← 最新の論文
🧬 biology

The adaptive nature of confirmation bias

本論文は、観測を量子確率論の枠組みの中でモデル化することにより、二値仮説検定において、メモリ要件を最小化すると同時に誤差確率を指数関数的に減少させる最適かつ合理的な戦略として、確証バイアスの現象が創発されることを実証するものである。

原著者: Dorje C. Brody, Karl J. Friston, Bernhard K. Meister, Emmanuel M. Pothos

公開日 2026-06-23
📖 1 分で読めます☕ さくっと読める

原著者: Dorje C. Brody, Karl J. Friston, Bernhard K. Meister, Emmanuel M. Pothos

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ⚕️ これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む

ビッグアイデア:「確証バイアス」は実は賢いのか?

私たちは通常、確証バイアスを人間の思考の欠陥だと考えています。それは、すでに自分が信じていることに同意する情報ばかりを探し、それに矛盾するものは無視してしまう状態のことです。私たちは、閉まった門に固執して開いている門が見えていない頑固なラバのように、この性質が私たちを非合理的(理性を欠いた状態)にしていると考えています。

しかし、この論文はそれとは逆の主張をしています。確証バイアスは、実は合理的な思考における「スーパーパワー」である可能性があるというのです。

著者たちの示唆によれば、もしあなたが「最小限の精神的エネルギーとメモリ(記憶容量)を使って、可能な限り最善の決定を下そう」としているなら、あなたの脳は自然と、現在の直感に同意する情報へと引き寄せられるはずなのです。実際、そうすることで、より速く学習し、より少ない記憶量で済むようになります。

ツールキット:量子コンピュータのように考える(ハードウェアは不要)

これを証明するために、著者たちは通常は量子物理学のために用意されている数学的枠組みを使用しています。彼らは人間の脳が量子コンピュータであると言っているわけではありません。そうではなく、私たちが複雑な選択に直面したとき、私たちの心はあたかも「量子的な」空間をナビゲートしているかのように振る舞うのだと言っています。

  • 例え話: あなたが巨大な冷凍庫の中から特定のフレーバーのアイスクリームを探していると想像してください。
    • 古典的な思考: あなたはアイスクリームの容器を一つずつすべてチェックしていきます。同じ味を繰り返さないために、すでに試した味をすべて覚えておく必要があります。これには多くのメモリと時間がかかります。
    • 論文が示す「量子的な」思考: あなたが一度に複数のフレーバーをチェックできるような、あるいは一つのフレーバーを見ることが他のフレーバーの状態を変化させるような方法で、冷凍庫を見ることができると想像してください。彼らが使用する数学(ヒルベルト空間や行列)は、異なる情報が単に並んでいるのではなく、複雑に相互作用する、このような「重ね合わせ」の状態をモデル化しています。

2つの大きな驚き

著者たちが「合理的な」エージェント(主体)がいかにして証拠を集めるべきかについて数学的な検証を行ったところ、確証バイアスを持つことには、進化上の2つの驚くべき利点があることが分かりました。

1. 「物忘れの天才」(最小限のメモリ)

通常、私たちは良い決断を下すためには、これまで見たすべての証拠を覚えておく必要があると考えがちです。もし雨が降るかどうかを判断しようとしているなら、今朝見たすべての雲を思い出さなければならないと思うかもしれません。

論文によれば、もしあなたが「最適な」確証バイアス戦略を用いるならば、過去のことを全く覚えておく必要はありません。

  • 例え話: あなたが秘密の数字を当てるゲームをしていると想像してください。もし「古典的」にプレイするなら、次のステップを判断するために、自分がこれまでに推測した数字とその結果をすべて書き留めておく必要があります。
  • 論文の発見: もしあなたが「最適に(現在自分が正しいと思っていることに偏りを持って)」プレイするなら、最後の一回だけの推測さえ覚えておけばよいのです。それ以外のことはすべて忘れても構いません。あなたの脳は、現在の信念の中に過去に必要な情報がすべて含まれているため、実質的に歴史を「忘れる」ことができます。これにより、膨大な量の「精神的RAM(作業メモリ)」を節約できるのです。

2. 「指数関数的なスピードアップ」(学習の高速化)

