生態学的合理性 | 世界の中の知性
Ecological Rationality | Intelligence in the World

総編集長スティーブン・スティッチ（ラトガース大学）

オックスフォード大学出版局は、研究、学術、教育におけるオックスフォード大学の卓越した目的を推進する著作物を出版している。

発行：Oxford University Press, Inc.

リアルワールドにおける合理性の研究のパイオニアであるハーバート・サイモンとラインハルト・セルテンに捧ぐ。

序文

12年前、私たちは読者に、ほとんど未知の領域への旅に参加するよう呼びかけた。この呼びかけによって、私たちは『私たちを賢くするシンプルなヒューリスティック』という本を書き始めた。この呼びかけはまだ続いているが、その領域はもはや未知の領域ではなくなっており、地図上の空白の部分のいくつかは明確な輪郭に置き換えられてきている。この進歩は、私たちの呼びかけに応じ、時間、知識、計算能力が限られている現実の人間が占有する合理性の土地を探検するために、多くの分野の多くの研究者がその専門知識を駆使してくれたおかげである。例えば、記憶の研究者は、なぜ、そしていつ、有益な程度の忘却が世界についてのより良い推論につながるかを発見し、ビジネスの研究者は、経営者が消費者行動を予測する際に、コストのかかる複雑な統計手法よりも一つの理由のヒューリスティクスに頼ることを発見し、哲学者は、認識的怠惰-限られた情報に依存することがより良い判断につながる-が不確実な世界における責任と道徳が何を意味するかを議論し始めている。

『生態学的合理性』は、このような研究の中心的かつ挑戦的な側面、すなわち合理性を心と環境の一致として理解することに焦点を合わせている。シンプル・ヒューリスティクス以前は、人間や他の動物はヒューリスティクスに頼っているが、命題論理、ベイズ型確率更新、期待効用の最大化など様々な「合理的」な方法で情報を処理すれば、より良い結果を得られるという見解がほとんど疑問視されることはなかった。これに対して、私たちは「単純なヒューリスティクス」の中で、人間のすべてのタスクには、何らかの論理的原則に基づく単一の合理的なツールは存在せず、限定合理性を実現する特定のツールを持つ適応的ツールボックスであり、それぞれのツールは精神的中核能力に基づいている、と主張した。その結果、与えられた環境の中で、どの道具がなぜうまく機能するのかが、適切な質問となる。これが本書で探求する生態学的合理性の問題である。合理性のビジョンは論理的ではなく、生態学的である。

心を理解するためには、環境が重要である。ハーバート・サイモンは、合理性は一対のはさみの二つの刃の相互作用から生まれるという比喩で、このことに注目した。私たちは「合理性」に「生態学的」を加え、見落とされがちなこの2つの刃の重要性を強調した。本書の副題もこれに由来している。世界における知的な行動は、世界に存在する信頼できる構造を利用することによってもたらされる。

私たちは、心理学、経済学、数学、コンピュータサイエンス、生物学、ビジネス、哲学、法律、医学、工学など、さまざまな分野の専門家からなるグループとして、この旅に出発した。この学際的なコラボレーションが10年以上にわたって機能し、繁栄してきたのは、自分の分野の目隠しを外して周囲を見渡し、他の人々がパーティにもたらしたものを土台にしようとした若い研究者たちの功績である。また、マックス・プランク協会のユニークなビジョンによって提供された寛大な長期資金のもとで、この探究は花開いた。本書で報告されている研究の多くは、ベルリンのマックス・プランク人間能力開発研究所で行われたものであり、また、私たちと語り、議論し、毎日午後4時にコーヒーと探求のために集まって楽しむ時間を過ごした後にこの旅に参加した同僚たちによっても行われた。『Simple Heuristics』の出版以降に行われた探求は、実際には数冊の本でカバーされている。他の巻では、限定合理性における感情と文化の役割（Gigerenzer & Selten, 2001）、法律の制定、訴訟、法廷におけるヒューリスティックの役割（Gigerenzer & Engel, 2006）、直観におけるヒューリスティックの役割（Gigerenzer, 2007）、高速ヒューリスティックと質素なヒューリスティックに関する基礎研究（Gigerenzer, Hertwig, & Pachur, 2011）などのテーマを調査している。Simple Heuristicsで始まった三部作の第3巻であり、本巻では、限定合理性や生態学的合理性から社会的合理性へと探求を広げている（Hertwig, Hoffrage, & the ABC Research Group, in press）。

本書の制作にあたり、多くの方々に協力いただいた。Peter Carruthers、Stephen Lea、Lauri Saaksvuori、そしてPeter ToddのStructure of Information Environmentsコースの学生たち、全員が各章を読み、コメントをくれた。また、第16章で使用したリバティベルのスロットマシンの画像はMarshall Fey、全員の文章を何度も編集したAnita ToddとRona Unrau、インデックス作成を手伝ってくれたDoris Gampig、そして私たちの図表やグラフィックスを作成して模範的に働いてくれたJürgen RossbachとMarianne Hauserに対して特に感謝の意を表したいと思う。また、世界中に広がるABCグループのみなさん、ご意見、ご感想、アイデアをお寄せいただき、ありがとう。そして、私たちが活躍できる環境を作ってくれている家族にも、これまで同様、感謝を捧げます。

最後に、本書は現在進行中の研究プログラムの中間報告であり、今後の展開と結果については、以下の各センターのウェブサイトを見てほしい。

www.mpib-berlin.mpg.de/en/research/adaptive-behaviorand-cognition www.indiana.edu/~abcwest

ブルーミントン、ベルリン Peter M. Todd

2010年10月 Gerd Gigerenzer

目次

• ABC研究会 xv
• 第I部研究課題
  • 1 生態学的合理性とは何か？
• 第II部世の中の不確実性
  • 2 ヒューリスティックスの不確実性の扱い方
  • 3 単純なことが受け入れられにくい場合
  • 4 環境の影響としての認知バイアスを再考する
  • 5 認識ヒューリスティックはいつ適応的なツールになるのか？
  • 6 賢い忘却はヒューリスティック推論をどのように助けるか
  • 7 部分的な無知を利用して集団が良い意思決定をする方法
• 第4部　 世界の冗長性と可変性
  • 8 冗長性　単純なヒューリスティックが利用できる環境構造
  • 9 「ベストを尽くす」ことの探求：実験的研究からの洞察と展望
  • 10 限定探索による効率的な認知
  • 11 一義的な意思決定における手がかりの順序付けの簡単なルール
• 第V部世界の希少性と歪度
  • 12 希少なものはなぜ貴重なのか：希少性が推論に与える影響
  • 13 チームや委員会のための生態学的合理性　グループでの意思決定におけるヒューリスティック
  • 14 分類におけるナイーブツリー、ファストツリー、フルーラルツリー
  • 15 アンバランスな世界から推定がいかに恩恵を受けるか
• 第VI部世界をデザインする
  • 16 マインドに合わせたデザイン　制度と生態学的合理性
  • 17 健康におけるリスクコミュニケーションの設計
  • 18 単純なヒューリスティック間のゲームとしての駐車場
• 第VII部あとがき
  • 19 生態学的合理性　ヒューリスティックスの規範的研究
• 参考文献
• 人名索引
• 主題索引

第一部　研究課題

生態学的合理性とは何か？

ピーター・M・トッドゲルト・ギゲレンツァー（Peter M. Todd Gerd Gigerenzer

人間の合理的行動は…タスク環境の構造と行為者の計算能力を2つの刃とするハサミによって形作られる。

ハーバート・A・サイモン

「情報は多いほど良い、完全な情報がベスト。計算量が多ければ多いほどよく、最適化がベストである。」このような「より多くの情報がより良い」という理想は、長い間、私たちの合理性のビジョンを形成してきた。例えば、哲学者のRudolf Carnap (1947)は、確率を推定する際に利用可能なすべての証拠を使用することを推奨する「全証拠の原則」を提案した。統計学者のI. J. Good (1967)も同様に、観察結果を利用しないのは不合理であると主張した。さらに時代を遡ると、旧約聖書には「神は自分に似せて人間を創られた」（創世記 1:26）とあり、人間の認知モデルに何らかの形で全知全能（すべての関連確率と効用を知ることを含む）と全能（瞬時に複雑な関数を計算する能力を含む）が忍び込んだことは全く偶然ではないかもしれない。認知科学や経済学の多くの理論が、ベイズモデル、模範モデル、期待効用の最大化など、人間をこの天国のようなイメージで再現している。しかし、私たちが知る限り、人間や他の動物は常に単純な戦略やヒューリスティックに依存して適応的な問題を解決し、ほとんどの情報を無視し、多くの計算を避け、むしろその両方を可能な限り多く目指してきた。本書では、不確実な世界では、情報や計算を多くすることが常に良いとは限らないということを論じている。最も重要なことは、なぜ、そしていつ、より少ないことがより多くなり得るのか、ということである。この問いに対する答えが、生態学的合理性という考え方であり、適切な文脈で単純なヒューリスティックを用いることで、いかにして世界で知性を獲得することができるかを示している。生態学的合理性は、こうしたヒューリスティックの性質と、環境の構造に由来している。私たちの知的で適応的な行動は、心と世界の相互作用から生まれるのだ。投資とスポーツの例で考えてみよう。

