次に人が何をするかを予測しようとしている場面を想像してみてください。経済学や心理学の世界では、「確率的選択（stochastic choice）」と呼ばれるツールがよく使われます。これは、単一の未来を示すのではなく、可能性の雲を示す水晶玉のようなものです。それは、人間がロボットではないことを認めています。時にはコーヒーを選び、時には紅茶を選び、時にはコイン投げをするものです。数十年にわたり、このランダム性を説明する標準的な方法は「動的ランダム効用（Dynamic Random Utility）」でした。個人の好みを、隠れた、漂う雲としてイメージしてください。本人はその雲がどこにあるかを正確に知っていますが、外部の観察者（データアナリストなど）は、その人が行った選択だけを見ています。観察者は、選択を見て雲がどこにあるかを推測しようとします。この古いモデルでは、雲は風に吹かれる葉のように、勝手に漂っていきます。観察者の推測は、より多くの選択を見守るにつれて改善されるかもしれませんが、選択そのものが風を変えたり、葉の経路を変えたりすることはありません。個人の嗜好は、ゆっくりと明らかになっていく秘密ですが、それを明らかにすることによって決して変化することはないのです。

しかし、もし選択を行うという行為自体が、その人の将来の好みを実際に変えてしまうとしたらどうでしょう？もし雲がただ漂うだけでなく、観察者に反応するとしたら？これが、パラマンサ・プラマニク（Paramahansa Pramanik）による新しい研究を突き動かしている問いです。この論文はこう問いかけています。「過去の決定が、単に自分が誰であるかを伝えるだけでなく、自分が将来どのような存在になるかを積極的に形作るのだとしたら、何が起こるのか？」著者は、個人の「潜在的嗜好（latent preferences）」（隠れた欲望）が、過去に行った選択の分布によって影響を受けるという、新しい数学的枠組みを構築しています。これは連続時間モデルであり、つまり、大きな、ぎこちないステップではなく、瞬間瞬間の変化を追跡するものです。論文は、これが旧来の「漂う雲」モデルでは説明できない、全く新しいタイプの行動を生み出すことを証明しています。嗜好が選択の履歴に依存する場合、数学は根本的に変化し、観察者のデータと意思決定者の未来がダンスのように連動するフィードバックループが生まれることを示しています。

自己反映する雲の物語

この論文の核心となるアイデア、**「分布依存効用（Distribution-Dependent Utility: DDU）」**について掘り下げてみましょう。

これを理解するために、あなたが厨房にいるシェフだと想像してください。古いモデル（動的ランダム効用）では、あなたの味覚はポケットの中に隠された秘密のレシピカードのようなものです。あなたはそのレシピを知っていますが、料理評論家（アナリスト）は知りません。あなたが料理を作るにつれ、評論家はあなたが提供するものを見守ります。もしあなたがスパイシーな料理を出せば、評論家は「ああ、このシェフはスパイスが好きだ！」と推測します。評論家の推測は時間が経つにつれて改善されますが、評論家が見ているからといって、あなたの実際の味覚が変わることはありません。あなたのスパイスへの嗜好は、常にそこにあり、ただ発見されるのを待っていただけなのです。

プラマニクの新しいモデルでは、厨房は異なります。ここでは、あなたの味覚は、評論家のメモに反応する**「生きている、呼吸する雲」**です。あなたが料理を出すたびに、評論家はメモを取ります。しかし、ここにひねりがあります。それらすべてのメモの集まり（あなたの過去の選択の分布）が、次の食事に向けたあなたの味覚の化学変化を実際に変えてしまうのです。もし評論家が、あなたがスパイシーな料理を出し続けていることに気づいたら、あなたの味覚は次に甘いものを欲するように変化するかもしれません。それは、あなたがそう決めたからではなく、「過去の選択の雰囲気」があなたの内部状態を変えたからです。

これは、論文の中で**「内生的な嗜好進化（endogenous preference evolution）」**と呼ばれているものです。「内生的（endogenous）」とは、「内側から来る」という意味の難しい言葉です。論文は、現実世界において、私たちの選択はしばしば将来の自分自身を変えるのだと主張しています。今日運動することを選択すれば、明日もっとエネルギーを感じ、再び運動する可能性が高まるかもしれません。高級車を買うことを選択すれば、裕福な人間であると感じ始め、将来の購入に対する見方を変えるかもしれません。論文はこれを連続的なループとしてモデル化しています：

1. あなたが選択を行う。
2. 観察者がそれを見て、あなたの嗜好に関するメンタルマップを更新する（これが「条件付き分布」です）。
3. 決定的なことに、この更新されたマップがあなたの脳にフィードバックされ、将来の嗜好を変化させる。
4. あなたはこれらの新しい嗜好に基づいて、新たな選択を行う。

論文は、このフィードバックループが「行動的分布フィードバック」を生み出すことを証明しています。これは非常に難しい言い回しですが、要するに、あなたの選択のパターンが、将来の選択のためのルールを変える、という意味です。

