ブルズアイ）の周りに散らばったダーツの広がりが、測定における不確実性 — 真の答えからどれだけ外れているかを示します。私たちが今知っているように、測定は真の答えを外す方法が2通りあります。正しい結果の周りにランダムに散らばる（統計的不確実性）か、正しい結果から一方向にずれている（体系的オフセット）かです。ダーツの場合、前者の統計的不確実性はブルズアイの周りに散らばったダーツの雲で表し、後者の体系的不確実性はブルズアイの一方に集まったダーツで表します。統計的不確実性が大きいほど、ダーツの雲はブルズアイの周りに広がり、体系的不確実性が大きいほど、ダーツはブルズアイから遠くにずれます。もちろん、通常は私たちの測定は同時に両方の方法で外れるため、ダーツの雲は広がり（体系的不確実性）その中心はブルズアイからずれています（統計的不確実性）。以下のダーツボードアイコンは、これらの不確実性の2つの源に対する良い選択肢と悪い選択肢を考慮した一連の測定の4つの可能な結果を示しています。これは、2種類の不確実性の違いを理解するためのより具体的な方法の一つかもしれません — また、他の分野の用語が何を指しているのかを説明するのにも役立つかもしれません。 例えば、下のダーツボードにおけるダーツの密集度が「ばらつきが少ない」と表現される一方で、右側のダーツボードにおけるブルズアイの中心に近い位置が「バイアスが少ない」と見なされることがあるでしょう。システマティックな不確実性がゲームの本質であり、扱いやすい統計的ノイズとは対照的であるため、ここで不安を感じ始めるかもしれません。このシステマティックな不確実性は難しそうです！あなたは、どのようにそれがあなたを欺くかを考えるために創造的でなければならず、すべての方法を特定できたと保証することもできません。そして、私たちはまだ、実際の人間のバイアスに起因するシステマティックな誤差についても話していません — これは第12章で「動機づけられた推論」として議論します。さて、本当にパニックになる前に（測定に基づく決定をどう信じられるのでしょうか？！）、私たちを冷静に保ち、これらの不確実性に対処する自信を築くための科学的思考の要素を見てみましょう。その一つがトライアングレーションの利用です。第2章では、トライアングレーションをさまざまな手段を用いて、単一の手段では得られない現実のより良い像を捉える方法として説明しました。現在の議論において、このトライアングレーションは追加の利点をもたらします。異なる測定アプローチを使用すれば、それぞれ異なるシステマティックな不確実性の源を持つことになります。そして、これらの複数の方法論で同じ結果が得られれば、これらの異なるシステマティックな不確実性がすべて「共謀」して同じ歪んだ（不正確な）結果をもたらす可能性は非常に低くなります。 例えば、ある都市の市長選挙に向けて、適格な市民の投票意向を測定しようとしているとしましょう。私たちが十分に大きな無作為サンプルの有権者にアクセスでき、統計的な不確実性が低いと確信できたとします。ここで、私たちが以前に議論した二つのシステマティックな不確実性、すなわち書かれたリストの最初の候補者に対するバイアスと、口頭リストの最後の候補者に対するバイアスについて特に心配しているとしましょう。調査の半分を電話で口頭で行い、残りの半分をインターネットで書面で行うことができれば、これら二つのシステマティックな不確実性の間でトライアングレーションを行うことができます。なぜなら、二つの異なる調査方法論はそれぞれ異なるシステマティックな不確実性を導入するからです。もし二つのタイプの調査が一致すれば、これらのシステマティックな不確実性のいずれも重要ではないとかなり確信できます。そして、もし一致しなければ、それらの違いの程度を利用して、これらのシステマティックな効果のいずれか（または両方）によるバイアスの大きさの範囲を推定することができます。 さて、科学的思考の重要なツールに深く掘り下げ、統計的および体系的な不確実性の源に焦点を当てたところで、全体像に目を戻しましょう。私たちは、共有する現実を追跡するために役立つ測定に基づいて意思決定を行う際に、これらの不確実性の源を探る必要がありました。本書の第II部では、この「現実に基づく」意思決定が、現実を確率的に理解する能力に依存していることを見てきました。また、第I部では、問題を解決し、私たちの世界を変えるために使用する「因果的レバー」を特定する技術についても説明しました。これらの技術もまた、因果的レバーに対する確率的な信頼を生み出し、この信頼を損なう可能性のある統計的および体系的なノイズを特定する必要があることを思い出すべきです。これらを把握するのは大変なことのように思えますが、実際その通りです！次に、第III部では、因果関係、確率、体系的不確実性の源、検出閾値のすべての要素の中で冷静さを保つことを可能にする、科学のもう一つの秘密兵器に目を向けます。それは、科学的思考の「できる」という側面から始まります。 第III部 「根本的なできる姿勢」 第10章 科学的楽観主義 あなたがこれまでに知的に挑戦的な問題やパズルを解くために費やした最長の時間はどれくらいですか？10分、2時間、1日、1ヶ月、1年、10年？私たちが尋ねたほとんどの人は、数時間以上かけた問題やパズルの例を思い出すのに苦労しています。せいぜい数日間でしょう。しかし、世界には数日以内に解決できる難しい問題がどれだけあるのでしょうか？世界はそんなに簡単ではありません！それに、1ヶ月未満では、この本の読者にふさわしい問題に対して十分な評価をしているとは言えません。問題を解決するために十分な時間をかけることは、さまざまな大きさの挑戦です。1960年代にNASAを率いているなら、月に人を着陸させるためにどれくらいの間努力し続けますか？あなたと配偶者は、書斎のためにそのIKEAのキャビネットを組み立てるのにどれくらいの時間をかけ続けますか？（イラストを誤解する方法はそれほど多くありません。） 実際のところ、私たち人間は本質的に怠惰です。それは私たちのせいではなく、エネルギーを節約するためにそのように進化したのでしょう。そして、奇妙なことに、私たちは一生懸命考えるために多くのエネルギーを使っているように感じるため、できるだけ避けようとします。急な丘を登るのを避けるのと同じように、できるだけ回り道をしたいのです。しかし、重要な問題を解決するためには、一般的に一生懸命考える必要があります。怠惰な脳に対する他の要求の中で、私たちは、ノイズの中で虚偽のパターンを信号と誤解して自分を欺く可能性があるときや、重要な測定にバイアスをかける体系的不確実性の可能性のある源のリストを構築するためには、かなりの精神的労力が必要であることを認識するのに時間がかかることを見てきました。そして、第IV部では、明確に考えるためのさらなる精神的な挑戦について議論します。 事態をさらに悪化させるのは、私たちが怠惰であるだけでなく、新しいことへの素晴らしい好奇心という私たちのポジティブな特性の一つが、問題を悪化させてしまうことです。1日か2日経つと、問題はそれほど新鮮ではなくなり、私たちは他の何かに対する好奇心に移りがちです。また、私たちは好奇心が新たな世界の理解を得ることで報われることを本当に好んでいるようですが、その報酬を求める欲求は、問題に集中するための良いインセンティブとなる一方で、迅速な進展が得られず、最小限の努力でその報酬を得られないときにはフラストレーションを感じてしまいます。これは、好奇心と怠惰が交差する不幸な状況です。 では、この非常に人間的な問題に対する粘り強さの欠如に対して、私たちは何をするのでしょうか？ここで、あまり語られることのない科学の隠れた道具が登場します。それは、科学の文化が発明したシンプルなメンタルトリックで、私たちはこれを「科学的楽観主義」と呼ぶことにします。これは、日常的な楽観主義とは異なります。科学的楽観主義は、基本的には「できる」という精神であり、目の前の問題があなたやあなたのチームによって解決可能であるという期待です。複雑な問題が現れたとき、それを解決できると信じて取り組むことで、解決の可能性が高まります。科学者たちは、自分自身を騙して問題を解決できると信じ込む方法を発明しました。それは、実際に解決するために必要な時間だけのことです。この本の中で、自己欺瞞を避けることが目的ではない唯一の場面です。 歴史の中には、何かが実現不可能だと思われていたにもかかわらず、どこかの誰かがそれを解決したという噂が広まり、突然多くの人々がそれをできるようになった例がたくさんあります。「待って、あの人たちはそれをできる方法を知っている、きっとできるはずだ」と言い始め、彼らはただひたすら試み続けました。「ああ、もしかしたらこうやってやったのかも……。いや、それはうまくいかなかった。別のアプローチだったのかも……。」問題を解決できることが分かると、彼らは諦めないモチベーションを見つけました。そして最終的には、最初に解決した人たちとは全く異なる方法で問題を解決することができたかもしれません。これは、かつては決して破られないと思われていたすべての運動記録、例えば4分のマイルのようなもののメンタル的な同等物と考えることができます。これらの一見打破不可能な人間の限界が、ある一人がそれが可能であることを示した瞬間から、ほぼ日常的に超えられるようになったという話は、誰もが耳にしたことがあるでしょう。 これを私たちの認知的な問題解決の状況に置き換えて考えてみてください。さまざまな廃棄されたIKEAのキャビネットの部品が詰まった箱からキャビネットを一生懸命に作ろうとするのと、いくつかの友人が購入し、成功裏に組み立てたと言っている新しいIKEAのキャビネットキットから作るのとでは、明らかに後者の方がずっと長く続けられるでしょう。 しかし、科学的楽観主義における特別なひねりは、私たちが成功できると一時的に信じることを採用する点です。たとえそれが完全なIKEAのキャビネットキットであることがわからなくても、私たちは難しい問題に取り組むための十分な時間を自分に与えるのです。科学者たちは新しい発見を目指しているため、科学的楽観主義が必要ですが、私たち全員がそれを必要としています。なぜなら、私たちはしばしば保証された解決策なしに問題に取り組まなければならないからです。（科学的楽観主義と対照的な現象が「学習された無力感」です。どうやら、人間や他の動物は、自分のコントロールを超えた不快または痛みを伴う状況を経験しすぎると、その状況を解決しようとするのをあきらめてしまうようです。たとえ実際に現在の状況を改善できるとしても、彼らは試みることすら学んでしまったのです。）私たちが知っている中で、問題が解決可能だと考えることが解決を可能にした最も驚くべき例の一つが、フェルマーの最終定理です。1637年、数学者ピエール・ド・フェルマーは本の余白に次のように書きました。「立方体を二つの立方体に分けることは不可能であり、四乗を二つの四乗に分けることも不可能であり、一般に二次以上の任意の冪を二つの同じ冪に分けることは不可能です。このことの本当に素晴らしい証明を発見しましたが、この余白は狭すぎてそれを含むことができません。」その後358年間、数学者たちはこの問題に取り組みました。なぜなら、彼らはフェルマーの主張に基づいて、それが解決可能だと考えていたからです。そして1995年、この問題は解決されました。おそらくフェルマーが考えた方法とは全く異なる方法で解決されましたが、フェルマーの「できる」という自信に満ちた主張が人々を358年間もこの問題に取り組ませ続けたのです。 ソールは大学院生の頃に科学的楽観主義の重要性に気づき始めました。彼は研究グループを選ぼうとして、リチャード・ミュラー教授が育んだ素晴らしい「できる」精神を持つグループに出会いました。ミュラー教授のグループでは、どんな刺激的なプロジェクトも対象でした。新しい道具が必要なら、単にそれを発明すればよいという感覚がありました。何かを作る必要があれば、それを作りました。新しい分野を学ぶ必要があれば、複雑な電子工学やDNA操作技術であっても学びました。この「できる」精神は、グループを鼓舞し、さまざまな問題や課題に熱心に取り組むことを促しました。その時、グループは木星の重力によって曲がった光の屈折を測定する技術を開発し、ミニテーブルサイクロトロンを発明し、地球の炭素循環を理解するために海上の大気中の炭素を測定し、比較的「近く」の超新星を発見するための初の自動望遠鏡システムを開発していました。このように、魅力的な問題が提示するどんな課題にも快く取り組むという科学の伝統は、私たちの生活のあらゆる場面において、科学が私たちに提供する最大の強みの一つかもしれません。ソールはその最後のプロジェクト、自動超新星探索から大学院生としての研究を始めました。 最終的に、そのプロジェクトはさらに挑戦的なものへと発展しました。同じ技術を使って、宇宙の膨張の歴史を明らかにし、最終的な運命を予測できるほど遥かに遠い超新星を見つけることができることが明らかになったからです。これは非常に困難なプロジェクトになると、ソールと彼のチームは見積もりました。宇宙の膨張率の変化を測定するために必要な数十個の遠方の超新星を見つけるには、3年かかるだろうと考えました。しかし、3年後には、これらの遠方の超新星は一つも発見されませんでした。（ヒント：成功が晴天に依存する分野は、可能な限り避けるべきです！）5年後、最初の超新星が発見されました。7年後には、チームはプロジェクトの進め方を本当に理解し、遠方の超新星を6個程度のバッチで見つけることができるようになりました。9年目には、データセットを手に入れましたが、必要なレベルでの分析方法はまだ見つけられていませんでした。10年後、彼らは答えを得ました — そして大きな驚きがありました：宇宙の膨張は加速しているのです。興味深いことに、10年間の超新星プロジェクトの各段階で、チームはこのプロジェクトが実現可能であると確信していました。科学的な楽観主義が彼らを支え続けましたが、実際にどのように機能するかを見ることが重要です。プロジェクトの各ステップで、チームはこれまでに達成した成功と、目標に向かって進むために次に必要なことを見極めることができました。この反復的な進展は、この「できる」という物語の多くの鍵となっています。科学者たちは、一発で目標を達成することを期待しているわけではありません。 困難な問題、数ヶ月、数年、あるいは数十年かかる問題に対して進展を遂げるためには、通常、こうした反復的な進展が必要です。つまり、各試みでより良い結果を得て、前回の試みから学んだことを基に進んでいくのです。科学的楽観主義の実際的な影響を考える際、この反復的な進展の概念はすべての計画者に共鳴するべきものです。具体例を挙げると、政策立案者や立法者が大規模な福祉改革法案や教育改善法案、犯罪削減法案を作成する際には、何が効果的で何が効果的でないかを学びながら、数年ごとに反復的に改善する必要があるという前提を組み込むべきです。このような政策更新メカニズムは珍しくはありませんが、少なくともアメリカ合衆国においては、政府プログラムの顕著で目に見える特徴ではありません。もしそうであれば、これらの社会的目標の進展度合いについて、もっと実感を持てたかもしれません。 科学者が新しい問題に対して日々持つ「できる」という精神は、共有資源の問題に適用されると、かなり異なる実際的な意味を持ちます。多くの社会的対立は、資源の不足感から生じます。異なる人々やグループが資源を求め、全員が望むものを得るには十分な量がないように思えるのです。 （これは時にゼロサムゲームと呼ばれます。なぜなら、私が得るものはあなたが失うものであり、その逆もまた然りだからです。）例えば、限られた水資源はまず農村の農業に優先されるべきか、それとも都市開発に使われるべきか？全市に電力を供給する汚染を引き起こす石炭火力発電所は、どの地域に設置されるべきか？こうした決定は、社会をどのように構築すべきかという原則について強く対立する哲学的見解を持つ善意の人々の間で、解決が難しい対立の源となることがあります。そして、もちろん、こうした対立は、私たちの自然な競争心を引き出し、できるだけ大きな利益を得ようとしたり、敵を打ち負かそうとしたりする最悪の側面を引き出すこともあります。しかし、「認識された不足」という言葉に注目してください。何かが不足しているという主張は、通常、間違っているかもしれない根底にある仮定に基づいています。それは想像力の欠如です。そこで、「科学的楽観主義」に伴う「できる」という態度が役立つのです。科学的楽観主義がもたらす粘り強さは、私たちが一方の利益が他方の損失となるような決定を強いられないために、その「パイ」を拡大するという代替の可能性を提供します。今日、世界の人口は100年前の4倍に増えていますが、極度の貧困に暮らす人々の割合はほぼ60％から10％未満に減少しました。これは、極度の貧困に暮らす人々の絶対数が減少したことを意味します。たとえ60億人以上の人々が増えたとしてもです。明らかに、極度の貧困の減少は、あるグループから資源を奪って他のグループに与えることの結果ではなく、むしろ資源の生産が劇的に増加したことによるものです。今、私たちはまだ貧困に苦しむ人々のことや、世界的な生産成長が環境に与える影響について懸念しています。再び、私たちは反復的な問題解決能力と科学的な「できる」という精神をすべて活用する必要があります。パイを拡大する解決策のもう一つの興味深い例は、エネルギー生産と消費によって引き起こされる炭素排出量を削減するための取り組みに見られます。近年、温室効果ガスを少なく生産する新しいエネルギー技術（風力、太陽光、地熱、水力）が開発され、既存の技術も改善されてきました。その結果、専門家の中には、これらの技術が今や温室効果ガスを多く排出する古いエネルギー源よりも安価で安全に使用できると考える人もいます。もしそうであれば、どのエネルギー技術を使用するかについての政治的な争いは無意味になります。温室効果ガスに対する人々の関心の度合いに違いがあっても、もしそれを生産しない方が安価であれば、皆が同じ立場に立つことになります。科学の歴史は、つまずきを飛び越えるこうした物語で満ちており、厳しい交渉に対する異なるアプローチを提供してくれます。それは、部屋にいる全員が前進する可能性です。 これは、私たちを恐れさせるようなビジネスプランに基づいたメディアが氾濫する世界において、特に重要な認識です。私たちの自然な反応は、身を縮めて持っているものを守ろうとすることですが、それは一般的に、パイを大きくするウィンウィンの解決策を見つけることを非常に難しく、時には不可能にします。メディアのネガティブな情報に対抗する文化的な解毒剤としての科学的楽観主義は、異なる出発点を提供します。 「ポリアンナ、シュモリアンナ」この楽観主義が漂う中で、私たちの本のテーマである、科学がどのように自分自身を欺くかを探し、その回避技術を開発することはどうなったのでしょうか？大きくて良いパイを焼きながら、できる精神を持ち、反復的な進歩を求めるのは素晴らしいことですが、時には壁に頭を打ち付けるようなこともあります。問題が解決される時期ではないこともありますし、いつ作業を切り上げて別の問題に取り組むべきかを知る必要があります。私たちは、自分たちが問題を解決できると信じ込むことについて軽々しく話しますが、その信じ込みが長引くことは望んでいません。 私たちが注目したいポイントは、一般的に私たちは早すぎる段階で諦める傾向があり、科学的楽観主義が、どんな困難な作業にも避けられない挫折にもかかわらず、私たちを警戒し、生き生きとさせ、モチベーションを保つために必要だということです。しかし、この科学的楽観主義の文化的なメンタルトリックとともに、科学は私たちが圧倒的に大きく見える問題に取り組むための非常に実用的なツールも提供してくれます。これらのツールは、問題をより管理しやすい部分に分解するのを助け、次のステップが本当に大きすぎる時を認識する手助けをしてくれるかもしれません。次の章では、これらのツールのいくつかについて議論します。 現在の章の議論からも、興味深い手がかりが得られます。もし私たちがすでに多くの努力を投資したために問題に固執しているなら、それは警告のサインかもしれません — そして、辞めるべき時かもしれません。プロジェクトにすでに投入した時間やリソースは、単独では続ける理由にはなりません。（一部の読者は、このメンタルトラップに陥ることを「埋没費用の誤謬」と呼ぶことを知っているでしょう。）一方で、もし私たちが漸進的ではあるが実際の進展を見ているなら、それは反復的な改善を通じて解決策に向かっていることを示唆しており、私たちは最良の科学的楽観主義を発揮してそれに取り組むべきです。そして、反復的な進展が不十分で、執拗な「科学的楽観主義」の追求を一時的に保留すべきだと結論づけた場合でも、これは時には目標を放棄するのではなく、一時停止に過ぎないことがあります。解決策のさまざまな要素が同時に準備できていないこともあり、例えば新しい支援技術が利用可能になるまで問題を脇に置く必要があることもあります。 実際、科学者の「できる」という精神の大部分は、長年の問題を記憶し、ある技術が整ったときにそれが解決できることを認識する能力から来ることがあります。（フェルマーの最終定理の解決は、このような性質を持っており、フェルマーの時代には存在しなかった数学の分野で1980年代に得られた成果が1995年の証明の可能性を開きました。）この本で議論されている3MTの概念やトピックの中で、科学的楽観主義はその名の通り、最も前向きなものになるでしょう。他の多くのトピックは、自分を欺かないために気をつけるべきこと、つまり自然な自己妄想に対して重要なブレーキをかける方法に関わっています。しかし、ブレーキだけで車を運転することはできません！科学的楽観主義は、私たちを前進させ、理想的には進展を促すために必要なアクセルペダルなのです。確かに、問題を解決できる保証はほとんどありません。特定の瞬間に結論を得ることはできないでしょう。むしろ、日々、月々、年々、あるいは10年単位で改善のゲームを続けているのです。それは満足できないように聞こえるかもしれませんが、正しい心構えを持てば、反復的な粘り強さを通じて目標に近づいていると感じることは、人生の中で最も素晴らしい喜びの一つです。 科学的楽観主義の文化についてのこれらの考えが頭の中で巡る中で、私たちはしばしば対立する文化に気づき始めます。それは、自己妄想に対する必要なブレーキである健全な懐疑主義の文化ではなく、むしろ流行のシニシズムの文化です。私たちはおそらく、「世の中を見てきた知恵」を示すことで賢く見せようとする引力を感じたことがあるでしょう。「そんなのうまくいくわけがない」というのは素晴らしい会話のストッパーであり、シニカルなコメントはしばしば生産的な会話を終わらせてしまいます。私たちの仕事の一部は、このシニカルな文化を自分自身や他者、メディアの中で見つけ出し、私たちの「できる」という科学的楽観主義が、より冷静な健全な懐疑主義とのバランスを取る役割を果たすことを許すことです。そうすることで、時には、あるいはしばしば問題を解決し、可能性を広げることができるのです。 第11章 [理解の秩序とフェルミ問題 さて、あなたは今「ガスで料理をしている」状態で、大きく複雑な問題に取り組むために最高の科学的楽観主義を使う準備ができています。そんな問題にどうやってアプローチを始めればいいのでしょうか？そして、途中で明らかな結果をどうやって確認すればいいのでしょうか？もちろん、世界は、私たちが行う測定や観察する結果に因果的に影響を与える可能性のある要因がどれほど多いかを示す第3章の忙しい図よりも、はるかに複雑です。あなたは、何かに対してどうするかを決めるために、ほとんどすべての因果関係における自信の度合いを表現しなければならない場合、本当に困ったことになるのではないかと心配し始めるかもしれません。自信レベルが55パーセントを超えることができるかどうかは疑問です。 現実の問題、例えば複雑な状況における「変化のレバー」を見つけることは、科学のツールボックスからより多くの概念的な道具を使うことを必要とします。まず、私たちが「理解の階層」と呼ぶものから始めましょう。世界は非常に複雑な場所です。ほとんどの現実の問題では、多くの要因を考慮に入れなければなりません。しかし、私たちは一度に多くの複雑さを頭の中で保持するのが得意ではありません。人間は短期記憶において、同時に約7つのアイテムしか保持できないという話を聞いたことがあるかもしれません。この主張にはさまざまな注意点があることが分かっていますが、少なくとも直感的には、同時にいくつかのアイデア以上を保持し、扱うのが得意ではないという感覚を持っていることでしょう。 科学的思考がもたらすアイデアは、現実の問題における多くの因果要因が必ずしも同じくらい重要ではないということです。実際に何が起こっているのか、また何が起こり得るのかを理解するためには、これらの要因の中からほんのいくつかを考慮するだけで済みます。したがって、世界の問題を変えるためのレバーを探しているとき、一般的には大きな影響を与える重要な要因がいくつか存在します。これらを「一次要因」と呼びます。問題の本当に重要な部分を理解したら、もう少し精度を求める場合には、いくつかの二次的な因果要因の影響を評価することができますが、その際も次に重要なレバーを使い、他の要因（例えば三次的や四次的な要因）に気を取られないようにすることが重要です。 これをもう少し具体的にするために、地球上のある場所から別の場所に移動するという一見単純な問題を考えてみましょう。地球上の移動については、地球を球体として扱うことで多くのことを理解できます。地球はかなり良い球体です。したがって、地球上の旅行に関する多くのことの一次的な説明は、地球が球体であるということです。この説明は多くの目的に対して機能します（航空旅行の多くはこのようにナビゲートできます）が、アメリカ合衆国を横断する計画を立てる場合には、十分な情報を提供するとは限りません。その場合、地球の表面に山などの「しわ」があるというような二次的な要因を知っておくことが役立ちます。もし地球を滑らかな球体としての一次的な説明に頼っていたら、ロッキー山脈のふもとに来たときに非常に驚くことになるでしょう。一次的な因果要因と二次的またはそれ以下の重要性の低い要因を特定するには、もう少し掘り下げる必要があることがよくあります。 たとえば、ある人が別の人よりも高い給与を得る理由を決定する要因を考えようとしているとします。ジョーが高収入の人だとしましょう。これは彼が勤勉だからでしょうか？最初に思いつくのは、勤勉さが彼の収入を左右する最も重要な一次的要因の一つである可能性が高いということです。もう一つの要因は彼の職業かもしれません。 しかし、誰かが指摘するかもしれません。ジョーがニューヨークに住んでいるのか、ゴビ砂漠に住んでいるのかも重要な要素のように思えます。確かに、砂漠よりもニューヨークで高収入を得る方が容易なように思えます。実際、世界にはジョーと同じくらいの収入を得るのが難しい場所がたくさんあるでしょう。もし、場所による収入のばらつきが、同じ場所内の労働者間のばらつきよりもはるかに大きいなら、場所が第一の原因と見なされ、努力や職業は第二の原因とされるでしょう。カナダがアメリカに隣接していることは、カナダとアメリカの貿易が盛んな第一の原因だと思いますか、それとも第二の原因、あるいは第三の原因だと思いますか？最初は、カナダの近接性を第一の原因として考えないかもしれません。おそらく、カナダが高度に工業化された国で非常に洗練された製造業を持っていることが第一の原因であり、その位置が第二の原因だと考えていたのかもしれません。しかし、もう一つの事実を知ると、メキシコが実際には私たちの第三の貿易相手国であることがわかります（中国の次に）。もしメキシコが第三位であり、カナダよりもはるかに工業化されていないビジネス環境にもかかわらずそうであるなら、カナダは近くにいることで大きな利益を得ているのではないかと考え始めるかもしれません。したがって、近接性は実際には第一の原因かもしれません。第一、第二、第三などの因果関係の観点から世界を理解することは、今日の私たちの世界を形作る巨大な科学的進歩とそれに伴う技術的飛躍を達成する可能性をもたらしました。物体の運動を予測する最も単純な場合でも、空気抵抗や太陽光による圧力といったさまざまな第二、第三の要因を無視する必要があります（この最後の要因は一般的にはおそらく第四の要因ですが、特定の物体の宇宙での運動に関しては第一の要因です）。しかし、私たちが行うすべての決定が効果的かどうかを判断する上で、これらの理解の順序が重要な役割を果たすことは、さらに明白です。もし私たちが第二、第三の原因に気を取られてしまうと、変化をもたらすことはできません。第一の原因を特定し、そこに焦点を当てる必要があります。時には、私たちは自然にこのような理解の順序を見極めるのが得意です。車のハンドルが突然振動し、中心から外れる場合、まずはフラットタイヤを第一の原因として探し、老朽化したショックアブソーバーやサスペンションのわずかなずれといった第二の原因については心配しません。しかし、時にはさまざまな第二の説明を追い求めて、最も重要な第一の要因を見逃してしまうことがあります。私たちの気分や子供の気分が落ち込んでいる理由を微妙に探ろうとするかもしれません（私の仕事は完璧に合っているのか？息子の先生は彼を理解しているのか？）が、最大の要因である睡眠不足を見逃してしまうことがあります。明らかに、テクニカルサポートのヘルプデスクは、私たちが問題の第一の原因に常に焦点を当てているわけではないことを知っています。彼らは電話を始める際に、まず製品が電源に接続されているかどうかを尋ねます！ 考えてみると、私たちの多くは、良い睡眠の因果要因についての「理解の階層分析」を行うことで本当に利益を得られるでしょう。これにより、昼間の運動、夜の瞑想やストレッチ、最後の食事のタイミング、そして良い行いをして良心を清めることで「どうやって夜は眠れるの？」という非難に答えなくても済むように、さまざまな不眠症の治療法を試すのをやめることができるかもしれません。 より大きなスケールで考えると、もしあなたが町の議会のメンバーで、地元の交通事故を減らしたいと思っているなら、交通事故の第一因を知ることが極めて重要です。これらは、あなたが政策や新しい法律、規制に焦点を当てたい事柄です。おそらく、飲酒運転、注意散漫運転、スピード違反、居眠り運転を減らしたいと考えるでしょう。そして、これらがすべて第一因であることを確認するための研究を行うか、あるいはこれらの中の一つが他のものよりもはるかに問題ではない、第二因であることを発見したいと思うでしょう。目隠し運転を規制することは無駄です — これは明らかに事故を引き起こしますが、現在の事故率の第一因、第二因、第三因、さらには第四因のいずれでもありません。（重要な微妙さ：第一因と第二因を見極める際には、問題の枠組みが重要です。たとえば、自動運転車を開発している人に交通事故の第一因について尋ねると、彼らは「10年後には、人間が運転していることが唯一の第一因であることを当たり前に思うようになるだろう」と答えるかもしれません。） 社会問題を解決しようとする立法者としての将来のキャリアを考え続けると、もしあなたが議会にいて赤字を減らしたいと思い、人々が社会保障のような権利に関する支出が予算赤字の主な原因だと言っているなら、それが本当に問題の第一因なのかを尋ね、調べる必要があります。あるいは、別の上院議員が「そういえば、私たちはピーナッツ農家への補助金に全てのお金を使っている」と言うかもしれません。その時、あなたは「ピーナッツ農家への補助金？それは赤字の第三因にもなりませんよ！」と返すでしょう。 **楽園の中の問題** 問題を理解の階層に分解できる世界には、少し魔法のようなものがあります。何かを説明しようとする際に、支配的で最も重要な因果要因を探すだけで、通常は大きな成果を得られるようです。そして、その単純な第一因の説明に対する最も明白な例外を考慮すると — これらの例外があなたの「第二因の説明」になります — 大抵の場合、あなたは帰宅しても大丈夫です。第一因と第二因の説明だけで十分なことが多く、何かを理解するために127の異なる変数を頭に入れておく必要はありません。 もちろん、私たちが理解できない世界の事象はたくさんあります。その理由は、そうした事例を理解するためには127の変数を頭に入れておかなければならないからだと考えられます。これらの変数はすべて同じくらい重要な要素です。しかし、それでもこの方法を使って私たちが世界についてどれだけ多くのことを理解できるかは驚くべきことです。ここで一つ注意点があります（常に何かしらの注意点があります！）。これまでの理解の順序に関する話に対して、漠然とした不満を感じているかもしれません。それは、どの要素が第一の要因であるかを事前に教えてくれる人はいないからですし、それが明らかでないことも多いのです。明らかでないだけでなく、私たちの最初の推測はしばしば間違っています。 政府の予算について再度考えてみましょう。市民として、私たちは政治候補者の間で何が本当に重要かを巡る議論を仲裁するために（投票によって）呼ばれることがよくあります。ある候補者が、投獄を減らすことで社会保障の長期的な持続可能性や教育の質を劇的に改善できると主張していると想像してみてください。出発点として、あなたの一般的な知識や印象に基づいて、投獄、教育、社会保障の3つの要素を政府の社会支出に対する貢献度でどのようにランク付けするかを書き出してみてください。（連邦、州、地方のすべての支出を考慮していると仮定します。）どれに最も多く支出しているか、次に多いか、最も少ないかを考えてみてください。実際にそのメモを取っておいてください。後で戻ってきます。 投獄、教育、社会保障の予算コストの順序に対する自信レベルはどのくらいですか？このような問題において第一の要因と第二の要因を区別するのは簡単ではないので、自信があまり高くないかもしれません。ここで、私たちの科学的思考ツールボックスから次の重要なツール、フェルミ推定を紹介します。これは万能薬ではありません — すべての問題を解決するわけではありませんが、正しい方向に進む手助けをしてくれ、第二の要因を第一の要因と誤解することを防ぎ、無駄な努力や巨額の費用を浪費することから救ってくれます。（「フェルミ推定」という言葉が難しそうに聞こえても心配しないでください — 実際にはそれほど難しくなく、過去にすでに行ったことがあるかもしれません。） フェルミ問題のアイデアは、有名な物理学者エンリコ・フェルミに由来します。彼は常に学生たちに迅速な推定を必要とする問題を出していました。おそらく、フェルミはこれらをフェルミ推定とは呼んでいなかったでしょうが、それ以来、世代を超えた物理学者たちは「フェルミ問題」に対する迅速な推定を求められてきました。フェルミの有名な例の一つは、「シカゴにはピアノ調律師が何人いるか？」というものでした。（このフェルミ問題を私たち著者への挑戦として使いましょう：この章の終わりまでに、読者が自分自身で答えられるような状態にしておくべきです。） フェルミ推定は、第一級の説明と第二級の説明を区別するための非常に実用的な機能を果たします。