ヒューリスティック

問い

人間の脳は、なぜ最適解ではなく「十分に良い解」で満足するのか。時間と情報が有限な状況で、いかに迅速な判断を下すか——この問いへの答えが「ヒューリスティック」だ。ファスト&スローは、ヒューリスティックが有益な近道であると同時に、体系的な誤りの源泉でもあることを詳細に論じる。

ヒューリスティックの系譜

ヒューリスティックの研究はサイモンの「限定合理性」概念から始まった。完全情報・無限の計算能力を前提とした古典的合理性に対し、現実の意思決定者は認知資源の限界の中で「十分に良い」決定を目指す。カーネマンとトベルスキーは代表性・利用可能性・係留と調整という三つの主要ヒューリスティックを特定し、それぞれが特定の認知バイアスを生み出すことを示した。システム1とシステム2の枠組みでは、ヒューリスティックはシステム1の典型的な動作様式だ。

現代接続

AIの時代において、ヒューリスティックの理解は新たな意味を持つ。機械学習モデルも一種のヒューリスティックを学習しており、そのバイアスは人間のバイアスと構造的に類似する。フェイクニュースの拡散では、「利用可能性ヒューリスティック」——最近見た情報が典型的に思える——が大きな役割を果たす。医療AIの診断支援では、医師の直感的なヒューリスティックとALGORITHMをどう組み合わせるかが問われている。損失回避など他のバイアスも、多くはヒューリスティックの副産物だ。

ヒューリスティックが残すもの

ヒューリスティックは「人間の欠陥」ではなく、限られた資源で複雑な世界を航行するための進化的適応だ。完全な合理性を目指すよりも、どのような文脈でどのヒューリスティックが誤りを生みやすいかを知り、重要な判断にはシステム2を意識的に働かせる——これが現実的な対応策だ。ヒューリスティックを理解することは、自分の思考の「地図」を手に入れることであり、それ自体がより賢明な判断への第一歩となる。

代表性・利用可能性・係留

三つの主要ヒューリスティックを具体的に押さえておこう。「代表性ヒューリスティック」は、あるものが典型的なカテゴリのプロトタイプにどれほど似ているかで確率を判断する——「メガネをかけた内気な男性は図書館員か農家か」で多くは図書館員を選ぶが、統計的には農家の方が多い。「利用可能性ヒューリスティック」は、思い出しやすい情報を典型的・頻繁と判断する——飛行機事故のニュースの後に飛行機の危険を過大評価するのがその例だ。「係留と調整」はアンカリングの別名だ。

ヒューリスティックと機械学習

AIの文脈でヒューリスティックは新たな意味を持つ。機械学習モデルも、学習データから「ヒューリスティック的」なパターンを学習する。表面的な特徴（文体、フォント、構成）から内容の信頼性を判断するなど、人間の認知バイアスを模倣した偏りが生じる。AIシステムのバイアス問題は、人間のヒューリスティックが訓練データに埋め込まれた結果だ。人間の思考の近道を理解することは、AIの偏りを理解することでもある。

思考の枠組みを知ることは、自分の判断の盲点を照らし、より自覚的な意思決定を可能にする。概念を知識として持つだけでなく、実際の判断の場面で立ち止まって問い直す習慣こそが、この概念を学ぶ真の目的だ。日常のあらゆる場面に潜む認知のパターンに気づくことが、より豊かな思考への第一歩となる。