認知ノイズ理論は判断力の測り方を問い直す──個人と情報環境をともに測る行動科学へ
更新日:11月14日

シリーズ: 論文渉猟
◆今回の論文:Ryan Oprea & Michael Woodford, "Behavioral Signatures of Cognitive Noise" (NBER Working Paper No. 35714, 2026年9月)
概要:認知ノイズ仮説の基本モデルと実証研究を整理したレビュー論文。不精確な内部表象、それに適応するベイズ的推論、文脈や経験に応じた精度・事前分布の変化から、行動経済学の多様な偏りを統一的に説明する可能性と、学習・適応に関する未解決問題を論じる。
人の判断力を測るために、道具を取り上げる。その手続きには理由がある。メモや計算機、相談相手の影響を除けば、どの情報をどの程度使えているかを切り分けやすくなる。だが、その成績を日常の判断力へ一般化するとき、取り除いたものをもう一度考えなければならない。
日常の意思決定では、人は比較表を作り、記録を読み、他者に聞く。それらの利用を含めて失敗を避けている人を、補助のない条件だけで測るなら、何の能力を測ったことになるのか。
ライアン・オプレアとマイケル・ウッドフォードの認知ノイズ理論は、この問いを直接解くものではない。論文の中心は、別々に見える行動の偏りを、不精確な内部表象と、それへの適応から説明することにある。
ただし、その精度も適応の仕方も環境に応じて変わる。論文の説明を十分にたどると、個人の内部機構を測ることと、現実に発揮できる判断能力を測ることの関係が、改めて問題になる。
偏りの一覧を、機構の説明へ変える
オプレアとウッドフォードの「Behavioral Signatures of Cognitive Noise」は、認知ノイズ研究の基本モデルと実証的な証拠をまとめたレビュー論文である。出発点は三つある。同じ人の判断は揺れる。その判断は正解の周囲に無方向に散らばるだけでなく、一定方向へ偏る。さらに、判断に直接関係しないように見える文脈や経験が、結果を変える。
これらをそれぞれ性格、好み、非合理性の別項目として処理する代わりに、論文は一続きの機構を考える。精度には費用がかかるため、情報は不精確に表象される。その不完全な情報をうまく使おうとすると、系統的な偏りが生じる。何をどれだけ精密に表象するかも、文脈や経験に適応する。そのため、同じ判断対象でも状況が変われば答えが変わる。
たとえば、同じ賭けを繰り返し提示しても、同じ人が常に同じ選択をするとは限らない。これをすべて観察者が知らない安定的な好みの違いで説明することは難しい。論文は同じ問題に答え直したときの再現性や、本人が表明する認知的不確実性を、内部の不精確さを調べる手段として整理する。
ただし、認知ノイズは数字の見間違いという意味ではない。「成功確率37%」を正確に読めても、その確率を金額や他の条件と統合して判断する処理には粗さがありうる。記号の認識と、数量の意味を使うことの間にある距離が対象になる。異なる選択が現れたからといって、好み自体が変わったとはまだ言えないのである。
不完全な情報への適応が、偏りを生む
情報の表象にノイズがあるなら、判断は正解の周囲にばらつくだけではないか。認知ノイズ理論が一段深く進むのは、その不確かな情報を、判断者が額面どおりには使わないと考えるところだ。
不確かな情報ほど、過去の経験や事前知識で補う方がよい場合がある。論文はこれをベイズ的復号、すなわち不精確な表象から対象を推定する問題として扱う。本人が意識的に確率計算をしているという意味ではない。現在の情報と、事前に持っている情報の信頼性に応じて、推定への寄与が変わるということである。
単純な例を考える。対象を直線的に表し、表象のノイズと対象の事前分布を正規分布と仮定する。このとき、事後平均による推定値は、現在の表象と事前分布の平均の加重平均になる。現在の表象が不確かなほど、過去に経験した分布の中心への依存が強まる。