お金を稼ぐ

1990年、ハリー・マーコウィッツは、最適な資産配分に関するブレイクスルー業績により、ノーベル経済学賞を受賞した。彼は、老後の蓄えや株式市場での収益など、誰もが何らかの形で直面している重要な投資問題に取り組んだ。老後の蓄えであれ、株式市場で稼ぐことであれ、誰もが何らかの形で直面する投資に関する重要な問題に取り組んだのである。1つのカゴにすべてを入れるのは危険であり、分散投資するのが理にかなっている。しかし、どのように？Markowitz (1952)は、平均-分散ポートフォリオと呼ばれる、資産間の富の配分の最適ルールを導き出した。自分の老後投資を考えるとき、マーコウィッツは受賞歴のある最適化技術を使ったと想像するのは無理もないだろう。しかし、彼はそうしなかった。その代わりに、彼は単純なヒューリスティックに頼ったのである。

1/Nルール：N個の選択肢のそれぞれに等しく投資する。経験則によれば、一般人の約50%が直感的にこのヒューリスティックに依存しているとのことである（Huberman & Jiang, 2006）。しかし、このルールは素朴で愚かなものではないだろうか。最適化する方が常に良いとは限らないのだろうか？これらの疑問に答えるため、ある研究では、10本の米国産業ファンドに自分の資金を配分するという7つの投資問題において、1/Nルールと平均分散ポートフォリオや他の13の最適資産配分政策を比較した（DeMiguel, Garlappi, & Uppal, 2009）。最適化モデルには、洗練されたベイズモデルと非ベイズモデルがあり、ポートフォリオ予測と投資選択の各月について、10年間の株式データを得て、そのパラメータを推定した。これに対し、1/N ルールは、過去の情報をすべて無視する。全15戦略のパフォーマンスを3つの標準的な財務指標で評価したところ、1/Nはそのうちの2つでトップ近くになった（確実性等価リターンで1位、回転率で2位、シャープレシオで5位）。複雑な推定と計算にもかかわらず、どの最適化手法も一貫して単純なヒューリスティックよりも良いリターンを得ることができなかったのである。

なぜ、単純なヒューリスティックが最適化戦略を上回ることができるのだろうか。平均分散型ポートフォリオがそのパラメータを完璧に、つまり間違いなく推定できる理想的な世界では、それが最も優れていることに注意してほしい。しかし、不確実な世界では、たとえ10年分のデータがあっても、最適化は必ずしも最良の結果を導かない。不確実な世界では、情報を無視してより良い意思決定をする必要がある。しかし、私たちが言いたいのは、単純なヒューリスティックが最適化手法よりも優れているということではなく、一般に想定されているような逆のことでもないのである。ヒューリスティックや最適化戦略は、すべての世界においてベストというわけではない。むしろ、どのような環境でヒューリスティックが複雑な戦略より優れているのか、また、その逆はいつなのかを常に考えなければならない。これはヒューリスティックの生態学的合理性の問題である。その答えは、ヒューリスティックの情報処理機構、環境の情報構造、そして両者のマッチングを分析する必要がある。1/Nポートフォリオと平均分散ポートフォリオの選択において、環境の特徴として、(a)不確実性の程度、(b)選択肢の数N、(c)学習サンプルの大きさ、があげられる。

不確実性が高いので、ファンドの将来のパフォーマンスを予測することは困難である。学習サンプルの大きさは推定ウィンドウであり、投資の実務では一般的に5年から10年のデータがポートフォリオモデルのキャリブレーションに使用される。不確実性が高く、選択肢の数が多く、学習サンプルが小さい場合、1/Nルールは平均分散ポートフォリオをアウトパフォームする傾向がある。この定性的な洞察から、定量的な質問をすることができる。50の選択肢がある場合、平均分散ポートフォリオが最終的に単純なヒューリスティックを上回るためには、どれくらいの学習サンプルが必要なのだろうか？答えは、500年間の株式データである(DeMiguel et al., 2009)。したがって、もしあなたが今投資の記録を取り始めたとしたら、26世紀には、同じファンドと株式市場がまだ存在していると仮定して、最適化は最終的に成果を上げることになる。

ボールをキャッチする

では、スポーツについて考えてみよう。選手もまた、困難で、しばしば感情的な問題に直面している。選手はどうやって飛球を捕るのだろうか。プロの選手に聞くと、「そんなこと考えたこともない」という。一般的には、このような複雑な問題は、複雑なアルゴリズムで解決されると考えられている。複雑なアルゴリズムの候補としては、選手が無意識のうちにボールの軌道を推定し、ボールが地面に当たる場所までできるだけ速く走るというのが明らかだ。それ以外の方法はないだろうか？生物学者のリチャード・ドーキンス（1989, p.96）は、『利己的な遺伝子』の中で、まさにこのことについて論じている。

ある人がボールを空高く投げ、再びキャッチするとき、彼はボールの軌道を予測するために微分方程式を解いたかのようにふるまう。本人は微分方程式が何だろうか知らないし、気にもしていないかもしれないが、それは彼のボール操作の技術に影響を与えない。無意識のうちに、数学の計算と同じようなことが行われているのだ。

ボールの軌道を計算するのは、簡単なことではない。理論的には、ボールの軌道は放物線を描いている。正しい放物線を選ぶには、ボールの初距離、初速、投射角度を推定する必要がある。しかし、現実の世界では、空気抵抗や風、スピンなどの影響で、ボールは放物線を描いて飛ばない。そこで、プレーヤーの脳はさらに、ボールが飛ぶ各ポイントでの風速と風向きを推定し、ボールの軌道と着地点を計算する必要がある。この作業は、ボールが空中にある数秒の間に終わらせなければならない。ドーキンスは、「あたかも」という言葉を慎重に挿入して、推定や計算を意識的に行うことはできないが、無意識が微分方程式を解くようなことを何らかの形で行っていると示唆していることに注意されたい。しかし、このような見方を裏付ける証拠はない。実験では、選手がボールがどこに当たるかを推定する能力は低かった（Babler & Dannemiller, 1993; Saxberg, 1987; Todd, 1981）．もし、プロ野球の選手が打球の軌道を推定し、いつ手の届かないところに落ちるかを知ることができたなら、飛球を捕ろうとして壁やダグアウト，スタンドの上空に走り出すようなことはなかっただろう．

投資問題のように、私たちは別のアプローチで、「選手がボールを捕るために使う単純なヒューリスティックはあるのか？実験によると、経験豊富な選手たちは、実はさまざまな経験則を使っていることが分かっている。そのひとつが「視線ヒューリスティック」で、これはボールがすでに空中にある高い位置にあるときに有効である。

視線ヒューリスティック。視線をボールに合わせ、走り出し、視線の角度が一定になるように走るスピードを調整する。

注視角とは、地面に対して目とボールの間の角度のことである。このルールを使えば、風や空気抵抗、スピンなどの因果関係を測定する必要がない。これらの因果関係のある情報をすべて無視しても大丈夫なのだ。視線の角度というたった一つの変数に、すべての事実が含まれている。なお、実験結果が示すように、視線ヒューリスティックはボールの着地点を計算することはできない。しかし、このヒューリスティックは、キャッチに間に合うように着地点に導く。

1/Nルールと同様に、注視型ヒューリスティックは、すべての場合ではなく、ある特定のクラスの状況で成功するものであり、その生態的合理性の研究は、そのクラスを特定することを目的としている。多くの野球選手が言うように、最も捕りにくいボールは自分に向かってまっすぐ飛んでくるボールであり、このような状況では視線ヒューリスティックは役に立たない。前述したように、視線ヒューリスティックはボールがすでに空中で高い位置にある状況では有効だが、ボールが飛び始めた直後に適用すると失敗する。しかし、このような異なる環境条件下では、プレイヤーは全く新しいヒューリスティックを必要とせず、最後のステップを変えてわずかに修正したものでよいのである (McBeath, Shaffer, & Kaiser, 1995; Shaffer, Krauchunas, Eddy, & McBeath, 2004)。

