カーネマン他「NOISE」上・下のレビューと感想

NOISE 上: 組織はなぜ判断を誤るのか?

NOISE 下: 組織はなぜ判断を誤るのか?

行動経済学の代表的な学者たちが、人の判断を統計的なノイズの視点から論じた一般向けの著作。文章は読みやすいが、内容は独特な分だけ少しとっつきにくい。ちょっとでも興味を持ったなら是非読むべき

著者は、行動経済学創始者と言えるカーネマンと「ナッジ」で知られるようになったサンスティーンに経営学者が加わっている。著者に経営学者がいることからも分かるが、本の全般的なテーマは行政や企業の経営に人の判断のノイズがもたらす悪影響を指摘して、それを防ぐ方法を論じている。その点では、科学書よりもビジネス書に近い見た目をしている。しかし、実際の中身は統計を背景とした深い内容になっている

本の構成

本の構成としては、前半の第一部と第二部は人の判断を統計的(特に分散分析的)な視点から論じるための基礎編、中間の第三部と第四部は人の判断と(機械学習を含む)統計による判断とを比較して論ずる本質編、後半の第五部と第六部は判断からノイズを減らすための具体的な事例を取り上げて、ノイズの失くす現実的な長所と欠点を論じた応用編、となっている

前半は(分散分析的な)統計の基礎を説明する地味な内容で、私も始め読んだときは期待したほどの本じゃないかな?と評価を迷いかけたが、ここで諦めるのは勿体無い。中間部は本質をついた内容で私にとっては最も面白くて、つい再読してしまった。後半は具体的な状況からノイズ削減を論じているので、一般的にはここが一番読みやすいかもしれない。全般的に内容がオリジナルな分だけ読みにくい所もある本なので、読みやすい所から読んでもバチは当たらないと思う

本の長所と欠点

著者を見ると、心理学の本?経済学の本?かと思うしその側面もあるのだが、背景となる本質的なテーマは(分散分析的な)統計の視点から判断を語ることである。私はそんなテーマの著作は見たことないし、オリジナリティが高い分、(他の行動経済学の著作と比べると)とっつきにくい。なので、全ての人には素直に薦める気にはなりにくいが、もし少しでも興味を持ったならぜひ読んでもらいたい。ただし、文章の読みやすさの割にスラスラと分かるとは言えないので、そこは承知してほしい

内容は興味深いが分かりやすいとは言いがたいことは既に指摘した。それとも関連するのが、出てくる重要な言葉の分かりにくさだ。システムノイズ・レベルノイズ・パターンノイズ・機会ノイズ…と多くのノイズが出てくるが、お世辞にも分かりやすいとは言えない。自分は統計の知識は少しは持っている方だと思うが、それでも読んでて混乱してくる。例えばレベルを水準と訳してもやはり分かりにくいので、訳語の問題とも言えない。とはいえ、分散分析的な視点から判断を論じるテーマなんてこれまでなかったのだから、あまり責めるのも酷だと思う

まとめ

私自身はこの本の中間部に当たる第三部と第四部がお気に入りなのでお薦めするのにやぶさかではないが、オリジナリティの高さ(分散分析から判断を論ずるのがテーマ)故の分かりにくさのせいで(値段が高めなのもあって)全ての人にお薦めとは言いがたい。しかし、内容的には興味深い所が多く、ちょっとでも興味を持ったならぜひ読んでもらいたい


個人的な感想

上のレビューでは本の内容にあまり触れなかったが、この後は内容に関連した感想を語ります。レビューと違って、読みやすくは書いてませんので覚悟の上を

既に書いたように、自分はこの本の第三部と第四部が異様に好きだ。だから、そこばかりに触れるのは勘弁してほしい。第六部だけ少し触れると、ノイズ削減は判断する人の人間性(尊厳)を損なうとの(いかにも日本で出てきそうな)意見に対しては、その判断で迷惑をこうむる人の人間性を損なうのは構わないのかよ!と思う

この本の中間部は面白い

第三部はこの本の中では一番面白い。専門家の判断でさえ単純な回帰分析に敵わない…のはホントに興味深い。しかも、回帰分析の重み付けを変えても人の判断より(少し)優れてるのは変わらない。おそらく、これは情報への重み付けよりもどの情報を採用するか?の情報の選択の方が影響が大きいせいかな?と感じた

さらに面白いのは、判断者に似せたモデルにさえ当の判断者は勝てない事実だ。これなど始めに読んだときはパラドックスに感じた。どうも、これは人の判断はたまたま目にした情報の印象に左右されやすい(情報の重み付けが偶然で変わる)が、モデルはそうではない(情報の重み付けが変わらない)からっぽい。こんなこと分からないわ

