科学的思考入門

はじめに・第1章金縛りで比べる、科学的と言える3条件

はじめにの例が強い。コロナ禍で広まった、接種でマイクロチップが入る、といった陰謀論。科学的に考える人が増えれば、集団免疫みたいにデマが広がりにくくなる。これが「思考の公衆衛生」です。

第1章の題材は金縛り。「科学では説明できない」で片付けず、説明を試みるのが科学だ、と。霊のしわざ説と、睡眠麻痺説（入眠時幻覚、覚醒に関わるオレキシンを作る神経細胞の不全）を比べて、後者が科学的な理由を3つ挙げます。

1つめは用語。専門的に確立され、明確に定義された言葉を使う。「霊」は曖昧で、謎を増やすだけ。2つめは理論。原因に加えて仕組みまで説明できて、ほかの説明と網の目のようにつながっている。3つめは検証。ここでいう検証は100%の立証じゃなく、確かめる手立てがある、という意味です。

「霊のせい」は、何回言っても話が一歩も進まない。説明って、謎を減らすためのもんやからね。

第1章定義は3種類、科学には広狭2つの意味

定義の整理が実用的です。明確化定義は曖昧さを取り除くもので、「気温32度で凍えそう」は華氏なら摂氏0度ほど、という問題が出てくる。操作的定義は、見えないものを測り方で決める。「座りっぱなしは早死にする」を、1日8時間超・10年以上・60歳未満の死亡リスク5%増、のように測れる形にする。ただし中流を資産10億〜100億円と決めたら誰も納得しないように、恣意的にもなりうる。必要十分条件による定義は、水＝H2Oのような本質的定義。

一方で、ウィトゲンシュタイン由来の「ゲーム」の例のように、すべてに共通する特徴がない言葉もある。定義は明確にしつつ、いつも厳密さを求めるのは行き過ぎで、目的に応じて種類を選ぶ。このバランス感覚がいい。

「科学」の意味も2つに分けます。科学哲学者ゴドフリー=スミスの区分で、広い意味は、観察の証拠でアイデアを評価して問題を解く、時代や文化を問わない営み。雲を見て雨を予想するのもこれ。F・ベーコンが1620年の著作で紹介した、祈って助かった人々の絵を見せられて、祈っても死んだ人の絵はどこにある、と問い返す逸話は、認知バイアス論の先駆けとされます。

狭い意味は、17世紀ヨーロッパの科学革命以降の探究。特徴は、精密で計画的な実験と観察（CERNの加速器は全周27kmで、山手線一周に近い）、数学と定量化（映画『マネーボール』のセイバーメトリクス）、制度化（「科学者」という語は19世紀生まれ）、技術との結びつき。ただしダーウィンのように定性的な科学もあって、定量性は必須ではない、と添えられています。

第2章因果は「違いを生むもの」、紛らわしい3つの型

因果関係は科学的思考の核心で、原因は結果に「違いを生み出すもの」と捉えると分かりやすい。因果が分かると、理解、予測、制御ができる。ピロリ菌は胃がんリスクを5倍以上に高めるから、除菌で発症を大きく減らせる、が医学の例です。

手がかりは2つ。原因は結果より時間的に先（ただし、先だから原因とは限らない）。もう一つが反事実の問いで、「もしAがなかったら、Bは起きたか」。ニワトリが鳴かなくても日は昇るから、因果は成り立たない。ただしこれは道具であって、定義ではない。何を原因と呼ぶかは「現象を制御したい」関心と結びつく、というコラムも面白い。

紛らわしいパターンの1つ目は逆因果。奇抜な服装で商談に失敗したと思いがちだけど、失敗して気分転換に奇抜な服を着たのかもしれない。ワクチン接種が多い地域ほど発症率が高い、警官が多い都市ほど犯罪が多い、も同じ構造。2つ目は別の原因。心理学者のバレットが院生時代、デート中の火照りを恋心だと思ったら、実はインフルエンザだった。

3つ目が単なる相関で、人間がいちばん苦手なやつ。オランダでコウノトリと出生数がそろって減ったのは、都市化という共通の原因（交絡）のせい。1854年ロンドンのコレラでホメオパシーの患者の生存率が84%対47%と出たのも、患者が裕福だったことや、当時の通常医療が瀉血のような有害なものだったことが背景にある。

仕事に持ち帰るなら、俺はこの章がいちばんだと思う。施策が効いた気がしたとき、もう一回だけ「それがなくても売れたか」と聞く。それだけで、判断の質がかなり変わる。

第3章心理は真理を保証しない、バイアスと素朴理論

標語は「心理は真理を保証しない」。利用可能性バイアスは、思い浮かびやすいものを過大視すること。2014年の薬剤師国家試験に、室内の七輪で牡蠣を焼いて頭痛と嘔吐が出る問題がある。正解は一酸化炭素なのに、牡蠣の強調に引っ張られる。がんの増加を「食の欧米化」に帰す文章も同じ罠で、最大の要因は寿命の延びだ、と数字で示されます。

