はじまりの章 第5節◇誕生◇本書で用いる数理モデル一覧──最適化された世界で、人間は揺らぎ続けるか

本書は毎週、月曜日と金曜日に更新予定です。

章ごとに、物語から始まり、思想に拡張し、物語へ帰結する構成は、本書特有のものです。

note は文章を成長させる場所だと思います。
投稿した内容を日々見直し、より良いものにするために努めてまいります。

最適化された世界で、
人間は揺らぎ続けるか
──まだ予測されていない命への考察
はじまりの章
──誕生
第5節（全5節）

■ あなたへの言葉

はじまりの章の最終節となりました。

ここまで読み進めてくださり、ありがとうございます。

本章では、一人の新しい命の誕生から始まり、AIによる最適化が進む社会の中で、人間とは何かという問いを見つめてきました。

しかし、本章で述べた内容は結論ではありません。
むしろ、これから続く考察の出発点に過ぎません。

未来について語ることは、しばしば予測を語ることだと思われます。

しかし私が本当に考えたいのは、「何が起こるか」ではなく、「私たちは何を残したいのか」という問いです。

もし本章のどこかに、あなた自身が抱いていた違和感や疑問と重なる部分があったなら幸いです。

この章を書きながら、私は何度も自問しました。

人間とは何か。予測される存在なのか。
それとも、最後まで予測されきらない存在なのか。

その答えを、私はまだ知りません。

けれど、この問いに向き合う人が私以外にもいることを願っています。

そして今、この章を読んでくださっているあなたもまた、その一人なのかもしれません。

最適化が進む世界の中で、それでも残り続ける小さな揺らぎ。

その意味を探す旅に、ここまでお付き合いいただいたことへ、心から感謝いたします。

次の旅の道しるべをご案内いたします。

最適化された世界で、
人間は揺らぎ続けるか
──まだ予測されていない命への考察
第1章 AIの進化
──その覇権者は誰なのか
全9節

第1章は全9節で構成されています。
なお、第6節と第9節はそれぞれ3項に分かれており、全体では13本の投稿となります。

本書で最も長い旅路となるかもしれません。

引き続き、この思考の旅にお付き合いいただき、ともに考えていただければと思います。

前節（はじまりの章 第4節）はこちら。

本書の思想概念、考察期間、前提条件、基本仮定、章の構成はこちら。

道先案内人として、本節では本書で用いる数理モデルの基本的な考え方を整理しておきたいと思います。

これまで本章では、AI社会における人間存在の可能性について、主に思想的・概念的に述べてきました。

しかし、未来を単なる印象論としてではなく、「構造」として捉えるためには、人間・社会・AIの相互作用を、ある程度抽象化して扱う必要があります。

本節で示す数理モデルは、未来を正確に予測するためのものではありません。

むしろ、人間社会に生じる「揺らぎ」を、思考可能な形へ整理するための概念的な言語として提示します。

ここから先は、本書の中で最も抽象度の高い部分に入ります。

ただし目的は数式そのものではありません。

人間社会に潜む「予測可能性の圧力」を、構造として記述するための表現方法です。

ここで重要なのは式の細部ではなく、「何を比較しているか」ということです。

専門的な記述が続きますが、概念の整理として眺めていただければ幸いです。

そして、章が進んだ先の辞書として振り返っていただければと思います。

■ 本書で用いる数理モデルの一覧

本書のエントロピーは「情報理論的」なものとは異なる。
これは、人間の「予測不能性」を可視化するための指標である。
そして、それを再定義した「直感的な指標」としてと位置づける。
また、これは厳密な物理量ではなく「分析モデル」として扱う。
ここでは、エントロピーという語を「比喩的・概念的」表現方法とする。

□ AIエントロピー H_ai

AI目的関数の最適化に影響する、人間行動の予測不確実性を表す指標

◆ H_ai = (1 / N) × Σ(y_i - ŷ_i)^2
◇ y：実際の人間行動
✦ AIの予測誤差を正負に関わらず評価し、特に「予測から大きく外れた行動」を重くカウントするため二乗項を導入した
◇ ŷ（y_hat）：AIによる予測行動
◇ i：
✦ 観測された人間の行動を区別するための通し番号
✦ 個人ではなく行動単位を表す
◇ N：観測された人間行動の総数

AIエントロピーとは、AIが人間社会をどれだけ正確に予測できているかを測るための「予測不確実性スコア」である。

AI目的関数とは、第2章で提示予定の概念である。
これは、AIが「何が良いか、悪いか」を判断するための基準である。

AIエントロピーは、AI目的関数の最適化に影響を及ぼし、人間社会を最適化する可能性を秘めている。

次の視点は「個人の行動」ではなく、「社会全体の振る舞い」である。

□ AI行動選択 Maxₚ J(P)

確率変数 p を調整し、報酬と罰則のトレードオフのもとでAI目的関数 J(P) を最大化する最適化過程

◆ J(P) = U(P) - λH_soc(P)
◇ Maxₚ J(P)：AI行動選択
✦ 報酬と罰則のトレードオフにより計算
◇ J(P)：AI目的関数
✦ AIが「何が良いか悪いか」を判断する基準
◇ P：確率変数
✦ AIがどこに何を配分するかを決める比率
◇ U(P)：報酬関数
✦ 企業AIでは利益、国家AIでは安全保障・影響力など
◇ H_soc(P)：社会エントロピー
✦ 社会の無秩序さ、あるいは社会機能の低下度合いを表す指標
◇ λ：社会安定性パラメータ
✦ 政治・経済・有事などの環境に応じて変動する重み
✦ 社会の秩序をどの程度優先するかを表す
✦ λが高い場合は安定性優先、低い場合は効率・利益優先
◇ λH_soc(P)：社会秩序を損なう行動に対する罰則項