修正された視線ヒューリスティック。視線をボールに固定し、走り始め、ボールの像が一定の速度で上昇するように走る速度を調整する。

この修正ルールの動作は直感的である。ボールが加速度的に上昇しているように見えたら、後ろ向きに走った方が良い．しかし、視線角度が小さくなるにつれてボールが上がってくる場合は、ボールに向かって走らなければならない。このように、状況によって異なるが関連したルールが適用される、このような関係を明らかにするのが生態的合理性の研究である。これから述べるように、このような関係を明らかにするためには、やるべきことが多く、また適用できるアプローチも多くある。残念ながら、これらのルールの使用者に尋ねるだけでは不十分である。ほとんどのフィールダーは、その単純さにもかかわらず、視線ヒューリスティックに依存していることに無頓着である(McBeath et al., 1995; Shaffer & McBeath, 2005)。1/Nルールのような他のヒューリスティックは、意識的に教えられ適用されているかもしれないが、なぜそれがいつ機能するのか、実践者は知らないままである。私たちは、それを知るために探求しなければならない。

ヒューリスティックとは何か？

これらの例が示すように、ヒューリスティックとは、利用可能な情報を無視する戦略である。ヒューリスティックは、意思決定を行うために、いくつかの重要なデータのみに焦点を当てる。しかし、ある情報を無視することこそ、より良い（より速い）判断のために必要なのである。本書では、どのような場合に無視することができるのかを調べる。ヒューリスティックは、世界での行動を導くことで、ゴムと道路が出会う場所、あるいは心が環境に出会う場所である。ヒューリスティクスは、環境から得られる情報のパターンを、進化した能力（後述）に基づく構成要素を介して処理し、目標に向けた行動を生み出す。

人間や他の動物は、直面する適応的な課題に対応するために、多くの種類のヒューリスティクスを使用している。しかし、新しい課題ごとに必ずしも新しいヒューリスティックが要求されるとは限らない。一つのヒューリスティックが様々な問題に有効であることもある。例えば、視線ヒューリスティックは、野球やクリケットの外野手のために進化したのではない。動く物体を捕らえることは、人間や動物の歴史において重要な適応的課題である。魚類から鳥類、コウモリに至るまで、多くの動物は3次元空間を移動する物体を追跡することができる。これは、視線ヒューリスティックを実行するために必要な進化した能力である。ある種の魚は、自分の運動線と標的の運動線との角度を一定に保つことで獲物を捕らえる。ホバリングの雄は、交尾のために同じ方法で雌を横取りする（Collett & Land, 1975）。また、視線ヒューリスティックは、狩猟などの進化的起源から、球技やその他の現代的応用へと容易に一般化することができる。船乗りは、このヒューリスティックを関連した方法で使用している。他の船が近づいてきて衝突しそうなら、視線を他の船に集中させ、方位が変わらないようなら、背を向ける。これも、動いている2つの物体の進路を推定して交点があるかどうかを計算するよりも、より早く、より確実な方法である。このように、単純なルールは推定や計算の誤差が少ないため、適切な場面では信頼性が高いことが多い。

同様に、1/Nルールは、単にお金を稼ぐためだけのものではない。これは等式ヒューリスティックと呼ばれるルールの一種であり、金融投資以外の問題解決にも使われる。もしあなたに2人以上の子供がいるとしたら、あなたはどのように子供たちに時間と資源を配分するだろうか？多くの親は自分の注意をN人の子供に均等に配ろうとする(Hertwig, Davis, & Sulloway, 2002)。また、子ども自身も、最後通牒ゲームなどの実験的なゲームにおいて、お金を平等に分配することが多い。これは、ゲーム理論では予測できないが、人間の公平・公正の感覚に合致する行動である（Takezawa, Gummerum, & Keller, 2006）。

ヒューリスティックの構成要素

ヒューリスティックの多くは複数のビルディングブロックから構成されている。探索規則、停止規則、決定規則など構成要素の種類は限られており、これらを組み合わせることで様々なヒューリスティックを構築することができる。例えば、クジャクが仲間を選ぶとき、自分の気を引くためにポーズやディスプレイをするクジャクをすべて調べたり、すべての男性の特徴を重み付けして加算し、最も期待効用の高いものを計算したりすることはない。むしろ、3〜4羽だけを調査し、最も多くのアイスポットを持つ1羽を選ぶ（Petrie & Halliday, 1994）。この仲間選びのヒューリスティックは、「自分の近くにいるオスを調べる”という単純な探索ルールと、”4匹のサンプルで探索をやめる”という停止ルール、”1つの手がかり（eyespotsの数）で選ぶ”という判断ルールからなるサティスフィシング（表1-1）である。特定のヒューリスティックがある場合、その構成要素を1つ以上変更することで、上記の視線ヒューリスティックの修正に示されるように、異なる問題に適応する関連ヒューリスティックを作成することができる。

進化した能力

ヒューリスティックの構成要素は、一般に進化した能力に基づいている。例えば、視線ヒューリスティックでは、視線の角度を一定に保つために、生物はノイズの多い背景に対して視覚的に物体を追跡する能力が必要である。進化した能力とは、自然と育成の産物であり、種の遺伝子によって準備された能力だが、通常は完全に発現させるために経験を必要とする。例えば、生後3カ月の赤ちゃんは、ベビーベッドにかけられたモビールなど、動くものを見て視線を維持する練習を自発的に行う。進化した能力は、単純なヒューリスティックが非常にうまく機能する理由の一つである。ヒューリスティックは、複雑な問題に対して、人間や動物が数学的に理想とする最適な選択をするのとは根本的に異なる解決策を提供することができるのだ。ヒューリスティック・ブロックの基礎となる他の能力には、認識ヒューリスティックや流暢性ヒューリスティックが利用する認識記憶や、テイク・ザ・ベストや同様のヒューリスティックが手がかりの順序を推定するのに利用する計数と想起が含まれる。

適応の道具箱

私たちはヒューリスティックのレパートリーとその構成要素、そしてそれらが利用する進化した能力を心の適応の道具箱と呼んでいる（Gigerenzer & Selten, 2001; Gigerenzer & Todd 1999）。表1-1には、人間や他の動物種の適応的ツールボックスに含まれていると思われる12のヒューリスティックが列挙されている。ただし、最後の2つは霊長類でもまれであり、その証拠には異論がある。適応の道具箱の中身は、種だけでなく、個体、その個体の特定の発生段階、その個体が住む文化にも依存する。

種がどの程度ヒューリスティクスを共有するかは、同じ適応的問題に直面し、類似した構造を持つ環境に生息し、ヒューリスティクスを構築するための進化した能力を共有しているかどうかによって決まるだろう。例えば、他の動物の適応的道具箱には言語が存在しないため、名前認識を使って自分の世界について推論することはできないが、味覚や嗅覚など他の能力を認識ヒューリスティックの入力として使える種もある。2つの種の間で能力が共有されていれば、たとえ獲物を捕らえるのと飛球を捕らえるのとで異なる問題を解決しなければならない場合でも、同様のヒューリスティックに依存する可能性が高くなる。もし2つの種が同じ適応的な問題に直面しても、進化した能力が異なれば、ヒューリスティックも異なるものになる。面積の推定を考えてみよう。人間は縦と横の寸法を組み合わせて、視覚的に面積を推定することができる。しかし、ある種のアリはフェロモンの痕跡を残すことができるため、この能力に基づいて面積を推定するヒューリスティックは大きく異なる。巣穴の候補（通常は岩の狭い割れ目）の面積を判断するために、フェロモンの痕跡を残しながら一定時間不規則な道を走り回り、その後そこを離れてから巣穴に戻り、別の不規則な道を移動し、古い痕跡に再遭遇する頻度の逆数で巣穴の大きさを推定する。この経験則は驚くほど正確で、他の巣の半分の面積の巣では、再遭遇の頻度が約1.96倍にもなる（Mugford, Mallon, & Franks, 2001）。このように進化した動物（人間を含む）の経験則の多くは、驚くほど単純かつ効率的である（Hutchinson & Gigerenzer, 2005による概要を参照）。

ヒューリスティックでないもの

人間が使用する、あるいは人工システムが使用するために考案された認知メカニズムのすべてがヒューリスティックというわけではない。前述の平均分散ポートフォリオや軌道予測手法のような戦略は、利用可能なすべての情報を重み付けして追加し、重い計算を利用して「最適な」意思決定に到達しようとするものであり、ヒューリスティックとは言えない。このような最適化理論の起源は、啓蒙主義時代に生まれた古典的な合理性理論にさかのぼることができる。この理論の生誕は1654年とされており、フランスの数学者Blaise PascalとPierre Fermatが、合理的な行動とは代替行動コースの期待値の最大化であると定義した（Daston, 1988; Gigerenzer et al.、1989)。この合理性のビジョンは、複雑な問題は複雑なアルゴリズムによって解決される必要があり、より多くの情報は常に優れているという概念と密接に関連している。その一世紀後、Benjamin Franklin は甥に宛てた手紙の中で、すべての理由を重み付けして加算する理想を述べている（Franklin, 1779/1907 pp.281-282）。

