迷惑メールの仕分け、ネット検索、通販の「おすすめ」。これらの裏で同じ数式が働いています。
その名はベイズの法則。今やAIの土台です。
ところがこの数式、250年もの間「主観的で非科学的だ」と罵られ、統計学の世界から追放されかけていました。一流の学者に嫌われ、軍事機密として隠され、それでも現場で生き延びた。
本書は、その数奇な逆転劇を描いた歴史ノンフィクションです。著者のシャロン・バーチェ・マグレイン氏は、数式をほとんど使わず、人間ドラマとしてベイズの200年を蘇らせます。読み終えると、不確実な世界との付き合い方そのものが変わります。
こんな人におすすめ
- AIや統計の「考え方」は知りたいけれど、数式を見ると逃げ出したくなる人。本書はほぼ数式なしで核心が掴めます。
- 完璧なデータが揃うまで決断できず、いつも動き出しが遅れてしまう人。不確実なまま前に進む技術を学べます。
- 科学史やノンフィクションが好きで、天才たちの執念や対立をドラマとして味わいたい人。
この本の核心――確率とは「信念の尺度」である
本書が問うのは、たった一つのことです。
「不確かな状況下でいかに合理的な決定を下すのかという問題だった。」
150年以上続いた論争の本質は、数学の枠を超えていました。経済学者ケインズの有名な言葉が、ベイズの精神を言い当てています。
「事実が変わったのであれば、私は意見を変えます。あなたは、どうなさいますか？」
新しい証拠が出たら、考えを更新する。あまりに自然なこの推論が、なぜ異端とされたのか。まずは仕組みから見ていきます。
ベイズの原理――最初の推測を、証拠で更新する
ベイズの法則は、3つの要素で動きます。
事前確率 新しいデータを得る前の、最初の見積もりや信念です。
尤度（ゆうど） ある仮説が正しいとしたとき、実際に観察されたデータがどれくらいの確率で起こるか、を示す尺度です。
事後確率 事前確率に新しいデータを掛け合わせて更新した、修正後の確率です。そしてこれが、次の判断の「事前確率」になります。
身近な例で考えてみます。初めて行くレストランが美味しいかは分かりません。最初は「美味しい確率は50%」と置く。これが事前確率です。ところが「いつも行列ができている」という情報が入る。すると「美味しい確率は80%」に更新します。これが事後確率です。
つまりベイズの法則とは、「経験から学ぶ」というプロセスを数式にしたものです。
「何かに関する最初の考えを新たに得られた客観的情報に基づいて更新すると、それまでとは異なるより質の高い意見が得られる」
発見したのは18世紀の牧師トーマス・ベイズ。ただ彼は発表せず、机にしまったまま亡くなりました。死後、友人のリチャード・プライスが遺稿を発表し、後にフランスの数学者ラプラスが独自に再発見して、現代的な形に整えました。
なぜ250年も「異端」とされたのか
ベイズが攻撃された理由は、ただ一つ。主観を持ち込むからです。
正統派の統計学者たちは「頻度主義」を信じていました。確率とは、同じ条件で無限に試行したときに起きる回数の割合だ、という立場です。サイコロやコイン投げのように、客観的なデータからしか確率は導けない、と。
これに対しベイズ派は、革命的な再定義をしました。
「確率とは信念の尺度なり」
確率は客観的な頻度ではなく、個人が持つ確信の度合いだ。新しい証拠で絶えず更新されるものだ、という考えです。
頻度主義者は猛反発しました。情報がないときに全ての可能性を等しく扱う「等確率」の仮定を、「無知を定量化しているだけだ」と非難したのです。ある反ベイズ派は、その魔力をこう表現しました。
「ベイズは、統計におけるコカインのようなものだ。魅惑的で常習性があり極度に破壊的である」
こうしてベイズは、長くタブー視されました。
ただし本書は、この主観性批判への答えも示します。最初は人によって事前確率が違っても、データが十分に集まればベイズ更新を通じて同じ客観的結論に収束する。温暖化やたばこと肺がんで科学者の意見が一致していったのと同じです。だから「完全な客観性」という思い込み自体が誤りだ、と本書は突きます。
戦争が隠した、200年越しの功績
理論家に嫌われている間も、ベイズは現場で凄まじい威力を発揮していました。
第二次世界大戦。イギリスの天才数学者アラン・チューリングは、ナチス・ドイツの暗号機「エニグマ」の解読にベイズの手法を使いました。
「この暗号は解けるはずだ。なぜなら解くのがとてもおもしろいだろうから」
文字配列の事前知識と、暗号文から得たわずかなヒントをベイズ的に組み合わせ、膨大な設定候補を絞り込む。チューリングらの手法によって、検証すべきホイールの設定数は336からたった18にまで減りました。
連合国はこの解読で大きな恩恵を受けます。ところが、その事実は戦後も長く最高機密とされました。だからベイズは正当に評価されず、頻度主義が統計学の主流に座り続けたのです。歴史の皮肉です。
