複雑さは敵ではない、脳の計算量を守る設計問題だ

その不便さは、機能不足ではなく計算量の警告かもしれない

私たちはよく、スマートさとは「情報が多いこと」だと考える。必要そうなものが先回りして並び、状況に応じて提案してくれれば、確かに便利だ。だが本当の問いはそこではない。人間が使いこなせる複雑さの上限はどこにあるのか、そして、AIはその上限を押し広げるのか、それとも静かに超えてしまうのか。

ソフトウェアでは、計算量が増えると理解可能性が急激に落ちる。O(N)なら追えるが、O(N²)になると全体像が曖昧になり、O(2^N)ではもはや感覚が崩れる。面白いのは、この話がコンピュータだけで終わらないことだ。人間の脳もまた、複雑性に対して計算量の壁を持つ。しかも脳の壁は、CPUの壁よりずっと見えにくい。

AI機能が強化されたスマートフォンは、この壁を下げるために設計されているように見える。ロック画面に「今必要な情報」を出し、予定や好みに合わせて先回りする。だが、先回りがうまくいくほど、別の問題が起きる。情報は減るのに、背後にある推論の層は増える。つまり、使う側の認知負荷は下がる一方で、システム全体の複雑さは肥大化する。

ここに、現代のAI体験の核心がある。便利さとは、複雑さの消滅ではなく、複雑さの再配置である。

複雑さは消えない。見えない場所へ移動するだけ

昔のインターフェースは、ユーザーにたくさん考えさせた。どのアプリを開くか、どこを押すか、何を探すかを自分で判断しなければならない。これは不親切だが、少なくとも複雑さの所在は明確だった。手を動かせば、どこで詰まったかがわかる。

AIが入ると、この構造は変わる。たとえば会議前に、ロック画面が資料、交通、相手の連絡先、最近のメールの要点を並べてくれるとする。ユーザーは一見、考えなくて済む。けれど、その背後では「今この人に必要な情報は何か」「何を優先すべきか」「この状況をどう解釈するか」を、システムが引き受けている。

これは単なる自動化ではない。判断の前倒しだ。以前は人間が抱えていた「文脈を見て次を選ぶ」仕事を、機械が先にやる。ここで重要なのは、AIが情報を増やすことではなく、選択の空間を圧縮することである。選択肢が減るほど快適に見えるが、選択肢が減りすぎると、自分の意図まで縮む。

たとえばレストランで、メニューが3品しかなければ注文は速い。しかし、それは最適化ではなく単純化だ。AIの危うさは、3品の代わりに100品を見せることではない。100品あるように見せながら、実際には1品へ導くことにある。これは便利な案内にもなるし、気づかないうちの誘導にもなる。

真の問題は情報過多ではない。自分が考えているつもりで、実はシステムの都合で考えさせられていることだ。

脳は「わかりやすさ」ではなく、計算量で疲れる

人はしばしば、難しい情報に疲れるのではなく、難しい分岐の連続に疲れる。たとえば引っ越しの手続きを考えてみよう。やること自体は単純でも、銀行、保険、住所変更、ライフライン、荷物の整理が絡むと急に重くなる。なぜか。各タスクが独立しているようで、実際には相互依存しており、頭の中で状態を保持し続けなければならないからだ。

これは、プログラムで言う再帰や分岐の深さに近い。1つの判断は簡単でも、判断の結果が次の判断を変え、そのまた結果がさらに次を変えると、脳は中間状態を保持するコストを払い続ける。認知負荷とは、情報の量ではなく、状態遷移の数だと言ってよい。

だからこそ、AIの価値は「賢い回答」そのものより、状態遷移を減らすことにある。予定、趣味、位置、過去の行動を統合して、次に見るべきものを提示するなら、ユーザーは毎回ゼロから文脈を組み立てなくてよい。これは脳にとって大きい。脳は大量の情報よりも、未解決の状態を保持することに消耗するからだ。

ただし、ここにも落とし穴がある。状態遷移を減らすことは、同時に学習機会を減らす。自分で「何が今重要か」を選ぶ行為は、面倒だが、世界のモデルを更新する訓練でもある。AIがあまりに上手く先回りすると、ユーザーは快適さと引き換えに、判断の筋力を失うかもしれない。

この構図は、筋トレの補助具に似ている。最初は重いバーベルを支えてくれて助かるが、補助が強すぎると筋肉は育たない。AIは認知の補助具であって、認知の代替物ではない。ここを取り違えると、便利な道具が静かに知性を鈍らせる。