1779年4月8日

もしあなたが疑問を感じたら、賛成と反対のすべての理由を紙の上の反対側の列に書き出し、それらを2,3日検討した後、代数学のいくつかの問題におけるのと同様の操作を行う。それぞれの列のどの理由や動機が、1対1,1対2,2対3などの重みで等しいかを観察し、両側からすべての等しいものを打ち消したら、どの列にバランスが残っているかわかるだろう。このような道徳的な代数は、重要な問題や疑わしい問題でしばしば実践してきた。ところで、これを学ばなければ、あなたは一生結婚できないだろう。

親愛なる叔父、B.フランクリン

フランクリンの道徳代数の現代版には、経済学における期待効用最大化、認知科学におけるベイズ推定理論、MBAコースで教えられ、コンサルティング会社が推奨する様々な簿記原理がある。Markowitzの平均分散最適化モデルやボールの軌跡の計算も、この計算合理性の変異株である。

なお、フランクリンは最後に、結婚には彼の道徳的代数を学ぶことが必要であると警告している。この最適化合理性の現代版を教えている経済学者のサンプルに、フランクリンの警告が成り立つかどうかを確認したところ、彼らが好きな合理的方法でパートナーを選んだかどうか尋ねた。すると、一人だけがそう答えた。彼は、自分が持っているすべての選択肢と、それぞれの女性について考えられるすべての重要な結果をリストアップしたと説明した。たとえば、ハネムーンの興奮が終わった後も話していて面白いか、子供の世話が上手か、自分の仕事をサポートしてくれるか、などである（Darwinの同様の考察-Gigerenzer & Todd, 1999を参照されたい）。彼は、数日かけて、これらの結果のそれぞれの効用と、これらの結果が実際に起こる各女性の確率を推定した。そして、各候補の期待効用を計算し、最も高い値を得た女性に、自分がどのように選択したかを告げずにプロポーズした。彼女はそれを受け入れ、二人は結婚した。そして今、彼は離婚している。

この話の要点は、フランクリンの合理的な簿記の方法が、「仲間が望む女性を得ようとする」（人間や他の動物が従う仲間選択コピーとして知られている-Place, Todd, Penke, & Asendorpf, 2010）ような単純なヒューリスティクスよりも良い相手を見つけるのに成功していないことでは断じてない、ということである。むしろ、私たちが言いたいのは、理論と実践の間に齟齬があるということである。体重加算法は合理的な方法として宣伝されているが、熱心な支持者でさえ、重要な決定においてヒューリスティックに頼ることが多い（Gigerenzer, 2007）。健康もその一つである。ある研究では、100人以上の男性経済学者が、前立腺がんのスクリーニング検査（PSA、前立腺特異抗原検査、（Berg, Biele, & Gigerenzer, 2010）を受けるかどうかをどのように決定するかを尋ねられた。この検査やその他のスクリーニング検査については、事実上すべての医学会が、受けるかどうかを決める前に長所と短所を慎重に検討するよう患者に勧めている。この特別なケースでは、有益性は依然として議論の余地がある（スクリーニングが命を救うことは証明されていない）一方、有害性は明らかである（検査陽性後の手術による失禁やインポテンツの可能性があるなど）。しかし、インタビューに応じた経済学者の3分の2は、この検査についてぜひを検討することなく、医師（あるいは妻）の言うとおりにしていると答えた。この合理性の擁護者たちは、この重要な決断を下すのに、伝統的な合理的アプローチではなく、社会的ヒューリスティックである「医師を信頼する」ことを利用していたのである。ここでもまた、理論と実践が対立している。

しかし、どちらが正しいのだろうか？さらに調査してみないことには、何とも言えない。ヒューリスティックはそれ自体良いものでも悪いものでもないし、フランクリンの簿記法のような合理的なアプローチでもない。むしろ、生態学的合理性の研究は、私たちがさらなる重要な問いを立てなければならないことを教えてくれる。ある決定戦略やヒューリスティックが他のアプローチより優れているのは、どのような環境においてか？例えば、医師が弁護士や医療過誤の裁判を恐れて防衛的な意思決定を行い（患者の過剰治療や過剰投薬につながる）、ほとんどの医師が関連する医学研究を読む時間がない世界では、医師を信頼するというヒューリスティックに頼るよりも、自分で長所と短所を比較検討する方が得策である(Gigerenzer, Gaissmaier, Kurz-Milcke, Schwartz, & Woloshin, 2007)。

生態的合理性とは何か？

特定の環境に適合する特定の意思決定ツールである生態学的合理性の概念は、適応的なツールボックスの概念と密接に関連している。従来の合理性理論では、普遍的な意思決定メカニズムを1つだけ仮定しているため、この普遍的なツールが他のどのツールよりも優れているのか、あるいは劣っているのかを問うことすらしない。しかし、経験則からすると、人間や他の動物は複数の認知ツールに依存していることは明らかである。そして、不確実な世界での認知は、次章で述べる理由により、汎用最適化計算機では劣り、柔軟性に欠け、非効率的である（2章も参照）。

私たちは、生態学的合理性という言葉を、合理性の一般的なビジョンと、具体的な研究プログラムの両方に使っている。一般的なビジョンとしては、内部一貫性、首尾一貫性、論理性に焦点を当て、外部環境を無視した合理性についての見解に代わるものを提供するものである。生態学的合理性とは、世界における認知戦略の成功を、意思決定の正確さ、倹約、スピードといった通貨で測定したものである。前著「私たちを賢くするシンプルなヒューリスティック」では、ハーバート・サイモンの合理的行動に対する適応的見解を具体化するためにこの言葉を導入した（Gigerenzer, Todd, & the ABC Research Group, 1999）。Simonは「人間の合理的行動は…タスク環境の構造と行為者の計算能力を2つの刃とするはさみによって形作られる」(Simon, 1990, p. 7)と言っている。私たちは、世界での成功ではなく、論理や確率の法則に照らして行動を評価し、行動が一貫しているか、すべての情報を使っているか、最適化モデルに対応しているかなどを問う理論を論理的合理性という言葉で表現している。論理的合理性とは、何が良くて何が悪いかを、自然環境下での行動検証ではなく、抽象的な原理であらかじめ決めておくことである。サイモンは死の直前、生態的合理性アプローチを「認知科学の革命、人間の合理性へのアプローチにおける正気のための大きな一撃」と評価し（Gigerenzer, 2004b参照）、バーノンもノーベル賞受賞者講演のタイトルにこのアプローチを用いて、さらに推進した（Smith, 2003）。このような第一線の研究者が増えつつある一方で、生態学的アプローチは、論理的合理性理論の大帝国と比べると、現状ではまだ小島に過ぎない。

生態学的合理性の研究は、サイモンのハサミの2つの刃の間の適合性を研究するものである。しかし、このような「適合性」は、刃が鏡像反射であることを意味せず（Cf. Shepard, 1994/2001; Todd & Gigerenzer, 2001）、製造上、良いハサミの刃は、接合部と刃に沿った切断カ所の2カ所だけで接触するように、互いにわずかにねじれたり、湾曲したりするように作られている。さらに、認知が成功するためには、環境の完全な心的イメージは必要ない。ちょうど、有用な心的モデルが世界の真実のコピーではなく、重要な抽象化を提供し、その他の部分を無視するのと同じである。最高級のはさみでは、互いに合うように作られた2つの刃が、一対として扱われるように識別マークでコード化されている。生態的合理性の研究とは、精神構造と環境構造のどのペアが相性が良いかを見つけ出すことである。後の節で詳しく述べるが、環境記述、コンピュータ・シミュレーション、実証実験、分析・証明に基づき、3つの問いを中心に行われる。

あるヒューリスティックが与えられたとき、それが成功するのはどのような環境か？ある環境が与えられたとき、どのようなヒューリスティックが成功するのか？

ヒューリスティックと環境はどのように共進化し、互いを形成するのか？

投資の例では、1つ目と2つ目の質問に答えているが、これらは密接に関連している。例えば、1/Nルールでは、選択肢が多く、Nが大きく、過去のデータのサンプルサイズが比較的小さい投資環境は、適切なマッチングとなる。あるいは、N=50 で、10年間の株式データがある環境では、1/N ルールは平均分散ポートフォリオよりも良いパフォーマンスを示す可能性が高い。表1-1は、さらにそのような結果を示しており、次の章でも同様である。3番目の質問は、より大きな問題である適応的ツールボックスとその環境の共進化についてである。これについては、私たちはほとんど何もわかっていない。

環境の構造

環境とは、エージェントがその中で行動し、その上で行動するものである。環境はまた、エージェントが達成しようとする目標を決定し、その目標に到達するためにエージェントが持つツールを形成し、エージェントがその決定と行動を導くために処理する入力を提供することによって、複数の方法でエージェントの行動に影響する。現在のところ、環境構造の完全な分類は存在しないが、いくつかの重要な構造が確認されている。そのうちの3つは、上記の投資問題の分析で明らかになったもので、不確実性の程度、選択肢の数、学習サンプルの大きさである。これらは様々な課題との関連性があるため、ここではより詳細に検討する。