そして、数字がポイントを証明するために使われる世界において、これらの数字が本当に意味を持つのかを確認するための非常に有用な技術でもあります。しかし、フェルミはおそらく、この迅速な推定手法に慣れることで学生たちが学んだ「できる精神」にも興味を持っていたのでしょう。この方法で世界を把握できると気づくことは、非常に力強い感覚をもたらします。フェルミの推定手法を政府の社会支出の推定に適用する前に、まずは別の、ややシンプルな例から始めてみましょう。 アメリカ合衆国にどれくらいの車があるかを推定しようとしていると想像してみてください。インターネットにはアクセスできないので、頭の中にある知識だけが頼りです。最初のステップは、他の推定値に基づいてこの推定をどのように得られるかを考えることです。それらの推定がより身近で簡単にできるため、いくつかのアイデアを試してみますが、すぐにそれらは簡単ではないと判断して却下します。例えば、アメリカの道路の長さを推定し、1マイルあたりの車の数を計算することや、アメリカの都市の数を推定し、各都市にどれくらいの車があるかを考えることです。しかし、次にアメリカの人口を推定し、その中でどのくらいの割合が車を所有しているかを考えることにします。多くの人がアメリカの人口についてある程度の知識を持っており、友人や知人の車の所有パターンが1人あたりの車の数を推定するのに役立つからです。最近の数十年でアメリカの人口は3億人を超えたことを思い出すかもしれません。したがって、300百万という数字を使うか、人口増加を考慮して少し高めの数字を使います。330百万、つまり10パーセント高い数字を使いましょう。もし全員が車を持っていたら、約3億3千万台の車があることになります。しかし、全員が車を持っているわけではありません。赤ちゃんや子供は車を持っていません。多くの若い大人も車を持っていません。高齢者の中には車を共有している人もいます。一方で、複数の車を持っている人や、家族の人数とほぼ同じ数の車を持っている家族もいます。したがって、車の数はおそらく人の数の半分程度であるかもしれません。これにより、道路上には約1億6千5百万台の車があることが示唆されます。私たちは数百万台、あるいは数千万台の誤差があるかもしれませんが、推定の桁数は正しいと自信を持つことができます。これが「おおよそ」推定するということの意味です。最終的で正確な数字を得ようとしているわけではありません。手元の情報からはそれを得ることは不可能だとわかっています。（ちなみに、私たちはこれを調べてみましたが、約30パーセントの範囲内に収まっています。どの車両を数えるかによっては、もっと良いかもしれません。） 推定に使用する数字が不明な場合、上限と下限を設定することが役立つことがあります。例えば、アメリカにどれくらいの人がいるかはわからないが、上限と下限を示すことはできるかもしれません。 まずは、丸い数字の妥当性をテストすることから始めましょう。アメリカには確かに10万人以上の人がいますが、100万人以上いるのでしょうか？それが妥当に思えるなら、上限について考えてみてください。10億人以上いる可能性はありますか？いいえ、それはちょっと多すぎるように思えます。ですので、人口は100万人と10億人の間にあると推測できます。多くの目的において、それが必要な情報のすべてです。（国の「1ドル札を送ろう」というキャンペーンが、困難な状況に対する反応として瞬時に億万長者を生み出したというクリックベイトの主張は、自信を持って否定できます。）では、上下の限界を両方使う例を見てみましょう。例えば、アメリカ人が昨年、私用車のガソリンにいくら使ったかを知りたいとします。自問してみてください… それは1000万ドル以上であることは確かですか？1億ドル以上であることは確かですか？10億ドル以上であることは確かですか？実際の数字よりも確実に低いと思う最大の数字は何ですか？これがあなたの下限になります。次に、上限について考えてみましょう。金額は確実に100兆ドル未満ですか？はい。10兆ドル未満ですか？はい。1兆ドル未満ですか？おそらく。下限を10億ドル、上限を1兆ドルと設定すれば、それが必要な範囲かもしれません。この金額がアメリカの年間輸入のかなりの部分を占める可能性があることは明らかですので、これらの下限と上限は、私たちが推定をさらに洗練させることを促すかもしれません。 【トレードのコツ】 — この最初の例では、フェルミ推定を行うための3つの便利なコツを使用しましたので、ここに挙げておきます。1. 身近な用語で推定する。馴染みのない、アクセスしにくい数量を、馴染みのある、アクセスしやすいものに分解します。（最初のケースでは、アメリカの人口についての感覚が車の数よりも良かったので、後者の推定は前者に基づいて行いました。）2. おおよそであること。推定は定義上近似値ですが、「十分に近い」ことが通常は許容されることを認識することが重要です。多くの場合、3倍の範囲内で良い答えを探しているのです。言い換えれば、推定しようとしている真の数量が100であれば、33から300の間のどの推定も十分に良いということです。これは、推定を構築するために使用している身近な数字も、それ以上の精度を必要としないことを意味します。3. 不確かな場合は、まず上下の限界を推定する。では、先ほどの質問を使って、これらの推定のコツをもう少し進めてみましょう。「昨年、アメリカ人はガソリンにいくら使ったのか？」という質問です。先ほどの10億ドルから1兆ドルという広範な範囲よりも、もう少し具体的にしてみましょう。では、質問を構成要素に分解することから始めましょう。アメリカにどれだけの車があるかを推定することから始めたので、そこから始めましょう。 もし私たちがアメリカにどれだけの車があるかを知っていれば、それを使って典型的な車が年間にどれだけのマイルを走るかと組み合わせることができるかもしれません。そうすれば、車がどれだけのガロンあたりのマイルを走るかを推定でき、さらにガソリンの価格が1ガロンあたりいくらかもわかります。こういったことはすでに知っているかもしれませんし、すべてを組み合わせて合理的な推定を導き出すことができます。それでは、この材料のリストをできる限り詳しく見ていきましょう。私たちはすでにアメリカには約1億6500万台の車があると推定しました。では、平均して1台の車は年間にどれくらいのマイルを走るのでしょうか？もし中古車を買おうとしたことがあるなら、あるいは誰かが中古車を売ったり買ったりしているのを見たことがあるなら、その感覚を持っているかもしれません。一般的に、合理的な中古車は年間1万マイルを超えることはあまりなく（おそらく1万2000マイル？）、1万マイルはちょうど良い数字なので、それを使いましょう。次に燃費です。平均して車は1ガロンあたり何マイル走るのでしょうか？多くのトラックやSUVは20マイル未満ですが、ハイブリッド車は40マイル以上です。平均して約20マイルとしましょう。私たちの目的のためには、1マイルあたりに使われるガロン数を知る必要があるので、その逆数、つまり1/20または0.05（マイルあたりのガロン数）が必要です。これまでの数字を組み合わせると、これらの車が年間にどれだけのガソリンを使うかがわかります。次に、ガソリンの価格が1ガロンあたりいくらかを知る必要があります。良い数字は何でしょうか？カリフォルニアでは、私たちが本を書いていたとき、通常は1ガロンあたり4ドルでした。その数字を使い、他の地域より少し高いかもしれないことを覚えておきましょう。さて、全ての要素を組み合わせてみましょう。1億6500万台の車 × 1万マイル/年/車 × 0.05ガロン/マイル × 4ドル/ガロン = 3300億ドル/年。私たちの推定は3300億ドルです。これは、下限の10億ドルと上限の1兆ドルの範囲内に収まります。このフェルミ推定を達成したことで、私たちはこの推定に対する信頼度についても何か言うことができます。私たちが推定に至るために使用したすべての数字を見て、どの程度まで大きくまたは小さくすることを許容できたかを判断してください。これは、私たちが到達した数字に対する自信の程度を推定する方法です。第4章では、あなたが述べる事実の命題に対して信頼レベルを示すゲームをしました。さて、フェルミ推定を通じて作業した後、ほとんどの読者は、アメリカ人が年間にガソリンに使う実際の金額が1000億ドルから1兆ドルの間であるということに、かなり自信を持ち始めていることでしょう（例えば80％から90％の自信）。もちろん、それに家を賭けることは望ましくないので、それは良いことです。これが適切な自信の度合いのようです。（原則として、私たちは実際の数字が3300億ドルの推定値を中間点とするより狭い範囲内にあるという自信も示すことができます。） 例えば、実際の金額が2000億ドルから4600億ドルの間であると、私たちが70パーセントの確信を持っているとしましょう。この特定のケースでは、答えは実際には1000億ドルから1兆ドルの間です。調べてみると、アメリカ人は2012年にガソリンに約4000億ドルを使い、2022年には価格が高騰したため約5600億ドルを使ったことがわかりました。私たちのフェルミ推定はかなり良い結果でした。もしあなたがガソリンに年間3300億ドル使っていると推定したなら、それは4000億ドルを使っていると知るのと同じくらい良いかもしれません。例えば、誰かが「私の新しい発明で、車を5倍効率的にする方法を見つけた。来年、アメリカ合衆国に10兆ドルの節約をもたらす！」と言ったとしましょう。あなたはその人を見て、「いや、そんなことはないよ。私たちは年間そんなにガソリンにお金を使っていない。アメリカがそんなにお金を節約できるわけがない」と言うでしょう。（私たちはいつも誰かの気泡をつぶす面倒な人にはならないでしょうが、時には私たちのフェルミ推定が彼らを支えることもあります！） さて、ここでフェルミ推定のゲームがフェルミの時代から劇的に変わったことに触れておく価値があります。今では多くの数字をオンラインで調べることができるからです。数回のタッチやスワイプで多くの事実やデータが手に入るため、実際にはフェルミ問題の出発点が数年前とは大きく異なるかもしれません。しかし、デジタル時代においても、フェルミ推定が依然として有用である理由が3つあります。まず第一に、見つけられないかもしれない量の推定を行うための出発点として、オンラインで何を調べるべきかを考えなければなりません。これは、推定の基礎として使えるかもしれない既知の情報を特定することに似ています。第二に、人生を通じてオンライン（や他の場所）で主張に出会ったとき、あなたの仕事は「それは全く意味があるのか？」と自問することです。人々はウェブサイト上でこの物が巨大だとか、あの物が小さいといったさまざまな主張をするでしょうが、フェルミ推定者としてのあなたの仕事は常に「ちょっと待って。それはあり得ない。なぜなら（例えば）世界にはこの数の人しかいないことを知っているから、その数字は意味がない」と言うことです。聞いた数字をチェックするために、常にフェルミ推定を使うべきです。これは物理学者の「正気のチェック」です。最後に、フェルミ問題を考えるプロセスは、問題が何で構成されているのかを分析することを強いるため、それ自体が第一の要因を理解するための重要なステップです。このプロセスは、第一または第二の要因ではないが、念頭に置いておきたい要因を思い出すのにも役立ちます。 さて、最後に、国家の社会支出予算におけるどのタイプの政府支出が第一の要因で、どれが第二の要因であるかという理解の順序に関する例に戻りましょう。 この支出のサブセットの中で、（1）投獄、（2）教育、（3）社会保障について考えてみましょう。この質問には、役立つ追加のポイントがあります。異なる3つの量を比較するために推定しているので、できるだけ同じ方法で推定することが重要です。そうすることで、たとえ推定がずれていても、比率は正しいかもしれません。ここで提案する戦略は次の通りです：まず、教育、投獄、または社会保障の対象となるアメリカの人口の割合を推定します。次に、その人口のサブセットに属する各人について、教育、投獄、または社会保障にかかる費用を推定します。これを表にまとめると、比率を簡単に比較できます。 年間でそれぞれの政府支出の対象となる人数の推定はそれほど難しくありません。平均寿命が約85歳であることを考えると、人口の4分の1以下しか社会保障を受ける年齢には達していません。学校に通っている人の割合もおおよそ同じです。一方、刑務所にいる人の数ははるかに少なく、割合で見ると1桁台です。アメリカ合衆国は世界で最も高い投獄率の一つを持っていることを聞いたことがあるかもしれませんし、自分のコミュニティでの投獄の一般的な状況についても大まかな感覚を持っているでしょう。しかし、性別、地域、年齢、社会経済的条件、人種によって大きく異なることも知っています。これらの要素を考慮した上で、人口の2％を投獄されている人の割合の初期推定値として使ってみましょう（これは50人に1人ということになり、確かに多いように感じます）。 一人当たりの年間コストの推定は少し難しいかもしれません。教育にはどのようなコストがかかるのでしょうか？教師の給与、管理者の給与、清掃員の給与、建物の維持管理費や光熱費、学校を建設するための資本コスト、教材や教科書の購入費用などがあります。まず、平均的な小学校の教師が年間5万ドルの給与を得ていて、25人の生徒を担当していると仮定しましょう。そうすると、各生徒の給与コストは約2000ドルになります。この金額を3倍にすれば、他の給与やその他のコストをカバーできるかもしれません。これが低すぎるかもしれませんが、重要なのは大まかな見積もりをすることです。 投獄に関しても同様のコストがありますが、教師は看守に、学校は刑務所に置き換わります。多くの囚人には教科書がありませんが、囚人は1日3回食事を与えられ、衣服を必要とし、医療ケアも受ける必要があります。両者を比較すると、24時間人を拘束するコストは、6時間または7時間教育するコストよりもはるかに高いと結論付けざるを得ません。仮にそのコストが3倍、つまり囚人1人あたり年間1万8000ドルだとしましょう。 社会保障の年間コストを一人当たりで推定するのは比較的簡単です。たとえば、あなたのお父さんやおばあさんの月々の社会保障手当の額を知っているかもしれません。または、社会保障が退職者に最低限の生活費を提供することを目的としていることを知っているでしょう。アメリカのほとんどの地域では、それは年間約2万ドルに相当します。これらの大まかながらも妥当な推定値を表に挿入すると、次のようになります。 政府の三つの社会機能に関するフェルミ推定 | 機能 | 人口の割合 | 人数 | 一人当たりのコスト | 年間総コスト | |----------------|------------|------------|---------------------|------------------| | 教育 | 25% | 8000万人 | 6000ドル | 4800億ドル | | 投獄 | 2% | 600万人 | 1万8000ドル | 1080億ドル | | 社会保障 | 25% | 8000万人 | 2万ドル | 1兆6000億ドル | 表の項目からわかるように、右側の列の合計を計算しなくても比較ができます。投獄と社会保障の一人当たりの推定年間コストは非常に近いですが、社会保障を受けている人の数が投獄されている人よりもはるかに多いと推定されるため、社会保障にかかる費用の方が投獄よりも多くなるでしょう。同様に、教育に関与している人数と社会保障に関与している人数はほぼ同じと推定されますが、一人当たりの教育にかかる費用は少ないと見積もられています。教育と投獄を比較すると、教育に関与している人数は投獄されている人数の約10倍以上であるのに対し、投獄の一人当たりのコストは教育の約3倍程度に過ぎないと考えられます。つまり、教育にかかる費用の方が多くなるということです。したがって、合計を計算することなく、政府の三つの機能の支出に関する相対的な順位をある程度自信を持って推測できます。社会保障が最もコストがかかり、その次が教育、最後が投獄です。実際の数字を見てみると、私たちの推定は正しいことがわかります。最近のある年の納税者による支出は、教育に約8000億ドル、投獄に600億ドル、社会保障に11000億ドルであり、私たちの最終的な推定値はいずれも2倍以上の誤差はありません。 あなたが相対的な順位について書き留めたものを見て、フェルミ問題からの順位と比較してみてください。多くの人が最初に投獄にかかる費用が教育よりも多いと推測することが多いですが、私たちのフェルミ問題アプローチは、これは正しい順位である可能性が非常に低いことを示しました。実際、フェルミ推定は投獄が第一の要因である可能性をかなり低くしています。そして、数ページ前のこの質問の冒頭を思い出すと、投獄を減らすことで社会保障や教育の資金を劇的に変更するという政治候補者の提案がうまくいかない可能性が高いことが明らかになります。 もちろん、これらのコスト見積もりや政府予算における相対的な順位は、全体の社会支出予算の全体像を描く際にのみ有用です（そして、政治候補者が現在の状況を誤って伝えているかどうかを示すかもしれません）。これらは相対的な順位がどのようであるべきかを教えてくれるものではなく、単に現在の順位を示しているに過ぎません。（本書の後半では、何があるべきかを効果的に考える方法についても見ていきますが、そこには価値観に関する問題が含まれます。）フェルミ推定について最後に重要な点を挙げると、もしあなたがこうした小さな計算を常に行っているわけではないなら、フェルミ推定を使うことはあまり魅力的に思えないかもしれません。しかし、その不安を乗り越えることができれば、驚くべきことに、フェルミ推定がどれほどの距離をもたらすかを実感することができます。この経験に本当に興奮している人々を多く見てきました。もしまだそのような見積もりを行ったことがないなら、いくつか試してみることをお勧めします。どれほど満足感を得られるかを実感できるでしょう。目標は、この経験によって力を与えられ、どんな理由であれ気分が落ち込んだときに、世界の問題に対して驚くほど効果的な推定手法を使って対処できるという知識で自分を元気づけられるようになることです！科学的楽観主義、理解の秩序、そしてフェルミ推定は、私たちが世界の大きな（そして小さな）問題に取り組むための「できる」という道具セットを提供してくれます。たとえば、誰かが数字を持ち出したり、何かが他の何よりも重要な要因であると主張したりしたときには、これらのことを考えるようになるでしょう。そのような優先順位の主張に対しては、「さて、他のすべての因果要因は何で、彼らが順序を外れている理由はあるのか？」と自問することが大切です。そして、もし誰かが「この問題は決して解決できない。状況には要因が多すぎる」と言ったら、「例えば、この集団の識字率が上昇している理由は何百万もあるかもしれないが、それは私たちが一つか二つの主要な第一因を見つけて、それに取り組むことで進展できないということではない。見積もりを試してみよう！」と言えるようになるべきです。 第4部 | ギャップを考える：第12章 経験から学ぶのが難しい理由 本書の第4部では、個々の人間の思考がどのように誤ってしまうのか、特に驚くべき方法について考察します。この議論を進めるために、これまでの内容を簡単に振り返りましょう。前の3部では、幅広い科学に基づく思考ツールについて議論してきましたが、少なくとも3つの具体的な目標を念頭に置いています。まず、私たち一人ひとりがこの多様なツールを日常の決定や計画に常に活用すべきであり、これらのツールは私たちが自分を欺くさまざまな方法から守ってくれ、世界の複雑さに立ち向かう力を与えてくれるのです。 第二に、これらのツールに対する基本的な理解は、科学者や医師、その他の研究者から得られる重要な情報をもとに意思決定を行う際に、私たちが耳にすることを理解し（時にはそれを検証するのにも）役立ちます。最後に、世界についての発見を要約できる専門家を見つけようとする際には、これらのツールに対する理解を信頼できる情報源の一つの指標として探すことができます。もし私たち著者がしっかりと仕事をしていれば、これまでの章でこれらの使い方をすでに目にしているはずです。 しかし、時には「なぜこれらの時に複雑な思考ツールが必要なのか？」と考えてしまうのも自然なことです。経験から世界について知ることができるのではないでしょうか？子育てや同僚との協力、夕食の準備、地域のイニシアティブへの投票など、日常生活の中では、関連する変数が目の前に（文字通りまたは比喩的に）存在し、特別な機器なしで検出できます。少しの試行錯誤で物事を解決できるのではないでしょうか？実際、私たちは熱いストーブに触れないことをすぐに学びましたし、それは専門家からの特別な指導なしにできたことです。経験から学ぶのが得意だという印象を拭い去るのは難しいものです。英語圏では「厳しい経験の学校を卒業した」と自慢することが一般的です。哲学者ジョン・デューイは「真の教育はすべて経験を通じて行われる」と名言を残し、彼の考えは教育における体験学習運動を通じて影響を与え続けています。私たちが体を治すために外科医を必要としたり、家を修理するために請負業者を必要としたりする際、多くの人は最も経験豊富な専門家を好むかもしれません。しかし、経験がしばしば失望させる教師であるという証拠はかなりあります。例えば、雇用者は求職者を選ぶ際に職務経験を重視しますが、職務経験は仕事のパフォーマンスを予測する上で驚くほど弱い指標です。確かに、経験豊富な労働者は完全な初心者よりも優れたパフォーマンスを発揮しますが、非常に経験豊富な労働者が必ずしも仕事の初期トレーニングを終えた労働者よりも優れているわけではありません。医療のような多くの専門職では、ピークの精神的・身体的能力を維持している高齢の労働者でさえ、自分の分野の新しい発展についていけなくなることがあります。彼らは学ぶことをやめてしまいます。技術、医学、科学の革新の歴史を振り返ると、どれだけ多くの発見や発明が高度な機器や複雑な数学、大金を必要としなかったかが驚くべきことです。レバー、音声アルファベット、釘、組立ライン、制御実験などがその例です。それでは、なぜそれらが登場するのにそんなに時間がかかったのでしょうか？例えば、病原体説は1500年代に最初に提唱されましたが、ルイ・パスツールやジョン・スノーが他の人々に真剣に受け止めさせるまでにはさらに3世紀かかりました。 私たちの脳が記録された歴史のずっと前に現代の形に達していたことを考えると、多くの革新が実際に起こるよりもずっと早く発生していた可能性があるように思えます。今日あなたが行っていることのうち、もしゼロから始めなければならなかったら、どれだけのことが可能だったでしょうか？耐久性があり快適な靴を作る方法を知っていましたか？歯ブラシや眼鏡、ダクトテープをデザインすることができましたか？淹れたコーヒー豆が目覚めを楽にすることを発見しましたか？私たちの子供たちは、昨年更新されたスマートフォンの基本的な機能すら発見できないのはなぜかと、困惑しながら尋ねます。理由の一つは、環境の多くの特徴が経験から学ぶことを難しくしているからです。私たちの感覚は刺激にさらされていますが、第6章の言葉を借りれば、その中には有用な信号もあれば、無関係なノイズもあります。これらの信号の中には他の信号と相関関係があるものもありますが、世界の中で信頼できる関係を見つけるのは難しいです。なぜなら、それらはしばしば確定的ではなく、確率的だからです（「Aの後にはおそらくBが続く」）。あなたは「わかった、最初はうまくいかないかもしれないけれど、試行錯誤を通じて最終的には理解できるよね？」と反応します。しかし、環境が常に変化しているとき、試行錯誤は非常に難しいのです。これは、誰かが「最後の戦争と戦っている」と批判される理由でもあります。また、結果のフィードバックがしばしば遅れること（時には数ヶ月や数年後）も問題です。そして、関係が確率的であるため、時には誤った行動の後に良い結果が生じたり、最適な行動をとったにもかかわらず悪い結果が起こったりします。さらに悪いことに、私たちの試行錯誤による学習の努力は、制御された実験にすら近づくことがほとんどありません。私たちは、他のすべてを一定に保ちながら、一度に一つの変数を隔離しようとすることはほとんどありません。私たちは、もしAの代わりにB（または何もしなかった場合）を行っていたらどうなっていたかを観察する機会もほとんどありません。しかし、経験から学ぶことを難しくする要因の多くは、環境的なものではなく心理的なものです。この章では、その主な要因のいくつかを考察します。最初に明確にしておきたいのは、これらの要因は「一般人」と科学者や他の専門家を区別するものではないということです。私たちは皆、日々これらの影響を受けています。科学者も例外ではなく、次の2章でその十分な証拠を提供します。後の章で探るように、科学がこれらの心理的要因を（時には）回避できる理由は、科学者の特性よりも、科学的方法や思考の習慣が私たちの限界を克服するのに役立つからです。また、これから見ていく心理的要因は「病理」ではなく、通常の人間の認知の特性であることを強調しておきたいと思います。そのため、これらの要因は何らかの形で適応的であるため、広く存在している可能性が高いです。ほとんどの要因は、より体系的な推論プロセスが困難または負担になる状況で、私たちの脳が効率的に機能する方法に関わっています。 習慣 人生で身につけたスキルを考えてみると、そのほとんどが意識的に考えなくても行えることに気づくかもしれません。アクセルペダルをどれくらい踏むか、温水をどうやって出すか、靴をどう結ぶかを考えたのはいつが最後でしょうか？これらはすべて習慣です。習慣は私たちが同時にいくつものことをこなすことを可能にし、またエネルギーを節約します。なぜなら、すべての行動について意識的に考えるのは疲れるからです。（仏教のマインドフルネス瞑想を試みたことがあるなら、私たちの言わんとすることがわかるでしょう。）私たちの脳がパフォーマンスを「自動化」する能力は、新しいことに注意を向ける余裕を生み出します。たとえば、車の中の乗客が話しているストーリーに耳を傾けることができるのです。習慣は正常な機能にとって非常に重要であり、ウィリアム・ジェームズはそれを「社会の大きなフライホイール」と呼びました。アルフレッド・ノース・ホワイトヘッドは「文明は、私たちが考えずに行える重要な操作の数を拡大することで進歩する」と主張しました。習慣は完全に無意識ではありませんが、非常に迅速かつ effortless に行われるため、私たちが観察したり制御したりするのは難しいのです。スキルを最初に身につけると、その効果を観察する機会があり、調整したり拒否したりすることができます。しかし、スキルがより自動的になるにつれて、それがどれだけうまく機能しているかを注意深く監視するのが難しくなります。「悪い習慣」は機能不全に陥った習慣ですが、それが非常に effortless であるため、壊すのが難しいことがあります。したがって、習慣は私たちが経験から学ぶのを妨げることがあります。なぜなら、注意を払わずに行動できるからです。 ヒューリスティックスとバイアス 経験から学ぶのを難しくするもう一つの要因は、私たちの判断におけるさまざまなバイアスです。これらのバイアスは、環境内の重要な情報を見落としたり、歪めたり、否定したりする原因となります。習慣と同様に、バイアスも私たちの脳が迅速に物事を行おうとする際に生じることが多いです。その結果、私たちが持っている証拠を最適に活用できないことがコストとなります。「バイアス」という言葉は、あまりにも軽々しく使われることが多いです。誰かの意見が気に入らないからといって、その人を「バイアスがかかっている」と非難するのは簡単です。幸いなことに、第9章で述べたように、判断バイアスは比較的客観的に定義できます。プロセスが多くのランダムなエラーを生じるとき、それは「ノイズが多い」と言いますが、システマティックなエラーを生じるとき、つまり常に正しい答えよりも高いか低い場合、それは「バイアスがかかっている」と判断します。したがって、客観的な基準や真の値があるとき、他者のバイアスをその基準や値と比較することで特定できます。客観的に真実がわからない場合、そのアプローチは機能しませんが、研究者たちはバイアスを見つけ出すためのさまざまな実験戦略を開発しています。ウィキペディアには文書化された認知バイアスのリストがあり、最後に確認したときには123件のエントリーがありました！これにより、心理学者がバイアスごとに報酬を得ているように思えるかもしれませんが、実際にそういう人もいるかもしれません。 これらのバイアスの多くは、心理学者ダニエル・カーネマンとアモス・トヴェルスキーによって初めて文書化されました。トヴェルスキーは1996年に若くして亡くなりましたが、カーネマンはその後、二人の共同研究によりノーベル賞を受賞しました。カーネマンのベストセラー『ファスト＆スロー』は、これらのバイアスを理解するための最良の入門書であり、まだ読んでいない方にはぜひ読んでいただきたいと思います。これらの現象の中には「バイアス」という言葉が名前に含まれているもの（例：確証バイアス）もあれば、「ヒューリスティック」と呼ばれるもの（例：利用可能性ヒューリスティック）もあります。これら二つの言葉の違いは曖昧ですが、概ね「バイアス」は結果（判断されるべき真の値からの系統的な逸脱）を指し、「ヒューリスティック」は特定のバイアスを生み出すプロセスを指します。ヒューリスティックとは、慎重な熟考という難しい認知作業を避けるために、私たちが学んだ迅速な判断を行うための特定の簡易（しかし誤りやすい）手法です。 バイアスは「ホット」と「コールド」の連続体に沿って変化します（温度の比喩を使うと）。ホットバイアスは私たちにとって非常に馴染み深いため、説明が最も簡単です。これらは感情（特に怒りや恐れ）や動機（私たちが望む結果や信じたいこと）から生じます。一方、コールドバイアスは、特に目標や欲望がない冷静な状況でも、迅速な判断を行う際の典型的な方法の副産物のように見えます。ゲルト・ギーゲレンザーと彼の同僚によって示された例として、私たちが都市の名前に対する親しみからその相対的な大きさを推測する方法があります。これは通常、大都市が小都市よりも有名であるため、うまく機能します。しかし、これにより誤った推測をすることもあります。例えば、多くの人はサンフランシスコがサンノゼよりも大きいと推測しますが、実際の人口はそれぞれ約81万5千人と98万3千人です。なぜでしょうか？「Do You Know the Way to San Jose」というキャッチーな曲がある一方で、サンフランシスコに関する文化的な言及はポピュラー文化の中でたくさんあります。（急な丘や路面電車、ゴールデンゲートブリッジがあるのも助けになります。） ホットバイアスについて多くの時間をかけて説明するつもりはありません。それは重要でないからではなく、皆さんがそれを見抜く経験をすでに持っているからです。私たちは皆、感情や欲望に盲目になっているように見える人々を見たことがあります。しかし、認めるのは難しいことですが、私たちもかつてはそういう人々だったことがあります。現実には、通常、認知は動機づけられており、私たちが真実であってほしいと願う信念や結果、または真実であってほしくないと願うものが存在します。ホットバイアスはしばしばコールドバイアスよりも有害であり、人々は自分の望む結果を得るために証拠を歪めるために大きな努力をすることがあり、反対の判断に至った他者を軽蔑することがあります。これにより、人々が自分は中立であり、相手がバイアスを持っていると主張する際に、解決困難な対立が生じることがあります。私たちは、法廷で専門的な証言を行う多くの同僚と話をしてきました。 ほとんどの人は、抽象的には多くの専門家が偏見を持っていることや、一方から報酬を受け取ることが潜在的な利益相反を生む可能性があることに同意するでしょう。しかし、ほとんどの人は、自分たちが金銭に左右されるような人間ではないと主張します。ここでは、心理学文献に記録されている数多くの偏見をレビューすることは試みません。代わりに、私たちが経験から学ぶことを特に妨げる可能性が高い偏見に焦点を当てます。 **利用可能性ヒューリスティック** これは主に冷静な偏見です。カーネマンとトヴェルスキーによって最初に定義された利用可能性ヒューリスティックは、「あるクラスの頻度やイベントの確率を、事例や出来事を思い出す容易さによって評価する傾向」を指します。カーネマンとトヴェルスキーは、私たちの注意を引くさまざまな方法について話しました。例えば、私たちの記憶の中で多くの他の馴染みのある概念と結びついている概念、最近起こった出来事、特に鮮明な経験、または想像しやすい状況などです。彼らの初期の実験からの簡単な例を挙げましょう。「K」という文字は単語の最初の文字である可能性が高いでしょうか、それとも三番目の文字でしょうか？前回、学生のグループに尋ねたところ、61％がランダムに選ばれた単語は「K」で始まる可能性が高いと答えましたが、39％だけが「K」が三番目の文字である可能性が高いと考えていました。61％の多数派は間違っていました。「K」という文字は英語の単語の中で最初の文字よりも三番目の文字であることが多いのです。しかし、三番目の文字で単語を検索するのは難しいのです。なぜなら、私たちが単語を学ぶとき、「K」の音を最初に聞くか、「K」という文字を最初に読むからです。ほとんどの人は親と一緒にABCの本を読みましたが、「大文字のI、小文字のi？三番目の文字がTの単語は何？『サイ』」とは言いませんでした。 メディアへの露出は、なぜ特定の事柄が認知的により利用可能であるかの大きな理由です。1970年代の研究では、人々はトルネードが喘息よりも頻繁な死因であると信じていましたが、実際には喘息による死亡は20倍も一般的でした。しかし、ほとんどの人はトルネードについてのニュース記事を読んだり映画を見たりすることを好みます。なぜなら、それらはよりドラマチックだからです（そのため、トルネードによる死亡の話に多く出会うことになります）。 利用可能性ヒューリスティックが政策討論にどのように影響を与えるかの具体例を挙げましょう。多くの人は、個人傷害事件における陪審員が不当に大きく、気まぐれな賠償金を支払うと信じています。ロブの研究の一つでは、陪審裁判の全国ニュース報道を調査し、さまざまな研究からの実際の裁判所の統計と比較しました。メディアで報道されたケースのサンプルでは、訴訟を起こした人々が85％の確率で勝訴しました。しかし、実際の勝訴率は訴訟の種類によって30％から55％の範囲でした。訴訟に勝った場合、賠償金の平均額はどのくらいでしょうか？新聞や雑誌の記事で報道されたケースの中央値の賠償金はほぼ200万ドルでした。 すべての裁判の実際の中央値は、5万ドルから30万ドルの間でした。