A Computational Model for Measuring Adaptability Among U.S. Farmers: Evidence from 1997-2022

アメリカ合衆国を、3,000ピースの巨大なジグソーパズルだと想像してみてください。各ピースは一つの「郡（カウンティ）」です。数年ごとに、それらの郡の農家たちは、何を栽培するかを決定します。彼らはただランダムに選んでいるわけではありません。彼らは常に、「自分たちの特定の天候と土壌において、最も成功できる作物の組み合わせは何だろうか？」というパズルを解こうとしているのです。

この論文では、それらの作物の組み合わせを単なる農業上の選択肢としてではなく、「文化的特性（cultural traits）」として扱っています。「特性」とは、特定のレシピのようなものだと考えてください。もしある郡がトウモロコシ、大豆、小麦を植えるなら、それは「レシピA」です。もし彼らがトウモロコシ、大豆、綿花へと切り替えるなら、それは「レシピB」です。25年間（1997年〜2022年）にわたり、著者はこれらのレシピが国内でどのように変化したかを追跡し、農家がいかにして自分たちの農業スタイルを「進化」させているのかを調査しました。

以下に、研究結果を簡単な比喩を用いて解説します。

1. 「次の動き」は「現在の状態」のみによって決まる

研究者たちは、次のような疑問を投げかけました。農家の今日の決定は、彼らの全歴史に依存しているのか、それとも今何をしているかだけに依存しているのか？

彼らは、このシステムが**「記憶を持たない（memoryless）」ルールを持つボードゲーム**のように機能していることを発見しました。あなたが、現在立っているマス目のみに基づいて次の動きが決まり、そこに至るまでの経緯には依存しないゲームをプレイしている様子を想像してみてください。

• 発見： ある郡が翌年の作物を選ぶかどうかは、ほぼ完全に「今年」植えている作物に依存しています。彼らは、来年の決定を下すために、10年や20年前の植え付け内容を振り返っているようには見えません。過去が未来を規定するのではなく、現在が未来を規定しているのです。

2. 「魔法のレシピ」（定常状態）

研究者たちは、これらの農業上の選択が60年間続いた場合に何が起こるかを調べるため、コンピュータ・シミュレーションを実行しました。彼らは「平衡状態」、つまりシステムが激しく変化することをやめ、落ち着く地点を探していました。

• 発見： システムはやがて特定のパターンに落ち着きます。ある特定の「レシピ」（これをレシピ#8と呼びましょう）が最も一般的になり、長期的には約13%の割合で出現します。他のレシピは非常に稀なものとなります。
• 成功の形状： もしレシピの人気度をグラフ化したら、それは平坦な線にはならないでしょう。それは**「ロングテール」**のような形になります。ごく少数のレシピが非常に人気がある一方で、膨大な数のレシピはほとんど使われません。これは、農家は賢明であろうと試みているものの、プロセスには依然として多くの「ランダム性」や「試行錯誤」が含まれていることを示唆しています。

3. 「天候」がボスである（環境による報酬）

もしこのプロセスが部分的にランダムであるならば、何が変化を駆動しているのでしょうか？研究の結果、環境こそが究極のボスであることが分かりました。

• 比喩： 山を登るための最善の道を見つけようとしているハイカーのグループを想像してください。険しく岩だらけの道（報酬が低い）もあれば、滑らかで素晴らしい景色へと続く道（報酬が高い）もあります。たとえハイカーたちが多少ランダムに歩き回ったとしても、滑らかな道を見つけた人々は、そこが簡単で報われる場所であるため、その場所に留まり続けるでしょう。
• 発見： 農家は、地元の環境により適合するように、絶えず作物の組み合わせを微調整しています。彼らは「報酬バイアス（payoff-biased）」を持っており、つまり、自分の郡にとって最高の収穫（最高の報酬）をもたらしてくれる組み合わせを維持し続けています。雨が降るとうまくいく組み合わせがあれば、彼らはそれに固執します。干ばつで失敗すれば、それを放棄します。

4. 「複雑性」への移行

過去25年間で、研究者は明確な傾向に気づきました。それは、農家が単純で基本的な作物の組み合わせから、より複雑で洗練された組み合わせへと移行しているということです。

• 発見： 単純なレシピ（例えば、1種類または2種類の作物だけを植えること）は衰退しています。システムは「高次」の特性、つまり、環境によりうまく対処できる多種多様な作物の複雑なミックスへと移行しています。これは、農家が地形をより効率的にナビゲートするために、基本的な自転車からハイテクなハイブリッド車へとアップグレードしているようなものです。

5. 「悪い習慣」の問題

ここが最も驚くべき部分です。農家は適応しようとしているにもかかわらず、システムは完璧ではありません。

• 発見： 研究によれば、長期的には、米国の農家の約45%の時間において、依然として「不適応な（maladaptive）」特性に陥っていることが算出されました。
• 比喩： ハイカーが誤って滑りやすい岩の上に足を踏み入れてしまった状況を想像してください。彼らは最善の道を見つけようと努力していても、そこから這い上がるまで、しばらくの間はその滑りやすい岩の上に留まってしまうかもしれません。
• 現実： 米国は非常に広大で多様であるため、ある郡にとっての「完璧な」レシピは、別の郡にとっては「悪い」レシピになり得ます。時には、システムが修正されるのに時間がかかるため、農家は自分たちにとって実際には最適ではない作物構成に固執してしまうことがあります。データは、米国の農業システムの一部は、常に「理想とは言えない」適応状態にあることを示しています。

まとめ

要約すると、この論文は、米国の農家が**「スマートな試行錯誤型の学習者」**であることを数学を用いて示しています。彼らは自らの全歴史を記憶しているのではなく、単に「今」何をしているかを見つめ、より良い収穫を得るためにそれを微調整しようとしているのです。地元の環境に適合する必要性に突き動かされ、彼らはより複雑な農業手法へとゆっくりと移行しています。しかし、システムは不完全であり、変化する世界の中で完璧な適合を見つけることは非常に困難であるため、かなりの割合の農家は常に「最適ではない」選択に縛られ続けることになるのです。