人間が自分について持つ理解には、経験から得たものだけでなく、まだ十分に確かめられていない予想も含まれます。「自分は人前で話すのが嫌いだ」「一人で働くほうが向いている」「創作を仕事にしたい」。こうした自己記述は重要ですが、すべてが同じ確かさを持つわけではありません。実際の経験が少ない領域では、想像や過去の一部の出来事から作られた仮説である場合があります。
このとき、小さな行動を人間理解のための介入として使うことが考えられます。たとえば、人前で話すことへの自己認識を確かめるために、生活を大きく変えるのではなく、少人数へ短い説明をする機会を選ぶ。そこで何が起きたかを観測し、事前の予想と比較する。目的は成功させることではなく、自己理解を更新するための情報を得ることです。
ただし、これを厳密な科学実験と同一視してはいけません。日常では条件を完全に統制できず、観測される反応にはその日の体調、相手との関係、環境、偶然が影響します。一回の結果から因果関係を確定することもできません。そのため、ここでいう実験とは、科学的な確証を得る手続きではなく、本人が持つ仮説を現実へ接触させ、追加の観測を得るための限定的な方法です。
設計上は、何を確かめたいのかを先に明確にする必要があります。「向いているか」という大きすぎる問いでは、結果の解釈が曖昧になります。「緊張しても話し終えたあとに続けたいと思うか」「準備に使う時間を負担と感じるか」のように、観測可能な問いへ分けることで、行動後の差分を読みやすくできます。ここでも、数値化できるものだけが重要なのではありません。本人の言語化された経験も観測の一部です。
次に重要なのは、介入を必要以上に大きくしないことです。自己理解のために取り返しのつかない選択をする必要はありません。可能であれば、負担が限定され、途中でやめられ、結果が望ましくなくても大きな損失を生まない行動を選ぶべきです。小ささは習慣化のためだけではなく、未知の仮説を確かめる際の安全性と可逆性を高めるためにも意味があります。
AIがこの過程を支援する場合、特に注意すべきなのは、AIが人間を実験対象として扱わないことです。本人が理解したい問いを起点とし、何を試すか、どの負担まで受け入れるか、結果をどう解釈するかについて本人の判断を維持する必要があります。AIが効率よく情報を得るために、本人の意図を越えて行動を誘導する設計は、この目的と矛盾します。
結果の解釈にも限界を明示する必要があります。一度楽しかったから長期的に適性があるとは限らず、一度失敗したから不適性とも限りません。予想と違う結果が出たときには、「何が変数だったか」「別の条件でも同じ反応が起こるか」「本人は結果をどう意味づけているか」を検討する必要があります。観測を増やすことと、断定を強めることは同じではありません。
さらに、小さな行動は目標の達成可能性だけでなく、目標そのものの妥当性を検討する材料にもなります。ある仕事を望んでいる人が、その仕事の一部を試した結果、難しさはあっても価値を強く感じるなら、目標を維持する理由が増えます。逆に、繰り返し経験しても中心的な活動に意味を感じないなら、「方法を変えるべきか」だけでなく「目標を維持する理由は何か」という問いが生まれます。
Sai＊ausの内部効率表現にこの考え方を組み込むなら、行動を単なる次の作業として表現するだけでは不十分です。その行動が何を確かめるためのものか、事前にどのような予想があったか、現実から何が返ったか、解釈にはどの程度の不確実性があるかを関係づける必要があります。そうすることで、行動履歴が「何をしたか」の記録から、「何を理解するために何を確かめたか」の記録へ変わります。
小さな行動を人間理解のための実験として設計する価値は、AIが人間を分析しやすくなることではありません。本人が、頭の中だけでは確かめられなかった自分について、現実から追加の材料を得られることにあります。安全で可逆的な行動、限定された解釈、本人による意味づけという条件を守るなら、行動は目標へ進む手段であると同時に、目標と自分の関係を確かめる観測にもなります。
答えではなく、理解を。
━━━━━━━━━━━━━━━━━━