したがって、メディアの報道や利用可能性ヒューリスティックは、訴訟を起こした場合に得られる金額について過大な期待を抱かせることがあります。 **アンカリングと調整のヒューリスティック** これは別の冷静なバイアスです。定量的な推定を行う必要があるとき、私たちはしばしばどこから始めればよいかわかりません。有名なコメディシーンでは、イギリスの名スパイオースティン・パワーズの宿敵であるドクター・イービルが、数十年の冷凍睡眠から目覚め、すぐに「100万ドル！」と世界の政府を脅迫しようとしましたが、現代ではその金額が犯罪に見合わないほど控えめであることに気づいていませんでした。しかし、ドクター・イービルだけではありません。私たちは皆、数量を推測するのが難しいと感じています。カーネマンとトヴェルスキーは、通常この作業に取り組む際に、何らかの恣意的で目立つ数字を粗い出発点として探し、その後、上方または下方に調整するかどうかを判断する傾向があると提案しました。しかし、ここに落とし穴があります：私たちは通常、十分に調整しません。その結果、慎重に考慮した推定は、恣意的な出発点に非常に近いものになってしまいます。鋭い読者は、このアンカリングと調整のプロセスがフェルミ推定を行う際には常にリスクであることに気づくでしょう。 もう一つの法的な例を挙げましょう。ロブと彼の同僚たちは、離婚後の月々の養育費の公正な金額を人々がどのように決定するかを研究していました。この作業は難しいため、人々の推定はさまざまです。このばらつきを減らす一つの方法は、具体的な値を例として示すことです。人々に800ドルを例として示した場合、彼らは平均して約1,000ドルの金額を推奨しました。しかし、1,400ドルを例として示した場合、彼らは平均して約1,300ドルを推奨しました。養育費の正しい金額に対する客観的な基準はありませんが、重要なのは、参考となる数字を提供することが、裁判官に影響を与えようとする弁護士によって操作される可能性があるということです。 **後知恵バイアス** 「後知恵は20/20」という古い言い回しがあります。眼科の表記20/20は、20フィートの距離で見えるものが、普通の人が20フィートの距離で見るものと同じであることを示しています。（メートル法の国では、同様の表現が「6/6視力」として知られています。）したがって、20/40は近視であることを意味します。この言い回しが反映している考えは、出来事が発生した後には、その結果が事前に思われていたよりも明らかに見えるということです。後知恵は予知よりもはるかに簡単です。心理学者バルーク・フィッシュホフは、人間の判断に関する一般的な特徴を提案しました：結果を学んだ後、その結果は実際よりも明らかだったように思えるということです。例えば、1970年代初頭、フィッシュホフは確率判断を研究しており、彼が非常にありそうもない、または非常にありそうな未来の結果を選びました。これはニクソン政権の時代で、ニクソンは熱心な反共産主義者だったため、ありそうもない出来事として、フィッシュホフは人々にニクソンが中国を外交訪問する可能性について尋ねました。 彼はオフィスを去りました。実際、ニクソンは1972年に外交訪問で中国に行ったことがあり、これは外交政策の専門家たちをも驚かせました。フィッシュホフは、その後に人々に戻って、ニクソンが中国に行くという出来事について彼らがどの程度の確率を予想していたかを思い出してもらうという素晴らしい洞察を持っていました。彼は、人々が自分の予想した確率を実際よりも高く記憶していることを発見しました。基本的に、彼らはその出来事が起こることを予想していたと思い込んでいたのです—つまり、「ずっと前から知っていた」と。 後知恵バイアスは、社会科学の授業を受ける学生に問題を引き起こします。もし私が心理学や社会学の新しい発見について教えた場合、あなたはおそらくその発見がなぜ起こるのかについてのもっともらしい理由を考え出すことができるでしょう。その結果、あなたはその発見がかなり明白だと結論づけ、ずっと前から知っていたと想像するかもしれません。この現象を教室で示す一般的な方法は、学生に恋愛関係に関する研究の簡単な説明を与えることです。半分の学生には「類は友を呼ぶ」という結果が示されたと伝え、もう半分には「反対の者同士が惹かれ合う」という結果が示されたと伝えます。これらの言葉はどちらも「常識」ですが、互いに完全に矛盾しています。残念ながら、各グループの学生は、読んだ結果を「明白」と評価することが多く、教授がなぜそんな些細なことを教えているのか不思議に思うかもしれません。 後知恵バイアスを示す事例は数百もあります。その中には無害なものもあれば、より有害なものもあります。数年前、元フットボール選手で俳優のO.J.シンプソンが元妻の殺人で裁判にかけられました。判決が出る前、多くの人々、専門家（実務弁護士やプロのギャンブラーを含む）も彼が有罪になる可能性が高いと考えていました。彼が最終的に「無罪」とされた後、私たちは専門家たちが「おっと、間違っていた」と言うだろうと思いたかったのですが、代わりに多くの専門家がニュース番組に出演し、「黒人陪審員（この事件の陪審員の大多数）が黒人被告に対して寛大である傾向がある」と「説明」しました。当時のデータはこの主張が事実に反していることを示しており、もし彼らが本当にそう信じていたのなら、なぜ最初から無罪を予測しなかったのでしょうか？そのため、これらの専門家たちは黒人陪審員の偏見についての神話を作り上げる結果となりました。 集団内バイアスと「バッジ付け」 1970年代、心理学者アンリ・タジフェルは「最小集団」パラダイムを開発しました。このパラダイムでは、人々は明らかに恣意的な基準（例えば、画面に表示された点の数を過大評価または過小評価したかどうか）を用いてグループに分類されます。タジフェルは、このような最小限のグループ分けでも、無関係なタスクの報酬の配分において、集団内のメンバーに対してより好意的な扱いを引き出すのに十分であることを示しました。 社会心理学者は、人々の表明する態度が、ある命題（例えば、死刑や銃規制が殺人に与える影響についての主張）に対する実際の信念よりも、公共の場で自分の価値観を表現したいという欲求によって動機づけられることがあることを発見しました（「私は保守的/リベラルだ」）。この現象を「バッジング」と呼ぶのが適切だと考え、書籍の他の部分でも再度言及します。 **特性バイアス** 車を運転しているとき、ロブはしばしば、道端の住所を探しながら、遅すぎる運転をする他のドライバーに対して心の中で悪態をついています。これらの人々は明らかに自己中心的で、他のドライバーのことを気にかけていません。しかし、彼はショッピングモールの近くで、自分が探している店があるかどうか確認するために速度を落とすことがよくあります。後ろの車がクラクションを鳴らすと、彼は困惑します。「バカな開発者がモールをこんなにひどく設計したせいで、問題があるのに、彼らにはそれが見えないのか？」と。実は、ロブのこの独特な矛盾は彼だけのものではありません。1991年の事故による負傷者を対象にした調査では、複数の車両が関与する事故において、91％のドライバーが他の誰かを責めており、通常は他のドライバーにその責任を押し付けていました。 「帰属理論」という枠組みの下で、心理学者たちは長い間、人々が自分自身や他者の行動の原因をどのように説明するかを研究してきました。1958年、フリッツ・ハイダーは、人々は可能な限り、他者の行動を「内部的」な原因（例えば、「貪欲」や「知性」といった個人的特性）に帰属させる傾向があると主張しました。一方、自分自身が間違ったことをした場合には、その行動を外部的な原因に帰属させる傾向があるとされます。1977年にはリー・ロスが、このバイアスの証拠が非常に広範囲にわたるため、「基本的帰属エラー」と見なすべきだと主張しました。後の研究では、この傾向が対人関係の対立を悪化させることが多いことが示されました。各当事者は、相手の動機や欠点を非難しながら、状況に寄与している強力な状況要因を軽視するのです。1990年代には、いくつかの異文化研究が、このバイアスがそれほど基本的なものではないことを報告し始めました。例えば、アジアの国々の人々は、西洋人よりも外部的（状況的）な説明を好む傾向がありました。そのため、多くの研究者はこれを「特性バイアス」と呼ぶことを好み、特に西洋文化に特徴的なものと見なされています。それでも、「物事をあまり個人的に受け止めすぎる」傾向はアジアでも認識されています。古代中国の哲学者である荘子に帰属される観察によれば、「もし男が川を渡っているとき、空の船が彼の小舟に衝突しても、たとえ彼が短気な男であっても、あまり怒らない。しかし、船の中に人がいるのを見れば、彼はその人に避けるように叫ぶ。叫びが聞こえなければ、彼は再び叫び、また叫び、そして悪態をつき始める」とされています。 私たちは最後の最後に最も重要なバイアスについてお話ししようとしています。それは、私たちが人々が克服する手助けをしたいと考えているバイアスの中で、最も重要かもしれません。確認バイアスとは、仮説に一致する証拠を主に探し、矛盾する可能性のある証拠を無視する傾向を指します。また、すべての証拠を持っているにもかかわらず、仮説を支持する事実により重きを置き、そうでない事実を軽視することも含まれます。同様に、人々が不利な証拠に直面したとき、それを好意的な証拠よりも厳しく批判することがよくあります。確認バイアスは、熱いものから冷たいものまでの全範囲で発生します。熱いバージョンはよく知られています：議論に勝つためや自分の意見を通すために選択的に事実を引用する人や、不都合な事実を単に否定する人です。しかし、冷たいバージョンも同様に重要です。人々はしばしば仮説を支持する事実を探し、引用するのですが、それは論理的な出発点のように感じるからです。結局のところ、確認できる例が全く見つからなければ、私たちの仮説はほぼ死んでしまいます。問題は、確認できるケースを見つけたときに、そこで止まってしまうことです。この確認バイアスについては、後の章で再度取り上げます。 「反対を考える：自分をバイアスから解放するための有用なトリック」 「あなたが私に命令する権利があるとは思いません、ただ年上だからとか、私よりも多くの世界を見てきたからという理由だけでは。あなたの優位性の主張は、あなたがどのように時間と経験を使ったかに依存します。」 — シャーロット・ブロンテ『ジェーン・エア』 「練習は完璧を生み出すものではありません。完璧な練習だけが完璧を生み出します。」 — ヴィンス・ロンバルディ 私たちが見てきたように、私たちが人生の経験から学ぶことができない理由はたくさんあります。しかし、明確にしておきたいのは、経験から学ぶことが不可能だと主張しているわけではありません。それが真実であれば、科学は無駄な時間になってしまいます。むしろ、経験から学ぶことは難しく、私たちが経験を注意深く研究することを必要とします。K・アンダース・エリクソンは、専門性の発展に関する第一人者であり、「単なる経験の効果は、個人が現在の能力を超えようと積極的に集中する意図的な練習の効果とは大きく異なる.... [意図的な練習は、限られた時間しか維持できない集中を必要とします。」と主張しています。 私たちがこれらのバイアスについてあなたに教えたり（少なくとも思い出させたり）することで、あなたのバイアスが減ったでしょうか？私たちは、そうであれば良いのですが。研究によれば、これらのバイアスについて学ぶことはその影響をわずかに減少させることができるとされていますが、ほんの少しだけです。別のアプローチとしては、人々が最も正確な判断を下すために報酬を与えるという方法があります。お金がかかっている場合、人々がショートカットを避け、より体系的な推論に取り組むかもしれないという考えです。しかし、驚くべきことに、これもあまり効果がないようです。たとえリスクが非常に高い場合でも、人々は基本的な判断バイアスを克服することに失敗することがよくあります。 おそらく、これまでに特定された最も成功したバイアス除去戦略は「反対を考える」と呼ばれるものであり、より複雑な場合には「代替案を考える」とも言われます。未来の結果について強い期待を持っているときは、一旦立ち止まり、その期待とは正反対の結果が起こる理由をすべて考えてみてください。この演習を行うと、通常は、自分が選んだ選択肢には良い理由があることがわかりますが、同時に別の選択肢にも良い理由があったことに気づくでしょう。第4章では、参加者が自分の発言が真実であるか偽であるかに対して「75パーセント」のような自信のレベルを割り当てる活動を紹介しました。この活動の興味深い結果の一つは、参加者が自分の発言に対する自信が99パーセント未満であることに気づくことで、「反対を考える」ことが自然に促されるということです。「反対を考える」という考え方は、科学の授業で日常的に教えられているわけではありませんが、実際にはほとんどの科学的方法論に組み込まれています。例えば、無作為割り当て実験は、反対の（「反事実的な」）状況で何が起こるかを探るために設計されています。次の章では、動機づけられた認知が科学的実践をどのように歪めるかを見ていきます。たとえ研究者が事実の誠実な仲介者であると主張してもです。そして、科学者たちが自分のバイアスを克服しようと開発したいくつかのトリックについても見ていきます。 1988年、フランスのある研究所の確立されたディレクターと彼の研究チームは、著名な科学雑誌「ネイチャー」において驚くべき主張を含む論文を発表しました。彼らは、特定の抗体を含む溶液を何度も希釈した結果、（実際には水で1010回も希釈した！）その結果得られた非常に純粋な水が、元の抗体溶液と同じ反応性を示す証拠があると主張しました。これは、元の溶液が水の中にまだ存在する可能性が天文学的に小さいにもかかわらずです。この論文の提案は、水の分子構造が過去の希釈イベントの順序でかつて存在していたものの記憶を保持しているというものでした。このような論文記事をどう解釈すればよいのでしょうか？明らかに、この章のタイトルが「科学の誤り」となっていることから、最終的な結果は偉大な発見への熱心な支持ではないことが予想されます。しかし、この話は私たち全員が直面している大きな問題に触れています。科学雑誌の記事や関連するニュース記事には、どの記事が新しい興味深い結果を扱っているのか、どの記事が科学の誤りを示しているのかを教えてくれるラベルはありません。そして、これは本当に重要なことです。もし私たちに愛する人がいる場合、 難病に苦しむ人々にとって、水が分子の記憶を持つという記事は、ホメオパシーが主張する微細な希釈に基づく治療法に希望を与えるかもしれません。しかし、この記事が誤解を招くものであるなら（その理由については後で説明します）、何百万もの人々が無駄にお金を使い、さらに悪いことに、実際に効果的な治療法を無視することで健康を脅かすことになりかねません。良い科学と悪い科学を見分ける問題は、科学が期待に応えられないさまざまな状況が存在するため、さらに複雑です。これには、無意識的かつ誠実なものから、妄想的で詐欺的なものまで、さまざまな状況が含まれます。 科学が間違う方法は多岐にわたります。まず、良い科学から始めましょう。理想的には、科学は適切に行われ、正しい結果を得るべきです。これは、科学的な結果についての新聞記事を読んだり、科学論文を読んだりする際に期待することです。しかし、良い科学でも間違った結果を得ることがあります。実際、私たちの第4章での信頼度についての議論を考えると、良い科学の中には間違った結果を得るべきものもあるのです。良い科学者は、結果が正しい確率、つまり信頼度を示すべきです。それが彼らに期待されるすべてです。しかし、もし彼らがその結果に対して95％の信頼度を示しているなら、最善を尽くしている場合、20本の論文のうち1本は間違っているはずです。つまり、95％の信頼度を使用している場合、間違った結果を報告する良い科学が存在するはずであり、少なくとも20本に1本はそのカテゴリに入るべきです。 次に、悪い科学について考えましょう。最も無邪気な悪い科学は、ほとんどのことを正しく行っている科学者が、重要な部分で間違いを犯す場合です。例えば、著者が第7章で議論した「他の場所を探す効果」を理解していない論文があります。研究が元々設計されたテストよりも多くの変数を調べると、偶然のつながりが意味のある結果として誤解される可能性が高くなります。皆さんはその効果を理解しているので、その間違いを犯すことはないでしょうが、一部の科学者は「他の場所を探す効果」の罠に陥っていることに気づかず、彼らの論文は正当化されない結果の信頼性を主張してしまいます。これは、科学がうまく行われていない一例に過ぎません。 ここで、科学における間違いについて同情的な言葉を述べるべきです。よく構築された科学的研究と分析を正しく行うことは非常に難しい場合があります。間違いを犯す可能性は無限にあります。この本を通じて、科学者が直面する大きな落とし穴のいくつかを説明しています。 長年にわたり注意を払うように訓練されてきたことですが、それが自然にできるわけではありません。（認めますが、この本を読んでいる皆さん—そして私たち著者も—時には「他を見ろ」という効果の誤りを犯すことがあります。）科学コミュニティが互いの論文をレビューし、結果を再現することの重要な点は、すべての科学者が自分が避けられないミスを他の人に見つけてもらうことに依存しているということです。したがって、科学論文が誤りを指摘されたときにあまり得意にならないようにしましょう—それが科学の進め方なのです。（特に、誤りを見つけやすい方法で研究を設計するのが得意な科学者は特に評価されます。もちろん、常に誤りに基づいた結果を報告したり、発見された誤りを修正しようとしない科学者は、あまり尊敬されません。）さらに、最近発表された科学論文を読む際には、他の研究がその結果に取り組む中で、まだ誤りがあるかもしれないという前提を持つべきです—これは、論文が各ジャーナルが行う厳格な科学的レビューを経た後であってもです。 次に位置するのが病理学的科学という概念です。この概念は、1953年にノーベル賞受賞化学者アーヴィング・ラングミュアの講演で初めて提唱されました。ラングミュアは、科学者が本物の科学を始めるものの、驚くべき結果に恋をしてしまい、その結果が誤りであることを示すすべての兆候を無視し始める例をいくつか挙げました。ここで、科学者は深みにハマってしまいます。前のケースのように微妙な誤りを見逃しているわけではなく、むしろ彼らは自分の結果を誤りであるというすべての証拠に対抗しようとしています。この誠実な科学者による失敗の様式は非常に不安を引き起こすものであり、私たちはこの科学がどのように誤りを犯すかの調査を終えた後に再びこの問題に戻ることにします。 病理学的科学の次に、時には擬似科学と呼ばれるものがあります。擬似科学を行う人々は科学の言葉を使います。彼らはその用語が好きですが、実際の活動にはあまり興味がないようです。例えば、彼らは自分たちが原因だと思いたいものと、効果だと主張するものとの間に因果関係があるかどうかを本当にテストしているわけではありません。また、彼らの主張を私たちが知っている他のすべての文脈に当てはめようともしていません—以前に述べた「絡み合った科学的知識の筏」の中にです。彼らはその過程で多くの響きの良い言葉を使います。時には、擬似科学を見抜くのは簡単です。しかし、多くの場合、もう少し注意深く読む必要があります。もしかしたら、著者はウェブページをきれいにフォーマットし、見栄えの良い方程式を使っているかもしれませんが、読み進めるうちに、「ちょっと待って。ページは科学のように聞こえる用語を使っているが、それらの用語が誤って使われており、その誤解に基づいて結論が導かれている」と思い始めることがあります。 さらに、疑似科学のページは、自らの結果が間違っている可能性や、現在の議論の弱点を真剣に探求することはありません。疑似科学は、時には「カーゴカルト科学」と呼ばれるものに融合します。この言葉は、1974年にカリフォルニア工科大学の卒業式で行ったリチャード・ファインマンの講演から来ています。彼は次のように述べました。 「南の海にはカーゴカルトと呼ばれる人々がいます。彼らは戦争中に飛行機がたくさんの物資を運んでくるのを見て、今も同じことが起こることを望んでいます。そのため、滑走路のようなものを作り、滑走路の両側に火を焚き、木製の小屋を作って人が座り、頭にヘッドフォンのような木の部品をつけ、竹の棒をアンテナのように突き出している — 彼がコントローラーです — そして飛行機が着陸するのを待っています。彼らはすべてを正しく行っています。形は完璧です。以前と全く同じように見えます。しかし、うまくいきません。飛行機は着陸しません。私はこれらのことをカーゴカルト科学と呼びます。なぜなら、彼らは科学的調査の明らかな原則や形式に従っているのですが、肝心な何かが欠けているからです。飛行機が着陸しないのです。ファインマンは「カーゴカルト科学」という言葉を、疑似科学に少し似ているが、実際にはもっと悪いかもしれない科学について語るために使いました。なぜなら、それは本物の科学をあいまいに風刺しているだけで、実際には木製のヘッドフォンをつけて竹のアンテナを持ち、飛行機が着陸することを期待しているのと同じことをしているからです。もちろん、カーゴカルト科学を使っても科学は着陸しません。 さらに悪化することもあります。リストの最下部、スペクトルの端には、詐欺的科学があります。詐欺的科学は、自らの発見を誤って表現することによって他者を意図的に誤解させるための積極的な努力を含みます。不正行為は、金銭的利益の見込み、職を失う恐怖、または個人的な野心によって動機付けられることがあります。科学的詐欺の普及率を測るのは難しいですが、典型的ではないものの、あまり珍しくはないかもしれません。科学者への調査によると、ほぼ2％が（匿名で）詐欺的な科学的行為に関与したことを認めており、約7人に1人は同僚が詐欺に関与していると考えています。これは恐ろしいことです。詐欺は常に悪いですが、科学は時折の詐欺とともに機能することができます。なぜなら、科学の通常のプロセス — 発見を精査し、それを再現しようとし、発見から示唆される新しい仮説をテストする — が、おそらく偽の結果を排除するからです。できれば、あまり大きな被害が出る前に。もし詐欺的科学に関与している誰かが、十分にマイナーなテーマを選べば、彼らは決して捕まらないかもしれませんが、もちろん、誰も気にしないほどのマイナーなことをしてもあまり得るものはありません。したがって、私たちは詐欺的科学が少し自己制限的であることを期待 — あるいは少なくとも望んでいます。 科学が現実を追跡し、その理解に基づいて効果的な解決策を構築する手段として機能している限り、科学文献の中にはあまり多くの問題が存在しないと推測できます。しかし、毎年発表される数百万本の論文の中から、数ヶ月ごとに科学的不正の劇的な例が明らかになります。興味深いことに、この本の読者であるあなたたちは、最近になって認識されるようになった方法でそのような不正を見抜くための訓練を受けています。一部の研究者は、特定の結果に疑念を抱いたときに、論文で報告されているデータの分布の広がりを再調査することがあります。そして、彼らは、データを偽造する際に、人々がランダムなノイズを作り出すのがあまり得意ではないことを発見し始めています。データをプロットすると、それは統計的不確実性の完璧なベル型分布から来たように見え、特定の測定に対して期待される他の種類のノイズ（第9章の系統的不確実性を含む）の指標が全く見られません。あるいは、さらに悪いことに、ノイズのベル型分布が全く存在しない場合、すべてのデータがあまりにも良すぎるように見えます。それは、実際のデータが持つはずの表裏の連続（第7章からの知識）を反映すらしません。このような科学的主張の失敗の連鎖について、私たちは何を考えるべきでしょうか？この本を通じて、私たちはさまざまな思考の失敗モードを強調しています。いくつかの目標を持って：科学の結果を読むときにそのような間違いを認識したい、特にこれらの間違いを見抜く手助けをしてくれる専門家を見つけたい、日常生活で（科学的な問題に関わっているかどうかにかかわらず）これらの精神的な罠に陥るのを避けたい、そして自分たちの仕事でこれらの間違いを犯す科学者になりたくないのです。私たちの多くは科学者ではありませんが、これらの科学の失敗の例から、罠に陥る側とそれを避けるために努力する側の科学者の視点からこれらの失敗モードを考えることは非常に有益であり、明確にすることができます。（もしミスター・スポックがこのような方法で間違ったら、それは私たちの心に焼き付くでしょう。）病理学的科学が特に懸念される理由を見てみると、問題の全範囲の中で、私たちが焦点を当てるべきなのは中間の問題であり、極端なものではありません。95％の信頼度でランダムな偶然によって間違った良い科学の結果については、私たちの誠実な間違いを見つけるために、他の人々のコミュニティを頼りにすること以外に何もできません（例えば、私たちの結果を再現してもらうこと）。一方で、ほとんどの人は、意味を知らずにランダムな科学用語を使い回したり、明らかに不正にデータを作り上げて主張を証明しようとしたりすることはないでしょう。 病理学的科学の中間の例、つまり特定の興奮する結果に夢中になったり、恋に落ちたりして、間違っていることを示唆するデータを無視することには、誰もが認識できる罠の多くの特徴があります（そして、私たちはその罠に陥ったこともあります）。私たちが言及したラングミュアの病理学的科学に関する講演では、ラングミュアがこの疑わしいカテゴリーに属する科学的結果の「兆候」として見なした可能性のあるリストが示されました（私たちは少し言い換えました）： 1. 効果がほとんど検出できない原因によって生じ、その効果の大きさは原因の強度とはほとんど独立している。 2. 効果自体がほとんど検出できないか、非常に低い統計的有意性を持つ。 3. 高い精度の主張がある。 4. その研究は経験に反する素晴らしい理論を含む。 5. 研究に対する批判にはアドホックな言い訳がなされる。 6. 支持者と批判者の比率が初期にはほぼ50％に達し、その後ほぼゼロに戻る。 したがって、懸念すべき科学的結果に直面したとき、まず「この効果、あるいはその原因はほとんど検出できないのか？」と尋ねます。もちろん、病理学的科学について心配している場合、原因または効果のいずれかがほとんど検出できない可能性が高いです。なぜなら、それが明らかであれば、心配することはないでしょうから。次の質問は少し微妙かもしれません。「効果の大きさは原因の強度に依存しているのか？」これは、私たちが第3章でヒルの基準について議論したときに「用量反応関係」と呼んだものです。少し多くの「用量」を摂取すれば、応答が少し増えることを期待します。しかし、これは常に起こるわけではありません。例えば、抗生物質の少量は効果がないかもしれませんが、特定の用量の閾値を超えると、すぐに感染を排除するために必要なすべての効果が得られます。しかし、原因と効果を検出する能力の限界に近いことをしているときには、存在しない因果関係を見て自分を欺いていないことを確認するために、追加の証拠が必要です。そして、原因と効果の間の再現可能な相関関係、すなわち用量反応関係が重要な指標となります。これはもちろん、原因と効果を検出すること自体よりも要求される基準が高く、ほとんど検出できない要素を扱う際には、自分が見たい結果を読み取るのが非常に簡単であることを思い出させてくれますので、主張には厳しく臨む必要があります。ラングミュアの基準の多くは、病理学的科学という言葉で紹介したように、結果に恋をする人々の結果として現れるようです。実際、「結果に恋をする」という表現は非常に良い比喩です。誰かに恋をすると、その人がすることはすべてとても可愛らしく、愛おしく感じる時期があります。 （「ああ、友達をみんなからかうなんて素晴らしいことだと思わない？」）そう思っていると、数年後にその恋の化学物質が消散し、現実に戻ったときに「私は何を考えていたのだろう？」と疑問に思うことになります。誰かに恋をしていると、すべてが良く見えますし、アイデアや科学的な結果に恋をしているときも同様です。あなたは、世界の仕組みについての素晴らしい側面を発見したと思い込みます。あなたの発見によって世界は変わると感じ、興奮します。望んでいた正確な結果を得られないデータを捨て始め、「正確な結果」にのみ注意を向けるようになります（これがラングミュアのポイント3です）。あなたは、この現象がどのように機能しているのかを説明する素晴らしい理論を展開し始めます（ラングミュアのポイント4）。しかし、その理論が何千年にもわたって織り上げてきた他の多くの確立された科学的概念や証拠と一致するかどうかを考えません。科学では、一貫した物語を構築しており、あなたの特定の説明がその物語に合わない場合、それは警告信号であるべきです。しかし、アイデアに夢中になっていると、その警告サインに気づかないのです。さらに厄介なことに、恋をしていると、科学コミュニティからの批判に対して自分の「恋人」を守ろうとする傾向があります。他の人があなたの実験やその結果の問題点を指摘し始めると、あなたは素晴らしい言い訳を考え始めます。「ああ、そうだ、その日は間違った日だったんだ。その日は湿度が高かったから、実験がうまくいかなかったんだ。湿度が低ければ、うまくいったはずだ！」あなたは特定の批判に対するアドホックな反論を考え出します（ラングミュアのポイント5）。科学コミュニティの反応にも別の手がかりがあります（ラングミュアのポイント6）。他の科学者たちは、最初はその結果に興奮します。それは何かを変える可能性があるように見えるからです。しかし、時間が経つにつれて、彼らはその結果を再現しようと試みるものの失敗し、失望していきます。最終的には、ほとんど誰もその結果を受け入れなくなります。大きな悪の病理学的科学を恐れるのは誰か？ラングミュアが描いた病理学的科学の肖像は、厳密または排他的な定義ではないことを指摘する価値があります。病理学的科学とそうでないものの間には明確な境界はありません。ラングミュアのリストは警告サインの集まりに過ぎません。もし何かを読んでいて、これに似たものが見え始めたら、警戒すべきです。 実験を行っている科学者であれ、因果関係を見極めて決定を下そうとしている誰かであれ、もし自分がラングミュアのリストにあるようなことをしていると感じたら、一日休んで「これでどこに向かっているのか？」と自問するべきです。（目標は、自分の素晴らしい再編成計画がうまくいっていないことに、最後に気づく人にならないことです。） これは警告サインのリストであり、サインの一つだけが当てはまるからといって、その結果が疑わしいとは限りません。たとえば、ある結果が強い測定可能な原因を持ち、さらに強い測定可能な効果との関係があるとします。誰もがその実験を再現し、同じ結果を得ることができた場合、単にその測定を以前に行っていなかっただけです。あなたがその測定を行い、皆が「わあ！あなたの言う通りだ！これをもっと入れると、あれがもっと出るんだ」と言ったとします。統計的な有意性は高く、精度も驚くほど完璧である必要はありません。その場合、たとえその結果が現在の理論と矛盾していても、より真剣に受け止めるべきです。単に病的科学として片付けるのではありません。ある意味、サウルのチームと競合チームが宇宙の膨張加速を示す測定を初めて行ったときに起こったことがそれです。人々は、遠くの爆発する星の明るさで測定された十分に大きな効果を見て、それを受け入れ、「私たちは現在の科学的な見解を構成する相互に絡み合った物語の組み合わせを再考しなければならない」と言えるようになりました。 しかし、現在の理論に挑戦する結果が出た場合、その背後にある科学はより厳密に scrutinized されます。それを受け入れるためには、より高い証明基準が必要です。私たちの筏の比喩を使うと、挑戦的な結果は筏に全く合わない新しい丸太のようなものです。その丸太を全体の物語にどう組み込むか分からないからといって無視するわけにはいきませんので、しばらくの間、少し隔離しておきます。最終的に、もしその丸太を中心に新しく改善された筏を組み立てるための十分な丸太があれば、そうします。これは、アインシュタインが相対性理論を提唱したときに起こったことです。この理論は、空間自体が曲がる可能性を考慮することを可能にします。そのような奇妙なアイデアがある場合、普通の視点からは理解しがたいものであっても、それを失いたくはありません。 さて、私たちの前に科学が誤った形で展開される全貌が広がり、病的科学に陥らないように適切に警告を受けた今、私たちは読む科学ニュースや、もっともらしい専門家が頼りにする最新の証拠について、どう考えればよいのでしょうか？ 科学者にとっても、隣接する分野の科学論文を読み、理解し、適切に評価することは非常に難しいことがあります。専門用語やその分野特有の実験的課題を知らない領域に至ってはなおさらです。しかし、科学的な議論の多くは追いにくいものの、時には研究のトーンを感じ取ることができ、特に著者が自らの誤りや誤解を招く可能性を十分に探求していた証拠を探すことが可能です。（これは、私たちの認知バイアスを軽減するための最良の処方箋である「反対を考える」戦略に非常に似ているのは偶然ではありません。）また、ラングミュアリストは、論文のトーンに関する具体的な指標を提供してくれることがよくあります。 **ケーススタディ：冷融合** 科学ニュースの中で、このような評価を求める劇的な例として、核融合によるエネルギー生成という人気があり、重要なテーマがあります。数年ごとに、融合をエネルギー源として実現するための突破口が発表される科学ニュース記事が多く見られます。もし私たちが豊富な燃料（例えば、海水に含まれるもの）から大量の利用可能なエネルギーを生成し、管理可能な廃棄物を少量しか生じず、追加の温室効果ガスを排出しなければ、世界中の人々の生活を劇的に改善できることは驚くべきことではありません。この究極の目標は、異なる技術アプローチを用いた2つの大規模な国際的な長期プロジェクトを生み出しました（それぞれが反復的な進展を遂げています）。最終的には、制御可能な連続融合炉を作り、これを産業的に実現可能なエネルギー源にすることを学ぶことを目指しています。しかし、これらの数十億ドル規模のプロジェクトからの緩やかではあるが着実なニュース結果に加えて、これらの巨大で長期的な開発の必要性を無効にする突破口を発表するチームからのニュース記事も時折現れます。その一例が、1989年の「冷融合」主張です。冷融合という名称は、融合を生み出すために必要な、サッカー場ほどのサイズで電力を大量に消費する機械が達成する極めて高温（太陽の温度の1桁高い）と対比させるために付けられています。1989年春、スタンリー・ポンズとマーチン・フライシュマンという2人の著名な化学者が記者会見を開き、標準的な化学装置（電解セルと呼ばれる）を用いた卓上サイズの実験で融合からエネルギーを生成したと主張しました。