『グレート・メンタルモデル 第3巻』（2021年）は、さまざまな分野のメンタルモデルを活用して人生にポジティブな変化をもたらす方法を示すシリーズの第3作です。本巻ではシステムと数学のメンタルモデルに焦点を当て、意思決定や人間関係から健康的な食生活、個人の生産性までを向上させる認知的ツールの活用法を解説します。
日常の問題発見・解決・予防力を高める思考法
車の運転経験がある人なら、「死角」をご存じでしょう。フロントガラス越しでは見えない部分です。周囲の状況を完全に把握するには、バックミラーやサイドミラー、そして肩越しの目視が必要になります。
世界をより深く理解するためには、同じように、物事を複数の視点から見る必要があります。多様なメンタルモデルを身につけることで、思考の死角は減っていきます。
メンタルモデルとは、物事の仕組みを説明する信頼性の高いフレームワークです。私たちはすでに、世界を認知的に処理するためにメンタルモデルを使っています。しかし、より強力で多様なメンタルモデルをさまざまな分野から取り入れれば、世界をさらに効果的に渡れるようになります。ここからは、システム思考と数学という2つの分野から生まれた7つの中核的メンタルモデルを紹介します。これらを応用して問題を解決し、そもそも問題を予防する力を高める方法を見ていきましょう。
メンタルモデルを多く身につけるほど、問題解決力は高まる
想像してください。あなたは道具箱を持っていますが、中にはハンマーしか入っていません。釘を打つには便利です。しかし、ボルトを締める必要があるときはどうでしょう？ハンマーはあまり役に立たず、必要なのはレンチです。
あなたの知識の道具箱も同じように機能します。誰もが、世界を理解するために一連の知的ツール、つまりメンタルモデルを使っています。しかし、それぞれのモデルは、異なる問題や状況で役立ちます。思考の質を向上させる最善の方法は、メンタルモデルのレパートリーを広げることです。
ここで重要なポイントは、メンタルモデルを多く身につけるほど、問題解決力が高まるということです。
世界は信じられないほど複雑です。人間の心は常に膨大な情報にさらされています。メンタルモデルは、そのすべてのデータを整理して、精神的に消化できるように単純化するためのツールです。
ほとんどの人は、特定のメンタルモデルのセット、たいていは自分の専門分野のものに固執しています。心理学者ならインセンティブで考え、生物学者なら進化で考え、エンジニアならシステムで考えるでしょう。これらのモデルは、世界の仕組みを説明する普遍的な表現であり、いつまでも変わらないため、どれも有用です。
しかし、すでに見たように、すべてのツールがすべての問題に役立つわけではありません。モデルを組み合わせることで初めて、視野が広がり、ひとつの問題を複数の角度から見ることができるのです。そうすれば、ポジティブな変化を生み出す決断をより巧みに下せるようになります。
ここからは、特にシステム思考と数学のモデルから知恵を引き出していきます。システムは世界の至る所に存在し、日々の生活で重要な役割を果たしています。数学もまた、論理のパターンを用いて世界の仕組みの多くを説明します。この2つの分野は、モデル自体がそうであるように、大部分で相互に結びついています。
これらの分野は最初は抽象的に聞こえるかもしれません。しかし、一つひとつ分解していくと、モデルが日々の行動や相互作用の中で実用的かつ比喩的な応用が可能であることが見えてきます。一方で、個々のメンタルモデルの使い方を振り返れば振り返るほど、特定の状況に最適なモデルを特定する力も向上します。
それでは、深く掘り下げていきましょう。
適切なフィードバックループを見極め、自分と他人の成功を調整する
道を歩いていて、友人にばったり会ったとしましょう。あなたはどうしますか？おそらく、その友人を無視して歩き続けたりはしないでしょう。そうする権利は十分にありますが、そうすれば友人は不快に思うはずです。だから、否定的な反応を避けるために、あなたは「こんにちは」と言うような社会的規範に従う可能性が高いのです。
社会的な不承認のようなものを含むフィードバックループは、日常生活の多くのシステムに共通する要素です。実際、フィードバックループはすべての文明の基盤となっています。一度探し始めると、至る所に見つかるでしょう。メンタルモデルとしてその働きに注意を向けることで、より成功するように自分の行動を微調整できるようになります。
ここでの重要なポイントは、適切なフィードバックループを見極め、自分と他人の成功を調整するということです。