基礎比率の無視は、比率を母集団と比べないこと。米退役軍人の自殺率の上昇も、米国全体の上昇を見落とすと、特別な原因を探してしまう。確証バイアスは、信じる仮説の支持例ばかり見ること。9.11陰謀論や反ワクチン論の土台になる。コラムの数字のトリックも実践的で、「合格率85%」「就職率90%」は、分母が退学者を除いた700人なのか、1000人なのかで意味が変わる。

素朴理論の話も効きます。羽毛と鉄の100gを比べると、知覚は「重そうな感じ」を拾うだけ。25℃のタオルが温かく感じるのは熱伝導率の差で、手は温度じゃなく熱の移動を感じている。表面の性質を不変の本質に帰す心理的本質主義は、人間集団に向くと偏見の温床になる。人のDNAは99.9%共通で、人種や民族は社会的な区分です。進化も一本道じゃなく枝分かれで、チンパンジーは祖先じゃなく「いとこ」。

最後が説明深度の錯覚。分かったつもりの事柄は、説明させると浅さがバレる。自転車の部品を正しく描ける人は半分程度、ファスナーの仕組みは説明したあと自己評価が2段階ほど下がる。季節の原因を太陽との距離だと思う誤解は、南北半球で季節が逆なことで否定される。分かったつもりの人ほど、耳が痛い章です。笑

第4章対照実験は条件を1つだけ変えて比べる

ドーキンスの例がうまい。二つの村の教会の時計が、いつも片方の直後にもう片方が鳴る。何回見ても、因果は言えない。だから、先に鳴る時計を止めてみるように反事実の状況を作る。条件を与えた実験群と与えない対照群を比べる。他人が繰り返しても同じになる再現性を確かめる。そして変える条件は一つだけ。メタなどが画面や価格を少しずつ変えて反応を試すのも、この発想です。

人が相手だと落とし穴が増える。プラシーボ効果は、似せた偽の飲料との差で測り、研究者も割り当てを知らない二重盲検法も使う。有名人の体験談や口コミは、証拠としては弱い。ロックフェス会場で好きな音楽を聞く、SNSでSNSの利用頻度を聞く、はサンプルの偏りの悪例。「このやり方で成功した」という成功者の話は、標本が本人一人。希望者を実験群にすると、元々その行動が苦でない人が集まる自己選択バイアスも出る。

そこで効くのがランダム。母集団が100万人なら、標準的な手法で384人を無作為に選べばいい。群分けを無作為にするランダム化対照実験（RCT）なら、未知の要因まで含めて他の条件の影響が相殺される。平均の罠も出てきて、2023年の勤労者世帯の貯蓄は、平均1474万円、中央値895万円、最頻値は100万円未満。平均だけ見ると、だいぶ景色が違う。

実験できないときは自然実験。2017年衆院選の台風21号の雨量差を使って、雨が強いと投票率が下がることを確かめた研究が紹介されます。仮説を確かめるだけじゃなく、ファラデーのモーター（1820年）や超伝導の発見のような、探りにいく実験もある。

「その証拠は、どんな方法で得たのか」。この一言を挟む習慣を勧めています。これだけで、成功談の見え方はだいぶ変わる。

第5章説明はモデル、メカニズム、理論で重ねる

説明の働きは、謎を減らすこと。科学は複雑な現物を、模式化したモデルで説明します。モデルは、重要な特徴だけ取り出す抽象化と、現実にない条件を置く理想化でできている。山手線の路線図は、環状、駅の順番、方角を残して、駅の規模や踏切を省く。完全な円や等間隔の駅は理想化。どこまで省くかは目的しだいで、万能の地図はない。

数理モデルは、見た目の似かたを手放す代わりに、厳密な表現を手に入れる。ニュートンは月と地球を質点とみなす大胆な理想化で、精度の高い予測を実現した。感染モデルなら、何%接種すれば流行を抑えられるかを式から議論できる。コラムでは、ChatGPTなどの大規模言語モデルも、語の続く確率をモデル化したもの、と位置づけています。

メカニズムの説明は、因果の矢印の中身を描き込む作業。1665年のロンドンのペスト大流行（人口10万人減）なら、ペスト菌、ネズミ、商船、ノミ、人、咳、という経路を示すから、ネズミ駆除や接触制限という対策が立つ。逆に、モリエールの喜劇の「アヘンが眠らせるのは催眠力があるから」は、中身が空っぽの説明の見本です。

