正しい三段論法だけでは、世界を読み違える: AIと人間に必要な「重要語の見抜き方」

「人間は、正しい推論だけで間違えることがある」。この一見矛盾した事実を、私たちは日常的に経験している。

たとえば、「鳥は飛ぶ」「ペンギンは鳥である」「だからペンギンは飛ぶ」と考える推論は、形式としては整っている。しかし、結論は現実に合わない。問題は推論の形ではなく、最初に置いた一般ルールが粗すぎたことにある。

一方、文章を機械に読ませるときには、「the」「is」のように頻繁に登場する語よりも、珍しく、その文書を特徴づける語に大きな重みを与える。ありふれた語は文法を支えるが、文書の意味を見分ける手がかりにはなりにくいからだ。

この二つは、別々の技術や知識に見える。ひとつは論理学の基本であり、もうひとつは自然言語処理の手法である。しかし、両者は同じ深い問題に答えている。

大量の情報の中から、何を一般化し、何を例外として残し、何を判断の根拠にするべきか。

ここから見えてくるのは、優れた思考とは単に論理的であることではない、という事実だ。優れた思考とは、まず重要な特徴を選び、そのうえで論理を働かせることである。

推論の失敗は、結論より前に始まっている

演繹法の基本形は明快だ。

大前提: Aに当てはまるものはBである。
小前提: CはAである。
結論: CはBである。

「哺乳類は肺で呼吸する。クジラは哺乳類である。したがって、クジラは肺で呼吸する」という推論なら、私たちはほとんど違和感を覚えない。一般ルールと個別事実が適切に接続され、結論も妥当だからだ。

しかし現実の判断では、大前提は自然界からそのまま与えられない。私たち自身が、観察した事例から作っている。つまり、演繹の前に、すでに選別と抽象化が行われている。

「優秀な営業担当者は話すのがうまい」という大前提を持つ人が、面接で流暢に話す候補者を見れば、「この人は優秀な営業担当者になる」と結論するだろう。だが、実際の営業成績を決めるのは、話術だけではない。顧客の話を聞く力、失敗後の修正力、商品の理解、地道なフォローアップも関係する。

この人の推論は、形式的には問題がない。候補者が「話すのがうまい」という小前提も正しいかもしれない。それでも判断を誤るのは、大前提が現実の重要な特徴を取りこぼしているからだ。

ここで重要なのは、論理を否定することではない。むしろ逆である。論理は、与えられた前提を忠実に処理する。だからこそ、前提の選び方に含まれた偏りも、忠実に増幅してしまう。

論理的な人が頑固になることがあるのは、このためだ。自分の結論を守っているつもりでも、実際には、見直されていない大前提を守っている。

ありふれた情報と、判断を変える情報

文章の中で、「はじめに」「です」「そして」のような語は頻繁に現れる。それらは文章を成立させるうえで必要だが、ある文章と別の文章を区別する情報としては弱い。

逆に、「火山灰」「量子化」「発酵」のような語は、出現頻度が低くても、その文書が何について書かれているかを強く示す。そこで、語の重要度を考えるときには、単に何回登場したかだけでなく、その語が他の文書ではどれほど珍しいかを見る。

この考え方は、思考全般に応用できる。

会議で全員が「顧客第一」「効率化」「挑戦」と言っているなら、その言葉だけから組織の実態を見抜くのは難しい。どれも重要そうだが、あまりに一般的だからである。むしろ、誰かが一度だけ口にした具体的な不満や、議事録に残らなかった沈黙のほうが、組織の状態をよく表しているかもしれない。

「問題ありません」という発言は頻出する。だが、納期直前にだけ現れる「確認したい点があります」という一文は、プロジェクトの本当のリスクを示す可能性がある。頻度の高い安心材料より、頻度の低い違和感のほうが診断価値を持つ場面があるのだ。

ここで、論理と語の重みづけが接続する。

三段論法は、何を大前提にするかを要求する。文書分析は、何を特徴語として重く扱うかを要求する。どちらも、情報をそのまま受け取るのではなく、判断に効く特徴を選び出す作業である。