システム理論におけるフィードバックループには、バランス型と強化型の2種類があることを理解すると役立ちます。
バランス型フィードバックは均衡をもたらします。サーモスタットの仕組みを考えてみてください。まず、希望する温度を入力します。設定に従うために、サーモスタットは室温に関するフィードバックを継続的に使って、暖房器具の出力を調整します。バランス型フィードバックは通常、あまり変動しないシステムで最も役立ちます。
一方、強化型フィードバックループは、一方向への継続的な変化をもたらします。これは貧困の連鎖に見られ、社会的流動性の機会が限られていることに対応して自己強化的になります。強化型ループを特定することは重要です。そこから抜け出すには、通常、同じことの継続的な強化ではなく、まったく新しい条件の導入が必要になるからです。
フィードバックループの最も実用的な応用は、学習の生産性にあります。新しい言語であれ楽器であれ、最初の試みはあまりうまくいきません。しかし、試みるたびに、より多くのフィードバックが得られます。そのフィードバックに注意を払い、段階的に行動に取り入れていけば、より能力が高まります。
ただ、即時のフィードバックだけが注目に値する唯一のタイプではないことを忘れないでください。特に複数のフィードバック源を持つ複雑なシステムでは、ひとつだけに適応するとシステム全体に影響が出る可能性があることを見抜くのが難しい場合があります。例えば、ジャンクフードを食べると、即座に快楽が得られ、ポジティブなフィードバックを感じます。しかし、その行動を長期間繰り返すと、フィードバックは2型糖尿病のような否定的な結果を示唆するかもしれません。
そのループが始まるのを防ぐには、最初のフィードバックが長期的な影響を確実に示すものであることを確認します。そのためには、日常生活で得られるフィードバックと、それにどう反応するかを振り返りましょう。信頼できるフィードバックに従って行動を素早く調整するほど、努力の効果が高まることを認識してください。
ボトルネックを防ぎ、活用してイノベーション能力を高める
世界最長の鉄道として知られるシベリア鉄道のことを聞いたことがあるかもしれません。全長9,500キロメートルにわたり、サンクトペテルブルクから北朝鮮のすぐ東まで、ロシア全土を横断しています。想像できるように、19世紀後半にロシア国家が建設を始めたとき、プロジェクトの規模があまりに大きかったため、遅延は避けられませんでした。
建設資材は継続的に不足していました。それが解決されると、今度は天候による遅延が発生しました。天候が回復すると、今度は物理的な障壁が立ちはだかりました。計画路線の真ん中に巨大な湖があり、ルートの全面的な再設計が必要になったのです。実際、最初のシベリア鉄道の線路はほとんど使えなくなり、ロシアは何度も鉄道を再建しなければなりませんでした。
これらの問題はボトルネック、つまりシステムの中で最も遅い部分の例です。そして、短期的な解決策でボトルネックをつぎはぎすると、ボトルネックは増殖してシステム内を移動し、広範囲に影響を及ぼすことになります。
ここでの重要なポイントは、ボトルネックを防ぎ、活用することでイノベーション能力を高めるということです。
現れるボトルネックすべてにその都度対処するのではなく、最初に遭遇したボトルネックを、将来のボトルネックの兆候と考えてください。そうすれば、問題を先送りにするリスクを回避できます。
ボトルネックに遭遇したときはいつでも、そもそもその問題を回避するためにシステムをどのように設計できるかを問いかけてください。ここから、ボトルネックは不便なものではなくなり、イノベーションを推進するために活用できるものとなります。
例えば、第一次世界大戦中、食料が頻繁に手に入らなかったため、子供を含む多くの人々が栄養失調になりました。これがきっかけで、ドイツ人医師のクルト・フルトシンスキーは、人々の栄養ニーズを満たす別の方法を研究しました。研究を通じて、子供たちをサンランプの前に座らせるとビタミンD値が上昇することを発見しました。
ボトルネック、つまり食料資源の不足が、栄養失調の問題に対処する新しい方法を生み出すイノベーションへと彼を導いたのです。現在、サンランプは皮膚科疾患と心理的疾患の両方の治療に使われています。
このことから、ボトルネックは必ずしも悪いものではないことが分かります。実際、深刻なボトルネックがなければ、イノベーションを起こす動機は生まれません。しかし、資源不足に直面すると、より創造的にならざるを得なくなり、長期的に見れば、それによって良い状態になれるのです。