不確実性

不確実性の程度とは、利用可能な手がかりがどの程度基準を予測できるかを示す。不確実性は基準の種類や予測する内容によって異なる。来月の株やファンドのパフォーマンスは非常に予測しにくい、心臓発作はやや予測しやすい、明日の天気はこの3つの基準の中で最も正確に予測できる。さらに、同じ母集団の異なる時間帯だけでなく、異なる母集団について予測しなければならない場合、不確実性は高くなる（第2章参照）。この投資の例は、不確実性が高ければ高いほど、ベイズ型やその他の最適化手法よりも単純なヒューリスティックの方が有利になるという重要な原則を説明している。

この結果を理解する直感的な方法がある。神々とその俗化であるラプラスの悪魔が住む不確実性のない世界では、関連する過去の情報はすべて未来を予測するのに役立つので、考慮する必要がある。完全なルーレットのような完全に予測不可能な世界では、次に何が来るかを語るのに役に立たない過去の性能に関する情報はすべて無視することができる。しかし、ほとんどの場合、謙虚な人間は部分的な予測可能性と部分的な不確実性の黄昏の中に生きている。このような厳しい世界において、私たちが直面する横溢する不確実性に対処する主要な方法は、単純化すること、つまり、利用可能な情報の多くを無視して、迅速かつ質素なヒューリスティックを用いることである。しかし、このアプローチはしばしば抵抗される。予測モデルが、ファンドのパフォーマンスなどの基準を期待通りに予測できないとき、専門家も初心者も含めて多くの人が直感的に反応するのは、逆のことをして、もっと情報と計算を増やせということである。情報を排除し、計算を派手にすることに解決策がある可能性は、何度も実証された後でも、多くの人にとって想像を絶するものであり、なかなか消化できない（第3章参照）。

選択肢の数一般に、選択肢の数が多い問題は、最適化手法に困難をもたらす。ここでいう選択肢とは、資金などの個々の対象や、ゲームにおける手などの行動を指す。チェスのように最適な手筋がある場合でも、コンピュータや頭脳がそれを決定することはできない。なぜなら、選択肢の数が多すぎるため、計算不可能な問題だからだ。コンピュータのチェスプログラム「ディープ・ブルー」や人間のチェス名人（テトリスプレイヤーと同様、Michalewicz & Fogel, 2000を参照）は、代わりにヒューリスティクスなどの非最適化技術に頼らざるを得ないのである。また、スーパーマーケットの棚を眺めるときや電話サービスプランを比較するときなど、豊富な選択肢を特徴とする日常的な場面では、確かに一般に、多数の選択肢に効果的に対処するための決定戦略を用いることができる（Scheibehenne, Greifeneder, & Todd,2010)。

サンプルサイズ一般に、環境中の利用可能なデータのサンプルサイズが小さいほど、単純なヒューリスティックの優位性は大きくなる。その理由の一つは、複雑な統計モデルは過去のデータからパラメータ値を推定しなければならず、サンプルサイズが小さいと、結果として「分散」による誤差が、競合するヒューリスティックの「バイアス」による誤差を上回ることがあるからだ（第2章参照）。何をもってサンプルサイズが小さいとするかは不確実性の程度に依存し、不確実性が高い投資問題では、平均分散ポートフォリオが1/Nルールの精度を上回るためには、数百年分の株式データのサンプルサイズが必要である：この場合、サンプルサイズが小さいと、平均分散ポートフォリオは1/Nルールの精度を上回る。

生態的合理性を理解する上で重要な環境構造の種類は他にも数多く存在する。本書でも主要なものとして、冗長性と変動性の2つを取り上げている。

冗長性環境の中で異なる手がかりがどれだけ高い相関性を持っているかは、その環境の冗長性を示している。この構造は、決定を下すことができる最初の良い理由に依存し、その後の冗長な手がかりを無視するtake-the-bestなどのヒューリスティックによって利用することができる（8章、9章参照）。

可変性手掛りの重要度の可変性はいくつかのヒューリスティックによって利用することができる。例えば、ばらつきが大きいときには、ばらつきが小さいときよりも、最良の手がかりのみに依存するヒューリスティックの方が良い性能を示す（Hogarth & Karelaia, 2005a, 2006b; Martignon & Hoffrage, 2002; 13章も参照のこと）。

しかし、このような環境は物理的な環境と同じではないことに注意する必要がある（Todd, 2001）。例えば、先に述べた最初の環境構造である不確実性は、外部環境（その固有の予測不可能性、またはオンティックな不確実性）と、その環境に対する心の限られた理解（エピステミックな不確実性）の両方の側面から構成されている。従って、不確実性の程度は心-環境システムの特性である。同様に、選択肢の数とサンプルサイズは、環境で利用可能なものと、エージェントが実際に検討セットに含めるもの（決定すべき資金の数Nなど）の両方に依存する。最後に、手がかりの冗長性と変動性は、物理環境においてどのような情報が利用可能だろうか、また、意思決定者が実際に知覚し、注意を払うものに依存し、その結果、使用する手がかりのセットが多かれ少なかれ冗長性と変動性を持つことになる。例えば、集団の中の人々は冗長な手がかりを考慮する傾向があるが、さらに探索し、より独立した手がかりを発見し、このようにして環境を部分的に創造することを選択できる（第13章参照）。このように、生態的合理性において考慮される環境とは、生物の心、身体、感覚器官と物理的環境との相互作用を通じて現れる、生物の主観的生態である（von Uexküll, 1957, Umweltの概念に類似している）。

環境構造のソース

意思決定メカニズムが適合する（または適合しない）情報のパターンは、物理的、生物学的、社会的、文化的な情報源など、さまざまな環境プロセスから生じる可能性がある。これらのパターンには、類似の方法で記述できるもの（不確実性や手がかりの冗長性など）もあれば、特定の領域に特有のもの（医療情報の表現など）もある。人間や他の社会的動物にとって、他の同胞からなる社会的・文化的環境は物理的・生物的環境と同様に重要であり、実際に4つすべてが相互作用し、重なり合っている。例えば、投資判断は個人で行い、誰とも交流せずにインターネットで購入することができるが、株式市場そのものは自然（例えば、悲惨なハリケーン）と他人（例えば、災害に対する世間の反応）の両方によって動かされているのだ。表1-1の各ヒューリスティックは、物理的な対象（例えば、どの商品を買うか）だけでなく、社会的な対象（例えば、誰を雇うか、信用するか、結婚するか）にも適用可能である。例えば、認識ヒューリスティック（第5章、第6章参照）は、認識の欠如が貴重な情報となる環境構造を利用し、例えば、どの地ビールを注文するか、どこに投資するか、さらに、誰と話すか、誰を信用するか（「知らない人には乗るな」）についての推論を支援するものである。同様に、満足化ヒューリスティック（satisficing heuristic）はジーンズを選ぶのに使われるが、同時に伴侶を選ぶのにも使われる（Todd & Miller, 1999）。1/Nルールは投資家の分散投資を助けると同時に、親が自分の時間と資源を子供に平等に割り当てるための指針ともなり得る。

環境構造もまた、行動に影響を与えるために制度が意図的に作り出したものである。政府が国民に臓器提供を義務付ける方法を考えたり、交差点の通行権に関する交通法を人々の一義的な意思決定メカニズムに合致するよう階層的に設計したりする場合（第16章）、これが功を奏することもある。また、制度が人々の認知プロセスにうまく適合しない環境を作り出し、かえって心を曇らせる場合もある（偶発的か意図的かを問わず）。例えば、医療行為に関する情報は、利益が巨大に見え、害は取るに足らないように表現されることが多い（17章）。カジノは、ギャンブラーに勝つ確率が実際よりも大きいと思わせるような合図で賭博環境を設定し（16章）、店のディスプレイやショッピングサイトは、多数の製品の長い特徴リストで混雑し、情報過多で顧客を混乱させる（ファソロ、マクレランド、＆トッド 2007）。しかし、これから見ていくように、このような問題のあるデザインを修正し、人々が容易に道を見つけることができるような新しいデザインを作る方法がある。

最後に、環境構造は、複数の意思決定者の社会的相互作用によって、デザインなしで出現することができる。たとえば、引っ越し先の都市を選ぶとき、人々は往々にして活気のある大都市に惹かれ、「大きいものは大きくなる」ため、都市の人口分布はJ型（またはべき乗則）になることがある（少数の巨大都市、多数の中規模都市、多数の小規模都市）。このような出現分布は、書籍の販売からウェブサイトの訪問に至るまで多くの領域で見られ、選択または推定のためのヒューリスティックによって利用することができる（第15章）。同様に、特定のヒューリスティックを用いて駐車場を探すドライバーは、利用可能なスポットのパターンを作成し、将来のドライバーがその環境構造に合うか合わないかの独自の戦略で検索するための環境として機能する（18章）。このような場合、個人は自らの選択の効果を通じて、自分や他人がさらに選択しなければならない環境を形成しており、心と世界の間の共適応ループの可能性を作り出している。

