Divide and Confer: Aggregating Information without Verification

囁く群衆の謎

あなたは巨大なパズルを解こうとしていると想像してください。しかし、ピースは数千人の人々の間に散らばっており、彼らと直接話すことはできません。あなたは、彼らがあなたに伝えてくる内容に頼るしかありません。これが、**メカニズムデザイン（メカニズム設計）の世界です。これは、人々がたとえあなたを欺こうとしていても、結果として偶然にも真実を見つける手助けをしてしまうようなルールを、いかに設定するかを研究する経済学の一分野です。通常、異なる秘密を持つ人々が集まっている場合、彼らの話を比較することで嘘を見抜くことができます。もしAさんが「空は緑だ」と言い、Bさんが「青だ」と言えば、どちらかが嘘をついていることが分かります。これは相互検証（クロス・ベリフィケーション）**と呼ばれます。

しかし、全員が他の誰とも共有していない、独自のパズルのピースを持っている場合はどうなるでしょうか？ 全員がたった一つの、かけがえのないジグソーパズルのピースを持っている部屋を想像してみてください。もしAさんが自分のピースについて嘘をついたとしても、Bさんのピースとは全く異なるため、Aさんの話を検証することができません。真実を検証できないのです。これが**情報の分割（インフォメーショナル・ディビジョン）**の問題です。部屋の中にある知識の総量は決まっていますが、それが非常に多くの人々に薄く細かく分割されているため、単独の人物では、他の人たちに嘘を見破られるほど十分な知識を持っていません。大きな問いはこうです。「お互いの宿題を照らし合わせてチェックすることができない状況で、どうやって群衆から真実を引き出すのか？」

この論文の核心： 「確信しすぎた」群衆への罰

ジェームズ・ベスト、ダニエル・クイグリー、マリアム・サイディ、アリ・シュリデによる論文「Divide and Confer: Aggregating Information without Verification（分割と合意：検証なしでの情報の集約）」は、まさにこの悩みに取り組んでいます。彼らは、意思決定者（CEOや政府など）が、偏ったメッセージを持つ膨大な数の伝達者が保持する情報に基づいて、「イエス」か「ノー」かの選択を行うシナリオを研究しています。これらの伝達者は皆、たとえそうでなくても答えが「イエス」であってほしいと願っています。伝達者の情報は分散しており、互いに結びついていないため、意思決定者は単に「君の話はあいつの話と一致しているか？」と問うことはできません。

著者たちは、巧妙で直感に反する解決策を発見しました。情報を相互に検証できない場合でも、「極端な合意」を罰するメカニメントを用いることで、依然として有用な情報を得られることを示しています。

これを遊び心のある比喩で説明しましょう。100万人のコンテスタントが気温を当てるゲームショーを想像してください。彼らは皆、答えが「暑い」であれば賞品がもらえるため、密かに答えが「暑い」であることを望んでいます。司会者は、彼らが偏っていることを知っています。もし司会者が単に「暑いですか？」と尋せば、全員が「イエス！」と叫ぶでしょう。それでは司会者は何も学べません。

著者たちは新しいルールを提案します。「もし平均的な予想が心地よい中間範囲内であれば、『イエス』と言う。しかし、もし全員が『猛烈に暑い』と同意した場合は、たとえそうであっても『ノー』と言う。」

これは奇妙に聞こえますよね？ なぜ全員が確信しているときにその答えを拒否するのでしょうか？ 秘訣は、この「余剰を焼き尽くす（サープラス・バーニング）」罰が、脅しとして機能することにあります。もしコンテスタントが嘘をついて、実際よりも暑いと言えば、グループの平均を「猛烈に暑い」ゾーンへと押し上げてしまい、司会者が回答を完全に拒絶してしまうリスクを負うことになります。この集団的な拒絶への恐怖が、嘘つきたちの誇張を食い止めるのです。意思決定者は実質的にこう言っているのです。「君たちがどう合意しようと構わない。もし合意しすぎたら、私は賞金を燃やしてでも『ノー』と言う。」この脅しが、群衆を中間範囲において正直であり続けさせるのです。

彼らが発見したこと（そしてできなかったこと）

この論文は、数学的に、群衆が無限に大きくなるにつれて、最善の戦略はこのようなシンプルな「区間メカニズム（インターバル・メカニズム）」であることを証明しています。これは、報告された状態が特定のウィンドウ内にある場合は受け入れ、報告が低すぎる場合、あるいは驚くべきことに高すぎる場合には拒絶するというものです。

しかし、著者たちはこれがすべてを解決する魔法の杖ではないことにも注意を払っています。彼らは、この方法では「ファースト・ベスト（第一最善）」の結果（意思決定者が正確な真実を知る完璧な結果）を達成できないことを明確に示しています。情報は分割され、検証不可能であるため、常にコストが伴います。意思決定者は、嘘つきを制御するために、一部の「良い回答」を拒絶するという形で、常に「余剰」を犠り続ける必要があります。論文は、何もしないよりは良い結果を得られるものの、この特定のセットアップにおいては「完璧な結果」を得ることは決してできないということを証明しています。

また、著者たちは、複雑で凝ったルールが必要であるという考えも否定しています。小規模なグループでは、最適なルールは複雑であり、誰が何を言ったかに依存します。しかし、巨大な群衆においては、数学的に、シンプルな「区間」ルールが実際に最善であることが示されます。群衆の複雑さは洗い流され、シンプルでエレガントな解決策が残るのです。

まとめ

では、これは現実世界において何を意味するのでしょうか？ この論文は、（ソーシャルメディアの世論調査や大規模な委員会のように）個々人を相互に事実確認できない、偏った巨大な群衆を相手にする場合、単に多数派を信頼すべきではないことを示唆しています。むしろ、過剰な合意に対して疑念を持つべきです。群衆が自分たちの望む方向に強く同意しすぎたときに罰を与えるシステムを設計することで、単に彼らの声を聞くよりも、より正直な情報を引き出すことができます。それはまるで、親が子供たちの部屋に向かって、「もしみんなでお菓子を食べたいと一致したら、デザート自体をキャンセルするからね」と言うようなものです。これにより、子供たちは空腹について嘘をつく前に、ふと考えてみるようになるのです。

この論文は、これが嘘やフェイクニュースのあらゆる問題を解決すると主張しているわけではありません。しかし、事実を検証できない世界であっても、嘘をつくことが嘘つきにとってリスクとなるようなルールを設計できるという、厳密な数学的証明を提供しています。それは、「情報の分割」という弱点を、規律のためのツールへと変えるのです。