思考の質は、結論を導く速さよりも、何を「根拠」として昇格させるかで決まる。

大前提は「世界の法則」ではなく、圧縮された仮説である

人間は、複雑な現実をそのまま保持できない。そこで、「通常はこうだ」「この種類のものはこう振る舞う」というルールに圧縮する。大前提とは、世界そのものではなく、過去の経験を扱いやすい形にまとめたモデルである。

モデルには利点がある。毎回ゼロから判断せずに済むからだ。「黒い雲が厚いと雨が降りやすい」という知識があれば、空を見た瞬間に傘を判断できる。

しかし、圧縮には必ず情報の損失がある。黒い雲という特徴だけでは、夕立なのか、煙なのか、遠くの雨雲なのかを区別できない。モデルが便利であるほど、私たちはその省略を忘れやすい。

この問題を避けるためには、大前提を固定的な真理ではなく、適用範囲つきの仮説として扱う必要がある。

たとえば、「睡眠時間が長い人ほど仕事の成果が高い」というルールを考えるとする。ここで立ち止まり、次の問いを加える。

1. どの種類の仕事で成り立つのか。
2. 睡眠時間と成果の間に、健康状態や勤務時間が介在していないか。
3. 短期的な締め切りと長期的な成果で結果は変わらないか。
4. 反例は、単なる例外なのか、ルールの欠陥を示しているのか。

この質問を行うと、「睡眠時間が長い人ほど成果が高い」という単純な規則は、「一定以上の睡眠が確保され、仕事の種類や健康状態が近い場合、睡眠不足は成果を下げやすい」という、より限定された仮説へ変わる。

精密になったぶん、万能感は失われる。しかし、現実に対する信頼性は増す。

「珍しいものを重くする」だけでは危険である

ここで注意すべき点がある。珍しい情報は、いつでも重要とは限らない。

医師が患者の症状を考える場面を想像してみよう。珍しい症状は診断の手がかりになるかもしれない。しかし、珍しいという理由だけで最も重視すれば、まれな病気に意識を奪われ、ありふれた原因を見逃す危険がある。検索システムでも、珍しい語が誤字や偶然のノイズである可能性は残る。

したがって、思考における「重要度」は、単純な珍しさでは決まらない。少なくとも次の三つを掛け合わせる必要がある。

1. 識別力

その特徴は、他の可能性と区別するのに役立つか。誰にでも当てはまる言葉ではなく、候補を絞り込める情報か。

2. 信頼性

その情報は正確か。観測ミス、記憶違い、誇張、偶然ではないか。珍しい発言でも、根拠が弱ければ判断を動かすべきではない。

3. 因果的な近さ

その特徴は、結果に直接関係しているか。表面的な相関ではなく、なぜその結果が起きるのかを説明できるか。

この三つを、判断のための「特徴フィルター」と考えるとよい。珍しいが信頼できない情報は保留する。頻繁だが識別力のない情報は背景に置く。目立たなくても、信頼性と因果的な近さが高い情報は重く扱う。

たとえば、ある商品の売上が落ちたとする。「景気が悪い」という説明はよく聞くが、多くの企業に当てはまりすぎる。一方で、「主要顧客の購入画面で、決済ボタンがスマートフォン上だけ表示されない」という具体的な事実は、はるかに診断価値が高い。

ただし、その報告が一人の勘違いなら信頼性は低い。複数の端末で再現されれば、識別力と信頼性が一気に高まる。ここで初めて、個別事実を大前提に接続する準備が整う。

反例は、思考の敵ではなく更新装置である

人は、自分のルールに合う情報を集め、合わない情報を例外として処理しがちだ。「若い社員は責任感が弱い」という大前提を持っている人は、遅刻した若手をよく覚え、早朝から働く若手を見落とすかもしれない。

このとき必要なのは、反例をただ集めることではない。反例が、既存のルールのどの部分を壊したのかを分析することである。

「若い社員は責任感が弱い」という規則に対して、責任感の強い若手が一人いたとする。この一例だけで規則が完全に否定されるとは限らない。しかし、その若手が複数の部署で同じ傾向を示し、年齢よりも役割の曖昧さや評価制度が行動を左右しているとわかれば、ルールの修正が必要になる。