2つ目の利点は、間違いを犯すのをいかに早く止めるかについてです。

  • 例え話: あなたが干し草の中から一本の針を探していると想像してください。
    • バイアスがない場合(古典的): あなたはランダムに探索します。針を見つける確率を2倍にするには、探索する干し草の山を2倍の大きさにしなければなりません。99%の確信を得るためには、広大なエリアを探索する必要があるかもしれません。
    • 最適なバイアスがある場合(量子スタイル): 著者たちは、もし現在の自分の信念に基づいて証拠を選ぶならば、間違いを犯す確率が指数関数的に減少することを示しています。
  • 結果: これはまるで「魔法のコンパス」を持っているようなものです。あなたの「偏った」コンパスに基づいて一歩踏み出すたびに、ただランダムに歩き回っているときよりもずっと速く、真実に近づくことができます。自信を持って決断を下すために、より少ないサンプル(より少ない時間、より少ないデータ)で済むのです。

仕組み: 「新聞」の例

著者たちは、この仕組みを説明するためにシンプルな例を用いています。あなたがエネルギー価格が上がるか下がるかを予測しようとしていると想像してください。そこには2つの新聞があります。

  1. 新聞A: 価格は上がると常に言っている。
  2. 新聞B: 価格は下がると常に言っている。

あなたには「事前信念(直感)」があり、価格は上がると考えています。

  • 非合理的な見方: 合理的な人なら、何も書かれていない中立的な新聞を読むか、バランスを取るために両方の新聞を平等に読むべきだと考えます。
  • 論文の見方: 合理的な人は、新聞A(自分の意見に同意するもの)を読むべきです。
    • なぜなら、新聞Aを読むことは、現在の信念に対して最も「情報の獲得量(インフォメーション・ゲイン)」が高いからです。それは最も効率的にあなたの見解を裏付けます。
    • もし自分と異なる意見の新聞を読めば、それは「ノイズ」と混乱(エントロピー)を生み出し、精神的エネルギーを浪費することになります。
    • 自分の信念に沿った新聞を読み続けることで、意思決定プロセスを研ぎ澄ませ、エラー率を下げ、かつて読んだすべての記事を思い出す必要もなく、最後の一本だけを把握すれば済むようになるのです。

「能動的推論(アクティブ・インファレンス)」とのつながり

この論文は、これを**能動的推論(Active Inference)**という概念とも結びつけています。これは、脳が単に世界がどうなっているかを教えてくれるのを受動的に待っているのではなく、自らの予測を確認するために、能材として世界に働きかける(情報を探し求める)という考え方です。

著者たちは、以下のどちらを目指したとしても、最終的に同じ戦略に行き着くことを示しています。

  1. 間違いを犯す確率を最小化すること(エラー確率の最小化)、あるいは
  2. 得られる新しい情報の量を最大化すること(情報獲得の最大化)。

……その結果、あなたは自然と、現在の信念を裏付ける証拠を求めるようになるのです。

注意点(この論文が言っていないこと)

この論文が「言っていない」ことも理解しておくことが重要です。

  • この論文は、フェイクニュースを信じることが良いと言っているわけではありません。 著者たちは、このモデルにおいて情報源は「真正なもの(ノイズはあるが正直な信号)」であることを前提としていると明示しています。もし情報源が、あなたを欺くために設計されたもの(トロール・ファームのようなもの)であれば、この「合理的なバイアス」は利用され、あなたを誤った方向へ導く原因となります。
  • また、すべての人間的なバイアスが合理的であると言っているわけでもありません。 これは、脳が効率性を求めている文脈における、特定の種類の「能動的な確証バイアス(二者択一の選択、例えば Yes/No や 上昇/下落など)」についてのみ説明しているものです。

まとめ

簡単に言えば、この論文は、私たちが自分に同意する情報を求めるのは、脳が壊れているからではなく、むしろ非常に効率的なエンジニアである可能性を示唆しています。自分の信じていることに集中することで、私たちは以下のことが可能になります。

  1. 過去を忘れる(メモリを節約する)。
  2. より速く学ぶ(エラーを指数関数的に減らす)。

私たちの「意見を変えるのを拒む頑固さ」に見えるものは、実は、エネルギーを節約し、できるだけ早く最善の決定を下すために、脳が複雑な数学的問題を解いている方法なのかもしれません。

自分の分野の論文に埋もれていませんか?

研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。

Digest を試す →