特に、パラジウムと「重い」（重水素が豊富な）水を使用したとのことです。科学界—そして他の人々も—は、この確立された科学者による実験のアイデアに興奮し（彼らは疑似科学を提示しているわけではなく、使用している言葉を理解していました）、すぐにその仕組みを理解し、結果を確認し再現しようとし始めました。 多くの実験の再現試みは一般的に失敗し、他の科学者たちは元の実験に欠陥や誤差の原因を見つけ始めました。例えば、物理学者たちは、ポンズとフライシュマンが主張したような核融合が実際に起こっているのであれば、強い放射線が大量に放出されるはずであり、その放射線は部屋にいる人を効果的に殺すほどのものであるはずなのに、誰も傷ついていないことを指摘し始めました。また、実験が始まった後に追加のエネルギー放出が起こるのは奇妙であり、電解セルへの電流入力に変化がなかったことも不自然でした。ポンズは実験の設定に関する質問を含む大多数の問い合わせには応じませんでした。フライシュマンとポンズは自らの発見に確信を持ち続けましたが、年末までにはほとんどの科学者が冷温核融合の主張は死んでいると考えるようになりました。これらの懸念の多くは報道機関によって取り上げられました。ニューヨーク・タイムズでは、マルコム・ブラウンが「ポンズ博士とフライシュマン博士は…フォローアップ実験に必要な詳細を提供することを拒否した」と書きました。また、ロバート・L・パークは、約10年後に振り返った著書『ブードゥーサイエンス』の中で、「ポンズとフライシュマンが主張した出力レベルでは、彼らのテストセルは致死量の核放射線を放出することが予想される… [それは] チェルノブイリの西側で最も熱い放射線源であるべきだった」と述べました。この時期の『サイエンティフィック・アメリカン』の回顧記事では、「冷温核融合の真の信者たちが一致している点が一つある。それは、彼らの結果は再現不可能であるということだ。ほとんどの科学者にとって、これは冷温核融合の結果が信じられないことを意味するが、真の信者たちはこの予測不可能性が彼らをより興味深いものにしていると示唆している」と述べられました。 ここでラングミュアの基準のどれが当てはまるのでしょうか？確かに、効果の大きさ（生成された核融合エネルギーの量）が原因の強度に依存しているようには見えません。主張された効果が始まったとき、入力電流のエネルギーは変わっていなかったからです。私たちの物理学の経験と、それに対応する確立された物理学の理論は、核融合が放射線のような検証可能な副産物を生成するはずだと示唆していますので、そのような副産物が存在しないことは、少なくとも現在の「科学の筏」とは合わない理論が必要になるでしょう。さらに、結果を再現する確認実験の欠如は、アドホックな言い訳を生む結果となったようです（これが元のチームから来たのか、彼らの支持者から来たのかは明確ではありません）。そして、主張への支持は高まり、その後情報が明らかになるにつれて減少しました。したがって、ラングミュアの基準のうち4つが当てはまるようです。他の2つの基準（ほとんど検出できない効果と高い精度）がこの話には現れないものの、この実験の妥当性について懸念する理由は十分にあり、1989年の終わりまでには冷温核融合の会社にお金を投資したいとは思わなかったでしょう。 ここで重要なのは、より使いやすい新しい異常な融合のルートを探すというアイデアが、科学の実践の素晴らしい例であるということです。再現性がない結果や実験上の欠陥が見つかること自体は必ずしも悪いことではありません。しかし、私たちが目指すべきは、一歩引いてエラーを積極的に探す能力です。単に頑なに自分の立場を守ることは美徳ではありません。この場合、何かが深刻に間違っている可能性を考慮しようとしない姿勢が、警鐘を鳴らす要因となっています。 心配な例を念頭に置きつつ、次に水が微小希釈において何らかの分子記憶を保持している可能性に戻りましょう。前述のように、多くの人々にとってこの科学的主張は、冷融合の希望よりもはるかに直接的な個人的な意味を持っていました。なぜなら、これはホメオパシー医学のアプローチを支持する外部の証拠として理解できるからです。科学雑誌「ネイチャー」が水の記憶に関する主張をどのように扱ったかの物語は色彩豊かで、信頼できる科学者ジャック・ベンヴニステが抗体溶液の10のマイナス12乗の希釈でも元の抗体の生物学的活性の証拠が残っているという驚くべき（幻想的な？）主張を含む論文を提出した際に、ネイチャーの編集者ジョン・マドックスが直面した困難を反映しています。一方で、マドックスは現行の慣習を超えた新しい科学を奨励したいと考えていたようですが、この場合、結果は単に現在の主流を超えるだけでなく、科学のより大きな全体像にはまることができませんでした。マドックスが後に言ったように、「私たちの心は閉ざされていたのではなく、科学がどのように構築されているかについての全体的な見方を変える準備ができていなかったのです。」 マドックスはこの異常な状況に対処するための妥協案を考え出しました。査読者が論文に何が問題かを見つけられなかったため、ネイチャーに掲載することを受け入れることにしました（著者が信頼できる研究所であったため、明らかに疑似科学ではありませんでした）。しかし、国際的な大衆を誤解させるリスクがあるため、例えばフランスの人口の約半分がホメオパシーを利用していることから、彼は編集者としての警告を追加しました。「慎重な人々が現時点では判断を保留すべき理由があるのです。」さらに、マドックスはネイチャーのチームをベンヴニステの研究室に派遣し、実験の再実施を監視させることを主張しました。私たちが自分自身をどのように欺くか、または他者に欺かれるかを見るのが非常に難しいため、マドックスはチームに、疑わしい科学を暴く経験を持つ米国国立衛生研究所の物理学者ウォルター・スチュワートを選び、さらに「驚異のランディ」として知られる舞台マジシャンのジェームズ・ランディを選びました。彼は、ウリ・ゲラーのような主張された超能力者によって演出された明らかな超常現象がどのように行われているかを示していました。 報告によると、実験の再実施が始まったベンヴェニステの研究室では、Randiが時折小さなマジックトリックを披露し、皆を楽しませるという、かなり面白い光景が広がっていたようです。まず、訪問チームは、研究室が慣れ親しんでいる方法で実験を数回実施する様子を見守りました。この際、実験者にはさまざまな化学バイアルがどれであるかが明示されていました。その後、事前に合意された通り、バイアルにランダム化と隠されたラベル（「ブラインド」）を施して、実験を数回再実施しました。どうやら、Randiは隠されたラベルを包み、それを天井にテープで貼り付けたようです（おそらく、ドラマチックな効果を狙ったのでしょう）実験が終了し、皆がどのバイアルがどれであるかを明らかにする準備が整うまで、そのままにしておいたのです。結果が明らかになると、「ブラインド」実験はうまくいかなかったことが判明しました。生物学的に活性があったのは比較的濃度の薄くない溶液だけで、興奮を引き起こした極端な希釈は効果がなかったのです。このことは、実験者が「ブラインド」でなく、どのバイアルがどの結果を出すべきかを知っているときに、実験者のプロセスのいくつかの側面が虚偽の結果を生み出していたことを示唆しています。Maddox、Randi、Stewartが『ネイチャー』の次号で報告したように、「我々は、高希釈（最大で10の129乗の因子）での[抗体]抗IgEが生物学的効果を保持するという主張には実質的な根拠がないと結論づけ、過去の溶質の記憶を水が刻むことができるという仮説は、必要性がなく、幻想的であることを示しています。」 この報告の中で、Maddox、Randi、Stewartは、ベンヴェニステの研究室の仕事に関するいくつかの問題を指摘しており、それは我々のLangmuirリストに警鐘を鳴らすものです。例えば、実験が「うまくいかない」ことがあることが知られており（Langmuir #5）、ベンヴェニステのチームは、実験が全く成功しない期間があったことを指摘しています。彼らは希釈に使用する水に何が問題かがあるのではないかと推測していました。また、ある試験管から別の試験管に希釈を移すと効果が損なわれるという内部の「フォークロア」や、毎回3倍または7倍の因子で希釈した場合に似たような結果が得られないという話もありました。Maddoxの報告は、効果の測定が非常に難しい作業であり（多くの他の血球の中から特定の種類の血球を数える）、特定の研究室のメンバーが特に得意であることが知られていると指摘しています（おそらくLangmuir #2 — 効果がほとんど検出できない？）。最後に、カウントの精度は理論的に可能な範囲を超えているように見えました（Langmuir #3）。特に、同一のサンプルの2つの測定があまりにもよく一致し、こうしたカウントベースの実験に常に存在する測定誤差を示さなかったのです。元の論文の驚きはすでにLangmuir #1を示していました：効果は原因とは完全に無関係であり、希釈のさらなる希釈でも生物学的に反応することがわかりました。 水の分子構造がかつて存在した無数の物質の記憶を保持しているという考えは、経験に反する素晴らしい理論のように聞こえます（ラングミュア #4）。これにより、この結果が病的科学の一例であるという強い感覚が残ります。マドックス、ランディ、スチュワートの報告書が述べているように、「私たちは、実験室がデータの解釈に関して妄想を育て、そしてそれを大切にしてきたと信じています。」ベンヴェニステは決して考えを変えませんでした。もし、当時、200年以上の時を経て、ホメオパシーの主張を裏付ける科学的証拠がついに見つかることを期待していたなら、あなたは確実に失望したことでしょう。もちろん、この本の読者は、これらの主張に対処する最も直接的な方法である第3章のランダム化比較試験がすべてホメオパシーを否定していることに興味を持つでしょう。実際、歴史的に見ても、最初の二重盲検ランダム化比較試験の一つは1835年のホメオパシーに関する試験でした。 トルク・統合失調症仮説 科学者が「ホームランを狙う」（ベーブ・ルースのように）からといって、必ずしも病的科学に従事しているわけではないという印象を読者に与えたくないので、病的科学のように見える事例を考察し、なぜその運命を回避できたのかを示すことは有益です。1977年、アメリカ心理学会の大統領講演で、高く評価されている臨床医セオドア・ブラウは、子供に「X」の文字の周りに円を描かせることで統合失調症のリスクを予測できるという大胆な仮説を提唱しました。ブラウは、反時計回りの円を描く子供（彼が「トルク」と呼んだ傾向を持つ子供）が、統合失調症のリスクが大幅に高いと主張しました。これは一見奇妙に思えるかもしれませんが、ブラウはこの単純なテストが脳の左半球と右半球の間のコミュニケーション信号を妨げる「混合脳優位性」の問題を明らかにするかもしれないと主張しました。しかし、10年以内に、多くの研究がブラウの仮説を支持しませんでした。なぜこれは「冷却融合」や「記憶水」の状況にならなかったのでしょうか？私たちは、ブラウのケースが異なるのは、彼が自分の誤りの可能性について非常に率直だったからだと考えています。ブラウは、「この研究には深刻な方法論的および基準率の問題があり、リスクのある子供たちへの予防活動に貢献するためには探求し、考慮しなければならない」と指摘し、彼のアイデアを検証するために調査すべき他の証拠の線を提案しました。彼の慎重さが、批評家たちがブラウの仮説に対して専門的で敬意を持って接した理由を説明しているのかもしれません（ただし、「間違った方向に回っている？」という副題で軽くからかうことはできませんでしたが）。 なぜあなたは気にするのか？おそらく、私たちの中のほんの数人が科学実験を行い、その後病的科学に陥ることを心配する時間を多く過ごすことになるでしょう。 私たちは皆、現実についての最良の理解に基づいて判断を下す必要がある場面に定期的に直面します（例えば、ホメオパシーの治療を受けるべきかどうかなど）。そのため、科学が誤っていることを認識する方法を求めており、私たちが信頼する専門家が、彼らの推奨に基づく証拠を検証する際に、これらの基準を使用しているかどうかを確認できることが重要です。このことが、私たちが確立された科学者が「病的科学」の指標に滑り込む二つの劇的な例を示した理由の一部です。しかし、私たちの事例が示すように、もっと根本的な問題が存在するかもしれません。実際に科学的研究を行っているかどうかにかかわらず、私たちは皆、真実であるべき信念に恋をし、それが他の知識と矛盾していても、それに固執してしまうことがあります。（「驚くべきことに、私は過負荷でマルチタスクをしているときが最も生産的です。」）また、これらの信念がうまくいかないときには悪い言い訳をし、前の章でも触れたように、私たちの信念が本当にうまくいく例だけに目を向けてしまいます。（「もちろん、そのマルチタスクの利点は金曜日には機能しなかったのは、良い睡眠をとっていなかったからです！」）確立された科学者でさえ、彼らの訓練がこのような精神的失敗に対してより抵抗力を持つはずなのに、明らかにこの罠に陥ることがあります。私たちの二つのケーススタディが示すように、こうした状況に気づいたら、「記憶を持つ水」や「冷却融合」を思い出し、一歩引いて「ここではもっと懐疑的であるべきだ」と自分に言い聞かせるべきです。 「科学が誤っている」という大きな視点に戻ると、フィクションを覆い隠すために科学的言語が頻繁に使われることや、真に詐欺的な証拠に基づく科学的主張の存在にも注意を払う必要があります。ポジティブな側面としては、統計的な変動や他の科学者によって発見された偶発的なミスによって誤った結果が出た場合、誠実な科学にはもう少し寛容であっても良いでしょう。しかし、さらに暗い側面として、詐欺的なデータは科学的結果を見たときに目にする最も悪質なもののように思えるかもしれませんが、科学の名のもとに行われた歴史的な悪用も存在します。それは、科学的言語や主張が差別、抑圧、さらには大量虐殺を正当化し、動機づけるために使われてきたということです。これらのひどい悪用は、主に人間のサブポピュレーションの研究を動員して、そのサブポピュレーションに害を及ぼす政策を正当化することとして説明できます（または、研究を行うグループに利益をもたらすこと）。その害の程度は、軽度の差別から深刻な法的偏見、ゲットー化、さらにはジェノサイドにまで及びます。悪名高い例としては、頭蓋人相学、優生学運動、メンゲレ博士とナチス科学、そしてタスキーギ実験などがあります。 明らかに、ここで私たちが議論しているのは、人間の行動の深く不穏な側面と、文化や文明の根本的な失敗であり、単なる科学の失敗ではありません。しかし、私たちが科学をどのように活用して、こうした危険に立ち向かい、抑圧を支持したり、さらには共謀したりすることを防ぐことができるかを考えることは重要です。 本書を通じて、私たちは長年にわたり（しばしば科学の文化を通じて）学んできたことに注目しています。それは、私たちが自分自身を欺いたり、現実を誤解したりする可能性が高いということです。そして、科学の抑圧的な利用は、この自己欺瞞の悪しき形態と見なされるかもしれません。私たちは一般的に、こうした方法で再び自分を欺くことを防ぐことはできませんが、（1）これらの失敗のパターンに対する自分自身の認識を高めることで、陥り始めたときにそれを認識し、軌道修正するための戦うチャンスを持つことができ、時には（2）特定の失敗モードに陥らないようにするための技術やガードレールを実施することができます。 人間のサブグループに関する研究が提起する危険に対しては、私たちはしばしば最初のアプローチ、つまり認識を高めることを用います。歴史的な物語に恐れを抱くことで、そうした研究に基づく政策を見たときに警戒心を持ち、これらの悪名高い歴史的前例を思い出させるような研究の作成や利用に関与しているときに警告の兆候に対してより敏感になります。また、第二のアプローチ、すなわちガードレールの開発についても、いくつかの例を挙げることができます。ナチスの人体実験、タスキーギー実験、その他の悪例に関する報道の後、アメリカ合衆国議会は「生物医学および行動研究における人間被験者の保護のための国家委員会」を設立しました。この委員会は「ベルモント報告書」において、人間被験者の倫理的な科学研究のための三つの原則を示しました。それは、個人の尊重（自律性の保護を含む）、善行（「害を与えない」という哲学に従い、利益を最大化することを含む）、そして公正（コストと利益の公平な分配を含む）です。これらの原則は、独立した倫理審査委員会（IRB）が人間被験者の研究提案を承認し、監視するためのガードレール基準となりました。例えば、今日、連邦資金を受けるすべてのアメリカの大学や研究機関は、人間被験者を含む提案された研究を精査する常設のIRBを持たなければなりません。たとえその研究自体が連邦資金で賄われていなくてもです。これらのIRBは当初は医療研究に焦点を当てていましたが、すぐに社会科学研究にも拡大されました。他の多くの国にも同様の手続きがあり、動物研究を精査するための別のIRBが存在することもあります。すべての人間の営みと同様に、IRBのプロセスは完璧ではなく、本書で以前に議論した「偽陽性/偽陰性」のトレードオフの種類を示しています。 例えば、IRB（倫理審査委員会）は、研究提案がほぼ達成不可能な非常に高い基準を課すことがあり、これにより人間の被験者に対する潜在的な危害を防ぐ一方で、将来的な人間の福祉に貢献する可能性のある多くの研究が阻まれることもあります。最近の倫理的なガードレールを作成し、導入するためのもう一つの試みは、「地域参加型研究」（Community-Based Participatory Research、略してCBPR）の開発です。このアプローチの考え方は、研究対象となるコミュニティのメンバーを研究の全過程において完全なパートナーとして関与させることです。コミュニティのメンバーやその代表者は、有用な研究課題の特定から、研究計画やデータ収集、データ分析、結果の解釈に至るまで、研究のすべての側面に参加します。これは常に実用的とは言えませんが、特に論争のあるトピックやコミュニティにとって重要な利害が関わる場合には、探求する価値があります。このアプローチの目標は、研究から得られる知識や政策がコミュニティに利益をもたらすことを確実にすることであり、理想的には、少なくともこれらの人間のサブポピュレーションに関する研究がそのサブポピュレーションに良い影響を与えることを目指しています。人間が人間を研究する際の科学の誤用を防ぐためのこれらの試みは貴重ですが、簡単な解決策はありません。コミュニティが参加できない場合や特定の相談可能なコミュニティが存在しない場合でも、私たちが人間のサブポピュレーションを研究する重要な理由が確かに存在するため、すべての困難について引き続き議論する必要があります。この本の多くは、世界を理解する手段としての科学的思考と科学的方法論の美徳を称賛することに捧げられています。これに基づいて効果的な意思決定を行うことができるようにするためです。しかし、「科学で作られた」というラベルがどんな議論の表紙にあっても、その議論を受け入れる十分な理由にはならないことを私たちはよく知っています。読者が「科学」と主張される際に、慎重に考えずに受け入れることがないよう、これらの多様な方法に対して十分に警戒していることを願っています。次の章では、これらの失敗モードの重要な側面に対処するための比較的新しいアプローチに目を向けます。 第14章 確認バイアスと盲目的分析 挑戦的なプロジェクトに取り組む際に、感情的な起伏はあるのでしょうか？私たちが科学的楽観主義の考えについて話したとき、私たちは、問題に取り組む際に多くの反復が必要な場合でも、どのようにそれが私たちを支え続けるのかを考えていました。これは、挑戦的なプロジェクトが最終的に大きな成功を収めるかどうかにかかわらず、一般的にかなり厳しい時期を経ることを示唆するものでした。世界を十分に理解し、繁栄するために明確に考える方法を学ぶという広大な人間のプロジェクトも、確かに厳しい時期を持っています。 この本のこの段階において、過去数章を経た後、私たちは人間の明晰な思考能力に対して絶望を感じたり、少なくとも深刻な疑念を抱いたりするかもしれません。まさにこのような絶望の可能性がある瞬間、私たちは手を挙げて諦めたくなるかもしれませんが、そここそが科学的楽観主義とそのモットー「絶望するな！」が求められる時です。私たちの3MTの目標は、思考における失敗のパターンを、進展の兆しが見られる限り、私たちが反復的に取り組むべき別の大きな問題として捉えることです。そして、私たちは確かに進展の兆しを示す証拠を持っています。この本の最初の三部で議論してきた思考アプローチの多くは、過去1世紀における劇的な概念の進歩を表しています。今は諦めるべき時ではありません。むしろ、私たちは今発見した問題を診断し、可能な解決策を探し始めるべきです。 病理学的科学の憂慮すべき物語や、人間の抑圧のために科学的主張を利用する恐ろしい物語において、主人公たちは自らの主張を強化するために同じ道を辿ります。その道は確認バイアスで舗装されており、これは第12章の終わりで特に有害であると強調した人間の認知的失敗です。確認バイアスがどれほど有害であるかを考えるために、少し時間を取りましょう。第12章で述べたように、人々はしばしば信念をテストする際に、それを支持する事実を探し始めます。それは論理的に思えます。有名なパズルであるワソンの4枚カード問題は、これをよく示しています。以下の4枚のカードが、片面に文字、もう片面に数字が書かれてテーブルの上に置かれています： A K 2 7 あなたに求められるのは、「もしカードの片面に母音があれば、もう片面には偶数がある」という主張をテストするために、どのカードを裏返す必要があるかです。 あなたの答えは何ですか？ちょっと試してみてください — 私たちは待ちます。演繹的論理の原則に従えば、正しい答えは「A」と「7」のカードを裏返すことです。「A」を裏返すことで、もう片面に偶数があるか確認し、「7」を裏返すことで、もう片面に母音がないか確認します。しかし、一般的に5％未満の人しか両方の選択をしませんし、約3分の1の人は「A」のカードだけを裏返します。「A」のカードを裏返すのは正しい選択で、仮説を確認する方法ですが、人々は「7」のカードを見落とします。これは、仮説が間違っている場合にそれを否定する方法です — これも確認バイアスの一例です。（ほぼ半数の人が「A」と「2」の両方を裏返そうとしますが、「2」のカードを裏返しても、仮説をテストすることにはなりません。「もし母音があれば、もう片面は偶数」ということは、「もし偶数であれば、もう片面は母音」ということを意味しないからです。）確認バイアスは、私たちが確認する証拠だけを求め、否定する証拠を探すことを怠る原因となります。しかし、ある種の補足があります — 「否定確認バイアス」です：人々は自ら進んで否定するデータを探すことは少ないですが、仮説に反する証拠に出くわしたときには、 しばしば、彼らは好意的な証拠に対して適用したよりも、はるかに厳しい精査を行います。単純な演繹的論理の誤解は「冷たい確認バイアス」と見なされる一方で、好ましくない証拠に対して厳しくなることは「熱い確認バイアス」を構成します。これは、私たちが好む結論が、間違っていることを示す代替案に勝つように偏っている動機づけられた推論の一形態です。 ロブは、自身が政府の政策が薬物使用に与える影響を研究していた際の行動を使って、この熱いバイアスを説明するのが好きです。1975年、イタリアはすべての向精神薬の所持を非犯罪化しました（販売は除く）。1990年の市民投票で薬物所持が再び犯罪化されましたが、わずか3年後の1993年には再び所持が非犯罪化されました。ロブにとって、これは薬物法が薬物問題に与える影響について多くを教えてくれる「自然実験」のように見えました。 残念ながら、イタリアはその期間中に薬物使用を定期的に評価していませんでしたが、「薬物関連死」は記録されていました。データをプロットしてみると、薬物関連死は1980年代半ばから着実に増加していることがわかりました。しかし、驚いたことに、1990年の再犯罪化の後に死亡率が減少しました。そして、1993年の再非犯罪化の後に再び増加し始めました。表面的には、物語は明確に見えました：薬物所持を罰することは命を救う。なぜロブは驚いたのでしょうか？それは、1993年に彼が所持の非犯罪化が薬物使用にほとんど影響を与えないと主張する包括的な分析を発表しており、その理由を理論的にいくつか提示していたからです。イタリアのデータは、ロブの以前の結論が深刻な誤りであることを示す恐れがあり、彼はそれに脅かされていたため、さらに掘り下げて調査を始めました。そして、同じ期間に薬物関連死を報告している他の2つのヨーロッパ諸国を見つけました。そのうちの1つ、スペインもイタリアとほぼ同時期に薬物所持を非犯罪化しましたが、再犯罪化はされませんでした。しかし、これらの異なる法的歴史にもかかわらず、データは3つの国すべてが1991年頃に薬物関連死の一時的な増加を見たことを示しており、非犯罪化が死亡率を高めるという仮説を打ち砕きました。ロブは安堵しました。彼の1993年の主張は依然として有効でした。ロブの行動は良い科学的実践だったのでしょうか？振り返ってみると、彼は（非常に恥ずかしさを感じながら）この物語は、彼が期待を支持する証拠を探す一方で、それに反する証拠を求めなかった「冷たい確認バイアス」が働いていたことを示していると主張します。しかし同時に、初期の結果が気に入らなかったときに新しいデータとより徹底的なテストを導入したため、「熱いバイアス」も存在していました。物理学の測定や、さらに遠くの宇宙論の測定のより穏やかな世界では、「熱いバイアス」の動機が少なくなると思うかもしれません。 結局のところ、宇宙の膨張率が50 km/sec/メガパーセク（Mpc）であるか100 km/sec/Mpcであるかが、私たちの政治的目標や財政状況に実際に影響を与えるわけではありません。しかし、これはまさに1970年代中頃から約20年間続いた激しい議論の内容です。一方の科学者チームは50 km/sec/Mpcという数値を見出す論文を次々と発表し、もう一方のチームは100 km/sec/Mpcという数値を示す論文を発表しました。両チームとも優れた科学者で構成されており、彼らの論文には良い議論と強力なデータが示されていましたが、この期間中は、特定の論文の結論から著者を推測することがほぼ可能だったと言えるでしょう。一体何が間違っていたのでしょうか？同様の奇妙な傾向は、粒子物理学の測定に関する第5章で議論した歴史の中でも最近発見されました。これらの測定は数十年にわたり繰り返され、技術が着実に向上してきました。奇妙な点は、測定が以前の測定と比較して、測定ノイズが許容する以上に一致する傾向があったことです。この場合も、優れた科学者たちが測定を行っており、彼らの結果は決して不正や病的な科学の産物とは見なされていません。再び、何が間違っているのかを問うことができます。最終的に、これらの例の背後にある可能性のある原因は、無意識のうちに生じる確認バイアスのもう一つの陰湿な影響として特定されました。この特定の確認バイアスは、科学的分析が例えば12回の測定を行い、それを合計して12で割って平均を求めるようなものであった時代にはそれほど一般的ではなかったかもしれません。しかし今日、物理学の測定ははるかに複雑で、通常は膨大なデータを収集し、それをコンピュータに入力し、データから結論を導くための多くのコンピュータプログラムを書くことが含まれます。その後、信頼できるデータを選別し、コンピュータプログラムのデバッグに多くの時間を費やします。すべての科学者にとって、これらは重要な仕事です。大規模なデータセットには、誤って収集されたデータが含まれることが多く、例えば測定機器が温まっていなかったり、成人の研究が誤ってティーンエイジャーの結果を得たりすることがあります。これらのデータは特定され、除去される必要があります。そして、合理的に複雑なコンピュータプログラムには、見つけにくいバグがいくつか存在することがわかっています。これらのバグの中には結果に悪影響を与えないものもありますが、影響を与えるものもあり、それらは見つけて修正しなければなりません。問題は、信頼できないデータやソフトウェアのバグを見つけて排除する傾向があり、驚かない結果が得られるところまでその作業を続けることです。つまり、予想外の結果が出たときには悪いデータやバグを探しますが、結果が「正しく見える」時点でその探索をやめてしまうのです。たとえその美しい結果が、残っている悪いデータやコンピュータプログラムの未発見のバグによって生じたものであってもです。 その結果、最終的な測定値やそれに基づく科学論文は、科学者たちが期待していた結果に系統的に偏る傾向があることが示されます。これは、歴史的な物理測定が、期待されるランダムノイズに基づいてもっと変動するべきだったにもかかわらず、あまり変動しなかった理由の説明のように思えます。特に宇宙の膨張に関する測定の劇的なケースでは、50 km/sec/Mpcと100 km/sec/Mpcの結果の違いは、各チームがどのデータを信頼できると見なすかの選択によって大きく影響を受けた可能性があります。この特定の確認バイアスによる失敗が、これほどひどい影響を及ぼさなかったことは、やや驚きです。これらの歴史的な例では、他の科学の側面が働いているおかげで、最終的には測定が改善され、これらの特定の悪い結果が明らかになりました。しかし、いずれのケースでも、私たちはこれらの偏った結果によって研究や発見の時間を数年失いました。そして、改善された測定の後に振り返る利点がない場合、こうした確認バイアスに基づく測定に基づいて意思決定を行う危険性は依然として存在します。この本の繰り返されるテーマの一つは、科学の世界での経験から学び、合理的思考における失敗のパターンを示してくれることを通じて、その教訓を日常生活に活かすことができるということです。この場合、私たちが経験したことのある失敗について話していることは明らかです。誰もが、経験豊富な人にアドバイスを求め、その答えが気に入らなかったときに、信頼できる人から聞きたい答えが得られるまで、さらに多くの人に尋ねたことがあるのではないでしょうか。この時点で、私たちはおそらくそれ以上のアドバイザーに尋ねるのをやめ、科学者が期待した結果を見たときにデバッグを止めるのと同じように行動します。しかし、科学の世界からの例を見つけることの目標は、こうした精神的な失敗を助けるために科学が発明したトリックやヒント、テクニックを活用できるようになることです。この場合、物理学者たちがこの新たに特定された問題の広がりを認識し始めると、彼らはそれを避けるための技術を発明し始めました。これは私たち全員が知っておくべき技術です。この科学的方法論の部分は新しいものであり、まだすべての科学分野に広がっていないため、この本の読者は、少なくとも数年間、科学界の一部に先んじるチャンスがあります。 無知は幸福という解決策 一見すると、これらの確認バイアスによる失敗は対処が難しいように思えます。人々が問題に永遠に取り組み続けたり、コンピュータプログラムのバグを探し続けたり、望む答えを得た後でもさらに多くのアドバイザーに尋ねたりすることを期待することはできません。より効果的な解決策の核心は、驚くべき場所、つまり「無知の場所」から来ることがわかりました。 私たちが幼い頃に学んだ楽しい意思決定の技術の一つに、ケーキを分ける戦略があります。公平にケーキを分けたいとき、私たちは「あなたが切って、私が選ぶ」というアルゴリズムを学びました。ケーキを切る人はどの部分を自分が取るか分からないため、切る際には非常に公平であることが求められます。この無知を利用して、私たちは正しい結果を得ることができます。同じ考え方を確認バイアスの問題に適用することができます。あなたが科学者として悪いデータを排除し、コンピュータプログラムのバグを修正していると想像してみてください。しかし、あなたが発見している悪いデータやバグが、驚くべき結果を「修正」するかどうかは分かりません。実際には、データのクリーニングやデバッグの最終的な効果が何であるかを、分析が完了し、発表の準備が整うまで自分に知らせないとしましょう。結果が期待通りであるかどうか、または結果が気に入るかどうかに関わらずです。これにより、例えばどのデータを排除するか、いつバグ探しをやめるかを決定する際に、どの「ケーキの半分」が自分のものになるか分からない状態になります。これにより、分析を完了する際に行うすべての小さな決定について、自分に正直でいられるのです。そのため、これらの決定は、見たい結果や期待する結果によって確認バイアスを受けることはありません。物理学者たちはこれを「盲目的分析」と呼び、医師や患者が治療を受ける人とプラセボを受ける人を知らない「二重盲検」実験に例えています。 では、なぜすべての科学者がこの手法を聞いた直後にすぐに使わないのでしょうか？盲目的分析は少し慣れが必要です。なぜなら、ほとんどの科学者はデータやコンピュータプログラムに問題があるかどうかを判断するために結果の特性を見て依存しているからです。この手法は、重要な結果を明らかにすることなく問題を探す新しい方法を考案することを要求しますが、これには再訓練や時には創造性が必要です。例えば、重要な結果が大規模な測定値の平均に依存する科学的研究を想像してみてください。ここでの盲目的分析のシンプルなアプローチは、分析を始める前に、友人が秘密にしている単一の数値をすべてのデータポイントに加えることで、自分自身から平均値を隠すことです。そして、最終分析が完了したと決定した後、友人が隠された数値を明らかにし、それを引いて平均値を見つけることができます。このようにして、例えば（隠された）平均から遠く離れたデータポイントを精査し、それらを悪いデータとして排除することで実験をデバッグできます（その日は検出器が壊れていたのかもしれません？）。これにより、重要な最終結果を早々に明らかにすることなく、盲目的分析を行うことができます。この盲目的分析のアプローチは、サウルのグループが使用し始めたものと非常に似ています。 数年後、宇宙の現在の膨張率に関する議論を経て、彼らは次の宇宙論の問いを研究していました。それは、時代を超えてその膨張率がどれほど変化したのかということです。ソールのチームは、当時新しかったブラインド分析手法について知り、関連する宇宙論の測定について議論していた以前のチームの経験を考慮すると、試してみる価値があると感じました。最終的に、ブラインド分析は多くの宇宙論の測定における標準となりました。当初は多くの追加作業が必要に思えましたが、ソールのグループが他のチームの以前の測定を再分析し、結果が期待通りのものであることが確認された際に、バグが追跡されていた明確な証拠を見つけたことで、その必要性がさらに明らかになりました。さらに悪いことに、彼のチームが自分たちの以前のデータを再分析した際にも、同様のケースが見つかりました。