すると、実際に小さい値は大きめに、大きい値は小さめに推定される。対象の変化には正しい方向へ反応するが、反応の幅が小さい。論文が反応の減衰と呼ぶ現象である。
ここには合理性の基準が二つある。真の状態を完全に知る判断者と比べれば、推定は偏っている。他方、実際に利用できる不精確な情報のもとでは、その補い方が平均的な成果を改善するかもしれない。特定の状態ごとに偏りがあることと、利用可能な情報に条件づけた平均的な最適性は両立する。観察された偏りだけから、推論の仕組みが非合理だと結論することはできなくなる。
確率、時間、自信に共通する構造
この機構は、従来別々に扱われてきた偏りへ応用できる。小確率を過大に、大確率を過小に扱う確率の重み付けは、その一つである。不精確に捉えた確率を事前情報で補えば、極端な値が中央方向へ縮む。特殊なリスク選好があると解釈されていた行動の一部が、表象と推定の問題かもしれない。
時間割引にも接続する。短い待ち時間を長めに、長い待ち時間を短めに評価すれば、近い将来には強くせっかちになり、遠い将来では差に鈍くなるパターンが生まれうる。統計判断では、事前確率の違いを粗く捉えれば基準となる確率を十分に使わず、証拠の強さを粗く捉えれば更新が弱くなる。自分の成績について不確かなときに平均へ引き寄せて考えることは、難しい課題での過大評価と易しい課題での過小評価にもつながる。
同じ原理で説明できそうだ、というだけでは理論の支持には足りない。重要なのは、偏りと認知的不確実性が共変するか、課題を複雑にすると偏りが強まるか、扱いやすい表現や経験によって弱まるかという追加の予測である。論文は各領域で、そのような証拠を紹介している。
もっとも、すべてが中央へ寄るわけではない。対象の値によって表象の精度が異なれば、精度の高い領域から離れる方向の偏りも生じうる。論文第3.3節は、このベイズ的反発によって、局所的な過剰反応も扱う。全体としての反応の減衰と、ある領域での強い反応は両立する。「ノイズがあるから何にでも鈍感になる」という理論ではない。
文脈は、推定の基準と精度の両方を動かす
次に、文脈を通じた二つの経路を分ける必要がある。第一は、不確かな表象を解釈する事前分布が変わる経路だ。最近大きな値に接していた人と、小さな値に接していた人では、同じ情報の補い方が変わる。他人の選択も、適切な答えについての情報として利用されうる。周囲へ近づくことを、ただちに同調したい心理の表れとする必要はない。
第二は、表象の精度自体が変わる経路である。注意が引かれた特徴に資源が割かれれば、その特徴はより精密に表され、判断への寄与も大きくなる。扱う値の分布が広ければ、同じ範囲の精度を維持するのに必要な資源が増える。正確さへの報酬、課題への慣れ、情報の表し方も関係する。
論文が紹介するフリードマンとジンの実験では、金額の分布が広い環境に置かれると、同一の賭けについても選択がより不安定になる。効率的符号化のモデルは、精度の利益と費用を踏まえて資源を配分することで、この変化を説明する。
ここは慎重に読む必要がある。絶対的なノイズが増えても、事前分布の幅に対する相対的なノイズが減れば、回帰バイアスは弱まりうる。行動のばらつきも、内部ノイズと常に単調に対応するわけではない。何を固定し、何を変えた比較なのかを指定して初めて、偏りの方向と強さを予測できるのである。
最適な適応を、誰がどう学ぶのか
認知ノイズ理論は、人間を再び完全合理的な主体へ戻すものではない。最適性は不精確な情報を所与とした限定的な意味であり、その情報の処理方法をどう獲得するかという問題は残る。
著者たちは結論部で、効率的な表象方法や推定規則を人がどう学ぶかを重要な課題として挙げる。必要な経験の量、経験不足のもとで起こる不適応、自分のノイズや環境の変動を本人がどこまで把握できるかは、十分に解かれていない。古い環境で役立った事前分布が現在も適切とは限らず、豊富な経験があっても近似的な最適性にとどまる可能性がある。
