ThinkingEssay

NARUTOは「ペイン編」で終わっていた——物語とIPの時間構造

Why Naruto Feels Complete After the Pain Arc — Story Closure and the Time Structure of IP 多くの読者にとって、NARUTOはペイン編で終わっている。最終話まで読んだとしても、物語としての完結感はあそこにある。単なる感想の話をしているのではない。物語の構造の話だ。 1　NARUTOはペイン編で終わっている NARUTOの公式の終わりは最終話である。しかし読者の体験としては、ペイン編が終幕になっている人が多い。理由は単純だ。物語のテーマが、そこで決着するからである。 2　ペイン編で完結する物語ペイン編では、NARUTOの中心テーマが回収される。憎しみの連鎖をどう断ち切るか。ナルトはペインを倒すだけではなく、理解し、対話し、赦す。憎しみ → 理解 → 赦しテーマが閉じる。 3　主人公の物語も完成するペイン編のラストでは、木ノ葉の里の人々がナルトを迎える。それまでのナルトは、落ちこぼれであり、疎外された存在だった。

ThinkingEssay

「世界観」をサブスクリプションするコンテンツの時代——終わる物語と終わらない世界

Subscribing to Worlds — Finished Stories and Endless Environments 人は映画を思い出すとき、「あのラスト」を語る。しかしソーシャルゲームを思い出すとき、人はこう言う。「あの頃、毎日ログインしてた」。そこに思い出されるのは、ストーリーではなく「日課」だった時間である。 1　現代メディアの変化メディアの中心は、「作品」から「世界」へ移りつつある。従来のメディアは、ひとつの体験を完結させる構造だった。作品 → 完結 → 思い出しかし現代のメディアは、体験を完結させない。世界観 → 更新 → 継続終わることを前提にしない。それはコンテンツの体験形式そのものを変える。 2　世界観のサブスクリプション化現代の多くのコンテンツには、終わりがない。 * ソーシャルゲーム * ライブサービスゲーム * 長期フランチャイズIP * VTuber * SNS 共通しているのは、更新が止まらないという時間構造だ。更新

ThinkingEssay

なぜ小さな組織だけが危機を避けられるのか— 組織サイズと危機回避能力

Why Only Small Organizations Can Avoid Crisis — Organizational Size and the Limits of Crisis Prevention 多くの危機は予測されている。しかし国家や巨大組織は、その危機が現実になるまで動かない。これは意思や能力の問題ではない。構造の問題である。 1｜危機は多くの場合、予測されている危機は突然やってこない。経済危機には、数年前から警告を発していた経済学者がいる。戦争には、緊張の高まりを記録していた研究者がいる。産業衰退には、市場データを読んでいたアナリストがいる。制度破綻には、矛盾を指摘していた当事者がいる。問題は「予測できなかった」ことではない。「予測されていたのに動かなかった」ことである。予測 ↓ 警告 ↓ しかし動かない危機回避の失敗は、多くの場合、情報の失敗ではなく行動の失敗だ。 2｜巨大組織では意思決定が分裂するなぜ動かないのか。国家や大企業では、意思決定が三つの主体に分裂している。観測する主体（研究者・

ThinkingEssay

危機はなぜ国家を動かすのか── 国を動かすには危機、国をまとめるにも危機

Why Crisis Moves States — Crisis as a Trigger for Reform and Cohesion 国家は平時にはほとんど動かない。制度は維持され、産業は慣性で続き、政治は小さな調整を繰り返す。しかし危機が訪れると状況は一変する。国家は突然動き始める。この記事では、その構造を整理する。 1｜国家は平時には動きにくい国家は多数の利害の集合体である。官僚機構、企業、地域、政党——それぞれが現状維持を望む。大きな制度改革は、誰かにとって損失を意味する。だから平時には起こりにくい。平時 ↓ 慣性 ↓ 現状維持システムが大きくなるほど、その慣性は強くなる。 2｜危機は変化を正当化する危機が起きると、状況が変わる。「今のままでは維持できない」という共通認識が生まれる。この認識が、変化への抵抗を一時的に無力化する。危機 ↓ 問題の共有 ↓ 制度変更多くの政策改革は危機の後に起こる。歴史を振り返れば、制度の転換点はほぼ例外なく危機と重なっている。