私たちがすでに知っていること

生態学的合理性、すなわち心の適応ツールボックスの異なる意思決定メカニズムが、いつ、なぜ、異なる環境構造に適合するのかという疑問に答えるには、限定合理性とヒューリスティックの使用に関する知識の蓄積を基礎に据える必要がある。1999年、私たちは『頭がよくなるシンプルなヒューリスティクス』を出版し、本書の基礎となるプログラムを提示したが、当時はまだこの領域はほとんど未知の領域であった。それ以来、ますます多くの研究者がこの領域の開拓に貢献し、人々が生態学的に合理的な状況でヒューリスティクスに依存しているという証拠を提供し、ビジネス、医療診断、法律など、自然界において適切なヒューリスティックの力を実証してきた。ここでは、本書で報告されている研究を支える進歩について簡単に振り返る。

適応の道具箱には何があるのか？

ヒューリスティックの生態学的合理性を研究するためには、まず使用されているヒューリスティックを特定する必要がある。表1-1はこれまで研究されてきたヒューリスティックの範囲を示すものだが、他にも多数のヒューリスティックが存在する。私たちは、人間や他の動物種が同じヒューリスティクスを多く利用していることを知っている（Hutchinson & Gigerenzer, 2005）。現在では、take-the-best（第9章）やelimination-by-aspects（Tversky, 1972）など、手がかり間のトレードオフを行わないヒューリスティックが使われていることがかなり立証されている。最近の研究では、消費者選択におけるこのようないわゆる非補償的戦略についてさらなる証拠が示されている（Kohli & Jedidi, 2007; Yee, Hauser, Orlin, & Dahan, 2007）。また、従来は重み付けと加算の理論の領域であったギャンブル間の選択においても、関連する「1つの理由」の意思決定ヒューリスティックが提案されているが、優先度ヒューリスティック（Brandstätter, Gigerenzer, & Hertwig, 2006; Katsikopoulos & Gigerenzer, 2008）など、これらのメカニズムの証拠は議論中である（例, Brandstätter, Gigerenzer, & Hertwig, 2008; Johnson, Schulte-Mecklenbeck, & Willemsen, 2008）。最近研究された適応的ツールボックスの他のヒューリスティックは、代わりに代償的なもので、複数の情報を組み合わせながら、利用可能な情報の多くを無視する（例えば、集計やテイクツーなど、第3章と第10章を参照）。

人間の場合、適応のための道具箱は固定されていない。その内容は、発達、個人の学習、文化的経験の結果として成長することができる。しかし、利用可能な道具のセットが、誕生から死までのライフコースの中でどのように変化するかについては、ほとんど知られていない（Gigerenzer, 2003）。予備的な結果では、加齢に伴う認知機能の低下がより単純な戦略への依存につながることが示唆されている。それでも、環境構造の機能としてヒューリスティックの使用をどのように調整するかについては、若年成人も高齢者も同様に適応した意思決定者であるようだ（Mata、Schooler、& Rieskamp 2007）。この結果は次の問題につながる。

ヒューリスティックはどのように選択されるのか？

生態学的に合理的な行動は、現在のタスク環境とそれに適用される特定の意思決定メカニズムとの適合性から生じる。Payne, Bettman, and Johnson (1993)は、適応的意思決定者に関する代表的な研究において、人々が適応的にヒューリスティクスを選択する傾向があるという証拠を示した。この証拠は、客観的に正しい答えが存在しない優先的選択に焦点を当てたものである。その後、意思決定の正確さを評価できる帰納推論におけるヒューリスティックの生態学的に合理的な使用についても同様の証拠が得られた（例えば、Bröder, 2003; Dieckmann & Rieskamp, 2007; Pohl, 2006; Rieskamp & Hoffrage, 2008; Rieskamp & Otto, 2006）。人は、自分が良い成績を収める適切な状況において、特定のヒューリスティックに頼る傾向があるという観察から、新たな疑問が浮かび上がった。適応のための道具箱からヒューリスティクスをどのように選択するのだろうか？このほとんど無意識のプロセスは部分的にしか解明されていないが、3つの選択原理が探求されている。

記憶による選択

まず、表1-1のヒューリスティックの上位3つ、認識ヒューリスティック、流暢性ヒューリスティック、テイク・ザ・ベストから選択することを考える。例えば、テニスのアンディ・ロディックとトミー・ロブレドの試合に賭けるとする。試合開始前に勝者を選ぶには、どのような戦略をとればよいのだろうか。もし、ロディックのことは知っているが、ロブレドのことは知らないのであれば、記憶の中の利用可能な情報によって、戦略選択のセットは認識ヒューリスティックだけに制限される（この場合，正しい予測につながるかもしれない-2人の出場者は何度も対戦し、ロディックが通常勝っているのだから）．両選手の名前を聞いたことはあるが、名前以外は何も知らない場合は、流暢性ヒューリスティック（第6章参照）に限定される。両選手の名前を聞いたことがあり、さらにいくつかの事実を知っている場合は、流暢性ヒューリスティックとテイク・ザ・ベストのどちらかを選択できる。どちらの選手の名前も記憶にない場合は、これら3つのヒューリスティックのいずれも適用されない。現在のオッズを確認し、多数派の真似をして、他の多くの人も支持しているプレイヤーに賭けることができる（表1-1）。このように、意思決定者の記憶にある利用可能な情報がヒューリスティックの選択セットを制約し（Marewski & Schooler, 2011）、第1のヒューリスティック選択原理を生み出しているのである。

フィードバックによる学習

記憶にある利用可能な情報は、使用できるヒューリスティックを制限する。しかし、それでもなお複数のヒューリスティックが存在する場合、過去の経験からのフィードバックがその選択を導くことができる。戦略選択理論(Rieskamp & Otto, 2006)は強化学習の観点から理解できる定量的モデルを提供するが、強化の単位は行動ではなくヒューリスティックである。このモデルは、人が定義された戦略集合（例えば、記憶制約の後に残る集合）の中で一つの戦略を選択する確率を予測するものである。

生態的合理性

第三の選択原理は、生態的合理性の研究によって説明されるように、環境の構造に依存する。例えば、認識ヒューリスティックは、認識情報の妥当性が高い場合、つまり、プロテニス選手と試合に勝つ確率のように、認識と基準の間に強い相関が存在する場合、正確な（そして速い）判断につながりやすい。このヒューリスティックは、認識の妥当性が高い場合は利用されやすく、低い場合や偶然性の場合は利用されにくいという実験結果がある（5章参照）。例えば、Pohl(2006)は、認識妥当性が高いスイスの都市の人口の判断では89%の参加者が認識ヒューリスティックに依存したが、認識妥当性が偶然に近いスイスの中心までの距離の判断では54%にとどまったことを報告している。このように、参加者は同じ都市を判断する場合でも、認識と基準の相関関係に応じて、認識ヒューリスティックへの依存度を生態学的に合理的に変化させていた。

このことは、認識ヒューリスティックの選択には、適用可能かどうかの認識評価（前述の記憶制約の適用）と、適用すべきかどうかの評価（現在の状況でのヒューリスティックの生態的合理性の評価）の二つの過程があることを示唆している。このことは、この2つのプロセスに対応する特定の神経活動を示すfMRIの結果からも支持されている（Volz et al. 他のヒューリスティックの選択にも同様のプロセスが適用されるかどうかは、まだ検討の余地がある。

ヒューリスティックの使用には個人差があるのか？

同じ状況に直面したとき、すべての人が同じヒューリスティクスを使うなら、生態学的合理性は同じ程度になるはずだ。しかし、実験的な状況では、大多数が同じヒューリスティックに頼る一方で、個人間や個人内では、時間経過とともに採用する意思決定メカニズムに違いが出てくる。なぜ、このような個人差が生じるのだろうか。その答えの一部は、人々が適応の道具箱の中に異なった戦略を持ち、あるいは持っている道具の中から異なった方法で選択するようになる経験の差にある。しかし、一部の研究者は、ある人が他の人より（生態学的または論理的に）合理的であるように導くことができる意思決定戦略の使用におけるこれらの違いの根源として、性格特性や態度も求めている（例えば、Stanovich & West, 2000; 9章を参照）。

しかし、ヒューリスティックの使用における個人差は、生態学的合理性の差を示すものではないかもしれない。個人間および個人内の戦略のばらつきには少なくとも2つの生態学的合理性の理由がある。探索行動は、利用可能な選択肢や手がかり、それらの相対的重要性（あるいは、現在の状況でどのようなヒューリスティックが適用可能か）を知るために有用である。試行錯誤的な学習の形をとることが多く、個人差やヒューリスティックの使用における個人内不一致のようなものが生じるが、探索行動は長期的に見るとより良いパフォーマンスをもたらすことも多い。一方、2つ以上のヒューリスティックがほぼ同じ性能をもたらす環境では、平坦な最大値を示す。このような環境では、異なる個体がどちらかの基本的に同等の戦略を使用するようになり（あるいは異なる機会で切り替えても）、パフォーマンスや生態学的合理性に差が生じないことがある。