彼は自分のチーム（おそらく他のチームも）がどれほど注意深く作業していたと思っていたとしても、この確認バイアスが忍び込んでいたのです。この確認バイアスがどれほど厄介なものであるかを認識すると、ブラインド分析のような手法を用いていない結果に対して自信を持つのが難しくなります。驚き、驚き！自分自身から何かを隠すというゲームのような側面は、全研究チームがこのアプローチを使用するようになると、劇的な物語を生み出します。40年の反復的な開発を経て、重力波を探している国際チームは、これらのほとんど信じられないほど小さな信号を検出するのに十分敏感な機器の初めての運転に向けて準備を進めていました。レーザー干渉計重力波天文台（LIGO）協力チームは、実際の信号（非常に稀であると予想されている）を見逃すか、ノイズを重力波として誤って特定することを心配していました（ノイズは実際の信号に非常に似ており、圧倒的に頻繁に発生するため、常に検出器を「狼が来た」と叫ばせることになります）。そのため、大規模なチームは自らに次のようなゲームを行うことに決めました。彼らは、時折重力波のように見える信号をシステムに挿入する責任を持つ小さなサブチームを設置しました。時には非常に弱い信号、時には強い信号を入れることで、他のチームがこれらの稀な信号を真剣に受け止めるかどうかをテストしました。実際、サブチームは信号が本物かどうかを、他のチームが分析を終え、科学論文を書き、信号が本物であればそれを公表することを決定するまで明かしませんでした。ソールがこのシステムについて初めて聞いたとき、大きなチームは数ヶ月間分析と論文作成に取り組んでおり、最終的にサブチームが彼らが論文のために調べていた信号が偽物であることを明らかにしました。数年後、チームは明らかに偽物だと思われる信号を検出しました。その信号は強力で、彼らの検出器が機能するのに必要な強さをはるかに超えていました。しかし、今回は彼らの大きな驚きに、信号は本物であり、初めての重力波の検出となったのです。 もう一つの盲目的分析のアプローチの例として、ある生物学的治療の異なる投与量の効果をテストするケースを考えてみましょう。これは、ある物質の投与量を増やしながら、各治療法を比較するものです。友人に試験管の順番をランダムにしてもらい、すべての分析が終わった後にそれぞれが何であるかを教えてもらうことができます。この例は、記憶を持つ水のテストを盲目的に行うためにアメージング・ランディが実際に行ったことと本質的に同じであるため、聞き覚えがあるかもしれません。そしてもちろん、冷融合を研究している科学者たちがこのようなメンタルハイジーンの技術を知っていればよかったのにと思います。自宅で試してみてください。 盲目的分析が科学実験にだけ有用であれば、それでも重要ですが、このアプローチは日常生活にも役立ちます。特にシンプルな例として、価格やラベルに関係なく、自分にとってどのワインが最も美味しいかを知りたい場合、盲目的なワインテイスティングを行うことができます。これはもちろん、ワインの専門家が行っていることです。私たちのお気に入りの盲目的分析の実例の一つは、心理学者で元プロポーカープレイヤーのアニー・デュークが彼女の著書『Thinking in Bets: Making Smarter Decisions When You Don’t Have All the Facts』で紹介しています。デュークは、プロのポーカープレイヤーが同僚と良いプレイや悪いプレイについて話す際に、ハンドの結果を省略することが多いと説明しています。「物語の結末を教えることは、結果に基づいて解釈するように促します... 結果が知られていると、意思決定の質の評価が結果の質に合わせて偏ります。」デュークは、彼女の専門外の聴衆がプレイの結果を教えずに強いプレイと弱いプレイについて話すときにしばしばフラストレーションを感じることを認めています。彼らが尋ねると、彼女は「それは重要ではありません」と説明します。ポーカーでも人生でも、特定の結果は私たちの戦略によって影響を受けますが、制御できない偶然の要因にも影響されます。優れたポーカープレイヤーは、賢い戦略が長期的には勝率を向上させることを認識していますが、単一のケースで成功しないこともあります。 盲目的分析は、採用決定において過小評価されているグループに対する差別を減らすために、良心的な雇用主によってますます利用されています。最も有名な例は、プロオーケストラのオーディションで音楽家の外見を隠すためにスクリーンを使用する方法で、これにより女性音楽家の選出が大幅に増加しました。特にヨーロッパでは、雇用主が候補者の面接を行う前に、求人応募書類から人口統計情報を削除することが増えています。 盲目的分析は万能ではなく、意図しない結果をもたらすこともあります。例えば、多くの... アメリカのいくつかの州では、「ボックスを禁止する」政策が採用されており、雇用主が求人応募書類に「犯罪歴」のチェックボックスを含めることを防いでいます。しかし、いくつかの研究によれば、これが雇用主にマイノリティの地位を（盲目的に）犯罪歴の代理として使用させ、差別を増加させる可能性があることが示唆されています。 政治的信念を（確認的に）偏らせるためのPハッキングゲーム 第7章での「他を見よ効果」についての議論を思い出すかもしれません。データをさまざまな方法で分析していくうちに、最終的には自分が証明したいと考えていた仮説を支持する結果が見つかることがありますが、それは実際にはノイズのランダムな変動によるものです。盲目的な分析はまさにこのような危険を回避するために設計されています。人間は、自分の仮説を支持する分析に焦点を当てるための事後的な正当化を見つけるのが得意です。望む結果が得られるまでさまざまな分析を試すことは「Pハッキング」と呼ばれ、心理学者のウリ・シモンソン、ジョセフ・シモンズ、レイフ・ネルソンによって名付けられました。 「他を見よ効果」と、結果を盲目的に分析しない場合に期待する結果が得られる傾向を体験したい場合は、FiveThirtyEightのオンラインインタラクティブPハッキングゲーム（projects.fivethirtyeight.com/p-hacking）をチェックしてみてください。このゲームでは、重要で物議を醸す質問を探求できます。それは「民主党と共和党のどちらが経済にとって良いか？」というものです。実際のデータセットも使用されています。ポイントは、独立変数（権力を持つのは誰か）と従属変数（経済はどうか）をさまざまな方法で定義できることです。大統領が誰であるか、州知事が誰であるかが重要ですか？「経済」はGDP、雇用、インフレ、株価、またはその4つの組み合わせのどれに基づくべきでしょうか？変数の定義によっては、あなたの政党（どちらであっても）が経済にとって明らかに良いという統計的に有意なパターンを得ることができます。自分の政党が良いことを示す分析を見つけたら、なぜそのように変数を定義したのかについて事後的な正当化を考え出すことができます。そうすると、あなたの政党が本当に経済にとって良いという確信がさらに強まるかもしれません。このような事態を完全に避ける唯一の方法は盲目的な分析を行うことです。たとえば、変数をどのように定義したかに満足するまで、どの政党がどれかを盲目にすることができます。そして、盲目を解除したとき、その結果に従わなければなりません。たとえそれが望んでいた結果でなくても。時には、現実は私たちの願いと一致しないこともあります。 専門家を盲目にする 科学研究以外で盲目的な分析が重要な応用を見せるもう一つの例は、専門家の意見を評価することです。犯罪事件における法医学の専門家の使用において、劇的な例が見られます。 どうやら、私たちが大切にしているミステリー小説のトロープのいくつか、特に決定的な指紋証拠は、確認バイアスの懸念に悩まされていることが明らかになりました。指紋の専門家たちは、最近まで盲目的な分析とは程遠い職業慣行の長い伝統を持っており、特定の指紋の同定に対して強い偏りを持っていました。現代の科学的手法が議論に持ち込まれると、新しい研究が指紋専門家の「キャリブレーション」に疑問を投げかけ、主要な科学機関からの報告では、そのような法的証拠には新たなキャリブレーション作業が必要であると推奨されるまでになりました。驚くべきことに、複数の尊敬される指紋専門家は、以前に同定した指紋を含む盲検テストを提示された際に結論を変えました。このような盲目的なキャリブレーション作業は、現在、法医学の物語の一部となり始めています。このことを考慮すると、私たちが相談する専門家には、可能な限り盲目的な分析を用いて意見を述べるよう期待すべきです。これは、一般的な慣行において少し変化があることが多いでしょう。例えば、医師は一般的に、セカンドオピニオンを提供する前に、以前の医師の結論を確認します。しかし、患者であるあなたにとっては、医師が以前の結論に影響されずに盲目的に判断する方が利益になるでしょう。同様に、私たちの視点から見ると、裁判官や陪審員も盲目的な分析に基づく専門家の意見から利益を得ることができるでしょうが、一部の争いを持つ者は現在の盲目的でないアプローチを好むかもしれません。 結果盲検分析は、確認バイアスを減少させる方法の一つに過ぎません。他にもいくつかの方法があり、これらは「オープンサイエンス運動」と呼ばれる広範なトレンドの一部としてますます議論されています。私たちはこの運動に興奮しています。なぜなら、これは私たちが「第三千年思考」と呼んでいるものの大きな部分だからです。オープンサイエンス運動が支持する多くの方法は、その運動以前から存在していましたが、運動の強みはそれらをすべてまとめて、科学的実践の信頼性と誠実性を向上させるための一般的なアプローチを形成することです。そのようなオープンサイエンスの方法の一つは、事前登録です。これは、研究を行う前に、研究者が提案する方法論、テストする特定の仮説、およびそれらをテストするために使用するデータ分析計画を公にアーカイブすることを意味します。事前登録が結果盲検分析の必要性を排除する（またはその逆）と主張する人もいますが、両者は補完的であり、併用すべきです。事前登録は、研究者がデータを収集する前に自分の方法や分析戦略について慎重に考えることを強制し、盲検分析はチームが以前には考えつかなかった新しいアイデアを試したり、予期しなかった新しい分析問題に対処したりすることを可能にし、研究に対する願望が影響を与えることを恐れずに行えるようにします。オープンサイエンスの支持者たちは、他にも多くの実践を提唱しており、ここではそのいくつかを挙げるにとどめます。 一つは、複数の研究所が特定の仮説についてそれぞれのテストを行うという、よりルーチンな多ラボ調査の利用です。これは主に文献における挑発的な発見を再現する試みとして行われますが、重要な新しい研究課題に対しても実施されることがあります。これに対する一つのバリエーションは「多くの分析者」プロジェクトで、独立したチームが同じデータセットを用いて同じ仮説を検証するよう求められます（これらの実践は、異なる研究所や異なる分析者の確認バイアスを三角測量することで、全員が同じ方向に偏らないことを期待しています）。最近注目を集めているもう一つの戦略は、ジャーナルが登録報告にスペースを割くことです。ここでは、研究者がジャーナルに研究提案を行い、理論的な正当性と提案された方法が技術的なピアレビューに承認されれば、研究が実施される前にジャーナルがその研究を発表することを約束します。この実践は、期待から大きく外れた結果を発表する可能性が低いため、ジャーナルによる確認バイアスを取り除くことに加え、興味深い仮説を証明する結果のみを発表し、反証する結果を無視するというジャーナルの自然なバイアスも排除します。また、二人以上の研究者が仮説について強く意見が対立する場合、彼らは対立的なコラボレーションを形成することができます。このアプローチでは、競争者が共同で実験を設計、実施、発表し、互いの競合する視点を公平にテストすることを目指します。各研究者は論文の最後に自分の結論を述べる権利を留保しますが、事前に方法論にコミットすることで、望ましくない結果を研究を攻撃することで無視することはできません。 オープンサイエンスの支持者たちは、ジャーナルに対してこれらの実践の一部またはすべてを要求するか、著者がそれに従事したことを示すアイコンや「オープンサイエンスバッジ」を通じて報酬を与えるように強く働きかけてきました。また、科学者が自分の以前の研究が誤っている、または欠陥があると率直に認めることをより受け入れやすくするためのさまざまな方法を提唱しています（第5章で議論した「信頼喪失プロジェクト」がその良い例です）。重要なのは、研究者たちがこれらの提案を精査するために科学の手法を用いており、これらの方法のコストと利益に関する実証的な評価が徐々に現れ始めていることです。私たちは、オープンサイエンスのツールセットが時間とともに拡大し、より洗練されることを期待しています。 さて、ブラインド分析に慣れた今、専門家を選ぶ際や専門家の意見を受け入れる際には、常にそれを探すべきです。信頼できる専門家とは、自分たちがどのように自分を欺くかを認識している人々であり、私たちは適切なブラインディング、事前登録、または確認バイアスに対する他の安全策を用いて結果に到達していることを示す専門家を見つけたいと思っています。 そして、より個人的なこととして、はい/いいえの結果や数値、行動の選択を決定する際には、問題を研究する前に答えを知っていると思い込むことに警戒すべきです。たとえば、「悪玉コレステロール」のレベルを下げるためにスタチンを服用するべきか、ビジネスを盛り上げるために広告費を支払うべきかを決める必要があるかもしれません。また、大学生の子供が生計を立てられる専攻を選ぶ手助けをしているかもしれません。このような質問に対する最も現実を反映した答えを見つけるためには、どのデータを使用し、どのように使うかを決める必要があります。たとえば、どのウェブサイトのデータを信頼し、どれを無視するかを選ぶ必要があります。（「WebMDのデータを使おう。Mayo Clinicのデータよりも読みやすいし、私が望む健康結果に関しては怖く見えないから」と言いたくなるかもしれません。）どのデータが自分のケースに関連性があるかを決めなければなりません。（そして、最初の結果が気に入らなければ、「自分の年齢層や一般的なフィットネスレベルに適した医療データだけが欲しい」と提案するかもしれません。）しかし、最終的な答えに対するこれらのデータ選択の影響を見ている場合は、そのような決定を下すべきではありません。なぜなら、その場合、無意識のうちに自分が望む答えを得るために情報を選び取ることになるからです。サイトの方法論の質を結果を見ずに評価するためには、友人に協力してもらい、各サイトの情報を別の文書にコピー＆ペーストし、サイト名を取り除き、結論を隠す必要があるかもしれません。したがって、事実の選択がその結果に影響を与えるような決定を下す状況にいるときは、すべてを止めて、ドラマチックな口調で周囲の人々（理想的には同じ問題に取り組んでいる人々）に告げてください。「今すぐこの研究（またはこの問題や行動の選択について考えること）をやめなければなりません。結果に偏りが出るようなことをし始めているからです。すべてのデータを選び終え、決定手順を確認するまで結果を見ないようにしましょう！」これは、自分自身を欺かないための新しい技術を発明するのが最後ではありませんし、明晰に考え続けることができるかどうかに絶望するのも最後ではありません。なぜなら、私たちが世界や互い、そして現実の共同研究との関わり方を変える新しい技術を発明するたびに、自分自身を欺く新たな方法が生まれるからです。次回は、コンピュータがより複雑な分析やプログラミングバグの機会を提供することでゲームのルールを変えるだけでは済まないでしょう。 例えば、私たち全員が頭にインプラントを受け、思考に対する答えがリアルな画像として眼鏡に投影されるようになったとしたら（これは恐ろしいシナリオですね！）、私たちは自分自身を欺かないための新しい技術を考案する必要があるでしょう。科学的楽観主義者の生活、つまり3MTの生活は、必然的に本当に創造的な生活です。 これまで、私たちは個々の心の合理性について考察してきました。しかし、もちろん、多くの大きな問題は、個人が協力して取り組むことで解決されます。たとえば、夫婦が予算を見直したり、隣人が地震対策プランを策定したり、同僚が複雑なプロジェクトを調整したり、NASAのエンジニアが火星探査機を安全に着陸させたり、そして市議会、州議会、国会、国連のすべての活動がそれに該当します。しかし、集団の心は個々の心の集合体以上のものなのでしょうか？グループはその構成要素の合計以上の存在なのでしょうか、それとも以下なのでしょうか？歴史的に見て、観察者たちはグループに対して二つの全く異なる見解を示してきました。一つは悲観的なもので、もう一つは楽観的なものです。しかし、どちらの見解も完全に説得力があるわけではありません。悲観的な見解は、実際のグループが非常に悪いパフォーマンスを示した後の説明から来ています。一方、楽観的な見解は、20世紀初頭から人々が行ってきた単純な実験から生まれたもので、グループが素晴らしく見えることがあります…が、実際には本当のグループディスカッションが全く行われていないことに気づくまでの話です。 そこで、これら二つの見解を紹介した後、私たちは小グループのパフォーマンスに関するより体系的な実験研究から得られた知見を見ていきます。この研究では、グループやタスクのさまざまな特徴を操作し、グループが最終的な決定に至る過程を観察することができます。その研究は、悲観的な見解と楽観的な見解がそれぞれ時には正しいことを示しています。つまり、グループでの意思決定は、実際に物事を良くしたり悪くしたりする可能性があるのです。幸いなことに、グループプロセスがうまくいく要因やうまくいかない要因を特定することができます。グループがどちらの極端に進むかを理解することで、グループが最も効果的に機能する条件を見出すためのレシピを開発し始めることができます。この点については、章の終わりで触れ、次の二つの章でさらに掘り下げていきます。 群衆行動と集団思考 グループに対する初期の悲観的な見解は、チャールズ・マッケイの1841年の著書『異常な大衆の妄想と群衆の狂気』に見られます。この本では「群れのメンタリティ」という概念が紹介されています。マッケイは、群衆の妄想や大衆ヒステリーの多くの事例を提供しており、有名なオランダのチューリップバブルのように、人々がチューリップの投資価値を非常に信じ込んでしまい、ある人は単一の球根を購入するために家を売って資金を調達したというケースも含まれています。 （同様のテーマを扱ったより理論的な著作としては、ギュスターヴ・ル・ボンの1895年の著書『群衆：大衆心理の研究』があります。）マッケイの例の多くは集団行動に関するものですが、正式なグループ（委員会など）が集団で意思決定を行う場合ではなく、関与する人々が互いに知らないことも多いです。これらはしばしば「暴徒行動」と呼ばれるような例です。最も衝撃的な実証研究のいくつかは、リンチ暴徒がアフリカ系アメリカ人を恐怖に陥れた歴史的記録を調査しています。統計分析によると、これらのグループが犠牲者を殺す確率（通常は絞首刑）は、群衆の大きさが増すにつれて高まり、夕暮れ時以降に発生するイベントではさらに高くなることが示されています。群衆の大きさと暗さは匿名性を高めます。群衆の中で人が増えるほど、あなたの個々のアイデンティティは次第に重要性を失い、光が少なくなるほど他者に認識される可能性が小さくなります。したがって、あなたの個々のアイデンティティが減少し、匿名性が増すにつれて、責任の拡散が起こり、誰もが自分の行動に対する感覚を持たなくなります。心理学者はこれを「非個別化」と呼びます。また、暴徒行動に寄与する別の現象として「感情の感染」があります。他者の感情に触れることで、自分自身にも似た感情が引き起こされるのです。あなたが何かに悲しみを表現すると、私もそれを感じ始めます。あなたは私が悲しんでいるのを感じ、それがあなたの悲しみを増幅させるという悪循環が生じます。 非個別化や感情の感染の例は極端で稀なものに見えるかもしれません。しかし、実際にはそれほど極端でない例が頻繁に発生していることが、読者が学校の理事会や市議会の議論の多い問題に関する会議に出席したことがあれば観察したかもしれません。 集団の中で繁栄する非合理性に対する同様に厳しい見解は、アーヴィング・ジャニスの1972年の著書『グループシンクの犠牲者：外交政策の決定と失敗の心理学的研究』から得られます。しかし、ジャニスは無秩序な公衆の「暴徒」を研究するのではなく、エリートによる意思決定を詳細に調査しました。最も有名なのは、ケネディ大統領の内閣がキューバのピッグス湾事件で行った失敗したクーデター支援の試みや、その後のキューバミサイル危機です。ジャニスは、彼が引用した事例が無作為にサンプリングされておらず、制御された実験の厳密さに欠けると主張する同僚の心理学者や、記録の正確性を疑問視する歴史家から厳しい批判を受けました。しかし、この本は持続的な影響を与えており、それはジャニスがグループの病理を特定し、ラベリングする才能を持っていたからです。彼が説明する病理が実際のグループで時折発生する証拠はたくさんあります。1952年にウィリアム・ワイトによって導入されたこの用語ですが、ジャニスは1971年に『Psychology Today』で自身のグループシンクの定義を提供しました。 人々が一致を求めることが非常に強くなり、結束した集団内で現実的な代替案の評価が覆されるような思考様式を指す簡単でわかりやすい方法があります。それが「グループシンク」という概念です。この言葉は、ジョージ・オーウェルが『1984年』の中で描いた不安な世界のニュースピークの語彙と同じようなものです。ジャニスはグループシンクの主な8つの症状を挙げました。それは、無敵感の幻想、集団の内在的な道徳性への信念、集団的合理化、外部グループに対するステレオタイプ、自己検閲、全会一致の幻想、異議を唱える者への直接的な圧力、そして「自己任命されたマインドガード」（リーダーを対立する見解や情報から守るメンバー）です。彼はまた、これらの症状を引き起こす2つの主なリスク要因を提案しました。1つ目は、差し迫った脅威とそれを回避する明確な解決策がない「挑発的な状況コンテキスト」で、これは主にグループのコントロールを超えています。2つ目のリスク要因は、グループの隔離、偏りのないリーダーシップの欠如、メンバーの背景やイデオロギーの多様性の欠如といった特徴を持つ特定の形の不健全な組織文化です。ジャニスはグループシンクの問題に対するさまざまな潜在的解決策を提案しました。彼は、リーダーが自分の意見を述べることを控え、場合によっては会議に出席しないことで、メンバーが率直に発言できるようにする必要があると主張しました。グループのメンバーは、提案された解決策を批判し、代替案の利点を主張する「悪魔の代弁者」を演じることを奨励されるべきです。グループは独立して検討するためにサブグループに分けるべきです。グループシンクの概念は、もともと科学チームの行動に基づいていたり、適用されたりしたものではなく、一般市民よりも政策エリートの研究において発展しました。しかし、科学チーム、PTA委員会、大学の教員会議、そして人々が問題を解決するために協力する必要があるあらゆる場面に容易に適用できるようです。 群衆の知恵 さて、グループに対する悲観的な見方はこれくらいにして、もっと楽観的な見方である「群衆の知恵」の視点に移りましょう。1907年、フランシス・ゴルトンは『ネイチャー』に驚くべき発見を記録した記事を発表しました。ゴルトンは、多くの人々にさまざまな量（例えば、物体の高さや重さ）を推測させました。彼は、ほとんどの人の推測が大きく外れていても、全ての推測の平均を計算すると、実際の値に非常に近いことがわかることを示しました。ここに一例があります。ある年のクラスデモンストレーションで、私たちは皆に生きている最も重いダチョウの重さ（ポンド単位）を推定してもらいました。推定値は15ポンドから2トンまでさまざまでした！しかし、彼らの回答の平均は326ポンドで、正確な重さの345ポンドに非常に近いものでした。この仕組みがなぜ機能するのかを私たちは知っていますが（そしてすぐにお話ししますが）、それでも私たちには魔法のように感じられます。まるで目に見えない集団の心があるかのようです。 群衆の知恵の効果に関する多くの実例は、ベンジャミン・ページとロバート・シャピロによって1992年の著書『合理的な公共』で、またジェームズ・スロウィッキーによって2004年のベストセラー『群衆の知恵』で記録されています。どちらの本も明るく祝祭的な雰囲気を持ち、著者たちは私たちがそれぞれ異なる形で無知であっても、無知を集めることで誰も考えを変えなくても素晴らしい結果が得られるという考えを楽しんでいます。しかし、私たちはこの盛り上がりに水を差すつもりはありませんが、ここには特別な魔法は存在しません。そして、実際に起こっていることは、グループの思考や人間の能力とは関係ありません。むしろ、著者たちが認めているように、群衆の知恵の効果は統計学の基本的な概念である「大数の法則」の純粋に機械的な結果です。私たちが以前に述べたノイズ（ランダムまたは統計的誤差）とバイアス（系統的誤差）の違いを思い出してください。何らかの量を測定したり、人々の推定を求めたりする際、各推定にはいくつかのランダム誤差が含まれます。大数の法則は、その最も単純な形で、大きな推定値のセットを集計（例えば、平均を取る）すると、そのランダム誤差が相殺されると言っています。 例えば、学生たちがダチョウの体重について推測した場合を考えてみましょう。ほとんどの人はダチョウについて多くを知りませんが、少しのフェルミ推論（第11章参照）を使えば、正しい数値はほとんどの人の体重よりも重いはずで、200ポンド以上であり、車の重さよりはかなり軽いはずで、1,000ポンド以下であることがわかります。それ以上は推測に過ぎず、ランダム誤差は高すぎる場合も低すぎる場合も同じくらい起こるため、人々の反応を集計すると、誤差が相殺され始めます。例えば、私の推測が+50ポンドの誤差で、あなたの推測が-30ポンドの誤差であれば、私たちの合計は50-30=20ポンドの誤差になります。この効果を理解すると、グループの熟考や知性とは無関係であることがわかります。実際、グループのメンバーが相互に交流することがパフォーマンスを悪化させることも示すことができます。 例えば、私たちはかつて学生に、2012年の選挙でミット・ロムニーを支持したアラメダ郡（バークレーとオークランドを含む）の有権者の割合を推測させました。平均推定値は19.8パーセントで、正しい答えの18.4パーセントにかなり近いものでした。しかし、その結果を伝える前に、学生たちに互いに推定を話し合って集団知性を活用しようと促しました。その熟考の結果、新しい推定値は平均24.2パーセントとなり、つまり彼らは悪化したのです。これは、小グループのパフォーマンスに関する文献の隠れた秘密を示しています。つまり、人々が互いに話し始めると、意見を集約することの多くの利点が失われる可能性があるのです！もちろん、最終的には人々が互いに話し合うことを推奨しますが、その際には熟考の構造を慎重に整える必要があります。 小グループ実験が示す、グループが成功する時と失敗する時 私たちは、「群衆の狂気」や「グループシンク」、「群衆の知恵」といった文献が、意思決定グループの典型的なパフォーマンスを示す一般的な絵図としては完全に信頼できないと主張してきました。そこで、今度は実験的な小グループの文献に目を向けます。ここでは、普通の人々のグループが集められ、異なる制御条件にランダムに割り当てられてタスクを完了したり、問題を解決したり、意思決定を行ったりします。私たちはこれらの実験の詳細を省略し、いくつかの重要なポイントに焦点を当てます。これらの発見を整理するための重要な区別は、グループ内の影響の2つの異なる種類の間にあります。1つ目は情報的影響（「議論の強さ」）であり、グループの集合的な知識を統合し、それを使って解決策を導き出す能力です。2つ目は規範的影響（「数の強さ」）であり、グループ内で最も大きな派閥や投票ブロックに従う傾向です。これら2つの影響は時に分けるのが難しいことがあります。なぜなら、多数派はしばしば最も良い証拠や議論を支持するからです。しかし、実験では、証拠を一定に保ちながらグループの派閥のサイズを変えたり、派閥のサイズを一定に保ちながら議論の強さを変えたりすることで、これらを区別することが可能です。 ある種の状況では、「数の強さ」—例えば「単純多数決が勝つ」ルール—が適切に思えます。グループはしばしば、論理や証拠が「正しい」答えを提供できない決定を下さなければなりません。例えば、ジミ・ヘンドリックスとアンドレス・セゴビアのどちらが優れたギタリストかという問題です。これは本当に好みの問題に帰着します。一人は「セゴビアは技術が完璧で、彼のエチュードはヘンドリックスには到底及ばないレベルの器用さを要求するから、彼の方が優れたギタリストだ」と主張できます。別の人は「ヘンドリックスは感情表現と演奏のドラマ性によって、ポピュラー音楽の境界を一手で（いや、二手で）広げたから、彼の方が優れている」と反論できます。このように、グループは意見や好みの問題が大きい場合、例えばイベントのためにどのバンドを雇うか、新しい会社のためにどのロゴを採用するか、選挙前にどの候補者を支持するかといった場合には、多数決で決定することがよくあります。非常に重要な問題については、強い多数派（例えば、3分の2）が必要かもしれませんが、多くの問題では単純多数で十分です。多数決のプロセスは、意見の相違が解決される可能性が低いトピックに対して結論をもたらすことができます。しかしながら、多数決には重要な欠点もあります。派閥は支持者を得るために脅しやいじめに訴えることがあります。少数派のメンバーは不満を抱き、排除されることもあります。また、グループの派閥が性別や人種といった個人的な特性と相関している場合、コミュニティの一部のメンバーは常に「負ける」側にいることを期待せざるを得ません。 多くの問題には、特定されると「明らかに正しい」解決策が存在します。それらが明確に表現されると、グループのほとんどのメンバーがそれが理にかなっていることに気づきます。つまり、「議論には力がある」ということです。これが起こるためには、もちろん、誰かが最良の解決策を提示する必要がありますが、それだけでは不十分です。グループのメンバーは、より強い議論と弱い議論を識別するための何らかの共通の概念システムを持っている必要があります。この点については後ほど触れます。グループの討論を観察しなくても、メンバーが討論の初めにどのように立場（つまり派閥）に分かれていたかを知っていれば、グループ内の規範的影響と情報的影響のバランスについて何かを推測することがしばしば可能です。社会心理学者たちは、味や意見に関するグループの決定は、初めにどの派閥が最も大きかったかによって予測されることを発見しています。これは、これらのグループが決定を下す際に多数派に従うことに明示的に合意していなかった場合でも当てはまります。強い情報的影響をどのように検出するのでしょうか？極端な例として、「議論には力がある」グループは、討論の開始時にその立場に賛同者が一人しかいなくても、提示された最良の解決策や議論を採用します。社会心理学者はこれを「真実が勝つプロセス」と呼びます。これが起こるためには、ある種の共通の概念システムが存在し、いくつかの立場が明らかに正しい、あるいは少なくとも他の立場よりも明らかに優れていることを示す必要があります。「明らかに正しい」とはどういう意味でしょうか？それは、グループのメンバーが潜在的な答えを評価するための共通の方法を持っていることを意味します。つまり、正しさを検証するために使用できる共通の概念システムです。算数はその一例です。「12 x 321は何ですか？」と尋ねられた場合、ほとんどの人はすぐには答えられないでしょう。しかし、あるグループのメンバーが「3852だ！」と叫べば、数字の掛け算ができる人は誰でもそれが正しいことを確認できます。もう一つの例は論理に関する共通の理解です。次のような状況を考えてみてください：ジャックはアンを見ていて、アンはジョージを見ています。ジャックは結婚していますが、ジョージは独身です。結婚している人が独身の人を見ているでしょうか？はい、いいえ、または判断できない？グループ内では、これらの3つの答えのうちの1つがほとんどの人によってすぐに選ばれますが、説明されると他の答えの1つが実際には正しいことが比較的簡単にわかります。（あなた自身、またはあなたのお気に入りのグループに決めてもらいましょう。）共通の知識も共通の概念システムとして機能することがあります。例えば、あなたがグループと一緒に歩いていて、みんなが迷子になっているとします。全員が北に行く必要があることに同意しますが、どちらの方向が北かについては意見が分かれます。そんな時、1人が丘を指さすと、みんながそれが東にあることを知っているため、方向が決まります。科学は、私たちが「真実が勝つプロセス」を期待する領域です。 良い科学理論は、強い内部論理と外部証拠からの良好な支持を持つ限り、共有された概念システムとして機能することができます。では、科学において「真実は勝つ」のか？私たちはその答えが「最終的にはそうなる」と考えていますが、その過程は遅く、科学的な多数派が一時的に間違っていても優位に立つことがあるのは間違いありません。（言うまでもなく、すべての科学的多数派は依然として部分的に間違っていると言えますが、前の世代よりは間違いが少ないのです。）ナチス時代の「アインシュタインに反対する100人の著者」という本について聞いたアインシュタインは、「なぜ100人なのか？もし私が間違っているのなら、1人で十分だ」と皮肉を言いました。アインシュタインにとって、各自が「計算をする」ことをやめれば真実が勝つのは明らかでした。もちろん、アインシュタインの例は単純な算数ではなく、光の振る舞いに関する物理計算に関わるものでした。物理計算が正しいか間違っているかを示すことは、その問題を解決するための共有された概念システムを持つ人々の間でのみ可能です（この場合、経験的に十分にテストされた物理概念とそれを支える数学の集合です）。この本の著者3人が物理の問題を解かなければならない場合、ジョンとロブはおそらくコーヒーブレイクを取り、ソールに解かせるでしょう。多くの小グループ実験では、記憶タスク、数学問題、論理パズルが含まれており、通常は特定の答えが正しいと最も多くの人を納得させることが可能です。その結果、グループは平均的なメンバーよりも優れた成果を上げる傾向があります。しかし、このプロセスは「真実が支持されて勝つ」というよりも「真実が勝つ」という形に見えることが多く、解決策を提唱するのに少なくとも2人か3人のメンバーが必要であるため、他の全員が立ち止まり、なぜそれが正しいのかをしっかり考えるまで時間がかかります。