ここまでが論文の説明の骨格である。多様な偏りを不精確な表象と適応からつなぎ、精度と事前分布そのものも環境依存であると示す。その統一力を認めたうえで、次の問題へ進みたい。
個人の内部機構を表すモデルから得た知見を、どの条件で、その人の日常の判断能力へ一般化してよいのだろうか。
内部モデルの矛盾ではなく、測定の射程を問う
環境によって精度が変わるのだから、認知を個人内部に置くモデルは破綻している。この批判は成立しない。表象が生成される確率を文脈の条件つきで表し、経験に応じて事前分布が変わるとすれば、モデルは整合する。そもそも論文は、生態学的合理性やサイモンの限定合理性との接点を明示している。
環境が認知に影響するという因果的な主張と、環境や道具が認知過程の一部を構成するという哲学的な主張も別である。前者を認めるだけで後者に同意する必要はない。今回の問題提起は、その強い主張を前提にしない。
私が問いたいのは、ある実験条件で測った偏りを、条件から独立した個人属性として扱える範囲である。
仮に、保険商品を比較するとき、人は数字を頭の中に保持したままでは間違うが、条件を並べた表を自分で作れば、目的に合う商品を選べるとする。暗算と記憶だけを許す測定は、限定された条件での処理能力を捉えるだろう。だが、比較表を日常的に使う人の判断を予測するには、その表を作る能力、利用する習慣、利用可能な時間も候補になる。
補助のない実験に意味がないわけではない。原因を切り分けるために条件を制御することと、生活場面に似た条件で予測力を確かめることは、異なる問いに答える。前者から後者への橋を、測定者が省略しないことが重要なのである。
さらに、道具を含めるなら、どの道具をどの程度安定して使えるかを定めなければならない。一度だけ高性能な表を渡して得られた成績と、本人が必要な場面で表を調達し維持できることは違う。実効的な判断能力を測るという提案は、環境条件を曖昧に広げることではなく、一般化の条件をより明確にすることを要求する。
誤差と圧縮を分けると、課題設定が見えてくる
認知ノイズという言葉の周辺では、確率的な揺らぎと、情報を粗くまとめることを区別したい。同じ状態に毎回違う表象が生じる仕組みと、複数の状態を毎回同じ分類へまとめる仕組みは同一ではない。後者では情報が失われていても、回答は完全に再現されうる。
有限な資源しかないことから、あらゆる処理が不正確になるとは言えない。単純な区別は正確にできる。しかし複雑な状況を扱うには、どの差異を残すかを選ぶ必要がある。その選択が目的に適しているかは、単なる情報量の大小では決まらない。
地下鉄路線図は、駅の位置や距離を歪めている。乗り換えのためには、その歪みが問題にならない場合が多い。他方、駅の間を歩くなら、同じ地図の省略が障害になる。表象を評価するには、何をするための情報かを指定しなければならない。これは確率的ノイズを否定する例ではなく、表象の良し悪しを忠実さだけで判断できないことを示す例である。
論文の補論も、客観的な状況全体と、そこから推定する量を区別する。したがって、客観的な状態など存在しないという批判を持ち出す必要はない。より具体的な問題は、現実の意思決定で、何を推定し、何を比較する課題とするかを誰が決めるかである。
住宅ローンを選ぶ人にとって、毎月の支払額、返済総額、金利上昇時の負担、途中で住まいを変える可能性は、異なる問いになる。表の中の計算がすべて正しくても、選ばれた比較項目が本人の問題とずれていれば、判断は目的から外れる。情報を正確に処理する能力に加えて、必要な項目を選び直す能力と、そのための情報へのアクセスが必要になる。
ここで、測定と制度設計の接点が現れる。測定者や商品提供者が課題を先に定め、答えの正しさだけを評価すれば、課題を問い直す働きは測定から落ちる。何を省略したかを確認できること自体が、判断を支える条件なのである。