ThinkingEssay

なぜAIの話は人間の話になるのか── 知性ではなく構造を観察しているから

Why Conversations About AI Become Conversations About Humans — Observing Structure Rather Than Intelligence 【シリーズ：AIから人間を見る #6】(完) AIは新しい知性として語られることが多い。しかしAIの構造を観察していると、むしろ人間の認知や社会の仕組みが見えてくる。このシリーズでは、AIの動作を手がかりに、人間の知性・認知・社会の構造を順番に観察していく。 AIは人間を再現しているのではない。 AIが再現しているのは、人間の行動の構造である。だからAIを観察すると、人間の構造が見えてくる。 1｜AIは人間から学習している AIの学習データの大半は、人間が作ったものだ。文章、会話、論文、SNS、ニュース。AIはこれらを大量に学習している。つまりAIは、人間の言語行動の統計モデルである。ここで一つの帰結が出る。AIの振る舞いを観察することは、人間の言語行動のパターンを観察することでもある。AIは人間の外側にある何かではない。人間の行動から蒸留さ

AIはなぜハルシネーションを起こすのか── 整合性最適化としての誤り

Why AI Hallucinations Occur — Errors from Consistency Optimization 【シリーズ：AIから人間を見る #2】 AIは新しい知性として語られることが多い。しかしAIの構造を観察していると、むしろ人間の認知や社会の仕組みが見えてくる。このシリーズでは、AIの動作を手がかりに、人間の知性・認知・社会の構造を順番に観察していく。 AIは真実を探しているわけではない。 AIが最適化しているのは整合性である。その結果として、嘘が生まれる。 1｜AIは真偽を判断していない AIは世界の事実を確認しているわけではない。 AIの基本動作はこうだ。入力 ↓ 確率計算 ↓ 出力このプロセスで評価されるのは、真偽ではない。整合性である。 AIの内部には「これは事実か」を確認する工程は存在しない。あるのは「この文脈に対して、最も自然な続きは何か」という計算だけだ。事実の照合ではなく、構造の補完。これがAIの基本動作である。 2｜AIは整合性を最大化する AIが学習しているのは、次の問いへの回答だ。

ThinkingEssay

AIはなぜ「それっぽい答え」を出すのか── 知性ではなく構造最適化としてのAI

Why AI Produces “Plausible Answers” — AI as Structural Optimization Rather Than Intelligence 【シリーズ：AIから人間を見る #1】 AIは新しい知性として語られることが多い。しかしAIの構造を観察していると、むしろ人間の認知や社会の仕組みが見えてくる。このシリーズでは、AIの動作を手がかりに、人間の知性・認知・社会の構造を順番に観察していく。 AIは知性を持っているのか。この問いは多くの議論を生んできた。しかしAIの動作を観察すると、むしろこう言った方が正確かもしれない。AIは知性を持っているのではない。構造を最適化しているだけである。 1｜AIは知性装置ではない AIはしばしば「人工知能」と呼ばれる。しかし実際の構造を見ると、その振る舞いは必ずしも知性そのものではない。 AIの基本動作は単純だ。入力 ↓ 確率計算 ↓ 出力 AIは世界を理解しているわけではない。与えられた入力に対して、最も整合的な出力を確率的に選んでいるだけである。 2｜AIは構造最適化装

ThinkingEssay

その文章は「認知」を動かしているか── 文章を評価するもう一つの基準

— Writing That Moves Cognition: Another Way to Evaluate a Text 文章には二つの役割がある。一つは情報を伝えること。もう一つは、世界の見方を変えること。この二つは似ているようで、実はまったく違う。 1｜文章評価の一般的な基準文章にはさまざまな評価軸がある。分かりやすい。役に立つ。面白い。共感できる。インターネット上の文章批評も、コンテンツ論も、おおむねこの四つの周辺を回っている。どれも正当な基準だ。しかし、もう一つ別の観点がある。その文章は、読み手の認知を動かしているか。 2｜情報型の文章多くの文章は情報を伝える。構造はシンプルだ。知らない　↓ 知る知識は増える。理解は深まる。それ自体は十分に価値がある。ただ、世界の見え方はほとんど変わらない。読む前と読んだあとで、自分がどう世界を見ているかは、基本的に同じままだ。 3｜認知を動かす文章認知型の文章は、別の作用を持つ。 Aだと思っていた