その結果、グループは必ずしも最も優れたメンバーを上回るわけではありません。また、論理や算数、科学的推論のような共有システムがない場合、グループは提案が正しい可能性が高い理由を理解するのが非常に難しくなり、パフォーマンスが大幅に低下します。 「数の力」が不幸な役割を果たす別の状況もあります。前の章で、個人は判断においてさまざまな体系的バイアス（可用性ヒューリスティックや後知恵バイアスなど）に悩まされていることを見ました。グループは、判断バイアスを増幅したり、緩和したりすることができます。グループが主に「数の力」（多数決）プロセスで運営されている場合、グループは実際に個々の判断における共有されたバイアスを増幅する可能性があるため、グループは状況を悪化させることがあります。この結論は、ジャニスがグループシンクのリスク要因として見たような制度的病理を必要としません。中立的なリーダーシップの欠如や外部の声からの隔離などです。もし一群の見知らぬ人を集めて、後知恵バイアスや可用性ヒューリスティックを引き起こすタスクを与え、彼らが「数の力」プロセスに従う限り、バイアスの増幅は避けられません。グループはバイアスを緩和することができるのでしょうか？ 幸いなことに、答えは「はい」です。ただし、2つの条件が必要です。1つ目は、メンバー間でバイアスが異なる場合です。ランダムな誤差が集計の中で打ち消し合う様子は見てきました。バイアスは定義上ランダムではないため、打ち消し合うとは期待できませんが、ここでの重要な点は、各メンバーが同じバイアスを持っているか、異なるバイアスを持っているか（例：政治的イデオロギー）です。バイアスが異なれば、打ち消し合うことが可能です。これが、メンバーの多様性がより良いパフォーマンスを促進する理由の一つです。ただし、私たちは「多様性が促進する」と言うのに対し、「必ず促進する」とは言いません。実際にそうなるかどうかは、その多様性がグループがタスクを解決するための新しいアイデアを見つけるのに役立つ属性を含んでいるかどうかに依存するかもしれません。また、多様性の恩恵を受けるためには、少数派の意見が表明され、真剣に受け止められるような尊重と参加の文化が必要です。しかしもちろん、多様性はパフォーマンスへの影響に関係なく、他の利点（公平性、正当性、新規性、楽しさ）を提供することもあります。2つ目の条件は、グループが初めに判断を歪める共有バイアスを克服するために「真実が勝つ」仕組みの下で働くことです。例えば、12章で説明したアンカリング・ヒューリスティックを考えてみましょう。もしグループが建物の改装にかかる費用を見積もろうとしている場合、初期の見積もりは目立つアンカーによって簡単に歪められます。例えば、議長が「まずは10万ドルの見積もりから始めて、そこから調整しよう」と提案した場合です。しかし、誰かが「ちょっと待って、10万ドルでは全然足りない」と言い、その後、実際の費用がはるかに大きな数字になる可能性があることを示すと、他のメンバーがその計算を妥当だと考えれば、アンカーの重要性は薄れていきます。 グループから最良の結果を引き出すにはどうすればよいでしょうか？私たちが見てきたように、グループの意思決定が個人の偏見や非合理性を修正できるかどうかについては楽観的な理由と悲観的な理由の両方があります。幸いなことに、グループが個人の決定を改善するかどうかを決めることは、単なる運試しではありません。最適なグループ意思決定を促進する条件をまとめることができ、私たちが参加するグループにそれを実装するよう努めることができます。 - 可能であれば、良い解決策を見つけたいグループリーダーは、早期に好みを述べることを控えるべきです。グループは、証拠について十分に議論するまで投票を延期することで、早期のコミットメントを避けることができます。 - グループは、メンバーが互いの意見を尊重し、誰も多数派にいじめられることを恐れて意見を抑圧しないような、尊重ある議論の文化を育むべきです。この文化は、少数派の立場を考慮することを普通のこととするために、参加者の中から明示的に悪魔の代弁者の役割を果たすように求めることで促進されるかもしれません。 - グループメンバーが似たような背景、バイアス、嗜好を持っていると、グループディスカッションはより楽に感じられることがあります。 しかし、均質性は効果的な意思決定のための良いレシピではありません。多様なグループは、ランダムなノイズを減少させ、初期のバイアスを克服し、より効果的な解決策を見つける可能性が高いのです。たとえそれに多くの労力が必要であっても、多様なグループには、より大きなコミュニティの目においてグループの正当性を高めるという追加の利点もあります。グループは判断バイアスやヒューリスティックの力を減少させることができますが、それを最も効果的に行うのは、良い答えを聞いたときにそれを認識するための共通の概念的ツールを持っている場合です。私たちは、本書の内容を人々がそのようにするのを助け、良いアイデアを基にしてそれをさらに良くするための概念的ツールのセットと考えています。最後のポイントにもう少し焦点を当ててみましょう：ここでの課題は、グループが良い答えを認識する可能性を高めるためのツールを開発することです。良い答えとは何を意味するのでしょうか？まず第一に、私たちはグループの意思決定が実際の世界で効果的であることを望んでいるので、グループができる限り真実を認識できることが重要です。彼らのグループプロセスは、第2章で議論した共有された現実を追跡する必要があります。これは、グループ全体が本書を通じて議論してきた概念、例えば確率的思考や因果推論、理想的には「理解の階層」やフェルミ問題について学んでいる場合には、確かに容易になります。これらの概念は、仮説が観察可能で検証可能かつ再現可能な証拠によって支持されているかどうかをテストするための全体的なシステムに組み込まれています。しかし、グループの意思決定には、個人の意思決定よりも複雑にする別の側面があります。なぜなら、意思決定は一般的に、世界の事実を正しく把握することだけでは決まらないからです。ほとんどの意思決定は、私たちの価値観や、これらの意思決定を行う動機となる感情に大きく依存しています。これらの感情は、私たちの恐れや欲望、あるいは野心や目標に根ざしているかもしれません。実際、価値観や感情は意思決定の重要な推進力であり、グループが意思決定プロセスにどのようにアプローチするかについて非常に原則的な計画がなければ、彼らが決定の結果を左右する可能性が高いのです。したがって、次の章では、個々の人間にとって重要で動機となる価値観を考慮したグループ意思決定のさまざまな原則に基づくアプローチについて考察します。これには、精神的、道徳的、哲学的、政治的、感情的、関係的な価値観が含まれ、合理的に考え行動する能力を維持するという野心的な目標があります。そしてその次の章では、グループの熟考をより効果的に機能させる新しい革新について見ていきます。 第16章 価値観と事実の織り交ぜ あなたが大きなヨーロッパの都市の市長だと想像してみてください。専門家たちが、ヘロイン中毒者の犯罪や過剰摂取のリスクを減少させるために、医療提供者から無料でヘロインを受け取ることを許可する新しいプログラムを試験することを推奨しています。この試験を承認すべきでしょうか？もし試験がその二つの成果を達成した場合、プログラムを承認しますか？事実と価値観はこの決定にどのように関わってくるのでしょうか？もし事実が一方向を指し示している（例えば、犯罪や過剰摂取の率が減少する）一方で、私たちの価値観が別の方向を指している（中毒者にヘロインを供給するのは間違っていると感じる）場合はどうでしょうか？価値観について意見が対立する場合はどうなるのでしょうか？私たちが下す重要な決定のほとんどにおいて、関連する事実を確認することは必要ですが、それだけでは不十分です。事実を手に入れた後、私たちが何をすべきかを教えてくれるわけではありません。たとえ事実が誰にとっても満足のいくものであったとしても、行動に関する決定には私たちの価値観や感情を考慮する必要があります。本書を通じて主張してきたように、事実について建設的に議論する方法はありますが、価値観の対立について建設的に議論することは可能でしょうか？そして、価値観に対する情熱的な意見の対立がある場合でも、何をすべきかについて合意に達することは可能でしょうか？ 事実と価値観の対立 まず、事実や記述的な命題と、規範的または評価的な命題との間には違いがあるという大まかな考え方から始めます。例えば、以下のような事実的な命題： - 地球は45.43億年の歴史を持つ。 - グランドセントラル駅は42丁目にある。 - インフルエンザはウイルスである。 一方で、以下のような規範的または評価的な命題： - この提案を受け入れるべきではない。 - 言うことと実行しないことは許されない。 - 政府は穴を修理すべきだ。 意思決定のプロセスを、まず自分にとって最も重要な価値観や目標を特定し、次に異なる政策オプションがこれらの価値観や目標にどのように影響するかについて客観的な事実を見つけることに分けるのが適切だと思われます。したがって、（a）有権者が望む結果を決定するために関連する社会的価値を確立し、（b）専門家がそのプログラムが各結果に与える影響を推定する研究を設定することが考えられます。人々にとって重要だと思われる特徴のリストを作成し、地域のグループや圧力団体、一般市民と協議して、例えば薬物政策を考える上で重要な事項のリストに到達することができます。医療提供によるヘロインプログラムの場合、過剰摂取、犯罪、ヘロイン使用者の数という三つの結果を挙げますが、他にも多くの要素（プログラムのコスト、救急医療や法執行コストの節約など）があるでしょう。観光に対する薬物政策の影響のように、やや中心的ではない要素も考慮するかもしれません。これらはあまり重視されないかもしれません。したがって、意思決定にアプローチする方法の可能な図は以下のようになるかもしれません。 私たちが特定の政策変更パッケージの全体的な受容性を評価する方法は、次のようなものになるかもしれません。この場合、提案された政策変更は医療的に監督されたヘロインの提供です。まず、専門家に特定の政策パッケージが、提案の受容性に影響を与える各結果要因（例えば、過剰摂取率や犯罪率など）にどの程度影響を与えるかを判断してもらいます。例えば、提案された医療提供のヘロイン政策が犯罪率にどの程度影響を与えるかを調べ、その影響の大きさに応じて数値Wを付けることができます。影響が大きいほど、Wの数値は大きくなります。 次に、私たちは一般市民や利害関係者に対して、各結果要因に対して数値Vを与えてもらいます。これは、その結果要因に対する人々の価値を示すものです。提案の受容性にとってその要因が重要であればあるほど、Vの数値は大きくなります。事実と価値の統合は単純な算数の問題です。各結果要因についてWとVを掛け算し、それらをすべて足し合わせることで特定の政策パッケージの全体的な受容性を求めます。受容性 = (W1 x V1) + (W2 x V2) + (W3 x V3) + ... もしこの受容性の数値を他の提案された政策や現行政策と比較すれば、最も高い受容性評価を持つ政策パッケージを選ぶことができます。したがって、私たちは決定を下す前に、事実と価値が頭の中で混乱するのを待つ必要はありません。代わりに、数値を割り当てて簡単な算数を行うことができます。 この方法の大きな利点の一つは、自分の立場を合理的に見直すことが可能になる点です。例えば、あなたは政策決定に関して相手と多くの点で意見が一致していることに気づくかもしれませんが、過剰摂取を防ぐことに対して異なる重みを付けていることがわかるかもしれません。そうすれば、議論に集中することができます。もしかしたら、相手を納得させることができるかもしれませんし、逆に相手があなたを納得させることができるかもしれません。 それでも、この意思決定の方法は少し複雑だと言うかもしれません。現実の世界ではうまくいかないでしょう。人々が問題に対して情熱を持っているとき、彼らはこのような演習のために立ち止まることはありません。彼らは互いに自分の好む解決策を押し付け合うために争うでしょう。しかし、この方法が特に緊張した状況で実際に機能したことを見ていきましょう。完璧には機能しませんでしたが、初めての試みとしては予想以上にうまくいったのです。 デンバー弾丸研究 1974年、デンバーの警察署は通常の弾丸からホローポイント弾（空洞弾）への切り替えを決定しました。この決定は非常に物議を醸しました。人々はホローポイント弾をダムダム弾と同じだと言い、ダムダム弾は違法とされていました。ダムダム弾は衝撃で広がり、重傷を引き起こします。ACLU（アメリカ自由人権協会）やさまざまな活動家やコミュニティグループから抗議がありました。人々は警察署に対して激怒しました。その時、ホローポイント弾によって警察官が命を落としました。数百人の警察官が市庁舎に集まりました。彼らはホローポイント弾を使う犯罪者に対抗できないことを恐れていました。状況は非常に緊迫しており、議論は続きました。一方はホローポイント弾の必要性を主張し、もう一方はその反対を唱えました。まるで法廷での手続きのようでした。両側から専門家が呼ばれましたが、議論が続くにつれて、状況は絶望的であることが明らかになりました。コミュニティの法と秩序の全体的なシステムが崩壊しつつあるという感覚が広がっていました。市議会のメンバーや他の関係者は、従来の対立的な方法が失敗したと確信し、危険な行き詰まりに直面していました。 立法者たちは、どの弾丸が「最良」であるかを知るために弾道学の専門家に尋ねていましたが、「最良」という基準を技術的に定義できなかったため、この質問には専門家としての資格がありませんでした。専門知識はこの問題を考える上で重要でしたが、その質問に答えることは、特に誰の安全を優先するかという価値判断を伴いました。そして、弾道学の専門家たちは、あなたや私と同様に、その価値判断を下すための特別な資格を持っているわけではありませんでした。 同時に、立法者たちは弾丸の技術的特性や利用可能なさまざまな種類の弾丸について十分な知識を持たずにホローポイント弾に賛成または反対していました。彼らの意見は、これらの判断を賢明に行うために必要な事実に基づかず、完全に価値判断に依存していました。問題は、事実と価値が分離されていなかったことです。これは、通常の市民政府の方法が崩壊する重要な要因でした。 議論が激しく、無益に続く中、法と秩序が崩れ、数百人の警察官が市議会の外に集まっている状況で、誰を呼んでこの行き詰まりを打破し、解決を図るべきだと思いますか？市議会は、コロラド大学の心理学教授ケネス・ハモンドが組織した専門家チームと協力しました。ハモンドと彼の同僚たちはこの問題を分析しました。彼らは、弾丸には議論において本当に重要な特性があることを見出しました。彼らは、弾丸が引き起こす怪我の程度と、弾丸の停止効果という二つの要因を区別しました。 傷害は、弾丸に当たった人が2週間以内に死亡する可能性として測定されました。停止効果は、弾丸に当たった人が反撃できる可能性として定義されました。これらは以前の議論では分けられていませんでしたが、異なる要素です。そしてもう一つの重要な基準は、通行人への脅威です。弾丸が跳ね返って通行人に当たる可能性はどれくらいでしょうか？これらの区別をするのは冷酷に聞こえるかもしれませんが、実際には重要です。困難なテーマについて合意に達するためには、すべてを明確にする必要があります。市場に出回っているすべての弾丸には、重量、銃からの発射速度、標的に当たった際の運動エネルギーの損失量など、特定の技術的特性がありました。これらの特性は、傷害の程度、停止効果、通行人への脅威に影響を与え、弾丸の特性が異なるため、これらの3つの領域における影響も異なりました。これらは弾道学の専門家によって確認できる事実の問題でした。また、価値の問題も明らかにする必要がありました。すべての利害関係者は、傷害の程度、停止効果、通行人への脅威について何を望んでいるのでしょうか？そのため、ハモンドのチームは市議会のメンバー、地域団体、擁護団体、一般市民の無作為なメンバーを集め、彼らをコンピュータのコンソールの前に座らせ、停止効果、傷害の重症度、通行人への脅威に関する仮想的な弾丸を説明しました。各弾丸について、受容性のレベルを評価するよう求めました。その後、科学者たちは評価者に結果の曲線を示しました。弾丸によって引き起こされる傷害のレベルが上がると、受容性は下がりました。停止効果が上がると、受容性は上がりました。通行人への脅威が上がると、受容性は下がりました。そこで、全員からこれらの価値の重みを抽出しました。これは、人的傷害に関する重要な感情的反応を含む、これらの価値の重みを発見するための組織的な方法でした。この段階に達すると、彼らは弾道学の専門家に市場に出回っているすべての弾丸の基本的な技術的特性（銃口速度、体内に入った際の運動エネルギーの損失、負傷の種類、サイズ、形状、弾丸が体内にどれだけ深く入ったか）を見直し、それぞれの傷害、停止効果、通行人への脅威に対する影響を評価するよう依頼しました。その時、彼らは以前考慮していなかった弾丸が1つあることを発見しました。それはホローポイント弾で、彼らが考えていたものとは異なり、弾道学の専門家によって、地域のメンバーが設定した受容性の基準を満たすことが確認されました。これは、彼らが議論していたどの弾丸よりも優れていました。 その手法は優れた抑止効果を持ち、警察はより安全に感じることができ、負傷の程度も比較的低く、通行人へのリスクも少なかった。誰もが、この手続きが誰か一方に明確に偏っていないことを認識していた。警察側にも、警察の「ダムダム弾」の使用に反対する地域コミュニティのグループにも偏っていなかった。彼らは、警察が検討の中で特定した弾薬を使用すべきだということで一致していた。実際、その弾薬は数年間使用され、さらなる論争を引き起こすことはなかった。ここで重要なのは、事実と価値観の分離が行われたことで、最も適任な者たちによって判断が下されることが可能になった点である。この決定プロセスは、ある意味で盲目的な研究を含んでいた。なぜなら、専門家たちは地域住民が関連する要因にどのような重みを置いているのかを知らなかったため、彼らの専門的評価がどの弾薬を支持しているのかもわからなかったし、評価を行っている人々も専門家がさまざまな弾薬についてどのような結論を出しているのかを知らなかったからである。最初に警察側に立っていたとしても、地域の活動家側に立っていたとしても、あなたの判断の結果がどうなるかはわからなかったので、それは重要ではなかった。この手続きのもう一つの利点は、全てが明示的であったことだ。理由付けは見直され、明示的に評価されることができた。なぜ私たちはこれをもっと頻繁に行わないのか？多くの政策の対立は、このようなアプローチから利益を得ることができる。ひとつの利点は、以前に議論した「バッジング」の問題を緩和するのに役立つことだ。たとえば、銃所有に関する規制に賛成か反対かという立場を取ることは、特定の社会集団への所属を示すことになる。そのため、銃所有について直接尋ねられた場合、人々は単に自分の集団アイデンティティに求められた答えを返すかもしれない。しかし、銃所有政策によって影響を受ける可能性のあるさまざまな要因にどのような重みを置くかを尋ねられた場合、そこでは本当に反省的な答えを期待できるかもしれない。もちろん、このようなアプローチが役立つ可能性が低いケースも存在する。一部の対立では、異なる当事者の価値観があまりにも対立しているため、専門家を使って事実を別々に確立した後でも、政策の受容性が合意に近づくことはない。たとえば、人口が均等に分かれている地域の公用語を変更する決定は、その一例となるだろう。ロブは、薬物禁止が社会に与える影響に関する研究で、人々が事実と価値観を分離する手助けをしようと奮闘した。たとえば、経済学者のピーター・ルーターとトム・シェリングと共に、彼は薬物関連の害を過剰摂取による死亡から交通事故、薬物ディーラー間の暴力に至るまで詳細に分類した論文を作成した。彼らはそれぞれの害を、主に薬物の影響によるものか、主に薬物禁止によるものかに分類した。 例えば、薬物はHIVの感染源となることがありますが、それは薬物禁止（特に清潔な注射針へのアクセスの欠如）が原因です。一方、交通事故は薬物そのものの精神活性効果によるものです。著者たちは、この分類が合法化支持者と禁止支持者の間でそれぞれの立場の相対的な利点について、より生産的で冷静な議論を促すだろうと、やや naïve に考えていました。彼らは禁止支持者からの反発がもっとあると予想していましたが、実際にはほとんどの苦情は合法化支持者から寄せられました（禁止支持者は実際にこの論文を読んでいなかったのかもしれません！）。合法化支持者は、薬物使用の合法化に関する質問を害の観点から考えることは、薬物使用の可能な利益（快楽、楽しさ、自己探求、痛みの緩和など）を完全に無視していると、説得力を持って主張しました。これは、コストと利益の分析において重要な要素であるはずです。この例はロブの盲点を示しているかもしれませんが、私たちはまた、公共の議論における事実と価値の明確さの重要性を示しているとも考えています。ご覧の通り、大きな政策決定を行う際、専門家がどの要因が重要であるか、またその程度について必ずしも権威を持っているわけではありません。ここでは誰もが貢献できるのです。このアプローチが要求する関連要因の重要なリストを見つけることは、必ずしも簡単ではありません。しかし、それでもデンバーの銃弾研究は教訓を与えてくれます。あるテーマに対する情熱が高まっているときでも、私たちの推論を明示化し、したがってレビューや議論が可能な反省的な政策決定アプローチを取ることは可能です。 **価値観が事実の主張や方法論を歪める** 政策決定における主要な要因が明確であっても、事実と価値を分けて考えることを難しくする別の懸念があります。20世紀後半に入ると、私たちは文化、目標、そして社会における不平等な関係が私たちの行動や信念にどのように影響を与えるかをますます意識するようになりました。そして、私たちが第13章で議論したように、科学者もこうした影響から免れることはできません。したがって、事実は私たちの効果的な活動が依存する共有された客観的現実の基本的な要素である一方で、事実に関する主張やその方法論的基盤（私たちが「事実の物語」と呼ぶもの）は、これらの社会的力によって形作られ、歪められる可能性があります。そのため、事実と価値を政策決定の議論において分けることを想像するのが難しいと感じる人もいます。これは軽視できない懸念です。物理学の発見、例えば「力は質量と加速度の積である」というような事実の物語が価値観によって歪められる可能性についてはあまり心配していませんが、多くの社会科学の発見に関しては状況が明確ではありません。私たちが懸念するべき社会科学の事実の物語の良い例は、アリス・イーグリーとリンダ・カーリが1981年に148件の公表された実験からのデータを分析した際に強調されたもので、他者の意見に対する性差の順応性に関するものでした。全体として、この分析は女性が男性よりも影響を受けやすいことを示しました。 （ほとんどの研究は1970年代以前のものであり、現在に一般化すべきではありません。）しかし、研究の著者の性別によって研究を分類したところ、女性研究者による研究では性別に対する順応効果が消えてしまうことがわかりました。1981年以前の女性は男性よりも順応的であったというのは事実でしょうか？おそらくそうかもしれませんが、なぜその事実が男性の観察者によってのみ記録されているのでしょうか？男性研究者は、女性をより順応的に見せるような課題や測定に偏っているのでしょうか、それとも女性研究者は女性の順応性を軽視するような課題や測定に偏っているのでしょうか？私たちはその答えを知りません。しかし、この発見は、男性と女性の研究者の性別に関する見解が彼らの主張する結果に影響を与えている可能性があることを示唆しています。科学者たちは、この混乱の背後に事実としての現実が存在することを疑っていません — したがって、彼らは文化的・性別的影響によって実験の定義や選択がどのように形成されているのかを追求することに非常に興味を持っています — しかし、1981年のこの研究の時点では、これらの実験の主張と方法論に問題があることは明らかでした。抽象的に言えば、事実の物語が価値観によって歪められるという問題は、時には事実と価値を分離するという考えを損なうと主張されてきましたが、私たちはそうは思いません。前の章で議論された多くの概念と同様に、事実に基づく側面と主に価値観、目標、感情に依存する側面を分けて議論することには実際的な価値があります。この分離が挑戦される定義や分類に依存しているとしても、この目標に向かって努力することで得られるものは多く、現実が意思決定をどのように制約するかを別々に考慮することを強いるからです。 価値観と対立 人々はどのような価値観を持っているのでしょうか？誰にとっても重要なことを、実際の意思決定に役立てる方法で体系的に説明することは可能でしょうか？一つのアプローチは、人々に自分が何を重視しているか、どれほど重視しているかを尋ねることです。もちろん、人々が言うことと、実際にどの価値観を実践に持ち込むかは別の問題です。しかし、それでも人々に自分の価値観について尋ねることは無意味ではありません。価値観は常に対立するのでしょうか？いいえ、対立する場合もありますが、それは程度の問題です。社会科学において、価値観の対立をマッピングするための主な枠組みはシャローム・シュワルツによって開発されました。彼は20か国の人々に調査を行い、56の異なる価値観の重要性を「私の人生の指針として」の観点から評価するよう求めました。統計モデルによって、権力、達成、快楽、刺激、自己指向、普遍主義、善意、順応/伝統、安全といった核心的な価値観は、密接に関連している（ある価値を優先する人は他の価値も優先する傾向がある）、正反対である（ある価値を優先する人は他の価値を優先しない傾向がある）、または無関係であることが示されました。 つまり、ほとんどの人にとって、これらの価値観（快楽主義や伝統）は、両方に影響を与える決定を行う際に、互いに調和させるのが非常に難しい場合があります。なぜなら、これらの価値観は対立する方向に押し進める傾向があるからです。一方で、権力と達成のような他の価値観の組み合わせは、同時に推進することが可能であり、政策決定を対立する方向に押しやることはありません。このような価値観の多様性の特徴付けは、移民問題や気候変動、世界の多くの地域における民族紛争など、実世界の集団間の対立を分析する国際的な研究文献を生み出しました。フィリップ・テトロックの価値の多元主義モデルは、価値の対立（例えば、平等と経済効率の間でトレードオフを行う必要性）が心理的に不快であると主張しています。人々は、これらの不快なトレードオフに対処するための異なる戦略を持っています。彼らは否認に陥り、対立する価値の一方を無視することがあります。もし彼らが混合または未知の意見を持つ聴衆に対して責任を負っている場合、他の誰かに決定を委ねる「バッキングパス」や、決定を先延ばしにすることを選ぶかもしれません。もし彼らが特定の意見を持つ均質な聴衆に対して責任を負っている場合、彼らは反対の立場を取ることがあり、聴衆が聞きたいことを伝え、（主に不在の）対立者を悪者にすることがあります。しかし、価値のトレードオフの痛みを和らげる生産的な方法も存在するかもしれません。クロード・スティールは、態度の自己防衛的および価値表現的機能が、道徳的に良い、合理的で独立した、有能な自己像を維持しようとする心理的な自己肯定システムから来ていると主張しています。私たちの自己像を脅かす情報に直面すると、反発、否認、合理化、その他の情報を拒絶しようとする努力が引き起こされます。これまでのところ、スティールの考えは、価値のトレードオフや態度の機能について私たちが話してきたことと一致しているように思えます。しかし、特に興味深いのは、スティールがこれらの考えから導き出した含意と、価値の対立に建設的に対処するための手続きです。スティールは、私たちの見解に挑戦する情報が脅威であるため、個人が自分の価値を確認する機会を与えることで、より弾力的になり、脅威に耐える能力が高まる可能性があると考えました。さまざまな実験において、スティールと彼の同僚たちは、新しい証拠に直面した人々が、まず自分の核心的な価値を公然と支持する機会を持つことで、より容易にそれを考慮し、さらには意見を変えることができることを示しました。例えば、価値観のインベントリ質問票を完成させることで、彼らの価値を厳格に守る必要性が減少します。研究者たちは、学校などのさまざまな実世界の設定で自己肯定プログラムを実施し、定期的な自己肯定が学生の新しい情報を吸収する意欲を高め、学業成績を向上させることを示しています。 私たちの価値観やその起源に対する関係についてのこれらの要素や視点は、少し大きな問いを投げかけます。それは、異なる文化的前提や異なるアイデンティティから出発しても、時には共通の価値観について集団的な進展を遂げることができるのはなぜか、ということです。例えば、何世紀にもわたり、人々は重要な合意形成の価値観を互いに納得させてきました。今日、奴隷制度、強姦、または脆弱な人々への意図的な屈辱の悪性について議論する人は誰でしょうか？どうやら、共通の価値観に至る道があるようです。それでは、私たちは価値に関する問題をどのように考えるのでしょうか？前の章では、筏のメタファーが科学的推論にどのように機能するかについて話しましたが、ここでも筏のメタファーが価値についての思考を説明するのに役立つ別の方法を見て取ることができます。実際、子どもたちは非常に早い段階から価値についての推論を始め、しばしば親との対話を通じて行います。 子ども: 「ティン・アンが私にペンを貸してくれたけど、返すつもりはないよ。返したら、もうペンがなくなっちゃうから。だから、なんで返さなきゃいけないの？」 親: 「じゃあ、人は借りたものを返さなくてもいいと思っているの？」 子ども: 「うーん、たいていは返すべきだと思うけど、これは違うんだ。」 親: 「どうして違うの？」 子ども: 「だってティン・アンは私より年下だから。」 親: 「でも、もし人が年下の人から借りたものを返さなくてもいいなら、ジェームズは君から借りたスピナーを返さなくてもいいことになるよ。」 このように、推論は（1）特定のケースにおいて何が許されるかについての判断（ティン・アンにペンを返すこと、ジェームズが君にスピナーを返すこと）から（2）行動を支配する一般的なルールについての判断（人は借りたものを返すべきだ）へと行き来します。私たちは特定のケースにおいて何が許されるかを決定しますが、それを一般的な原則によって確認する必要があると期待します。もしその一般的な原則が問題ないように思えれば、そこで終わるかもしれません。しかし、もしその原則が問題があるように思えた場合（例えば、年下の人から借りたものは返さなくてもいいと主張することになった場合）、特定のケースに関する判断を撤回するか（結局ペンを保持するのは良くなかった）、あるいは一般的な原則を再構築して正しいと思えるものを見つける必要があります。私たちは特定のケースに関する判断と一般的なルールに関する判断の間を行き来し、特定のケースにおける行動とそれを示す一般的なルールの両方に満足できる状態に達したときに行動します。これが「反射的均衡」の方法です。 同様のプロセスは、能力のある大人の間でも起こりますが、教え合いが双方向で行われ（大人は少なくとも他者の利益を考慮すべきだと知っています）、私たちは互いに学び合い、文化を超えて学ぶこともあります。例えば、誰かが理解できなかった場合… 奴隷制度や屈辱に何が問題なのか、教育の一環として、特定の具体的な例を示し、それが許されないことに同意させる方法があります。その後、ここで働いている一般的な原則を探るために逆算していきます。つまり、人間は他の人間を所有したり、虐待したり、暴力を振るったりする権利はないということ、力が正義を生むわけではないということなどです。原則を定式化したら、それがそのままで妥当かどうかを見直すことができますし、さらに多くの事例を見て、それに対する私たちの原則による判断を考察することもできます。以前に使った筏の比喩もここで役立ちます。私たちは価値観についてゼロから考え始め、すべてを一から正当化する必要はありません。私たちは社会が提供する価値判断の筏から出発し、常識を使って何が許されているのか、何が許されていないのかを考えます。そして、その価値判断の集合体の上に浮かびながら、一つずつ取り出して、それが本当に正しいのかを検証することができます。もしそれが一般的な原則であれば、特定のケースにおいて何が許されるかについての判断を生み出すかどうかを見直すことができます。特定のケースに関する判断であれば、そこに使われている一般的な原則は何かを問い、その原則が妥当かどうかを確認します。したがって、価値観に関する反復的な熟考の役割がここにあります。私たちが事実を決定する際に異なる証拠や専門知識の間で裁定を下すために反復的な熟考を用いるのと同様です。実際的には、これらの議論や最近の発見は、熟考の中での価値観の部分を改善する方法を示唆しています。 - まず第一に、具体的な例と、参加者が感情的反応を示す一般的な原則との間で、あなたと話している人々との間で「反射的均衡」の多くの反復を期待してください。 - プロセスの初期段階で、参加者が重要だと思う価値観についてオープンに議論できる尊重された機会を提供してください。 - あなたと対立する相手が互いに緊張関係にあるように見える異なる価値観を擁護しているとき、あなたたちがそれぞれの価値観を優先する方法に違いがあっても、両方の価値観を共有している可能性があることを認識し、それらを議論する創造的な方法を探してください。 熟考の価値 哲学者ピーター・ストローソンはかつて次のように書きました： 「18世紀後半のスコットランドの判事が、どのようにして自分の判断に至ったのかを尋ねられ、次のように答えたと言われています。『私はまずすべての訴状を読み、その後、2、3日間それらを頭の中で（トディを飲みながら）混ぜ合わせてから、判断を下します。』しかし、彼はあまり良い判事ではなかったのかもしれません。」これは、多くの私たちが行っていることを悪く表現したものではありません。住民投票が提示されたとき、私たちは政策についてできる限りの情報を読み、それを数日間頭の中で混ぜ合わせてから投票します。この章の事実と価値観に関する議論は、私たちがどれほどこのプロセスを無視しているかを痛感させるはずです。 私たちがしばしば見落としがちなアプローチは、政策決定の要素について明確にしないこと、レビューの方法が分からないこと、そして最終的な決定に異議を唱える相手と議論する方法が分からないことです。この章の冒頭では、事実と価値が絡む政策決定を行うための、グループが使える実用的な手続きを提案しました。