十分な適切な経験を積めば、意思決定戦略の使い方の違いと相まって、パフォーマンスの違いが現れることがある。一般に、専門家はどこを見るべきかを知っており、素人よりも限定的な探索に頼ることが多い傾向がある（Camerer & Johnson, 1991）。このことは、空き巣に関する研究で、大学院生に、アパートか一軒家か、郵便受けが空か手紙が入っているか、警報装置があるかないかなど、8つの二項対立の手がかりで説明された住宅地のペアが与えられたことに示されている（Garcia-Retamero & Dhami, 2009）。学生には、どちらの物件が空き巣に入られる可能性が高いか質問した。複数の情報の重み付けと加算、および最も重要な識別手がかりのみを判断の基準とする最良のヒューリスティックの2つの認知過程のモデルが検証された。その結果、重み付けと足し算に頼る学生が95%、最良を取る学生が2.5%と分類された。通常、心理学の実験はここで終わってしまう。しかし、著者らは次に専門家を研究した。この場合、イギリスの刑務所にいた空き巣犯は、平均57回空き巣をしたと報告している。その結果、85%の人が「最善策」をとり、7.5%の人が「加重加算」をとることが判明した。また、空き巣を捜査したことのある警察官も、同じように「最良をとる」ことを優先していた。学生における重み付けと足し算のプロセスは、探索的な行動を大きく反映している可能性がある。これらの結果は、専門家は単純なヒューリスティックに依存する傾向があり、しばしば1つの手がかりに依存するのに対し、初心者は利用可能な情報をより多く組み合わせることがあると結論づける他の研究結果と一致している(Dhami, 2003; Dhami & Ayton, 2001; Ettenson, Shanteau, & Krogstad, 1987; Shanteau, 1992)。

なぜ適応的ツールボックスではなく、汎用的な最適化戦略を用いないのか？

生態学的合理性は、異なる環境状況下で心が適用する異なる意思決定戦略間の適合性に着目している。もし、適用すべき意思決定メカニズムが一つしかないのであれば、生態学的合理性の問題すら出てこない。したがって、ライプニッツの夢であった、あらゆる問題を解決する万能微積分や、あらゆる意思決定を行う単一の汎用的な最適化手法に憧れる科学者にとっては、心と世界の適合性は関係ないのである。論理学、ベイズ統計学、期待効用最大化などは、汎用的な問題解決機械として提案されたシステムの一つである。しかし、これらは、心ができることをすべて行うことはできない。論理学は投資問題もキャッチボールも解決できない。ベイズ統計学は前者を解決できるが、これまで見てきたように単純なヒューリスティックと同じようにはいかないし、期待効用計算も同様の限界を持っている。それでも、より優れた、より一般的な最適化手法を見つける努力をしない手はないだろう。

一般に、最適化モデルは、最適解を求めることができる数学的に便利ないくつかの仮定で問題を定義し、この単純化された状況で関心のある基準を最適化する戦略が存在することを証明することで機能する。例えば、平均分散ポートフォリオは、いくつかの制約条件が与えられた場合の投資問題の最適化モデルである。しかし、投資の例が示すように、扱いやすい設定の最適化モデルが、単純化されていないリアルワールドでの最適な振る舞いを意味するわけではないことを覚えておくことが重要である。

実世界での応用において、最適化手法が単純なヒューリスティック手法に劣る主な理由の1つは、新しい状況に対してうまく一般化できないことが多いこと、つまり、より単純なメカニズムほどロバストでないことである。一般に、最適化は、誤差なく、あるいは最小限の誤差でパラメータを推定できる場合にのみ、最適な結果を導くことができるが、そのためには、不確実性の低い環境と大きなサンプルサイズなどが必要となる。このロバスト性という基礎的な問題と、単純なヒューリスティックが洗練された統計的手法よりも正確な推論を導くことができる理由について、次章では予測における2つの重要なタイプの不確実性を取り上げ、広範囲に渡って取り扱う。

一つ目は標本外予測で、ある母集団の事象の標本を知っていて、同じ母集団からの別の標本について予測をしなければならない場合である。これは、ある時点までのファンドのパフォーマンスが分かっていて、市場が安定していると仮定して、次の月のパフォーマンスを予測する、投資問題に対応するものである。投資問題で見たように、この種の不確実性に対しては、パラメータ推定を避ける1/Nルールのような単純なヒューリスティックの方が、最適化手法よりもロバストである可能性がある。

第二の不確実性は母集団外予測に現れるもので、ある特定の母集団に関する情報を持っていて、未知の方法で異なる別の母集団の結果を予測する場合である。例えば、心臓発作を予測する診断システムが、ボストンの患者サンプルで検証された後、ミシガン州の患者に適用される場合、母集団外の不確実性に直面することになる。ここでも頑健性が重要であり、例えばロジスティック回帰診断システムを心臓病予測のための高速で質素な木に置き換えるなど、決定メカニズムを根本的に単純化することで達成できる（第14章参照）。

第3の不確実性は、新規性と驚きに関連して発生することもある。この場合、全く新しい選択肢や結果が現れる可能性がある。例えば、気候変動により新しい獲物種が縄張りに入ってくるような場合である。このようなサプライズに備えるには、安定と想定された過去の環境に対して微調整・最適化された行動よりも、硬直的で柔軟性に欠ける粗い行動の方が優れている場合がある（Bookstaber & Langsam, 1985参照）。

要約すると、最適化は（ビジネスや医療における実際の実践とは対照的に）理論的には広く使われているものの、人間の行動を理解するための戦略としてこの手法に日常的に依存しない正当な理由がいくつかある（Gigerenzer, 2004b; Selten, 2001）。これに対して、ヒューリスティックの生態的合理性の研究はより一般的であり、問題を最適化できる数学的に便利なスモールワールド問題（Savage, 1972）に置き換える必要はない。特定のヒューリスティックがどのような環境でうまく機能するか（他の戦略より優れているか）を問うものであるため、生態学的合理性は、必ずしも何が最善かではなく、何が十分か、あるいはより良いかに焦点を当てる。

なぜより複雑な意思決定戦略を用いないのか？

最適化は一般的な意思決定方法としては非現実的だが、人間や他の動物は単純なヒューリスティックよりも複雑な戦略を用いることができる。なぜ意思決定者は、情報を無視し、高度な処理を放棄するような単純なメカニズムに頼らなければならないのだろうか？古典的な正当化は、人はヒューリスティックで努力を節約するが、正確さを犠牲にするというものである（Payneら、1993; Shah & Oppenheimer, 2008）。このようなヒューリスティックの理由の解釈は、努力と精度のトレードオフとして知られている。

人間や他の動物がヒューリスティックに頼るのは、情報の探索や計算に時間と労力がかかるからだ。したがって、より速く、より質素な認知のために、ある程度の正確さの喪失をトレードオフしているのだ。

この考え方は、本章の冒頭で述べたように、「多ければ多いほど良い」という独断から出発している。つまり、より多くの情報と計算をすれば、より高い精度が得られるということである。しかし、現実の世界では情報はタダではなく、計算には他のことに使える時間がかかるので（Todd, 2001）、さらなる探索のコストが利益を上回る点がある、というのがこの主張である。このトレードオフは意思決定の最適化-制約条件理論の根底にあり、外界（Stigler, 1961など）や記憶の中での情報探索（Anderson, 1990など）は、予想されるコストが利益を上回ると終了する。同様に、適応的意思決定者の代表的な分析（Payneら、1993）は、ヒューリスティックが精度と努力の間の有益なトレードオフを達成するという仮定に基づいている。そして実際、Payneらの研究やそれ以降の多くの研究で示されているように、ヒューリスティックは労力を節約することができる。

しかし、大きな発見は、努力の節約は必ずしも精度の低下につながらないということである。トレードオフは不要である。ヒューリスティックは、最適化技術など、より多くの情報と計算を使う戦略よりも、より速く、より正確である可能性があるのだ。ヒューリスティックの生態学的合理性に関する私たちの分析は、努力と精度のトレードオフという誤った普遍的仮定を超えて、より少ない情報と計算でより正確な判断ができるのはどこか、つまり、よりコストのかかる方法よりも努力の少ないヒューリスティックがより正確であるということを経験的に問いかけるものである。

