知識基盤は、過去の情報を再利用するためにあります。事実、判断、根拠、結果を保存できれば、同じ調査を繰り返す必要を減らし、次の意思決定を速くできます。しかし、人間の判断を扱う知識基盤では、結論だけを保存すると重要な条件が抜け落ちることがあります。ある判断が妥当だった理由には、その時点で利用できた情報だけでなく、期限や選択肢の有効期間、当事者が置かれていた時間的状況が含まれるからです。
たとえば、ある組織が短期間でサービス提供方法を変更した記録が残っているとします。結果だけを見れば、「この条件では変更を優先する」という知識として再利用できるかもしれません。しかし当時、旧方式を維持できる期限が迫っていたのか、利用者への影響を避けるための一時的判断だったのかによって、その結論の意味は変わります。時間条件を失った知識は、別の状況で過度に一般化される危険があります。
人間の有限性を知識として扱うとは、「人間は有限である」という一般命題を保存することではありません。重要なのは、個々の判断で何が取り戻せなかったのか、どの選択肢に期限があったのか、どの時点で情報不足を残したまま決める必要があったのかを、適用条件として残すことです。そうすれば、過去の結論を現在へそのまま移すのではなく、現在との違いを検討できます。
この設計では、知識更新の意味も変わります。新しい事実が追加されたから更新するだけでなく、以前は可逆だと考えていた判断が実際には大きな回復費用を伴った、あるいは重視していなかった時間条件が結果を左右した、と分かったときにも知識を更新する必要があります。結果だけでなく、判断条件についての理解が変化したこと自体が、次の判断に使える知識になるからです。
一方で、すべての個人的事情を保存すればよいわけではありません。知識基盤には、再利用可能性、必要性、プライバシーなどの制約があります。したがって、残すべきなのは個人の人生を丸ごと記録することではなく、判断の妥当性を変えうる条件です。期限の有無、変更可能性、失敗から回復できる程度、他者への不可逆な影響など、次の判断で差異を生む情報を選別する必要があります。
ここでInternal Efficiency Expressionとの接続が生まれます。効率的な内部表現が、単に情報量を減らすことを意味するなら、時間的な文脈は冗長な情報として削られるかもしれません。しかし、人間の判断を変えうる差異を保存することを効率の条件に含めれば、有限性に関わる情報は圧縮の対象ではなく、必要な構造になります。何を残すかは、保存容量だけではなく、将来の判断にどの差異が必要かによって決まります。
Sai＊ausにとって、知識は過去の答えを固定するためだけのものではありません。過去に何を知り、何が分からず、どの条件の下で決めたのかを、現在の問いへ戻すためのものです。現在の人間が過去と同じ状況にいるとは限らないからこそ、結論ではなく適用条件を含めて比較する必要があります。そうすることで、知識は人間の判断を短絡するものではなく、判断の違いを理解するための基盤になります。
AIは大量の過去を参照できますが、人間は現在を一度ずつしか生きられません。この非対称性の中で知識基盤が果たすべき役割は、過去の最適解を現在へ命令することではありません。過去の判断が成立した条件と、現在の条件との差異を見えるようにし、有限な現在にいる人間が改めて選べるようにすることです。知識が記憶すべきなのは結論だけではなく、その結論がどの時間の中で意味を持っていたのかという境界でもあります。
答えではなく、理解を。