切り離した個人と、補助を使う個人を比べる
この問題を言い換えだけで終わらせないために、研究上の比較を考える。同じ人に、外部補助を使えない条件と、メモ、計算機、比較表などを使える条件で課題を行ってもらう。そして、どちらの成績が、別に用意した日常に近い意思決定の成果をよく予測するかを調べる。
これは、道具を使えば平均点が上がるかという問いとは違う。点数は上がっても、個人の順位も予測力もほとんど変わらない可能性がある。逆に、人ごとに助けになる道具が異なり、順位が入れ替わるかもしれない。個人差、環境差、それらの交互作用を区別することで、判断能力の測定結果がどの条件まで移せるかを検討できる。
実施には設計上の注意が要る。条件の順番を調整し、練習や疲労を分ける。情報量をそろえ、道具への慣れを確認し、処理時間と費用も測る。相談を許すなら、相手が新しい事実を教えた効果と、同じ情報を一緒に処理した効果を分ける必要がある。日常に近い評価課題も、測定した課題と見かけだけを変えたものではなく、別の状況で確かめたい。
外部補助を含む測定の予測力が高かったとしても、認知が頭の外にあることの証明にはならない。文脈依存の内部表象モデルでも、補助が認知負荷や精度を変えたと説明できる。柔軟な理論同士の決着をつけるには、何を固定するか、どの予測が分かれるかをさらに特定しなければならない。
それでも、実務的な違いは残る。人の意思決定を予測したい研究にとって、現実の資源利用を含む測定が有効なら、それを使う理由がある。一方、内部の処理機構を識別したい研究では、補助を制御する理由がある。同じ人を研究していても、測定の目的が異なるのである。
認知ノイズ理論は、この比較へ接続する言葉を与える。表示を変えて識別可能性が動いたか、本人の不確実性が動いたか、反応の減衰も動いたかを追えるからだ。ただし、それらが同時に変わっただけで媒介の因果関係が確定するわけではない。実験操作、過程の測定、別課題への予測を組み合わせて、どこまで説明できたかを判断することになる。
適合していることは、望ましさを保証しない
人と環境の組み合わせを評価するなら、何への適合かを明示しなければならない。利用者の注意をよく引く画面は、提供者の目的にはよくできていても、本人の長期的な利益を損なうかもしれない。滑らかに使えることは、自律的に判断できることと同じではない。
比較表が特定の商品を自動的に選び、利用者がその商品を選んだ場合を考える。設定した評価指標では正解でも、表がどの前提を使ったかを本人が確認できなければ、条件が変わったときの対応力は分からない。正しい出力を得ること、前提を問い直せること、必要なとき別の手段に移れることは、分けて評価すべきである。
もっとも、すべての処理を自力で説明できることを要求すれば、道具と分業の利点を否定してしまう。電卓の内部を知らなくても計算はできるし、本人が検算できなくても、独立した確認経路を利用できる場合がある。求めるべきなのは完全な自己完結ではなく、その課題に応じた点検と訂正の可能性である。
この立場でも、誤りは消えない。明確な計算間違いは誤りである。過去に役立った事前知識が現状に合わなくなる場合もある。商品や画面の設計が、必要な比較を妨げる場合もある。環境を含めて考えるとは、それらをすべて適応として正当化することではなく、異なる原因と介入先を区別することである。
そのため、評価には目的を先に置く必要がある。事実の正確さ、費用を含む成果、長期的な利益、自律性は、常に一致するとは限らない。複数の指標を並べ、改善と悪化の両方を見えるようにする方が、単一の正解率にすべてを託すよりも判断の実態を捉えられる。
判断の負担を作る側まで、測定対象へ含める
環境設計は、ナッジに対抗する新しい介入手段ではない。ナッジも選択環境を変える。差を出すとすれば、環境を変えるという行為自体より、何を失敗の原因と診断し、何を改善の目的とするかにある。