安全マージンを組み込む時期を知り、リスクを減らして災害を防ぐ
医師から薬の処方箋をもらったと想像してください。それには2つの主要な要素があります。服用すべき薬と、病気を治療するのに必要なその量です。
あなたの治療に適切な用量を決定するために、薬理学者は2つの計算をしなければなりません。まず、意味のある効果が得られる最小限の投薬量を計算します。次に、平均的な患者が害を受けることなく服用できる最大量を計算します。
これらの計算は総称して安全マージンと呼ばれ、システム理論における重要なメンタルモデルのひとつです。
ここでの重要なポイントは、安全マージンを組み込む時期を知り、リスクを減らして災害を防ぐということです。
安全マージンとは、システムが処理するよう要求される負荷と、実際に処理できる能力との間の余裕のことです。予期せぬ事態に対するバッファーと考えてください。何か問題が起きたときに適応するための余地を残しておくのです。
システム障害の脅威が大きければ大きいほど、最悪の事態に備えることが重要になります。第二次世界大戦中のフランス国立美術館館長、ジャック・ジョジャールはこのことをよく理解していました。戦前、多くの人々はナチスがパリに侵攻し、その芸術的宝物を略奪することはないだろうと楽観視していました。しかし、ジョジャールはそれほど期待していませんでした。最悪のシナリオを予想して、彼はパリのルーブル美術館を空にするように命じました。
もちろん、ナチスが侵攻するかどうかは確信できませんでした。しかし、成り行きに任せるには脅威が大きすぎました。そこで、極度の慎重さから、彼は美術品を複数の場所に分散し、最も重要な作品のそばに学芸員が寝泊まりするようにさえ頼みました。
終戦までに、ナチスは様々な国から約500万点の美術品を略奪していました。それでも、ジョジャールの安全マージンのおかげで、ルーブル美術館のコレクションは生き残りました。
最悪の事態への備えとは別に、リスクの高い状況でシステムを回復力のあるものにするために、バックアップを作成することもできます。例えば、一人で人里離れた場所にハイキングに行くなら、おそらくスマートフォンを持っていきたいと思うでしょう。しかし、携帯電話のバッテリーが切れたり、ネットワーク接続を失ったりした場合に備えて、ラジオや追跡装置のようなバックアップの通信手段も欲しくなるでしょう。
結局のところ、どんなシステムもいつかは故障します。安全マージンを考慮し、バックアップを準備しなければ、システムは故障する運命にあります。重要なのは、最悪の事態を予測し、それに備えることです。
成功の確率を高める、信頼できるアルゴリズムを心の中に構築する
誰かに、キーボードの「Enter」キーを1分ごとに1日8時間押すように頼まれたとしましょう。あまり刺激的な時間の使い方には聞こえませんね？ほとんどの人にとって、同じ動作を何度も繰り返すことはすぐに退屈になります。
だからこそ、私たちは機械にタスクを代行させるのです。機械にボタンを1分ごとに押すようなことをさせるために、私たちは人類文明における最も重要なモデルのひとつであるアルゴリズムを使います。
実際、コンピューターだけでなく、すべてのシステムが機能するためにはアルゴリズムが必要です。
ここでの重要なポイントは、信頼できるアルゴリズムを心の中に構築し、成功の確率を高めるということです。
アルゴリズムは、与えられた入力に応じて特定の出力を生み出すために開発されます。それは、一貫して再現可能なif-thenプロセスと考えることができます。
アルゴリズムは、料理のレシピのような明確な指示セットのように単純な場合もあります。材料をまとめ、プロセスを通し、最終的にケーキが得られます。また、将来の犯罪発生場所を予測するために設計されたコンピューターアルゴリズムのように複雑な場合もあります。
予測可能な結果を達成する最高のチャンスのためには、アルゴリズムのすべての部分が同じ目標に向かって整列している必要があります。問題は、どの入力が望ましい出力をもたらすかをどうやって知るかということです。
実は、「アルゴリズム的思考」を使って、そもそもシステムにどのような入力を与えるべきかを決めるのに役立てることができます。
1920年代、ドイツの製薬会社バイエルは、結核や大腸菌などの主要な細菌感染症の治療法を追求する中で、アルゴリズム的思考の力を実証しました。それまで、抗菌化合物はほとんど発見されていませんでした。そこで、バイエルの科学者たちは、あらゆる化合物を最も致死性の高い細菌に対して試験することを決めました。