ThinkingEssay

「頭のいい人」は答えを知っている人ではない ── 知性を"Structure"で見る

What Does It Mean to Be Intelligent? — Answers vs Structure 「頭のいい人」とは何だろうか。知識量だろうか。IQだろうか。学歴だろうか。最近、かなりシンプルな定義に落ち着いた。知識をAnswer(答え)で見るか、Structure(構造)で見るか。「頭がいい」という自己申告は、なぜ怪しいのか世の中には、時々「自分は頭がいい」と言う人がいる。「理解が速い」「人よりよくわかっている」という確信を持っている人がいる。しかしこの自己申告は、あまり当てにならない。知性は「持っている知識」ではなく、知識を扱う方法に現れるからだ。では何を見るべきなのか。答えに辿り着く前に、まず「知識の扱い方」の違いを整理したい。 Answerで知識を見る人多くの人は、知識を「答え」として扱う。思考の単位は、

ThinkingEssay

知性の可視化は「思考の演出」を生む ── AI時代の新しい問題

Visualizing Intelligence with AI — Staging Human Thought 1｜知性が可視化されると何が起きるかこのシリーズで書いてきたことをおさらいする。 AIが思考ログを残すようになると、人間の思考はある程度可視化される。問題設定、推論過程、AIとの対話、修正、結論。これまで揮発していたものが、ログとして残る。一見すると、これは知性の透明化のように見える。ただ、前回書いたように、測定が始まると必ずGoodhart（イタチごっこ）の問題が発動する。そして今回は、その先にある現象を観察したい。 2｜可視化は必ず演出を生む社会で何かが可視化されると、必ず起きる現象がある。演出だ。可視化されたもの生まれたもの SNS 生活の演出論文評価引用の戦略 SEO 検索最適化構造は同じだ。評価される形式が生まれると、人はその形式を演出する。これは不誠実さの問題ではない。評価に適応することは、合理的な行動だ。問題は、演出が上手いことと、実際に能力があることが、

ThinkingEssay

知性の可視化はハックされる ── AI思考ログ評価とGoodhartの法則

Evaluating Intelligence with AI Thinking Logs — The Goodhart’s Law Problem 1｜測定が始まると必ず起きること前回、AIが思考ログを残すことで、知性が「可視化」される可能性を書いた。ただ、可視化の話には続きがある。社会の評価指標は、だいたいこの循環を辿る。指標が作られる ↓ 人が最適化する ↓ 指標が歪む ↓ 新しい指標が作られるこれを説明する有名な原則がある。 Goodhart's Law（イタチごっこの法則）「指標が目標になると、指標は良い指標でなくなる。」 IQが出回れば、IQの上げ方が出回る。偏差値が広まれば、偏差値対策が産業になる。どんな指標も、社会に浸透した瞬間から、その指標を攻略するための努力が始まる。これは人間の悪意ではなく、インセンティブの構造だ。 2｜AI知性指標でも同じことが起きる前回書いた「思考ログ評価」を例にとると、最初の設計意図はこうだ。思考の質を評価する

ThinkingEssay

観測：知性の可視化の新手法 ── AI思考ログが生む新しい評価軸

New Metrics of Intelligence in the AI Era — Thinking Logs as a Signal of Intelligence 1｜知性はこれまで直接測れなかった社会が使ってきた知性の指標は、ほとんどが代理指標だった。 IQ、学歴、職歴、資格。これらはすべて「能力そのもの」ではなく、能力を推定するための指標だった。理由は単純で、人間の思考能力は直接測ることが難しかったからだ。思考は脳の中で起きる。アウトプットは測れても、プロセスは見えない。だから社会はずっと、結果から能力を逆算してきた。それは合理的な近似だったと思う。ただ、近似である以上、ズレがある。 2｜AIは「思考ログ」を残す AIを使った思考には、これまでの知的作業にはなかった特徴がある。多くの場合、次のものが記録される。 * 問題の提示 * AIへの質問 * 推論の過程 * 修正