「不可能」の発見

この論文の最もエキサイティングな発見の一つは、「行動的不可能定理（behavioral impossibility theorem）」です。著者は、このような自己変化する行動を、古い「動的ランダム効用」モデルを用いて説明することは不可能であると証明しています。

このように考えてみてください。古いモデルは、通りが固定されている街の地図のようなものです。あなたはそれらの道を進むことができ、地図はあなたがどこに行ったかを示すように更新されますが、通り自体は動きません。新しいモデルは、昨日どれだけの人がその道を歩いたかに基づいて、通りが自ら再編成される街のようなものです。論文は、もし目の前の街で通りが動いているのを見たなら、それを固定された通りの街であると見なすことはできないと示しています。どれほど懸命に、動く通りのデータを固定された通りのモデルに当てはめようとしても、うまくいきません。論文は、この「分布的フィードバック」を示すあらゆるデータは、古いモデルでは捉えることのできない、厳密に大きく複雑なクラスの行動に属していることを数学的に証明しています。それは単に同じ機械の異なる設定ではありません。全く別の機械なのです。

魔法の背後にある数学：マッケン・ヴラソフ・システム

著者はどのようにしてこれらすべてを実現したのでしょうか？彼らは**「条件付きマッケン・ヴラソフ・システム（Conditional McKean-Vlasov system）」**と呼ばれる高度な数学的ツールを使用しています。

もし「平均場（mean-field）」モデルを聞いたことがあれば、それは、全員の動きが群衆全体の平均的な動きに依存する、人混みを想像してください。それが標準的な平均場モデルです。しかし、プラマニクのモデルは、もっと**「鏡の迷路」**に似ています。鏡の迷路では、あなたの反射はあなたがどこにいるかに依存しますが、鏡そのものは、あなたがこれまで「どこにいたか」に基づいて配置されています。

論文は、主に2つの登場人物を持つシステムを設定しています：

1. 隠れた状態 ($X$): ある時点における、その人の実際の、プライベートな嗜好。
2. 条件付き分布 ($\mu$): これまでに見たものに基づいた、その人の嗜好に関する観察者の最善の推測。

古い世界では、観察者の推測 ($\mu$) は、隠れた状態 ($X$) の受動的な影に過ぎませんでした。この新しい世界では、その影 ($\mu$) が手を伸ばして人 ($X$) を掴み、新しい方向へと引き寄せます。論文は、このシステムが唯一の解（「弱解」）を持つことを証明しています。つまり、数学的に破綻することなく成立しているということです。これは、このフィードバックループが特定の安定した方法で作動しており、「条件付き分布」がすべてを結びつける鍵となる変数であることを示しています。

これが私たちにとって何を意味するか

この論文は、単に数学を弄んでいるのではありません。人間の行動を見るための新しい視点を提供しています。それは、株取引、投票パターン、あるいは人々が食料品店で何を買うかといったデータを見るとき、もし人々の嗜好が静止している、あるいは単にゆっくりと漂っているだけだと仮定してしまうなら、私たちはパズルの巨大なピースを見落としている可能性があることを示唆しています。

著者は、次の2つの点を見ることで、この新しい行動を特定できることを示しています：

1. 同時的な選択（Contemporaneous Choice）: 人々がいま現在、何を選択しているか。
2. 継続的行動（Continuation Behavior）: 彼らの将来の選択が、過去の選択の履歴にどのように依存しているか。

もしこれら2つの要素が特定の形で結びついている場合（歴史が未来のルールを変える場合）、私たちは「分布依存効用」の領域にいることがわかります。論文は「剛性結果（rigidity result）」を提供しています。これは、もしデータの中にこの特定のパターンが見られるならば、その人の嗜好が内生的に進化していることが確実である、ということを示す洗練された言い回しです。偽装することはできません。

結論

この論文は、私たちがどのように学び、どのように変わるのかを理解するための画期的な成果です。それは、私たちが自分の隠れた欲望の受動的な観察者である世界から、私たちの選択が将来の自分を能動的に形作る世界へと、私たちを導きます。著者は、古い考え方（動的ランダム効用）では、この現象を説明するには単純すぎることを証明しました。フィードバックループを伴う連続時間モデルを用いることで、プラマニクは、私たちがどのように意思決定を行い、そこからどのように学び、そしてそれらの決定が私たちという存在をいかに変えていくのか、という間の架け橋を築きました。

この論文は、そのようなことが起こると示唆しているだけではありません。それを数学的に証明しているのです。もし現実世界のデータの中にこのようなフィードバックが見られるならば、それは新しい種類の、新しい数学を必要とする真の、新しいタイプの行動であることを示しています。これは、人間の選択の経済において、過去は単に未来を脅かす存在ではなく、未来を構築していくものであるということを思い出させてくれます。