研究の過程で、何千匹ものマウスが死にました。しかし、否定的な結果にもかかわらず、バイエルの科学者たちは手法を変更しませんでした。彼らは各試験の注意深い記録を保ちながら、すべての化学物質を試験し続けました。ついに1932年、その方法論が実を結び、バイエルは世界初の広域抗生物質を生み出しました。
このことは、アルゴリズムのプロセスが正確である限り、最終的には結果が生み出され、その結果が入力の精緻化に役立つことを示しています。
言い換えれば、答えを知っている必要はありません。答えを見つけるための優れたアルゴリズムがあればいいのです。
ランダム性を受け入れて創造性を高める
何もかもうまくいかないような日を過ごしたことはありませんか？数時間のうちに、携帯電話をなくし、つま先をぶつけ、駐車違反キップを切られ、食料品を水たまりに落とす。世界が自分に意地悪をしているように思えるでしょう。
しかし、それはただの錯覚です。
数学的な視点から見ると、あなたの一連の不運は、純粋なランダム性が作用したものです。
ここでの重要なポイントは、ランダム性を受け入れて創造性を高めるということです。
ランダム性は、著者たちの言葉を借りれば「予測可能性と秩序の反対」と考えることができます。数学的に言えば、人生はランダムです。
しかし、人間の心は秩序がないところに秩序を作り出すようにできているため、真のランダム性は理解しにくい概念です。
歴史の本を開くと、それには始まり、中間、終わりがあることに気づくでしょう。しかし、この秩序感覚は、あとから振り返って初めて現れるものです。実際に過去に起こったことはランダムであり、歴史を書く過程で使われる資料もまたランダムなのです。例えば、多くの歴史的記録は現存しなかったり、無視されたりします。それにもかかわらず、私たちは歴史を振り返るとき、それを構造化された物語として消化し、世界を理解するためにそれに頼る傾向があります。
人生があなたに一組の点を提示し、あなたの心がそれらの間につながりを描き続けているかのようです。たとえ、まったくつながりがなくても。ランダム性を把握するのに苦労するということは、私たちが通常、自分で思っているよりも予測可能な振る舞いをしていることを意味します。そして、ランダムな選択をするように求められると、特定の予測可能なパターンに陥りがちです。これは、プレッシャーがかかっているときに特に当てはまります。
誰かが1から5の間でランダムな数字を選ぶように頼んだとします。メンタリストでマジシャンのバナチェックは、ほとんどの人が3を選ぶことを発見しました。形を挙げるように頼まれると、ほとんどの人は四角形を選びます。花では、たいていバラと言います。
この疑似ランダム性への傾向は、特に芸術的な取り組みにおいて非生産的になりがちです。あなたが小説を書いているとしましょう。魔法が起きるのを待って毎日コンピューターの前に座り続ける代わりに、アイデアはランダムに訪れるものだと認識してください。
言い換えれば、アイデアは机に座っているときだけ生まれるのではありません。おむつを替えているとき、皿洗いをしているとき、朝の通勤中にも生まれます。プロセスのランダム性を受け入れることで、自分自身をよりクリエイティブにし、より予測可能性の低いアイデアを思いつくようになります。
複利で増えていく経験に再投資し、指数関数的な利益を得る
あなたはおそらく普通預金口座を持っているでしょう。そのお金を長く手つかずにしておくほど、貯蓄が増えることを知っています。これは複利の概念のおかげです。
複利計算は、金融システムの中核的なメンタルモデルです。得られた利益を長く複利で運用するほど、それは劇的に増加することを示しています。
しかし、複利で増えるのはお金だけではありません。知識から人間関係に至るまで、あらゆるものに、継続的な投資をすれば指数関数的に成長する可能性があります。
ここでの重要なポイントは、複利で増えていく経験に再投資し、指数関数的な利益を得るということです。
普通預金口座に預けたお金が利息を生むと、通常はそれをすぐに引き出して使ったりはしません。ポイントは、利息を得る資金の額を増やすために、口座にお金を預け続けることです。
同じように、日常生活で着実な利益を得るためには、知識と経験に継続的に再投資しなければなりません。お金と違って、ここではメンタルモデルとしての複利を文字通りに適用することはできません。結局のところ、知識や人間関係は実際には数値化できません。しかし、それでも、長期的な利益を得るのに役立つ非常に有用な比喩です。