「先回りAI」の本質は、記憶ではなく推論の外部化にある

今回のような個人向けAI機能を理解するうえで、最も重要なのは、これは単なるメモリ拡張ではないという点だ。単に「過去を保存する」だけなら、日記や検索履歴と大差ない。新しいのは、保存された記録をつなぎ合わせ、状況に応じた推論を行うところにある。

ここで起きているのは、断片の保管ではなく、意味づけの自動生成だ。たとえば、あなたが朝にジムへ行き、昼に取引先と会い、夕方に子どもの迎えがあるとする。個別の事実は普通のデータだが、それらを束ねると「今日は移動の合間に短時間で返せる連絡が必要」「夕方前に電池を温存すべき」といった行動提案になる。

このときAIは、単に情報を並べているのではない。文脈の圧縮をしている。そして文脈の圧縮こそが、人間の脳がもっとも苦手で、もっとも価値を感じるところだ。人は情報そのものではなく、情報同士の関係を理解したい。だから知識グラフや個人データエンジンのような仕組みは、人間の記憶や推論に似ているというより、むしろ「人間の認知が苦手な計算」を肩代わりしている。

だが、外部化された推論には副作用がある。自分で文脈をつなぐ経験が減ると、提案の妥当性を吟味する力も弱まる。AIが「この順番が最適です」と出したとき、それが本当に最適なのか、あるいはモデルが過去の癖を増幅しているだけなのかを見分けるのは簡単ではない。

記憶を外部化すると便利になる。推論を外部化すると、便利さと引き換えに自分の判断基準まで委託する危険がある。

本当に必要なのは、賢いAIではなく、認知負荷の設計原則だ

ここまで見てきたことを一つにまとめると、問いは「AIはどれだけ賢いか」ではない。AIは人間の脳が壊れない複雑さに調整されているかである。

この視点から見ると、良いAI体験には明確な設計原則がある。

第一に、段階的に深くすること。最初は要点だけ、必要なときだけ詳細を出す。検索結果でも通知でも、いきなり全情報を押しつけるのではなく、必要に応じて層を開く。これは複雑性の O(N²) 化を防ぐための基本だ。

第二に、推論の根拠を見せること。なぜその提案なのかが見えないAIは、便利だが危険だ。人は結果よりも、どの文脈を使って結論したかを知ることで、信頼と修正の両方ができる。ブラックボックスは、短期的には速いが、長期的には認知負荷を増やす。

第三に、ユーザーの選択余地を残すこと。AIが最適解を1つに絞るほど使いやすいように見えるが、実際には意図の多様性を奪う。複数の候補を並べ、その違いを説明し、最終決定は人間に返すほうが、学習も信頼も保ちやすい。

第四に、勝手に賢くならないこと。ここで言う賢さとは、先回りの精度だけではない。人が「自分で考えた」という感覚を失わない設計である。AIが優秀すぎると、便利さの裏で主体性が溶ける。真に良いシステムは、答えを奪うのではなく、考えるための足場を整える。

Key Takeaways

• 複雑さは消えない。AIは複雑さをなくすのではなく、見えない場所へ移動させる。
• 認知負荷の正体は情報量ではなく状態遷移。次に何を考えるかを何度も切り替えることが、脳を疲れさせる。
• 先回りAIの価値は文脈の圧縮にあるが、やりすぎると判断力まで外部化してしまう。
• 良いAIは段階的、透明、選択可能であるべき。最適化よりも、理解可能性を優先する。
• 便利さの指標を変える。速さだけでなく、使った後に自分の思考が残るかどうかを見る。

結論: 未来のAIは、答える機械ではなく、脳を壊さないための計算機であるべきだ

AIの進化を見ていると、私たちはつい「どれだけ知っているか」「どれだけ予測できるか」に目を奪われる。しかし本当に重要なのは、その賢さが人間の思考を拡張するのか、それとも飲み込むのかだ。

ソフトウェアの複雑性が爆発すると理解不能になるように、認知の複雑性もある閾値を超えると、人は考えることをやめる。だから、AIの使命は単に情報を増やすことではない。人間が考え続けられる複雑さに世界を再編することである。

便利なロック画面は、未来の入口にもなれば、思考の縮小にもなりうる。差を生むのは機能の数ではなく、複雑さの扱い方だ。これからの問いは、AIが何をできるかではない。AIは、人間の脳がまだ自分で考えられる形で世界を整えているか。その一点に尽きる。