医学でも功績があります。1950年代、統計学者ジェローム・コーンフィールドは、喫煙と肺がんの因果関係を証明する際にベイズの論理を使いました。「がんは遺伝のせいだ」とする反ベイズ派のフィッシャーに対し、もしその説が正しいなら、関係する遺伝子は1日2箱吸う人に60倍も多く含まれていなければ計算が合わない、と矛盾を突いたのです。
現実が証明した、解けない問題を解く力
完璧な情報を待っていられない実務家にとって、ベイズは救世主でした。
選挙速報がそうです。統計学者ジョン・テューキーは1960年の大統領選で、過去のデータと初期の開票結果を組み合わせ、ケネディの勝利をいち早く予測しました。
「ま違った問いへの正確な答えよりも、正しい問いへの近似的な解のほうがはるかによい」
厳密さより、本質をついた実用的な近似。これがデータ分析の真髄だとテューキーは言いました。
捜索でも力を発揮します。海に落ちた水爆や、行方不明になった原子力潜水艦スコーピオンの探索。専門家の推測を事前確率として海域の確率地図を作り、探索結果が出るたびに地図を更新していく。この方法で、米海軍は標的の発見に成功しました。
ビジネスへも広がります。ロバート・シュレイファー氏らは、需要予測や在庫管理といった不確実な意思決定にベイズを持ち込み、「決定木」を開発しました。いま行動すべきか、もっと情報を集めるべきか。それを視覚的に整理する道具です。
200年越しの勝利――コンピュータが壁を壊した
これだけの実績がありながら、ベイズには致命的な弱点がありました。変数が増えると積分計算が膨大になり、人間の手には負えなくなります。
転機は1980年代後半に訪れます。「マルコフ連鎖モンテカルロ法（MCMC）」という手法でした。
複雑で解けない確率分布を、コンピュータで大量の単純な反復計算を回して近似的に求める。アラン・ゲルファンド氏とエイドリアン・スミス氏は、画像処理で使われていた「ギブス・サンプリング」を使えば、ベイズの厄介な積分を反復計算で置き換えられると気づきました。
「コンピュータにつないでベイズのクランクを回す以外に、もはやなすべきことはない」
計算の壁が崩れた瞬間です。ベイズは爆発的に普及しました。
スパムフィルタ、Google検索、AmazonやNetflixのおすすめ、機械翻訳、音声認識、自動運転、DNA解析。現代テクノロジーの根幹を、いまやベイズが支えています。さらに、人間の脳そのものが、不確かな感覚情報を過去の経験で補うベイズ的な推論機械として働いている、という研究まで進んでいます。
ただし本書は、万能視も戒めます。
「ベイズ派の技法をすべて捨ててしまうのは本物の過ちだが……ベイズ派の技法をありとあらゆるところで使おうとするのはそれ以上に大きな過ちだ」
どんな手法にも適用範囲がある。盲信は禁物だ、という冷静な釘刺しです。
明日から何を変えるか
ベイズ的な思考は、専門家でなくても日常に取り込めます。
1. 判断の前に「今の最有力シナリオ」を確率で書き出す データが足りなくても決断を先送りしない。過去の経験や直感を総動員し、「最も可能性が高い見立て」とその確からしさを数字で書きます。完璧を待たず、仮説から始めるのがベイズ流です。
2. 事実が予想に反したら、結論を口に出して修正する 集めたデータが自分の見立てを裏切ったとき、頑固に固執しない。「では見立てをこう変える」と声に出して更新します。ケインズの「事実が変わったなら意見を変える」を実践に移すわけです。
3. 判断のたびに、自分が置いている前提を1つ言葉にする 自分の「事前確率」、つまり最初の思い込みを自覚します。クロムウェルの法則が教えるのは、確率を0か1に決めつけると、どんな証拠が出ても考えを変えられなくなるという落とし穴です。
おわりに
読み終えて、私の中に残ったのは数式ではなく、一つの姿勢でした。完璧な情報など揃わない。それでも、粗い推測から始めて、証拠が来るたびに直していけばいい。最初は当てずっぽうでも、更新を続ければ真実に近づける。
異端とされた数式は、戦争を、海難を、そして不確実な意思決定を救ってきました。そしてコンピュータの時代に、ついに主役の座に返り咲きます。
「今や我々はみなベイジアンだ」
次に何かを判断するとき、いったん仮の確率を置いてみる。そして新しい事実が入ったら、素直に書き換える。その小さな更新の習慣が、不確実な毎日を少しだけ確かなものにしてくれるはずです。
合わせて読みたい
『「原因と結果」の経済学』中室牧子×津川友介 データに騙されないための思考法を扱った一冊。本書が描く「証拠で考えを更新する」姿勢を、相関と因果の区別という具体的な武器に落とし込みたい人におすすめです。
『確率思考の戦略論』森岡毅 マーケティングを確率と数学で捉え直す実践書。ベイズの歴史で感じた「不確実性を確率で扱う」発想を、ビジネスの現場でどう使うかへ橋渡しできます。
なぜ「専門家」の予測は、広く知る人より外れるのか 専門家の自信と予測精度のズレを論じたコラム。本書でフィッシャーら権威がベイズを退けた構図と重なり、「権威より更新」の大切さを別角度から味わえます。