このような「少ない方が多い」という効果は、何年も前から様々な領域で現れていたが、第3章で述べたように、これまで日常的に無視されてきた。しかし現在では、本書で紹介するように、決定的な数の事例が集められつつある。例えば、企業が過去の購買データを含む顧客データベースを保持する時代には、どの顧客がある期間に再び購買し、どの顧客が活動を停止するかを予測することが重要な問題になる。Wübben and Wangenheim(2008)は、航空業界とアパレル業界のマネジャーが、過去9カ月以内に購入がない場合（「休止期間」）、その顧客は非活動的、それ以外は活発と分類する、という単純な休止期間のヒューリスティックに依存していることを明らかにした。このモデルは、購入は購入率パラメータを持つポアソン過程、顧客寿命は脱落率パラメータμを持つ指数分布、顧客間の購入率と脱落率はガンマ分布に従うと仮定している。両業界とも、単純で労力のかからないヒューリスティックは、計算コストのかかるPareto/NBDモデルよりも多くの顧客を正しく分類することができた。同様に、図書館で適切な文献を検索する場合、1つの理由による決定ヒューリスティックは、ベイズモデルやPsychInfoよりも優れたタイトルのオーダーを生成した(Lee, Loughlin, & Lundberg, 2002)。このように、実世界の多くの意思決定問題では、情報量、計算量、時間と予測精度の間に逆U字型の関係があることが分かっている。正確さと労力は常にトレードオフの関係にあるわけではなく、両立させることができる。生態学的合理性の研究は、そのような場合に役立つのである。

方法論

科学の進歩は、単に答えを見つけるだけでなく、良い質問を見つけることによってもたらされる。間違った質問に対して正しい答えを見つけること（時にタイプIIIエラーと呼ばれる）は努力の無駄である。私たちは、従来の論理的合理性の視点が間違った問いを投げかけてきたと考え、生態学的合理性の研究では、研究者が異なる問いを投げかける。例えば、「人の直感的な判断はベイズの法則に従っているか」という問いがある。1970年以前は、答えはイエスであり、人々は保守的ではあるがベイズ派である（Edwards, 1968）。1970年以降、答えはノーに変わった：「証拠の評価において、人間は明らかに保守的なベイズ教徒ではない：彼は全くベイズ教徒ではない」（Kahneman & Tversky, 1982, p.46）。最近、「ベイズ脳」の研究（Doya, Ishii, Pouget, & Rao, 2007）や推論の新しいベイズモデル（Tenenbaum, Griffiths, & Kemp, 2006）で、答えはイエスに向かって振り返っている。この経時的な矛盾は、答えが何であれ、このイエス/ノー質問がおそらく間違ったものであることを示している。適応の道具箱という観点から見ると、心にはベイズ型確率更新だけでなくいくつかの道具があり、より良い質問は「どんな環境で人は特定の戦略を使うのか」である。それに続く質問は、「いつ（そしてなぜ）、特定の戦略が生態学的に合理的なのか？」である。

これらのより良い質問には、ヒューリスティックやその他の決定戦略（複数形）、環境構造（複数形）、生態学的合理性に関する記述という3つの本質的な構成要素が存在する。したがって、これらの問いに答えるためには、これらの構成要素のそれぞれに迫る、以下のようないくつかのステップからなる研究プログラムが必要である。

• 1. ヒューリスティックの計算機モデルを設計し、環境の構造を特定する。
• 2. 解析とコンピュータシミュレーションにより、様々な環境構造を与えられたヒューリスティックの生態学的合理性を、精度などの基準で研究する。
• 3. 与えられた環境に適合する特定のヒューリスティックによって、人々の（a）行動や（b）認知過程が予測できるかどうかを経験的に検証する。
• 4. その結果を用いて、適応的ツールボックスとその生態的合理性に関する体系的な理論を構築する。

これらのステップはすべて、人間以外の他の種の生態的合理性を理解するために適用することができる。特にヒトについては、研究プログラムをさらに実世界の問題に適用するステップを追加することもできる（16章、17章を参照）。

• 5. 意思決定を改善するための環境やエキスパートシステムを設計するために、その成果を利用する。

ヒューリスティックの計算モデルは、情報探索、停止探索、意思決定のための構成要素を含む認知過程（生物学では近接機構と呼ばれる）の具体的なモデルであることに注意。ステップ3で示したように、計算モデルは個人（あるいは集団）の意思決定過程とその結果の行動の両方を予測することができ、その両方に対して検証する必要がある。例えば、外野手がどのようにボールを捕るかについて、視線ヒューリスティックに依存するか、ボールの軌跡を計算するかという2つの競合する仮説を考えてみよう。それぞれ、異なる認知過程を想定しており、その結果、測定可能な行動も異なる。軌道計算では、まずボールが落ちてくる地点を推定し、その地点まで全力疾走してボールを待つと予測される。一方、視線ヒューリスティックは、選手は常に視線の角度を調整する必要があるため、走りながらボールを捕らえることを予測する。さらにヒューリスティックは、選手が走りながら速度を変化させるパターンや、ある状況下では直線ではなく少し弧を描いて走ることなど、軌道計算理論にはない予測をしている。これらの予測された行動は観察され、文書化されており、視線ヒューリスティックとその変異株の使用を裏付けている（Saxberg, 1987; Shaffer & McBeath, 2005 Todd, 1981）。さらに、予測された軌道計算のプロセスは、プレイヤーがボールの着地点を計算することを意味するが、注視ヒューリスティックはそのような予測はしない。これらのプロセスレベルの予測を比較することで、熟練者の見かけ上の誤り-ボールがどこに落ちてくるかを言うことができない-を説明することができる（例：Saxberg, 1987）。視線ヒューリスティックを使用する場合、プレイヤーはボールを捕らえるために視線を必要としないので、この能力を持たないことになる。このようにヒューリスティックとその生態的合理性を分析することは、研究者が適応的行動を誤りと判断することを回避するのに役立つ（Gigerenzer, 2000）。

生態的合理性の研究から促される方法論的考察には、有益なものが数多くある。まず、ヒューリスティック（あるいは他の戦略）の複数のモデルを比較検証し、特定の環境で最もよく機能し、その環境で観察される行動を最もよく予測するものを決定するという方法で研究を進めるべきである。これにより、1つのモデルだけを単独で評価し、それがデータに合うか合わないかを宣言するのではなく、すでに存在するモデルよりも優れたモデルを見つけることができる。第二に、ヒューリスティックの使用における個人差の証拠を先に述べたように、予測精度のテストは、個人をほとんど、あるいは全く代表していないかもしれないサンプル平均の観点ではなく、各個人の行動のレベルで行われるべきである。また、実験開始時の試行錯誤を、すべての情報の重み付けや加算の証拠と混同しないようにする必要がある。

ヒューリスティックに関するいくつかの研究は、これらの方法論的基準を例証している。例えば、Bergert and Nosofsky (2007) は確率的なtake-the-bestを定式化し、個人レベルで加重加算モデルと比較検証した。彼らは、「大多数の被験者」がtake-the-best戦略を採用したと結論づけた（p.107）。Nosofsky and Bergert (2007)による別の研究では、takethe-bestと加算重み付けモデルおよび模範解答モデルの両方と比較し、「大多数は模範解答に基づく戦略を用いず」takethe-bestの反応時間予測に従ったと結論づけている。また、これらの基準のいくつかに従わなかったために、解釈が難しい結果になった例もある。例えば、人が手がかりをどのように学習し利用するかという研究において、被験者がその手がかりを探索し区別するための十分な試行を提供しない場合、学習の欠如は、学習能力の欠如や特定のヒューリスティックを利用できないことの証拠として用いることはできない（例えば、Gigerenzer、Hertwig、& Pachur, 2011)。このことは、比較試験のもう一つの利点を示している。もし、実験デザインにそのような欠陥があれば、1つのモデルだけでなく、テストされたすべてのモデルを等しく傷つけることになるのである。

つまり、生態学的合理性の研究には、ヒューリスティック（およびその他の戦略）の計算モデルが必要であり、個人の行動レベルで、適切な環境の範囲内で、比較しながらテストすることが必要である。その進歩は、分析的証明、コンピュータ・シミュレーション、フィールドやラボでの実証的研究、そしてヒューリスティックと環境の構造および両者の適合性に関する概念的言語の開発に依存している。

合理的なものと心理的なもの

本書のメッセージは、心と環境を連動して研究することである。知性は心の中にあると同時に、物理的、生物学的、社会的、文化的環境における構造に内在する世界にも存在する。ヒューリスティクスを、一般的な合理性の理想像には及ばない怠惰な精神的近道とみなす従来の考え方は、ヒューリスティクス研究を単なる説明的役割に追いやるものである。心理学は前者の問題には答えるが、後者の問題、つまり論理学と確率論の領域については沈黙を守るのだ。生態学的合理性の研究は、この心理学と合理的なものの分離を覆し、ヒューリスティックに記述的かつ処方的な役割を持たせるものである。適切な環境下では、ヒューリスティックは最適化や他の複雑な戦略よりも優れていることがある。合理性と心理は、ハーバート・サイモンのハサミの2つの刃、精神と環境の出会いから生まれるのだ。