これは、議論が「頭の中でごちゃごちゃになる」のを防ぐための改善策かもしれませんが、デンバーの弾丸研究の例は、事実と価値を区別し、両方を取り入れるプロセスの理想的なモデルとは言えません。その代数的でアルゴリズム的な手続きには、事実側と価値側の両方の熟議に必要な原則的な要素が含まれていません。例えば、専門家の事実の数値や市民の価値の重みを単に平均するのではなく、これらの情報源についての反復的な熟議の余地が必要です。おそらく、まずはスティールの自己肯定戦略を用いることから始めるべきでしょう。このような動的な熟議については、次の章で詳しく取り上げます。 第17章 熟議の課題 この章の冒頭を飾るにあたり、驚くべき提案と冷静な挑戦を提示したいと思います。まず提案から始めます：私たちは、人類の歴史の中で、すべての人が繁栄できる持続可能な世界を築くことを現実的に目指せる最初の世代かもしれません。この提案は確かに議論の余地があり、もしかしたら実現が難しいかもしれませんが、それが真実である可能性があるだけで私たちは目を覚ますべきです。私たちが何を意味しているのかというと、まず第10章で述べたように、今日生きている私たちの世代だけが、地球全体の食糧供給に関する取り組みの結果を目の当たりにしてきたのです。20世紀の最後の40年間だけでも、極度の貧困に暮らす世界の人々の割合は、人口が2.5倍に増えたにもかかわらず、半分以上から10分の1未満に減少しました。また、同じ期間に世界の識字率は半分未満から87％に上昇しました。さらに、歴史上初めて、人口増加が鈍化し、多くの国、特に長い間世界最大の国では人口が減少し始めています。したがって、すべての人に必要なものを提供することは新たに現実的になりました。私たちはマルサス的な世界に住んでいるわけではなく、必要な資源よりも多くの人々が存在する運命にある世界ではありません。最近のパンデミックは恐ろしいものでしたが、同時に私たちが急速に進化する生物学的知識を活用して、迅速にワクチンを構築できることを示しました。私たちが将来の脅威に対処できる自信を持つまでにはまだ道のりがありますが、確かにその方向に向かっているようです。さらに大きな、地球規模で見れば、私たちは意図的に地球環境を形作ることができる最初の種の最初の世代です。 はい、人間の産業は地球温暖化を引き起こす可能性がありますが、私たちがそのような影響を及ぼす能力を持っていることは、私たちがもはや単なる変動する地球環境の受け身の受け手ではなく、グローバルな規模で活動していることを示しています。過去の人々は、氷河期や干ばつが歴史を形作る中で興亡を繰り返してきました。そして、非常に明確に言うと、私たちはまだ気候を安全に管理してこれらの変動を安定させる方法を知りませんが、初めて、氷河が私たちの生活圏に迫る次の時に変化をもたらす可能性のある道具を考えたり発明したりすることができるようになりました。また、私たちは、約2600万年ごとに発生する大量絶滅を防ぐ能力を持つ最初の種であるとも言えます。これは、大きな彗星や小惑星が地球に衝突し、大多数の種が絶滅する現象です。私たちは、接近する彗星や小惑星を事前に検出できる望遠鏡を作り、遠くの小惑星をわずかに動かして衝突を回避するための宇宙船を送る練習もしてきました。要するに、私たちはまだその仕事をどうやって行うかは分かりませんが、今日生きている世代には、微生物を除いてすべてを超えて持続可能な繁栄する世界を築くという刺激的な機会があることは確かです。この驚くべき提案を考えると、あなたも私たちと同じ反応を抱いているのではないでしょうか。「はい、でも…！まあ、もしかしたら、でも…！」科学的楽観主義に基づく持続力を使うのは良いことですが、明らかに世界はその夢の楽園ではありません。私たちは現在の知識を十分に活用できていないばかりか、この理想的な目標に取り組む準備ができているとも言えません。これが、この章の冒頭で約束した冷静な課題を説明することにつながります。現在の視点からこの目標を考えると、私たちの道具箱に欠けている最も重要な道具は、建設的で大規模な共同思考の技術だと言えるでしょう。人々が一緒にうまく考えると、驚くべき、まるで不可能なようなタスクを達成することができます。しかし、そうでない場合、私たちはすぐに行き詰まり、さらには破壊的になってしまいます。私たちの共同の課題、ひょっとしたら私たちの時代の大きな課題は、生産的に一緒に考えるための道具を発明し、それを使うことです。この課題を克服できれば、第三千年紀の始まりにおいて、繁栄する地球の基盤を築くための戦うチャンスが得られます。私たち人間は問題を特定することができれば、それに対処する方法を発明する能力に非常に優れています。また、生産的な共同思考を促進するための出発点もいくつかあります。私たちの産業が地球の気候に影響を与える能力を持っていることを認識したように、私たちの産業規模の情報技術が共同思考に対して国レベル、さらにはグローバルな影響を持つことにも気づくべきです。 例えば、過去10年間で、私たちの情報技術が「思考のエコーチェンバー」を作り出す方法でメッセージを狭く発信できることが明らかになりました。ここでは、自分の視点を再確認するメッセージしか耳に入らなくなります。これは確認バイアスを大いに助長し、世界中の多くの国で問題解決の進展を妨げる党派的な分極化を引き起こしています。しかし、もし私たちが極端に分かれた思考コミュニティを生み出す能力を持っているのなら、より生産的な集団思考の環境を生み出すこともできるはずです。私たちはただ、技術を異なる方法で活用する方法を見つける必要があります。この本を通じて、私たちは個人としてより効果的になるためのアプローチや技術、思考の習慣について議論してきましたが、それは集団として成功するためにも役立ちます。デジタル世界で効果的な集団思考のための具体的なツールを開発するという大きな課題に取り組む中で、私たちは再びそれらが大きな側面と小さな側面の両方を持つことに気づくでしょう。私たちが発明するすべてのアプローチは、繁栄する地球を築く手助けをすることができますが、繁栄する都市や企業、非営利団体、さらには家族や友人グループを築く手助けにもなります。 この課題に取り組むためには、成功した効果的な集団思考の例を見ることが非常に役立ちます。たとえ各例が私たちの全てのニーズに応えるものではなくても、私たちが基盤にできる何かを示してくれます。前の章では、特定の状況で役立つ可能性のある事実と価値の重み付け技術の例を見ました。しかし、デンバーの銃弾研究が建設的な集団思考に必要な要素を十分に取り入れているかどうかは明確ではありませんでした。ここで、より大きな役割を果たす可能性のある技術を見てみましょう。それは「熟議投票」と呼ばれ、生産的な集団思考のための変革的なツールとして私たちが見た中で最も刺激的な例の一つです。デンバーの銃弾研究は、異なる価値観や優先事項を持つ人々が議論に事実を持ち込むことの難しさを浮き彫りにしました。このような場合、恐れや欲望、野心、目標が人々の見解を左右する傾向があります。確かに、これは現在の政治の状況においても当てはまり、異なる立場の人々は互いに話す方法がないと感じることがよくあります。政治スペクトルの異なる両極にいる人々は完全に意見が対立し、国のほぼ半分が一つの選挙によって政治システムから完全に排除されたと感じています。そして、別の選挙が行われると、今度は残りの半分が排除されたと感じるのです。これは国を運営する良い方法ではありません。人々が自分たちの異なる利害、目標、欲望を、解決したい問題に関する事実に基づく専門知識と織り交ぜながら、意思決定を行い、計画を立て、政策に合意する方法が必要です。それが熟議投票の目的です。 熟議的世論調査は、1980年代後半にテキサス大学の教授であったジム・フィッシュキンによって開発されました。その後、彼はスタンフォード大学に移り、現在は熟議民主主義ラボを運営しています。フィッシュキンが熟議的世論調査のアイデアを思いついた経緯を説明する際、彼は通常の世論調査を考えることから始まったと述べています。例えば、ニューヨーク・タイムズのような世論調査やメディアの組織が、アメリカの一般市民からランダムに選ばれた約1,000人に「アメリカは環太平洋貿易協定に署名すべきか？」という質問を投げかけます。ほとんどの人は最初に「うーん、よくわからない」と思うでしょう。しかし、意外なことに、一般の人々は自分が何も知らないトピックについてでも意見を持つことができるため、「うん、そうだね」（または「いや、違う」）と言うことがあります。翌日、ニューヨーク・タイムズの見出しには「アメリカの一般市民は貿易協定を支持している」と書かれます。この調査の実施方法を考えると、それがあまり意味のない結論であることに気づかざるを得ません。調査を受けた人々は、そのトピックについてほとんど何も知らない可能性が高く、ただ自分が言うべきだと思うことを言っているだけです。本当に知りたいのは、アメリカ市民の代表的なサンプルがその問題について実際に何かを知った上でどう考えるかです。理想的には、彼らがその問題について情報を得て、さまざまな選択肢やその結果を慎重に考えた後に何を思うかを知りたいのです。フィッシュキンは自問しました。「それを試してみたらどうだろう？アメリカ市民の代表的なサンプルを会議センターに集め、参加者が問題を考える際に知識を深められるプロセスを作り、専門家や他の参加市民との議論や熟議を通じて情報を集めることができるようにしよう。」時間が経つにつれて、フィッシュキンと彼の同僚たちは次のようなプロセスを開発しました。彼らは数百人の市民をランダムに選び、通常は3日間のイベントに集めて、福祉改革のような特定の政策問題について熟議します。まず、彼らは事前調査を行い、人々の知識や意見を把握します。例えば、福祉改革の場合、各参加者にそのテーマに関する政治的傾向や基本的な経済理論についての知識に関する質問をするかもしれません。初期の意見が集まった後、参加者は約12人ずつの小グループに分けられ、それぞれに訓練を受けたモデレーターがつきます。そして、全員が読んだ（またはビデオで視聴した）慎重に準備されたブリーフィング資料に基づいて熟議を始めます。このブリーフィング資料は、政策問題を提示し、合意された事実や価値観、これらの立場に対する証拠、検討中の政策に関する賛否の議論を説明することを目的としています。これらはすべて、問題のあらゆる側面からの専門家の助言を受けて作成されています。 討論はオープンな形式で行われますが、生産的な議論を最大限に引き出すためにモデレーターがいます。モデレーターは内容を追加することは許されず、各参加者が自分の意見を述べる機会を確保したり、ブリーフィング資料に関連する情報をグループに指摘したりする役割を担っています。また、モデレーターは討論中に投票が行われないようにします。映画で見る多くの陪審員裁判とは異なり、討論グループは討論中に何かに投票することは許されていません — 専門家に質問する内容を決めることを除いてです。通常、各グループは討論の過程で正しい選択を決められないポイントに達します。そのため、グループは特定の政策が導入された場合に何が起こるかについての未解決の質問をすべて洗い出します。例えば、意図しない結果を防ぐ方法や、特定の結果を促す可能性についてなどです。グループはこれらの質問を集め、トピックに関するさまざまな見解を持つ専門家のパネルに提示します。パネリストは異なる立場を代表しているため、当然ながら意見が対立することもありますが、全員がその問題に関する専門知識を持っています。専門家は討論者に対して講義を行うことは許されず、意見を変えようとすることも求められていません。彼らはただ質問に答えるために存在しています。専門家はグループから厳しく質問され、その後、小グループでの討論が再開されます。討論グループは今や、より多くの情報を持って議論を進めることができます。「あの専門家はこう言っていた」と誰かが言うと、別の誰かが「でも、あの別の専門家が指摘したことを考えると、それは意味がない」と反論することもあります。このような議論を経て、討論グループは通常、特定のトピックに関してどの専門家がより知識があるかを感じ取るようになります — 理想的には、どの専門家が自分の知らないことを認識し、ある命題に対する自信レベルが低くなるべき時を正しく判断できるか（つまり、第5章の言葉で言えば、「適切に調整されている」専門家）を見極めることができるようになります。討論を続ける中で、さらに多くの質問が生まれ、再び専門家のパネルに戻ります。この反復的なプロセスは、長い週末の間に何度も繰り返されます。目標は合意に達することではありません。陪審員のように全員が同意する必要はありません。しかし、イベントの終わりには、多くの人が意見を変えることがよくあります。フィッシュキンと彼の同僚たちは、参加者にイベントの前後で意見を調査することで、意見がどのように変わるかを追跡し、定量化することができます。彼らは、参加者が最もカリスマ的な専門家や、最も話し上手な人、または討論グループ内での地位が高い人に基づいて意見を変えることはないと発見しました。彼らは問題に関する新しい情報に基づいて意見を変えます。これらの討論の後、人々が特定の見解を持って参加し、その後、自分が間違っていたことに気づくことは一般的です。 彼らのグループの誰かが特定の状況に置かれた親族について話したかもしれません。それによって問題が個人的なものとなり、他の視点を考慮する必要があることに気づくことができるでしょう。また、専門家の話を聞いた後に、彼らが物語の重要な部分である特定の事実を考慮に入れていなかったことに気づくかもしれません。 無関心と「バッジ」の排除 熟議型世論調査は、民主主義の妨げとなる無関心や disengagement に対する励みとなる答えかもしれません。フィッシュキンと彼の同僚が実施した熟議型世論調査のイベントでは、人々は参加を真剣に受け止める傾向があります。フィッシュキンたちは、ランダムに選ばれた参加者の中で驚くほど高い参加率を達成することがあり、熟議を始めた人の95％以上がその熟議を完了します。さらに、参加者はイベントの前にニュースメディアへの接触を増やす傾向があることがわかっています。例えば、新聞を読んだことがなかった人が、1日に3紙を読むようになるという話もあります。人々は参加の招待を良い仕事をするための本当の義務として受け止めます。第12章で議論した「バッジ」の現象も影を潜めるようです。熟議型世論調査のイベント中、人々は熟議を共にするグループに同一視し、例えば熱心なリベラルや経済的保守主義者としてのアイデンティティを脇に置きます。このように熟議する際には、これらのバッジが支配的な要素にはなりません。 フィッシュキンが彼の熟議型世論調査の結果を説明するのを聞くと、アメリカの一般市民からランダムに選ばれた「陪審員」が専門知識に基づいて問題解決に協力するように求めた場合に何が起こるかについて、ずっと楽観的な気持ちになります。私たちが選んだ代表者たちは、しばしば自分たちのイデオロギーに最も近い人口セグメントにアピールする圧力を感じ、選挙区や州（ましてや国全体）のすべての人々の利益を代表することができないことが多いです。私たちは、熟議型世論調査の効果をはるかに大規模に再現する方法を考え出すことができるでしょうか？例えば、多くの小規模なオンラインビデオ会議でうまくいくかもしれません。または、いくつかの慈善財団のコンソーシアムが毎年数回の全国的な対面の熟議型世論調査を実施し、議論された問題について人々がどのように、なぜ考えを変えたのかを広告するためにかなりの金額を使うことで、国民の思考を刺激することができるかもしれません。このような大規模な熟議型世論調査の取り組みは、人々が偏りのない事実の理解を生成し、それを考慮に入れ、妥協を見つける能力を高めるのに役立つかもしれません。さらに、他者の意見を聞き理解することにもつながります。これは、より良く情報を得た有権者や立法者を生み出すことにつながるでしょう。 シナリオプランニング 熟議型世論調査は、専門知識と、利害関係者の価値観や感情を公平に代表するのに十分な大きさの無作為サンプルの正当性（耳を傾けられる権利）を結びつける能力において非常に感動的です。しかし、もっと多くのことが未知で、専門知識が限界を迎え、予測できない未来の状況が私たちの決定を変える可能性がある場合、どのように計画を立てるのでしょうか？そのような状況のために考案されたのが「シナリオプランニング」という手法です。シナリオプランニングは、1960年代にハーマン・カーンによってRAND社で初めて開発され、その後ハドソン研究所でも用いられました。（カーンは、スタンリー・キューブリックの1964年の風刺映画『博士の異常な愛情』の主人公に大きな影響を与えました。）他の初期の開発者にはスタンフォード研究所やロイヤル・ダッチ・シェルグループがあり、特にピーター・シュワルツが彼らの計画部門の責任者を務めていた時期に進展しました。シュワルツは『ロングビューの技法』の中で、シナリオプランニングがビジネス用途にさらに発展し、南アフリカのアパルトヘイト終了後の社会再建計画のような「崇高な」目的から、映画『マイノリティ・リポート』の未来を創造する「滑稽な」目的まで、さまざまな用途で成功裏に使用されたことを説明しています。 シナリオプランニングの基本的な概念は、さまざまな可能な未来を開発することで、これらの文脈において私たちの決定がどれほど堅牢であるかをテストできるようにすることです。シナリオプランニングの参加者は、まず重要な決定を特定します。（決定を特に意識せずにシナリオプランニングを行うことも可能ですが、具体的な決定に焦点を当てることで、演習が抽象的でなくなり、より有用になります。）たとえば、企業は今後数十年にわたって必要な労働力の変化を決定する必要があるかもしれませんし、より個人的には大学生がどの分野を追求し、どのトレーニングを受けるべきかを決定する必要があるかもしれません。参加者は次に、保留中の決定に関連する、即時の地域環境における「主要な力」と、より大きなマクロ環境における「推進力」を特定します。地域環境やマクロ環境における潜在的な力の数に制限はないため、参加者は最終的な成功または失敗を決定する可能性が最も高いと思われる要因にリストを絞ることが奨励されます。労働力やトレーニングに関する決定の場合、推進力には以下のようなものが含まれるかもしれません： - 高品質の教育（無料で普遍的か、それとも高額でエリートに限定されるか？） - 経済（成長か、停滞または不況か？） - 富と権力の分配（高度に集中しているか、より均等に分配されているか？） - 年齢分布（高齢化が進むのか？） - AIとロボティクス（今日よりもどのように支配的な役割を果たすのか？） - 将来のパンデミック（それを管理する能力） - ワークライフバランスにおける文化の変化の可能性 - グローバリゼーションの程度（相互依存/低い対立か？） 孤立主義/高い対立？ | - エネルギーコスト（無視できるほど低くなるのか、それとも高くなるのか？） | 次に、参加者は各要因の重要性と不確実性に基づいて順位を付けます。不確実性が非常に高い推進要因は考慮する価値があり、なぜなら「不可能」または「予め決まっている」要因は、次のステップで生成するすべてのシナリオに共通するからです。例えば、将来のエネルギーコストについては、人口の高齢化に関する変化よりも不確実性が高いと考えられるため、エネルギーの側面を探る方が、将来のシナリオすべてにおいて発生する人口の変化よりも有用です。異なる推進要因に関連するデータが存在するかもしれませんが、データの入手可能性が順位付けに影響を与えることは誤りです。なぜなら、ここでの目標は、第一義的および第二義的な因果要因を開発する際の目標とは大きく異なるからです。前者では、現在の現実を知ることが重要であり、そのためデータは要因の順位付けに非常に役立ちますが、ここでは将来の可能性を幅広く考慮することが求められています。たとえ特定の範囲がすべての可能な未来をカバーしていなくても、幅広い選択肢を考慮することが計画に役立ちます。参加者は次に、少数の未来シナリオを選択し、発展させます。フィクションを書く人や脚本を作成する人と同様に、参加者が生成できるシナリオの数や複雑さに制限はありませんが、シナリオプランニングは通常、限られた数（一般的には4つ）を開発する際に最も効果的です。これらの4つのシナリオは、通常、2つの主要な推進要因のマトリックスに基づいており、それぞれの推進要因は将来の方向性に分けられます（例：「富が均等に分配される」対「富が高度に集中する」）。したがって、2つの主要な推進要因とそれぞれの要因の2つのレベルに対して、マトリックスには2 x 2、つまり4つのセルがあります。これらのセルは、それぞれ意思決定の成功または失敗に特に重要な可能性の範囲の一部を表しています。参加者は、各シナリオに記憶に残るような印象的で簡潔な名前を付けることを奨励されており、その名前は将来の意思決定に関する議論において役立つ役割を果たします。シナリオは、イベントが発生した後の架空のニュースストーリーのように、簡潔な物語に変換されます。各物語は、シナリオがたとえありそうにないものであっても、どのように現実的に展開する可能性があるかを説明する必要があります。例えば、私たちのビジネスの労働力と学生のトレーニングに関する決定において、「富の集中」を主要な推進要因の一つとして選び、「はるかに効果的なAIとロボティクス」をもう一つの要因とした場合、シナリオのマトリックスは次のようになるかもしれません： AIとロボティクスは、今日よりもはるかに効果的で信頼できるものになるでしょう。 ディストピア：ユートピア： ニュースヘッドライン： 「大規模な飢餓が反乱を引き起こすが、ロボットがそれを処理できる。」 「今日のトップゲームやコンサート、発見は、昨日よりもさらに楽しい！」 世界の大多数の人々は、AIやロボットがすべてをこなすため、仕事がなく、資源も持っていません。しかし、技術の驚くべき進歩があり、働かなくても世界の人々に食料、衣服、住居を提供できるようになります。エンターテインメント、芸術、科学、趣味、社交、子育てなどに従事することが、労働者にとっての主な仕事となります。労働者が幸せで興味を持ち続けられる仕事が求められます。 富の集中：均等な分配： ニュースヘッドライン： 「21世紀がディケンズの小説になった理由。」 「今日の親たち：一生懸命働き、一生懸命遊ぶ。」 技術の能力が向上しなければ、経済は停滞する可能性があります。富と資源の集中が進むと、このシナリオでは、働いている子供を持つ家庭だけがフードスタンプを受け取れるようになるかもしれません。このシナリオでは、現在の報酬が高い分野やトレーニングは引き続きその地位を保ち、富の分配のポジティブな側面にたどり着く可能性が高くなります。AIとロボティクスの能力は、今日のレベルで停滞します。 プロセスの最後に、参加者は、考慮している各決定オプションが「すべてのシナリオにおいて堅牢であるかどうか」を検討します。最も堅牢なオプションはリスクが少ないかもしれませんが、必ずしも最適な選択ではありません。堅牢性が低いオプションは、特定のシナリオで最良の結果を生む可能性があるため、他のシナリオが未来の世界になるリスクを少し受け入れることを選ぶかもしれません。リスクを避ける人は、すべてのシナリオで堅牢なキャリア選択に見えるAIの目標設定のトレーニングを受けることを選ぶかもしれませんが、リスクに対する耐性が高い人は、例えば左下のシナリオを除いて最適だと思う場合、建築のようなクリエイティブな職業を選ぶかもしれません。 シナリオプランニングは、未来についての慎重な思考と計画を促進するための有用なツールであり、集団での思考や意思決定の頻繁な目標となっています。しかし、これは私たちが実際に直面する最も可能性の高いシナリオを予測することを目的としたものではありません。そのために、いくつかの集団予測手法が開発されています。デロフィ法は、冷戦時代にRANDで開発された著名な初期の例です。多くのバリエーションがありますが、基本的な考え方はフランシス・ゴルトンの「群衆の知恵」の早期の実証に基づいています。これは、個々の判断を集約することで、ほとんどの（またはすべての）個人の判断よりも正確になる傾向があるという考え方です。関連するトピックの専門家に対して、焦点となる質問に対する最良の定量的評価や予測を提供するよう求めます。彼らは匿名で回答することで、率直さを促進し、臆病さや目立ちたがりを抑制します。ゴルトンの方法は、評価や予測を一度だけ求めるものでしたが、デロフィ法は通常、複数の反復を含み、判断が参加者に再配布され、他の意見を考慮に入れて判断を修正するかどうかを決定します。この方法の一つのバージョンでは、このプロセスが数回繰り返され、最終的な結果は最終セットの平均値となり、議論は一切行われません。別のバリエーションでは、専門家が残った意見の不一致を解決し、合意を求めるために議論します。私たちが議論したように、人々が他者の意見に適応することを許可することは、専門家が判断を変更する良い理由を持っている場合にはうまく機能します。また、提出された判断の中から最良のものを特定できる概念的枠組みを共有している場合（真実が勝つプロセス）にも有効です。しかし、非常に正確な判断を持つ専門家が群衆に合わせて判断を変更する場合（多数決のプロセスで起こり得る）、単に専門家の意見を平均するよりも効果的ではありません。集団予測手法の最近の新しい展開は、現代の予測市場です。 ギャンブラーたちは、20世紀初頭から人気のある選挙結果に賭けてきました（おそらくそれ以前からも）。しかし、現代の制度化されたこの慣行は、1980年代後半にアイオワ大学のビジネススクールの教授たちによって主に発展し、その後、IntradeやPredictItといった営利企業によって商業化されました。一般的な「群衆の知恵」のデモンストレーションでは、参加者は良い結果を出したいという欲求以外に正確さへのインセンティブはありません。一方、予測市場では、参加者は特定の結果（例えば、ある候補者が次の選挙に勝つという契約）に対してお金を投じることで、自分の意見を裏付けます。これは、豚バラ肉や他の農産物の取引に似ています。2000年代初頭、これらの市場が1998年のアメリカの全国選挙においてプロの世論調査会社を上回る予測をしたことで、予測市場への関心が高まりました。さまざまな研究により、予測市場はしばしば世論調査の平均を上回る結果を出すことが示されました（この方法自体が、個々の世論調査結果の誤差を打ち消すことで精度を向上させます）。予測市場は、群衆の知恵現象と経済学者の「効率的市場仮説」との完璧な相乗効果として急速に認識されるようになりました。この仮説は、すべての関連情報を考慮に入れることで市場が最適なパフォーマンスに向かう傾向があると述べています。 ここ10年から20年の間に、予測市場は初期の期待を失いつつあります。彼らは、第一次湾岸戦争で大量破壊兵器が見つかると誤って予測し、ブレグジットやドナルド・トランプのヒラリー・クリントンに対する勝利を予測することに失敗しました。最近では、2022年のアメリカ中間選挙における共和党のパフォーマンスを過大評価しました（他の人々と同様に）。それでも、予測市場の二つの概念的基盤—誤差を打ち消す群衆の知恵現象と市場の効率性—は「長期的な」利益であり、必ずしもすべての個別のケースで実現されるわけではありません。予測市場は今後も存在し続け、集団思考に有用なアプローチを示すことが確実だと思われます。 私たちの最後の予測の例は、フィル・テトロックとバーブ・メラーズがウォートン・スクールで開発した注目すべき「グッド・ジャッジメント・プロジェクト（GJP）」です。テトロックとメラーズは、キャリアを通じて人間の判断の強みと弱点を理解するために大きな貢献をしてきました。2005年、テトロックは、慎重に行われた研究に基づく主張を含む書籍で論争を引き起こしました。 テストの結果、専門的な政治の専門家たちは、「ダーツを投げるチンパンジー」から期待されるほどの具体的な予測を行うことができなかった。テトロックは、これらの専門家が無用であると主張しているわけではなく、彼らが世界を理解する手助けをすることで価値を提供していると述べている。そして、その世界に影響を与える複雑な因果関係の網が、彼らが二つの可能な結果のうちどちらが実際に起こるかを予測するのが得意ではない理由だ。驚くべきことに、わずか10年後の2015年にテトロックがダン・ガードナーと共著した『スーパーフォーキャスティング』は、GJPが開発した方法を用いることで政治予測が達成できることについて、はるかに励みになる物語を語っている。GJPは、米国の情報コミュニティの研究部門である情報高度研究プロジェクト活動（IARPA）がスポンサーとなった一連の政治予測トーナメントから生まれた。人間の判断の落とし穴を十分に理解した上で、テトロックとメラーズは人間の判断力の強みを活かす方法を開発した。要するに、彼らの方法は驚くほど効果的である。GJPチームは2011年の初回トーナメントを制し、その後開催されたすべてのトーナメントでも勝利を収めた。GJPのアプローチは、群衆の知恵（単純な集計）、予測市場、その他のデルファイ型グループプロセスを上回る成果を上げており、これらの三つの要素の一部を選択的に取り入れている。驚くべきことに、GJPは機密情報にアクセスできる専門の情報分析者の予測をも上回っている。GJPの方法論はここで詳しく説明するには複雑すぎるが、主要な特徴を大まかに説明することはできる。GJPはオープンな募集方法を採用しており、参加者には特別な学歴や職業的資格は必要ない。彼らはリアルタイムで仲間と自分のパフォーマンスを比較できる公開リーダーボードによって、良いパフォーマンスに対するインセンティブを得ている。彼らは特定の出来事がある日までに発生する確率を定量化した予測を行い、その予測に対する説明も提供する。新しい情報を受け取ったり、仲間の予測や説明を見直したりした後に、予測を更新することも可能である。リーダーボードは、良い精度と良いキャリブレーションを示すことで報酬を与えるスコアリング方法を使用している。GJPは、一貫して優れたパフォーマンスを示す参加者（特定の予測で「運が良かった」だけの人々ではなく）を選び出し、「スーパーフォーキャスター」のチームを形成する。重要なのは、これらのスーパーフォーキャスターは特別な資格を持たない普通の人々であることが多いということだ。 GJPの成功の背後にある魔法のような要因についてはまだ多くのことが学ばれるべきだが、テトロックとメラーズによれば、これまでの重要なポイントは以下の通りである： 私たちは、スーパーフォーキャスターの精度が向上する四つの要因を発見した：（a）より優れた予測者の募集と維持（GJPの予測者が他の研究プログラムの予測者よりも約10％の優位性を持つ要因の一つ）；（b）認知バイアスを軽減するトレーニング（トレーニング条件が無トレーニング条件に対して約10％の優位性を持つ要因の一つ）。 トレーニング条件として、(c) 協力的なチームワークや予測市場の形で、より魅力的な作業環境があり、これは単独で予測を行う予測者に対して約10％の向上をもたらしました。そして (d) 群衆の知恵を抽出し、狂気を排除するためのより良い統計的方法があり、これにより無重み平均の予測に対してさらに35％の向上が得られました。スーパーフォアキャスターと他の予測者の違いは何でしょうか？彼らは特別な資格を必要としませんでしたが、政治的知識が豊富で、知能テストのスコアも良好でした。しかし、彼らはまた、オープンマインドな認知スタイルを持ち、自分の知識の限界や自分の主張の弱点を認め、学ぶにつれて自分の信念を修正する必要があるかもしれないという可能性を受け入れる意欲がありました。これは彼らのキャリブレーションスコアに反映されており、通常の予測者よりも過信が少ないことを示しています。このスーパーフォアキャスターとそのプロセスの説明は、あなたにとって馴染みのあるものに聞こえるはずです。スーパーフォアキャスターは、私たちが議論してきた第三千年思考の多くの要素を使用していたようで、非常に成功を収めていました。効果的な集団思考が実践されているのです！ オンライン思考技術について、これまで私たちは対面での会話に根ざした集団思考の例を見てきましたが、これをより大きなオンラインの世界に拡張する方法を考案したいと考えています。しかし、オンライン環境のために特別に開発された集団思考のアプローチも存在します。一般的に、その目的は、生産的なオンラインディスコースに逆効果をもたらすようなオンライン条件を再現しないアルゴリズムシステムを考案することです。思考のエコーチャンバーや「バッジ付け」の意図的な強化、ますます怒りを増すコメントスレッドなどです。数年前、ソールはバークレーの工学教授ケン・ゴールドバーグと、ケンの研究グループが開発したオンライン討論システムについて話していました。このシステムは、参加者がさまざまな問題に対する自分の立場が他の人の立場とどのように比較されるかを認識するのを助けるものでした。ソールは、そのようなシステムのための代替アルゴリズムをテストすることが可能かどうか尋ねました。このアルゴリズムは、人々が自分の立場を共有する他者と同一視するだけでなく、対立する立場を理解することを促すものでした。対立する視点をうまく表現することでポイントを獲得できるのでしょうか？最終的に、彼らはDebateCAFEというデモシステムを考案しました。このシステムでは、特定の問題に関して両側の最良の主張を入力し、他の人の主張に点数を付けるよう求められました。このシステムのユニークな要素は、リーダーボードでの順位の決定方法でした。あなたの順位は、自分の2つのスコアのうち悪い方に基づいて決まるため（各側の主張に対する他のユーザーからの評価の2つの平均）、両方の主張を強化する強いインセンティブがありました。 グループでの協力的思考に対する別のアプローチは、例えばニュース記事の議論の要素を小さな「テスト可能な」部分に分解することです。この文は明確な確率的思考の証拠を示していますか、それとも以前に議論した「他を見ろ効果」や「p-hacking」といった確率的思考のメンタルトラップに陥っていますか？別の段落は「反対を考慮する」能力を示していますか、それとも古典的な確認バイアスによる証拠の選択に過ぎませんか？もしこれらの個別の質問を市民全体の代表的なグループに対して行うことができれば、政治的スペクトラムのすべての部分からの人々が共有する小さなポイントに関する合意があるかどうかを確認できます。実際には、「私はこの議論の結果が好き（または嫌い）ですが、少なくともp-hackingの問題はありません」と言っていることになります。次に、このような評価を一つの議論、ウェブサイト、または新聞記事に対してまとめることができれば、その強さと信頼性についての感覚を得ることができます。このアプローチを用いて特定の立場表明、ウェブサイト、または新聞記事を分析するのは多くの作業が必要に思えますが、「多くの手があれば仕事は軽くなる」という言葉もあります。