客観的無知の話も考えたこともなかった。確かに得られるデータから分かる予測は客観的に限界があるのは、考えてみれば当たり前だ。ここから私が思いついたのはエコの話だ。場所を移動するのに、古い車か?新しい車か?電気自動車か?で使うエネルギーは違う。使うエネルギーは少ないに限るが、そもそも移動するからには変わらずエネルギーは使う。つまり、問題はエネルギー効率であって、移動するからには一定以上はエネルギー使用を減らすことはできない。得られるデータに含まれる情報量(予測力)はあらかじめ決まっているのに、それ以上の情報を引き出そうとするのは、エネルギー消費なしに移動だけしようとすることに近い。なのに、機械(AI)の予測がたまたま外れたのを見て怒り(そもそも100%当てられるデータなど手に入らない)、自分の予測が外れたのはウヤムヤにする(で、自分は違うと特別視のバイアスにハマる)

人は因果的な思考をしがちで統計的な思考が苦手という話は、パール的な人工知能は因果を理解できないという話と対照的だ。しかし、もちろん因果と統計は完全に排他的な関係にはない。厳しい判断をする人はその人の性格のせいかもしれないが、判断一般にとっては性格は外部要因なのでノイズになってしまう。判断はその事例そのものに沿った部分が(バイアスを含めて)本質であって、性格や気分のような外部要因からの影響はノイズとして評価される。ミクロな視点からは全ては因果的だが、(ラプラスの魔の他には)全ての因果を知りえないので、遠くから見たマクロな統計的視点は重要なのだ

バイアスやノイズを予測処理と比べる

この本で問題となっている判断の事例は、人事、司法、診断、成績、捜査、経営、政治などがある。これらを見て気づくのは、結果のフィードバックが返って来にくいものばかりだ。話題の予測処理は(範囲を特定せずに)統一理論とか万物理論とかと称されると、反例は思いつきやすい(私が論文で見た例だとジェットコースターや詩)。予測処理でバイアスを扱えるとする人もいるが、どうも無理やり感は拭えない。予測処理が本来得意なのは、知覚や運動のようなフィードバックが直接的なのが多い。進化的に考えても、フィードバックで適切に学習できる予測処理の領域と、フィードバックがうまく返ってこないバイアスやノイズの領域は、ある程度分けた方が良い気がする(ただし私にはその境界はよく分からない。予測処理は基礎理論の位置づけで良いと個人的に思う)

この本によく出る話題に基準値がある。賠償金を直接に決めさせるとノイズが多いが、賠償金を順序に変えるとノイズがなくなる。人は比較による判断は得意だが、絶対的な判断は苦手だ。それは基準値の無視に反映されているし、アンカリングにより無関係な数値を勝手に基準にしてしまうのも同じことだ。これはバイアスとして批判されがちだが、なんか違うと思う。絶対値による判断とは、判断の際に神のような固定的視点を取れるとすることだか、地上で進化したはずの人にそんなのできるとするのがおかしい。判断の際に、最初の印象に左右される先入観も実のところ(偏見的な)基準との比較だ。だが、予測処理では予測とデータの差はモデルに反映されるが、バイアスでは基準との比較は信念の変更にはつながりにくい。まぁ、予測はモデルから引き出されるが基準は外から来てることも多く、フィードバックのあり方に違いがある

統計関連も少しだけ

この本は、表面的には(第五部のように)人の判断を向上させる方法を教えるように書かれている。しかし、第三部を中心に再読すると、人よりも統計的な機械の判断の方がたいてい(少しだが)優れている上に、機械の判断の方がノイズを排除できる。なので、本音では機械の判断で良いじゃん!なのだが、機械に完璧さを求める人の傾向は変わらないので仕方なく人の判断の向上の仕方を語ります…の作りに実はなってる

本当は、この本の背景のテーマである分散分析的な考えについても何か書ければいいのだけれど、自分の統計の知識はたかが知れてるのでうまく書けない。分散分析は学生時代の心理統計で学んだ記憶はあるが、なんとなく分かり始めたのは近年に階層ベイズの勉強をしてて過分散について知って、階層ベイズと分散分析って似たところがあるなぁ〜と気づいたぐらい。正直、本の本文にある各種ノイズの違いもなんとなくしか理解できていない。人は統計を理解しづらいのに、この本が統計を背景に書かれているのは、皮肉を感じなくもない

残念ながら、日本語解説はあまり本文の理解に役に立たない。解説を書いてるのは日本の著名な行動経済学者であるが、本の内容は行動経済学との関係はあくまで部分的なので仕方がないと言える。もしかしたら統計学者に解説を書いてもらえばよかったかもしれないが、どっちにせよこの内容に詳しい学者が日本にいる訳ではないのでそんなに変わらなかった気もする