そこに法則（金属は加熱で膨張する）、統合（燃焼も錆びもリンゴの変色も酸化にまとまる）、理論（それらが密に結びついたネットワーク）が重なっていく。理解の測り方も実践的で、モデルを組み立てて直せるか、条件が違ったらどうなるかに答えられるか、理論で説明できるか、で確かめる。

ここは、俺が「論理は地図だ」と書いた話とそのままつながる。地図は目的に合わせて省くから役に立つし、省いたぶんだけ現地とはずれる。モデルを使う人ほど、その両方を覚えとかなあかん。

第6章良い仮説は「どうなれば誤りか」が言える

推論は、手元の情報から新しい結論を導く過程です。演繹は、前提が正しければ結論も必ず正しい。評価は「反例が考えられないか」で行う。非演繹は、情報を増やせる代わりに誤るリスクがあって、型は3つ。

枚挙的帰納法は、個別の事例からの一般化で、要はサンプルの偏り。釣りの結果も、2日分と10年で約3000匹分では重みが違うし、1社落ちただけで悲観する就活生も性急な一般化。アナロジーは、似ている点が本当に重要な点かがポイントで、リーマンショック（2008年）と世界恐慌（1929年）の比較も、どこが似ているかを示さないと弱い。アブダクションは、ライバル仮説の中から最良の説明を選ぶ推論で、マクスウェルが計算した電磁波の速度が、1849年のフィゾーの光速の測定値と一致して、光は電磁波だと結論づけられた。

ただし最良の仮説も「暫定チャンピオン」。2021年に俺が書いた「答えはあるとしても、正解はない」を、ずっと上品に言い直してもらった感じがします。

評価の物差しが、ポパーの反証主義。「効かないのは信じる心が足りないから」は、反証を一切受けつけないからだめ。日銀の利上げで株価が「必ず500円以上暴落する」と「何らかの変化がある」なら、前者のほうが反証しやすく、情報としての価値も高い。一般的で、明確で、予測を絞った仮説ほど良い。大雨予報も、日時、場所、雨量を絞るほど優れている。

単純な反証主義には弱点もあります。天王星の軌道のずれは、理論を捨てずに未知の天体を仮定して解決し、海王星の発見につながった。言い逃れとの違いは、新しい予測を生んで前に進むかどうか。だから最後は、整合性、予測力、再現性、単純性（オッカムの剃刀）、前進性などの総合評価になる。

第7章科学の信頼は個人ではなく制度から来る

導入は佐々木倫子さんの漫画『動物のお医者さん』。学会発表で、他大学の教授がサンプル数（ネコ30匹）や比較群に突っ込む場面です。科学は研究室、学会、論文審査という集団と制度の営みで、そこが信頼の源だ、と。

まず集団。誰にも頼らずに知れることを数えると、ほぼ全部が他人頼み。知的作業を委ねて分担する認知的分業がないと、気候科学のように一人では網羅できない分野は成り立たない。ヒッグス粒子の論文は共著者3000人超、CERNの装置の建造費は約5000億円、2021年には著者1万5000人超のコロナ研究の論文も出た。「孤高の天才」像は、現代科学ではほぼ誤りだと言い切ります。

次に制度。たとえは工業製品の耐久性テストです。査読では、編集委員が専門家に評価を頼み、複数人で見落としと個人のバイアスを均す。掲載後は、他者が実験をやり直す追試にさらされ、繰り返し成功すれば再現性が認められる。論文群を統計で束ねるメタアナリシスもある。面白いのは、確証バイアスさえ制度の中では役に立つこと。納得できない論文を読む査読者は、熱心にあら探しをするから、テストが厳しくなる。

社会の側では、大地震のたびにSNSに出る人工地震デマが例。無視していい理由は、誤りだからという以上に、モデルも観測も査読も追試も経ていない、つまり品質保証がないから。メディアの科学者は、専門内の話か、今も現役か、学界の合意はあるか、で読む。ノーベル化学賞のポーリングがビタミンC大量摂取の効能を終生主張した例のように、受賞者でも専門外は例外じゃない。

コラムでは、心理学の再現性の危機も隠しません。要因は、都合のいいデータだけ選ぶチェリー・ピッキングと出版バイアスで、対策は事前登録と全結果の公開。科学は、自分の制度ごと直せる、というのが結論です。

2021年に俺は、「本に書いてあった」「年長者は偉い」は全部幻だと書いた。この章は、その先をちゃんと言ってくれる。人を信じるんじゃなく、間違いを直す仕組みを通ったかどうかを見る。全知の神に科学的思考はいらない、有限な人間のための思考だ、という締めも、静かに効きます。