実際、こうしたプロジェクトを数百人、数千人の関心のある市民の間でアルゴリズム的に共有するために設立された市民科学者のウェブサイトも存在します。通常、こうしたウェブサイトは、ハッブル宇宙望遠鏡からの画像で見られる数十万の銀河の特定の特徴を特定するような大規模な科学問題に取り組みます。ソールは、彼と彼の共同研究者が超新星探査プロジェクトでこれらを使用した経験があったため、新聞記事に対してこのアプローチを試すための市民科学者のウェブサイトが少なくとも一つは必要だと考えました。これにより、ソールがディレクターを務めるバークレー・データサイエンス研究所と、ニコラス・ブライガム・アダムスが運営する非営利団体グッドリー・ラボとの間で協力関係が生まれ、公共編集者ウェブサイトを構築する取り組みが進められました。 私たちが提起した冷静な熟慮の課題は、これらの例のいずれかで解決されたのでしょうか？まだそこには至っていません。これらのアプローチは、必要なものの一部には対応していますが、すべてには至っていません。デンバーの弾丸研究の方法は、事実に対して専門家を、価値観に対して市民を適用しましたが、真にランダムな代表的参加者の権威と公正さを提供する熟慮投票の利点を見逃しました。また、熟慮投票が強調する代表的参加者のための小グループの熟慮の促進された段階も十分に発展させていません。一方、熟慮投票は現在、参加者が事実に関する懸念と価値観に関する懸念を分けるように導いておらず、熟慮投票もデンバーの弾丸研究の方法も、公共編集者が行うように、議論をより小さくテスト可能な部分に分解してこれらの要素に対する合意を促進することはしていません。 市民が異なる意見を理解することを重視し、真に「アイデアの市場」を活用できるようにするためには、アメリカの法理における表現の自由の長年の根拠の一つであるこの考え方が重要です。しかし、私たちの提案する方法の中で、実際にこの点に触れているのは「DebateCAFE」だけです。 私たちの方法のうち、集団思考に関わるものは二つだけで、最も重要な要素は未来に依存しています。それは「シナリオプランニング」と「GJPスーパーフォアキャスター」です。ここで注目すべきは、シナリオプランニングが、ありそうもないが可能性のある多様な結果に備える能力を強調している点です。これは、驚くべき出来事が私たちの計画をしばしば妨げる世界において、重要な目標です。しかし、特定の出来事が発生することに賭けて決定を下す必要がある場合は、スーパーフォアキャスターに頼るべきです。これらの集団思考の方法には、他にも私たちが重視する目標があり、しばしば相反することがあります。例えば、理想的には、方法は関係する全てのメンバーを巻き込むべきであり、小さなグループだけでなく、決定に影響を受ける全員がその決定の根拠を理解し、公平に達成されたと感じることが望ましいです。たとえ彼らがその決定に同意しなくてもです。この目標は、参加者間で信頼と相互理解を築くために対面でのやり取りを必要とする方法では達成が難しいでしょう。 さらに、私たちは、AIや誤解を招くことを気にしない人々によって生成された虚偽の情報ではなく、本物の情報を確実に見ることがますます難しくなっている世界に生きています。この真実性に関する懸念は、私たちの集団思考において、より対面での方法論を求めることになるかもしれず、より大きな集団にスケールアップする際の困難を増す要因となります。 これらはすべて難しそうに聞こえますが、これは大きな違いを生むことができる実質的で反復的な科学的アプローチが必要な問題です。私たちが説明した半ダースの例からの教訓は、それぞれが生産的な集団思考を促進する手助けをしているということです。そして、試すべき多くの反復、バリエーション、発明が存在します。完璧を求める必要はありません。私たちはただ、より良く（そしてさらに良く）する必要があります。また、有用な方法はすべての目標を満たす必要はなく、特定のニーズに応じた方法を設計することができます。最後に、インターネットが私たちの公共の会話を分極化し混乱させる危険性に気づく一方で、それがもたらすより良い集団思考の機会をまだ活用していないことを認識しています。ここで皆さんに楽観的な感覚を持って帰っていただきたいと思います。やるべきことはありますが、それは私たちの人間の能力を超えたものではありません。そして、良いニュースは、この仕事には大きなリターンがあるということです。私たちの時代のほぼすべての懸念には、より良い集団思考が必要です。 私たちはこの章を、「驚くべき提案」として、私たちが人類の歴史の中で初めて、すべての人が繁栄できる持続可能な世界を築くことを現実的に目指せる世代であるかもしれないという考え方から始めました。しかし、ユートピアへの道のりには、私たちを大いに刺激し、集団的な思考を劇的に向上させるための十分な即時の課題や目標が存在しています。 第18章 新しい千年のための信頼の再構築 私たちは前の章を、安全で繁栄する世界の壮大なビジョンから始め、新たな協働思考のためのツールが必要であることを述べました。しかし、この本をもう少し個人的な視点で締めくくりましょう。なぜ私たち一人ひとりが「第三千年思考」のツールを必要とし、気にかけるのでしょうか？そして、なぜ私たち著者はこの特定のアイデアのセットを「スターターセット」として選んだのでしょうか？ 最初の質問「なぜ私たちは気にかけるべきなのか？」に対する答えは、二つの側面があります。一つは「ニンジン」、もう一つは「ムチ」です。ニンジン：これらのツールを使って世界に挑むことには本当の喜びがあり、それが私たちをより効果的にしてくれるのを実感できます。ムチ：私たちには選択肢がありません。世界は、少数の専門家（主要なニュース組織、医療団体、科学アカデミーなど）がメッセンジャーや郵便、電話を通じてネットワークを形成し、限られたデータを消化して私たちの日常的な意思決定に必要な答えを提供していた時代から進化しました。第三千年の特徴的な違いは、今や私たち全員が「ゲームに参加している」ということです。好むと好まざるとにかかわらず、全員がネットワークでつながっています。膨大なデータに直接アクセスできる今、私たちはどの事実に基づいて決定を下すべきか、自分自身で調査を行うべきか、専門家を探すべきか、どの専門家が信頼できるのか（そしてどの特定のトピックについてか）、価値観を統合するために賢明な指導が必要な時はいつかを見極める必要があります。 明らかに、この第三千年の発展はすべて悪いわけではありませんし、むしろほとんどが悪いわけでもありません。自律的な思考者の世界は、羊の群れの世界よりも確かに良いように思えます。しかし、私たちはこの課題に取り組まなければなりません。ちょうどその時、私たちの国家的および国際的な会話は、狭いニュースやソーシャルメディアのエコーチャンバーによって断片化され、引き裂かれています。誤情報や偽情報の劇的に効果的なウイルス的伝播が私たちの視界を曇らせ、人工知能の技術が現実の誤った表現を提示する脅威をもたらし、それがこれまで以上に区別しにくくなっています。 では、なぜこの歴史の転換点で、私たちはこの本で議論した特定のツールのセットを提供することを選ぶのでしょうか？その答えの一部は、これらの概念が、私たちが過去の理解の危機を乗り越えることを可能にしてきた科学的実践の最新のバージョンを表していると考えられるからです。 他にもこのような概念はありますし、今後も増えていくでしょうが、私たちがこれまでに議論してきたものは、私たちが直面している現実を追跡するために十分なものです。この現実は、私たちがそれを好もうが好まざるが、独自の動きを続けます。そして、私たちがそれをどれだけ理解できるかによって、私たちを妨げるか、助けてくれるかが決まります。私たちは、この現実について自分自身を欺いている方法を理解しなければなりません。特に、私たちの不安定で雑音の多い証拠を理解していないときにそうなります。与えられた確率的な手がかりに正しく基づく必要があります。そして、私たちは、自分たちと意見が異なる人々から学ぶことで、どこで誤った見解に囚われているのかを知ることができるときに成長します。さらに、これらの重要な概念を理解している専門家を選ぶことができれば、より大きな前進を遂げることができます。たとえば、彼ら自身が反対の意見を求めるような専門家です。この本には多くのアイデアがありますが、以下の表では、個人が採用できるものと、他者と協力する際に必要なものに大まかに分けて、いくつかの重要な概念を強調しています。このツールの全セットを見るのは少し圧倒されるかもしれません。（私たち著者も、必要なときにこれらのツールを適用することをしばしば忘れてしまいます！）しかし、私たちが住んでいる変化する文化のポジティブな側面の一つから励ましを受けるべきです。これらのツールを使い、これらのアプローチを採用するとき、私たちは背中に風を受けています。周囲の大きな世界、そしてその中に埋め込まれた科学的思考も、興味深い方法でこの方向に進んでいます。私たちが議論してきたツールや概念が、あなたの周りの世界で実際に行動に移されていることに気づいているかもしれません。 **思考の習慣 | コミュニティの習慣** - より良い道具を作る。 - 自分の自信レベルを明示する。 - 事実と価値を分けるよう努める。 - 可能な解決策には懐疑的であれど、科学の持つ「できる」という持続的な文化を使って解決策を可能にする。 - 真偽の二元論ではなく、確率的に考える。 - お互いに正直でいることを心がける。 - ランダムなノイズの中のパターンに惑わされない。 - リスクの望ましいバランス（偽陽性と偽陰性）について合意する。 - ノイズとバイアスを区別する。 - 熟慮のための効果的な手続きを採用する。 - メンタルショートカットに注意する。 - 確認バイアスを避ける。 - 自分たちがどのように自分を欺いているのか、そしてそれを避けるための新しい思考やコミュニティの習慣を発見するたびに、この表を継続的に更新する。 私たちが経験しているこの文化的変化、すなわち科学的思考のあり方が変わっていることを、以前の文化的な時代と比較することで説明するのが最も簡単かもしれません。次のページの表では、これを三つの時代に分けて整理していますが、これらが三千年に対応しているわけではないことに注意が必要です。第1列では、主に前の千年の間に起こった科学革命とその後の巨大な知的成果のいくつかを説明しています。 第2のコラムでは、20世紀末に高まり、21世紀初頭にピークに達した不満や反発の源について説明しています。第3のコラムでは、私たちが現在経験している文化的な変遷と、科学と社会の間の亀裂を癒すための3MTのビジョンを描いています。この表は概要を示したものであり、私たち独自の完全なオリジナルであるとは主張していませんし、権威ある知的歴史の作品として単独で成立するとも考えていません。最初の2つのコラムに含まれる内容は、多くの異なる学者によってさまざまな分野で議論され、分析されてきました。しかし、私たちは第3のコラムがまだ十分に広く評価されていない新たなパターンを描写していると考えています。新しい千年紀はまだ始まったばかりですが、前の千年紀とは異なる感覚を持っています。すべての変化が時には私たちを疲弊させ、共有された目的や方向性が薄れているように感じさせることもありますが、これらの変化は個々の問題や集団の問題に対処し、次のステップを構築する手助けにもなっています。私たちがどのようにここに至ったのかを解明するために、表に示された移行期に何が起こっていたのかをもう少し詳しく見てみましょう。 前の千年紀の後半は、人類の偉大な成果が見られた特別な時代でした。15世紀と16世紀のヨーロッパのルネサンスは、芸術や哲学の新たな繁栄をもたらし、本書にとって最も関連性のあるのは、ガリレオ、ケプラー、ベーコンによって発展した洞察と方法論によって引き起こされた科学の革命です。17世紀と18世紀には、合理性、経験主義、道徳・政治理論に関する考えが驚くべき発展を遂げ、これを啓蒙時代と呼びます。ニュートンやライプニッツによる重要な概念の進展と、学会やジャーナル、査読制度を持つ組織化された科学コミュニティの出現がありました。19世紀と20世紀には、アインシュタインやダーウィンによる時間、空間、生命に関する基本的な前提の根本的な再考が行われ、ワット、ベル、エジソンのような発明家による技術の急成長が並行して進みました。千年紀の終わりには、デジタル技術が私たちの経済や文化を根本的に変革する様子が見られました。 科学的成功と不満、そして3MTの再生（20世紀以前）反発（移行期の痛み）計測器の専門家の「閉じ込め」から「事実思考」から「確率的思考」への移行、実験の均質性、専門家の多様性へのシフト、「還元主義がすべて」という考えから多層的で微妙な視点への移行、再現性、人種、民族、性別、階級、地理的な位置の現象への配慮、政治的見解の変化、科学社会と査読ジャーナルの役割、そして「大きな飛躍による進歩」から「慎重なステップによる進歩」への移行、実験的な社会の形成が進んでいます。 単一および二重の利子；技術的な決定からのシフト「技術的な決定盲目的なコントロール」；専門家の過信と「熟慮的な意思決定」（専門家やリーダーが決定する）への移行、そして「集団的な相談と合意形成」への移行（主張には厳密な証拠が必要）というリスク：ゼロサムゲームのトレードオフから、より野心的で「できることを広げる」ウィンウィンの解決策へのシフト（科学的楽観主義）。気候変動、バイオハザード、オピオイド、AI、ナノテクノロジーなどの持続性を持つ問題に対して、私たちは何が現実であるかを発見できる。新しい集団的ツール：オープンサイエンスと自動化された戦争（事前登録、データ共有）、盲目的な分析、マルチラボのコラボレーションと検証、科学的リアリズム、市民科学とファクトチェック、熟慮的な世論調査、シナリオプランニング、予測市場、スーパー予測、対話と議論のためのオンラインプラットフォーム。 しかし、この本の冒頭で述べたように、20世紀の終わりまでには、この楽観的な進歩の感覚は過去のものとなってしまった。一度は過激だった進展が驚くべきものではなくなり、日常的なものに感じられるようになり、多くの人々が人間の進歩に対するユートピア的な見解を naïve（ナイーブ）または旧式で信用を失った植民地的な権力システムに根ざしていると見なすようになった。さらに悪いことに、最近の数年間では、科学的楽観主義に対する攻撃が、最も厳しい学術的批判よりもはるかに深刻で厳しいものとなっている。証拠に基づく主張が必要であるという二つの基本的な前提への信頼、そして科学的調査がその保証を提供するための最も強力な方法であるという信頼が、予想以上に急速に崩れつつあるように思える。最近の調査でも、科学者や医師は米国および国際的な世論調査で最も信頼される専門職の一つとしてランク付けされているが、時間の経過とともに特定の政党における信頼度の低下が見られる。 これは単に一部の人々が科学を知らないという問題ではない。科学に対して最も楽観的な人々でさえ（私たち自身も科学ファンとしてその一員であることは間違いない）、科学の進展が技術の進展を可能にした一方で、私たちの世界を修正する効力には代償が伴っていることを認めざるを得ない。私たちの介入の規模が増すにつれて、望ましい効果も大きくなるが、意図しない副作用も増加する。より良い鎮痛剤はより多くの依存症をもたらし、より迅速な交通手段は渋滞や汚染を引き起こし、迅速な社会的コミュニケーションは情報を増幅する一方で、誤情報も増加させる。社会の一員として、私たちは単に科学が知識を増やすことを望むだけでなく、科学が問題を解決することを望んでいる。しかし、「問題を解決する」という概念が混乱しているのかもしれない。「解決策」という用語は、幻想的な最終性を暗示しているかもしれない。私たちは何かを一度で完全に修正して、他の問題に注意を向けたいと願うかもしれないが、実際にはそううまくはいかないのかもしれない。 問題を、庭を手入れしたりギターを調律したりするように、継続的な調整を通じて管理するものとして捉える必要があるかもしれません。ドナルド・キャンベルによる「実験する社会」という素晴らしいエッセイがあります。キャンベルのビジョンは、繰り返し発生する問題に対して「可能な解決策を積極的に試し、結果を冷静かつ多面的に評価し、一つの改革の評価が効果がなかったり有害であることが示された場合には、他の選択肢を試す」という社会です。キャンベルは、実験する社会は静的な構造ではなく、「現実を試し、自己批判を行い、自己欺瞞を避けることにコミットした継続的なプロセス」であると主張しました。 本書の概念の表の左側の列は、そのような社会を育む3MT（第三ミレニアム思考）の「心の習慣」を概説することを目的としていますが、右側の列は重要な点として、心の習慣だけでは不十分であることを示しています。それらは、互いに誠実であり、落胆しないように支え合う3MTの「コミュニティの習慣」に根付く必要があります。私たちは、より良いことができるし、より良くなることができると自分たちに絶えず思い出させるのです。 信頼、それは最初で最後のフロンティアです。この「コミュニティの習慣」の重要性が増すことで、第三ミレニアム思考の性質が変わります。だからこそ、私たちはこの本を良い自己啓発書のスタイルで書かなかったのです（例えば、「科学者のように考えて勝つ！忙しいマネージャー、弁護士、親、医者、そしてその患者のためのガイド」など）。私たちは、これらの思考ツールが実際に日常生活において実用的で役立つものであると考えており、多くの例を挙げています。しかし、心の習慣はコミュニティの習慣と共に働き、より大きな全体の一部となると考えています。それは、私たちがこの本に付けたタイトルのように大きなものです。これらのアイデアは、上の表で「3MTの再生」と呼んだ社会的思考の大きな変化を支えています。そして、私たちの社会に対して、私たちを悩ませている信頼と自信の危機から抜け出す道を提供することを願っています。 異なる時代、異なる時期に、私たち人間は議論や決定のための共通の基盤として、異なる組織原則を使用してきました。時には、封建制度や資本主義、共産主義のような政治的または経済的構造を使用してきました。また、共通の国民文化、その歴史や神話を中心に思考を構築してきたこともあります。しかし、第三ミレニアムに入るにあたり、私たちは同時にはるかに広範な文化と関わりながら、より多様なコミュニティに住んでおり、これまで以上に私たちの生活において連続的かつ広範に結びついているグローバル社会と相互依存しています。この次の段階において、私たちは「第三ミレニアム思考」と呼ぶ共通のアイデアの語彙を、私たちの第三ミレニアムにおける議論や決定の根拠となる次の組織原則として見ています。 3MTスタイルの集団思考における自己問いかけの性質は、信頼の必要性とその源を提供します。私たちの精神的な弱点、特に自分自身を欺く能力についての理解が深まるにつれて、他者と協力することでこれに対処できる方法についての理解も深まります。しかし、私たちは直面している問題を正面から取り上げる必要があります（もし象と話すならば）：信頼のための組織原則は、信頼に依存する文化の上にどのように構築できるのでしょうか？基本的に善良な人々と接していると感じるなら、3MTのツールは集団で前進するために特に有用ですが、もちろんこの文化を受け入れない人々もいます。彼らは決して間違っていることを証明されることを望みません。私たちは、すべての人が善意で行動しているという前提のもとに社会を構築することはできません。幸いなことに、私たちはそうする必要はありません。 善意の人々が、善意と自己中心的な性格が混在する世界で共に成功し、繁栄する方法という課題は新しいものではありません。協力的な関係がどのように生まれるかという問題は、人文学や行動科学、生物学の分野の学者たちを長年にわたって悩ませてきました。彼らの研究には重要な洞察が含まれています。善意と悪意の人々が混在する集団における協力的行動を生み出すという広範な問題に関するこれらの洞察を、信頼を築き、現実を把握するという具体的な問題に適用することができます。 20世紀後半には、混合集団における協力の問題に関してかなりの進展がありました。その進展を促した一因は、意思決定理論という分野から派生したゲーム理論という数学の一分野の応用です。意思決定理論は不確実性の下で最適な選択を行う問題に取り組むのに対し、ゲーム理論は対立の条件下で最適な選択を行う問題に取り組みます。ここでは、他者の異なる好みやインセンティブに依存する選択を行うことになります。ゲーム理論における「ゲーム」は、各プレイヤーが行う一連の選択に基づいて、各プレイヤーへの報酬の異なる組み合わせを示します。ゲーム理論は、異なる状況下での選択を定義する異なる戦略のパフォーマンスを検討します。これらのゲームは数の行列の形を取りますが、「囚人のジレンマ」や「チキン」、「スタッグハント」といったカラフルな名前が付けられることがよくあります。 特に興味深いのは「囚人のジレンマ」というゲーム構造です。なぜなら、各プレイヤーは自己中心的に行動する誘惑に駆られますが、もし両者がそう行動すれば、協力した場合よりも悪化してしまうからです。（「囚人のジレンマ」は、囚人が共謀者を裏切れば軽い刑を受けることができ、どちらも裏切らなければ自由になるというシナリオにちなんで名付けられています。） 両者が協力すれば長い文が得られますが、もし一方が裏切れば、裏切った方がより多くの報酬を得るというゲームの金銭的なバージョンがあります。このゲームでは、2人のプレイヤーがいて、何度もプレイを重ねます。各プレイヤーは、特定のラウンドで協力するか裏切るかを秘密裏に決めます。もし両者が協力を選べば、それぞれ100ドルを得ますが、一方が裏切り、もう一方が協力を選んだ場合、裏切った方は150ドルを得て、協力した方は何も得られません。さらに、もし両者が協力しなかった場合、どちらもお金を得ることはありません。政治学者のロバート・アクスロッドは、この種のゲームにおける行動を研究し、参加者に繰り返し行われる囚人のジレンマゲームで最も多くのポイントを獲得するための戦略を提出するよう招待しました。この最初のトーナメントでは、勝利した戦略は「Tit for Tat（ティット・フォー・タット）」というシンプルなものでした。 ティット・フォー・タットとは何でしょうか？非常に簡単に言えば、プレイヤーは（1）他のプレイヤーとの初対面では常に協力し、（2）前回の相手の行動に応じて単純に応じるというものです。なぜティット・フォー・タットは成功するのでしょうか？アクスロッドはティット・フォー・タットを「親切」（初対面では常に協力する）、 「挑発に応じる」（前回自分を利用した相手に対してはあまり親切ではない）、そして「許す」（相手が再び協力し始めれば再び協力する）と特徴づけています。聖人のような「常に協力する」プレイヤーは、自己中心的なプレイヤーとの初対面ではうまくいかないかもしれませんが、その後は利用されることはなくなります。しかし、もう一人の「親切な」プレイヤーと対戦すると、すぐに協力の利益を得るパターンに固定されます。 この話を、現実の問題に対して最良の解決策を見つけるために人々が協力して働くという古くからの課題に戻しましょう。この課題は、囚人のジレンマのような単純なゲーム構造にうまく当てはまるわけではありませんが、その文献からのいくつかの教訓は適用可能だと考えています。協力的なプロセスを妨げたり短縮させたりする誘惑はたくさんあります。しかし、アクスロッドのレシピのようなものは、長期的な協力的問題解決に利益をもたらすと考えています。参加者が最初に協力する（「親切」）ことで始まり、頑固なパートナーが協力し始めたら再び協力する意欲を持つことが助けになります。この初期の協力意欲は、私たちが議論してきた「科学的楽観主義」という別の特性の遠い親戚のように思えます。つまり、問題が解決できると信じる能力です。もしかしたら、私たちのリストに「社会的楽観主義」という概念を追加する必要があるかもしれません。つまり、ほとんどの人が協力したいと信じる能力です。それによって協力的なパートナーを見つけ、問題を解決することができるのです。しかし重要なのは、アクスロッドのレシピには厳しい現実主義も含まれているということです。単に自分を利用するプレイヤーと協力し続けることは得策ではありません。そのため、一部の協力的な取り組みは崩壊してしまいます。 重要な問いは、協力的な人々が十分に存在し、他の協力的な人々を見つけることができるかどうかであり、その結果、裏切りが物語を支配することがないかということです。成功の可能性を考える際、後のコンピュータ競技で「Tit for Tat」を超えた戦略を考慮することは有益かもしれません。それは「Tit for Two Tats」（TF2T）という、さらに寛容な戦略で、非協力的な行動が2回起こるまで罰を与えません。以前に「基本的帰属の誤り」について話しましたが、これは西洋の個人主義文化において、他者が意図的に違反行為を行ったと考える傾向、つまり彼らは悪意のある行動者であると見なすことです。一方で、自分が違反した場合は単なるミスだと考えます。Tit for Two Tatsは、基本的帰属の誤りを克服しようとする人のように振る舞います。最初の非協力的な行動は単なる間違いであり、悪意のある行動者の指標ではないと仮定します。私たちはTF2Tから希望を得ており、世界を養い教育するための膨大な共同努力に関わる人々の現実の成果からも希望を得ています。裏切り者の中での私たちの協力は、社会的、知的、科学的な進歩の源です。実際、ニュースは一般的に人間の対立に焦点を当てますが、それは私たちの生活のほんの一部です。私たちは、協力的な構造の中で人生の基盤を築いています。私たちは、互いに協力し、教師とともに学ぶクラスに通い、異なる役割を持つ人々が協力しなければ成功できないビジネスで働き、友人たちと自由な時間を過ごします。心理学者で進化人類学者のマイケル・トマセロは、長年にわたり、人間は協力と協調の能力において独自であると主張しています。他の動物は、人間が協力する規模、範囲、さまざまな方法で協力することはほとんどありません。協力は私たちの人生の早い段階で始まります。19か月の子供は、自分が大切にしている食べ物を、空腹に見える見知らぬ人に与え、成人が落としたり置き忘れたりした物を拾ったり指さしたりします。そして、社会的な構造の中で異なる役割を果たし、共通の目標を持つ協力的な活動は、成人の人間生活全体に浸透しています。したがって、出会うすべての人が協力的であることを期待することはできませんが、少なくともニュースを読む限りよりも可能性は高いのです。 では、3MTに精通し、信頼を築き、現実を追跡する文化への第一歩は、社会的楽観主義であるようです。これは、そのような楽観主義が常に報われるわけではなく、悪意のある裏切り者に警戒しながら、十分に報われる必要があるからです。現実の世界では、私たちは善意のパートナーを見つけたときにそれを知りたいと思っていますので、Titを行使することができるのです。 誠実なパートナーは、例えば、単に議論に勝つのではなく、事実に関する真実を見つけることにコミットしているでしょう。したがって、次の重要なステップは、他の誠実なパートナーを見つけたときにそれを認識することかもしれません。そして、間違っていることを認める意欲は、誠実なパートナーを見極めるための良い指標とも言えるでしょう。私たちは、他の個人やグループと協力する際、専門家を選ぶ際、さらには大学や新聞、専門団体などの機関を評価する際にも、この学びへのオープンさを重視しています。例えば、信頼できる専門家の意見を注意深く聞き、新しい情報によって考えを変えるべき状況にどのように対処するかを観察します。また、考えを変えたメンバーを支援し、報酬を与える機関を探します。このような基盤の上に、私たちは次世代の信頼ネットワークを構築していきます。個々の私たちと社会全体として。第三千年紀に入るにあたり、この信頼ネットワークの構築と再構築は、私たちの心の中心にあるでしょう。私たちは、偽情報の広範な拡散によって引き起こされた、極端な政治的分極化を含む社会への影響をすでに目の当たりにしています。「クリックベイト工場」や人工知能に調整された「魅力的な」コンテンツがインターネットやソーシャルメディアに溢れる中、私たちは現実を追跡することがさらに難しくなることが予想されます。既存のアプローチ—人対人のネットワーク、会議、大学—はこの課題に対処できますが、私たちはもっと多くのことをする機会（そして必要性）があります。そこで、私たちは「信頼経済」（「注意経済」と並行して造られた言葉）について、オープンマインドな集団思考を新しい実験に基づいて報酬する新しい方法を見つけることをより実践的に考える必要があります。 そのような実験には、高品質な調査報道を支援する新しいメカニズムが含まれるかもしれません。例えば、インターネット上で各読者がジャーナリストの作品を読む際に非常に少額を支払うことを可能にする技術の開発については、長い間議論されてきました。これにより、良い仕事に対してかなりの報酬が集まることになります。また、間違っていることを認める意欲を示す新しい実践を探し始めるかもしれません。ジャーナリストは通常、自らのストーリーや分析を客観的かつ真実であると提示しますが、もしすべてのニュース分析（例えば、エコノミストの記事）が、著者が将来のニュースで注意すべき否定的な「指標」を示す小さなボックスで終わるとしたらどうでしょうか。その指標が存在すれば、その分析が間違っていることを証明することになります。 （例えば、「もし来月失業率がさらに1ポイント上昇したら、新しい金利政策が現在の雇用減少を逆転させるという私の主張は間違いになるだろう。」）これは読者に「代替案を考慮する」手助けをするだけでなく、ジャーナリスト自身も自分の分析が間違っている可能性を考慮せざるを得なくなり、単に賢い評論家として見えるのではなく、より現実に即した目標を追求することにつながります。この信頼経済の実験をさらに進めると、私たちは3MT（3分間テッドトーク）に基づく社会が「実験的な社会」であると提案してきたように、すべてのメディアが販売対象の人々との間でポジティブで相互的な学びを最適化するようなインセンティブシステムを考案する必要があります。メディア企業の株主の利益が公衆の注意とそれに伴う広告収入にのみ依存している場合、メディア業界には、最良の場合でも私たちの相互的な公共学習や会話にノイズを加える傾向があり、最悪の場合には情報のサイロ化や過激主義を助長する傾向があります。これは「共有地の悲劇」の情報版であり、公共空間を汚染することは企業の個別の利益にはなるが、誰の集合的利益にもならないのです。そして、私たちが環境汚染を改革するためにインセンティブ（および罰則）を提供する方法を学んだように、私たちは認知の共有地の汚染を改革するためにインセンティブと罰則を実験する必要があります。 例えば、特定のニュースメディアのユーザーが政治的思考のエコーチェンバーに導かれる度合いや、逆に政治的議論の幅広い理解を得られる度合いに応じて、ソーシャルメディアやニュースメディアのためのインセンティブを開発することを想像できます。各ニュースメディアの最も熱心な視聴者を対象にした調査を行い、彼らが時間の経過とともに、ランダムに選ばれたその日のトピックに対して自分が反対する議論をどれだけ説明できるかを追跡することができます。もしユーザーが代替的な見解を表現できない場合、ビジネスはインセンティブを失い、逆にユーザーがより良く表現できる場合には利益を得ることになります。これにより、極端な意見の対立やサイロ化を助長するエンゲージメントアルゴリズムにブレーキをかけることができるでしょう。しかし、私たちが認知の共有地に関するこれらの大規模な社会的努力を待っている間、私たちは個々に実験を行い、自分自身の信頼ネットワークを構築する必要があります。私たちの中で、ほとんどの友人が当然のように受け入れている立場に対して、もっともらしい反論をしてくれる反対意見の友人がいる人はどれくらいいるでしょうか？信頼ネットワークは、同じ考えを持つ友人たちで満たされたエコーチェンバーとは異なります。あなたは自分と異なる人々とつながる必要がありますが、その違いについて本当の会話ができる人々とつながる必要があります。豊富だが差別化されていない良い情報と悪い情報があふれる世界で現実を追跡したいのであれば、そのような友人や連絡先を積極的に見つける必要があるかもしれません。 （この本の読者の中で、自分と意見が異なる人々を見つけたいと思っている方のために、マッチングサービスを設けるべきかもしれません。ただし、彼らは現実を追跡するという3MTへの情熱を共有しています。）この章の冒頭で、私たちが第三千年紀に入るにあたって直面している課題、すなわち第三千年紀的思考が必要とされる課題を再確認しました。膨大なデータに直接アクセスできる今、私たちはどの事実を基に決定を下すべきか、いつ自分で調査を行い、いつ専門家を探すべきか、どの専門家が信頼できるのか（そしてどの特定のトピックについてなのか）、また価値観を統合するために賢明な指導が必要な時期はいつかを見極めなければなりません。しかし、問題をさらに一歩進めて考えると、課題は単に膨大な情報の山をふるい分けることではなく、多くの情報源が自らを完全かつ正確であると大胆に主張していることです。したがって、私たちは信頼できる情報源のネットワークを構築するために、効果的な信頼関係を確立するための3MTツールが必要です。信頼できる情報源とは、個人、専門家、機関、ウェブサイトなどであり、最終的には対立する主張の信頼性を評価する能力を持つことが求められます。 これはふるい分けの演習というよりも、構築のプロセスです。信頼できる情報を特定する際、私たちはそれを自分の好む政治的または文化的グループが信じているから信じるのではなく、むしろ自分と意見が異なる自己疑問を持つ人々もそれを信じているからこそ信じるのです。そこから私たちの理解が築かれます。これらの多くの発展の中で最良のものを基に構築できれば、私たちが目にするのは啓蒙思想の再生だけではなく、新しい千年紀に向けた第二の、そして本当に新しい形の啓蒙が現れるかもしれません。私たちは、読者に現実的でありながら刺激的な感覚を持ってもらいたいと思っています。集団的な努力によって、私たちは新しい協力的なアプローチで問題や機会に取り組むことで、第三千年紀への転換を実現できるかもしれません。小さな問題からグローバルな問題まで、私たちはすべての人が繁栄するユートピア的な世界のビジョンを信じる必要はありません。このプロジェクトを面白くするためには、私たちが手に入れられるものはもっと多く、すぐにでも達成可能なものがあるからです。しかし、もしかしたらその壮大な目標に刺激を受ける人もいるかもしれません。私たちは3MTの要素を持ち、動機を持ち、そしてこの千年紀が私たちがグローバルな人類の家族として前進する千年紀になる可能性を信じる合理的な科学的楽観主義を持っています。 今後数十年、私たちは巨大な課題に直面します。しかし、過去20年は新しい千年紀のわずか2パーセントに過ぎないことを思い出しましょう。残りの98パーセントは私たちが創造するものです。