ここで、個別事実は単なる例ではなく、モデルを改良するための観測になる。

実践的には、判断を次の四層に分けるとよい。

1. 観測: 何が実際に起きたか。
2. 特徴: その観測のうち、何が他の事例と区別するか。
3. 仮説: その特徴は、どの一般ルールを支持または反証するか。
4. 推論: 仮説を前提にすると、次に何が予測されるか。

多くの失敗は、観測からいきなり推論へ飛ぶことで起きる。「会議で発言しなかった。だから関心がない」と考える前に、「発言しなかった」という観測と、「関心がない」という解釈を分ける。話題を理解していなかったのか、権限がなかったのか、事前に別の場で意見を伝えていたのかを調べる。

この中間層である「特徴」と「仮説」を丁寧に扱うことが、論理の精度を上げる。

検索する前に、判断の語彙を設計する

この考え方は、情報収集にもすぐ使える。何かを調べるとき、多くの人は最初に検索窓を開く。しかし、検索語が一般的すぎると、大量の情報に埋もれる。「生産性を上げる方法」「マーケティングの基本」「健康になる方法」では、答えが広すぎる。

よりよい検索は、悩みを特徴語へ分解する。

たとえば、「チームの会議がうまくいかない」と感じたとき、次のように具体化できる。

• 発言者が毎回同じなのか。
• 決定事項が記録されていないのか。
• 会議後に同じ議論が繰り返されるのか。
• 意見の対立を避けているのか。
• 必要な人が参加していないのか。

「会議 改善」という一般語から、「意思決定 記録されない」「会議後 議論 繰り返す」「心理的安全性 反対意見」といった識別力の高い問いへ移る。これは検索の工夫であると同時に、問題を正しく定義する訓練でもある。

さらに、検索結果を読んだあとには、その情報を大前提として採用してよいか確認する。

• その主張は、どの条件で成り立つのか。
• 自分の状況は、その条件に合っているか。
• 反対の事例はないか。
• その情報は結果の原因を説明しているか、それとも単なる同時発生か。

こうして、情報収集は「答えを探す行為」から、「使える前提を設計する行為」に変わる。

Key Takeaways

すぐに実践できる要点をまとめよう。

1. 結論を疑う前に、大前提を書き出す
   「だから何が言えるのか」だけでなく、「そもそも、どの一般ルールを使っているのか」を明示する。隠れた前提が見えると、議論の修正点がわかる。

2. 頻出する情報と重要な情報を分ける
   よく聞く言葉は安心感を与えるが、識別力が低いことが多い。判断を変える具体的な事実や、他の可能性を絞る特徴を探す。

3. 珍しさに、信頼性と因果性を掛け合わせる
   目立つ情報をそのまま重視しない。再現するか、根拠があるか、結果に近い原因なのかを確認する。

4. 反例を、ルールへの攻撃ではなく更新材料として扱う
   反例が出たら、「例外だから」と片づけず、どの条件が不足していたのかを問い直す。

5. 観測、特徴、仮説、推論を分離する
   見たことと解釈したことを混ぜない。この四層を分けるだけで、早すぎる決めつけが減る。

---

私たちは、論理的に考えれば正しい判断に到達できると思いがちだ。しかし論理は、素材を選ばない。粗い一般化も、偏った観測も、論理の形に入れれば、もっともらしい結論へ運ばれていく。

本当に鍛えるべきなのは、推論の最後の一歩だけではない。その前にある、何を無視し、何を残し、何を特徴として扱うかという選択である。

ありふれた言葉の海から、その文書を特徴づける語を拾う。無数の経験から、判断を変える事実を拾う。そして、その事実を適用範囲つきの大前提へ組み直す。

賢さとは、すべての情報を重く扱うことではない。重く扱うべき情報を、軽々しく決めないことである。

次に何かを判断するとき、まず結論を急がず、ひとつだけ問いかけてみよう。

「この判断の中で、最もありふれていて、最も見落とされている前提は何か」。

その問いが見つかれば、あなたはすでに推論を始めている。しかも、結論からではなく、世界を切り分ける最も重要な場所から始めている。