仮想的な住宅ローンの比較を考えよう。消費者が条件を読み違えたとき、金融知識や注意の不足を調べることには意味がある。同時に、返済期間がそろっていたか、手数料が同じ位置に示されていたか、将来の負担を比べられたかも調べるべきだ。複雑な商品を理解する費用を、どこまで利用者へ負わせていたのかという問いが残る。
比較表を追加すれば解決するとも限らない。表が一つの目的を暗黙に優先していれば、別の生活条件を持つ人の関心を落とす。商品そのものの構造が比べにくければ、説明だけを簡単にしても限界がある。比較の前提を明示して変更できること、必要な情報を入手できること、誤りを訂正できることまで含めて設計する必要がある。
ここで、個人の能力と制度の責任をゼロか百かで振り分ける必要はない。ある誤りは知識の学習で減り、別の誤りは表示の標準化で減るかもしれない。両方を変えたときだけ改善するなら、組み合わせが重要である。どこを変えると成果が改善するか、誰がその条件を維持できるかに即して、介入と責任を考えられる。
認知ノイズ理論の重要性は、人の偏りを一つの新しい名称でまとめたことにはない。偏りが、不完全な情報への適応から生じうると示し、その情報の精度も環境に応じて変わると説明したことにある。そこから導く本稿の提案は、個人の内部機構の研究を続けながら、人が実際に使える道具や制度を含む判断の条件も測ることである。
人の判断力を測るために道具を取り上げる実験は、これからも必要だろう。ただ、その結果を生活の能力と呼ぶ前に、何を外したのかを書き戻したい。どの差異を見分けられ、何を問い直せて、その条件を誰が支えているのか。判断能力を測る仕事は、判断を可能にする条件を測る仕事へも開かれている。
ポイント整理
認知ノイズは、多様な偏りをつなぐ説明になる
不精確な内部表象を事前情報で補うと、系統的な偏りが生じうる。
個々の偏りだけでなく、不確実性や課題操作と偏りがともに動くことが理論の検証に重要となる。
制約下の最適性と、現実の正解は区別する
ある情報のもとで平均的によい推論でも、特定の状態に対しては偏りが残る。
適切な推定規則や精度配分をどう学ぶかは、なお未解決である。
精度は、個人から独立した固定値ではない
経験、注意、情報形式、扱う値の分布などが、事前分布と表象精度を変える。
絶対的なノイズ、相対的なノイズ、行動のばらつきを同一視してはならない。
測定の目的に応じて、分析の単位を選ぶ
内部機構の識別には、外部補助を制御する実験が有用である。
日常の判断の予測には、実際に利用できる道具や環境を含む測定も検討すべきである。
外部補助の効果を、検証できる問いへ変える
補助あり/なしの予測力と、人・環境の交互作用を比較する研究が考えられる。
その結果だけで、認知が頭の外にあるという哲学的命題を証明できるわけではない。
良い環境には、目的と訂正の経路が必要になる
正確さ、長期的な利益、自律性などを区別し、何を改善したかを示す。
誤りの原因を個人へ一括して帰属させず、比較負担を作る制度や表示も評価対象へ含める。
キーワード解説
【内部表象】
外界の情報や数量を認知過程で扱うための表し方。記号を正確に読めても、その意味を他の情報と統合する過程が同じ精度とは限らない。
【ベイズ的復号】
不確かな表象から、事前情報を組み合わせて対象を推定すること。認知ノイズモデルでは意識的な公式計算を必ずしも仮定しない。事後平均が最適な行動を導くには、報酬の構造など所定の条件がある。
【効率的符号化】
精密な表象から得る利益とその費用を考慮し、認知資源を配分する考え方。何をどの精度で区別するかは、課題や経験した値の分布によって変わりうる。
【交互作用】
ある要因の効果が、別の要因によって変わること。同じ比較表が誰にでも同程度に役立つとは限らない場合、人と環境の交互作用を考える必要がある。
【外的妥当性】
ある研究で得た結果が、異なる集団・課題・状況にも当てはまる範囲。実験で機構を明確に識別できることと、日常へ結果を一般化できることは別に確かめる。