一方で、複利は社会としてより多くの知識を蓄積するのに役立ちます。例えば、紀元1世紀のユダヤ人はほとんどが農民でした。しかし、彼らの文化はまた、父親が6歳から息子に正式な教育を施すことを義務づける唯一の文化でもありました。次の千年紀にわたって、これらの初期教育の規範への投資は複利で増えていきました。世界経済の変化が、言葉や数字を理解する労働者を評価するようになると、ユダヤ人は一貫して、他の背景を持つ人々よりも比較的高い割合で、より経済的に報われる職業に移動することができました。
しかし、複利は個人レベルでも役に立ちます。『ナショナル ジオグラフィック』の野生動物特派員、ミレイヤ・メイヤーの例を見てみましょう。タンザニアへのある危険な探検で、彼女は病気、腰までの泥、ヘビ、ワニ、不十分な衣服に直面しました。彼女の探検の報告では、高校時代の経験を引き合いに出してどう耐えたかを回想しています。チアリーダーとして、彼女は足首をねんざした後、灼熱の中で75,000人のファンの前で笑顔で踊らなければならなかったのです。
はっきり言って、たいていの成功は複利の結果です。毎日が将来の成功の基盤であると認識すれば、将来の成功につながる経験を選ぶ可能性が高まります。
サンプリングの力を通じて世界の理解を広げる
あなたが白鳥の個体群の色を調査したいと想像してください。近所の池にデータを収集しに行くと、すべての白鳥は白いと結論づけるかもしれません。しかし、調査サンプルを広げて、全国のより多くの白鳥を調査すれば、いくつかは実際には黒いことを発見するでしょう。
個体群について代表的な情報を得たい場合、通常はサンプル、つまりその個体群の一部を調べる必要があります。しかし、そのサンプルが真に代表的でなければ、誤った方向に導かれる危険性があります。
ここでの重要なポイントは、サンプリングの力を通じて世界の理解を広げるということです。
サンプリングは、特に統計学において、人々を対象とした科学研究で特によく使われる手法です。多くの社会では、統計が資源の配分方法を決定することがよくあります。だからこそ、尺度が正確であることが非常に重要なのです。
サンプルサイズについて考えることは、サンプルがどのように一部のバイアスに対抗できるかを示しています。例えば、多様な人々の大きなサンプルにさらされる大都市に引っ越せば、偏見が少なくなるかもしれません。同様に、様々な分野の本を読めば、より心が広くなるかもしれません。
しかし、代表的なサンプルを集めるには努力が必要です。実際、サンプリングは無計画に行われると、バイアスを強化する可能性があります。
最初に考慮すべき要素はサンプルサイズです。研究の参加者数が多いほど、誤差の範囲は小さくなり、研究が集団全体を正確に一般化できる可能性が高くなります。
ひとつの測定では不十分であることを認識することが重要です。例えば、ほとんどの人は、世界を理解するために逸話に頼る傾向があります。しかし、彼らは逸話がたったひとつのサンプルに過ぎないことを忘れています。したがって、それは信頼できる代表にはなり得ません。
規模が大きいことに加えて、多様な集団を代表するためには、サンプルはランダムでなければなりません。これは、母集団内のすべての要素がサンプルに含まれる可能性が等しくなければならないことを意味します。カリフォルニアの3歳児の行動を研究して、子供について普遍的な演繹をすることはできません。むしろ、サンプルの多様性を拡大しなければなりません。
同じことはあなたの個人的な生活にも当てはまります。世界についての一般化を含め、自分のサンプルの質を精査することを忘れないでください。あなたの決断が他者に影響を与えるときは、それらの人々を真に代表する情報に基づいていることを確認してください。そうすれば、リスクを最小限に抑え、リターンを最大化できます。
最終的なまとめ
この要約の核心:
システムと数学のメンタルモデルを統合することで、思考の死角を克服できる。システム理論のレンズを通して世界を見つめ直し、自分の視点に挑戦しよう。数学のモデルは寛容さを高め、創造力を強化するのにも役立つ。これらの分野のモデルをできるだけ多く統合することで、問題解決力と意思決定力を確実に研ぎ澄まされるだろう。
実践的なアドバイス:
メンタルモデルを実践しましょう。
学習の第一歩は新しい情報に触れることです。しかし、実践的な方法で知識から利益を得たいなら、学んだ概念を試してみる必要もあります。毎週、1つのメンタルモデルを選び、そのコンテキストで自分の人生を見てみましょう。何が見えますか？何が新しく、または異なって見えますか？観察結果を書き留めてください。それぞれの洞察を通して経験を振り返る時間を取ることで、その知恵をより簡単に応用できるようになります。