AI行動選択は、数理的最適化の形式を借りて表した概念モデルであり、実際のAIがこの式そのものを内部で計算しているわけではない。

AIが報酬と罰則のトレードオフをどのように扱うかを直感的に示すための、「比喩的・概念的」表現方法である。

都市の交通政策において「渋滞解消による経済的利益（報酬 U）」と、「監視カメラ増設によるプライバシー侵害への反発（罰則 λH_soc）」をトレードオフするモデルを考える。

λ（社会安定性パラメータ）が高い政治環境では、住民の不満を避けるために監視の導入を控え、逆にλが低い経済優先の環境では、効率を最大化するために徹底的なデータ取得を行うというAIの意思決定プロセスを記述している。

以降のモデルは、より現実に近い制約（資源・人口・意欲）を対象とする。

□ 社会エントロピー H_resource

資源量と意欲を軸にした、社会機能の低下度を表す指標

◆ H_resource = a((R − R₀) / M)^2 + b
◇ H_resource：社会エントロピー
◇ R：社会が保有する資源総量
✦ 最適値R0との差が大きいほど不安定性が増加する
✦ 最適資源量の乖離が大きいほど、加速度的に不安定化すると考え、二乗項を導入した
◇ R₀：最適資源量
✦ 社会が最も安定する水準
◇ M：意欲
✦ 社会の活動水準を表す数値
✦ 本書で用いる該当モデルに共通する変数
◇ a：変動影響係数
✦ 資源変動が社会に与える影響の強さを表す
◇ b：基底エントロピー
✦ 理想条件下における最小の社会エントロピー

例えば、エネルギー資源に依存する国家を想像してみる。

エネルギー価格が最適値（R_0）から急激に高騰・暴落すると、単なる経済的損失以上の混乱（暴動やインフラ停止）が生じる。

このモデルは、資源の供給不足が社会の意欲（M）を削ぎ、さらなる社会不安定化を引き起こすという「負の連鎖」を、Rの二乗項を用いて定量化している。

□ 社会エントロピー H_work

就労人口と意欲を軸にした、社会機能低下の指標

◆ H_work = a(P_total / P_work / M) + b
◇ H_work：社会エントロピー
◇ P_work：就労人口
✦ 減少するほど社会エントロピーは増加する
✦ 単調増加関係として定義される
◇ P_total：総人口
◇ M：意欲
✦ 社会の活動水準を表す数値である
✦ 本書で用いる該当モデルに共通する変数
◇ a：労働構造影響係数
✦ 就労人口の減少が社会に与える影響の強さ
◇ b：基底エントロピー
✦ 十分な労働力と意欲がある場合の最小値

少子高齢化が進む地域社会の維持を一つのモデルとして考える。

就労人口（P_work）が減少すると、一人当たりの負担が増え、それが社会全体の意欲（M）を低下させる。

この式は、単純な労働力不足だけでなく、「意欲の低下」が掛け合わされることで、社会機能が線形以上の速さで加速度的に麻痺していく構造を示している。

ここから先は個人ではなく、集団としての振る舞いを扱う領域に移る。

□ 社会全体のエントロピー H_soc_total

社会階層ごとの意欲構造と人口比率を統合した、社会全体的な無秩序度の指標

◆ H_soc_total = p_A H_A(M) + p_N H_N(M) + p_D H_D(M)
◇ H_soc_total：社会全体のエントロピー
✦ 各階層のエントロピーを人口比率で重み付けした総和
◇ 各層：A＝適応層 / N＝受動層 / D＝低接続層
◇ p_A、p_N、p_D：各層の人口比率
◇ M：意欲
✦ 社会の活動水準を表す数値である
✦ 本書で用いる該当モデルに共通する変数
◇ 各層エントロピー：HA(M)、HN(M)、HD(M)
✦ H_A(M) = H_A − αM_A
✦ H_N(M) = H_N − αM_N
✦ H_D(M) = H_D − αM_D
✧ H_A / H_N / H_D：各層の意欲のばらつき
✧ M_A / M_N / M_D：各層の平均意欲
✧ α（意欲による秩序化係数）：意欲が社会構造を安定化させる強さ

これは、第4章で提示予定である、人類の三極化モデルに対応する。

適応層とは、AIとの協調が自然でAIリテラシーも高く、社会の中核を担う安定した層である。

受動層とは、AIを利用しているものの理解は限定的で、社会変化によって行動のバラつきが増えやすい層である。

低接続層とは、AIやデジタル環境との接点が少なく、社会の周縁で低い可視性のまま扱われる層である。

このモデルは、どの層の人口比率（p）が支配的になるかで、社会全体の無秩序度（H_soc_total）がどう変化するかをシミュレーションしている。

社会全体を一つの「意欲の総和」として扱うのではなく、層ごとの温度差を統合して記述する試みである。

これらの数理モデルは人間を計算するための式ではない。
人間がどのように扱われうるかを可視化するための言語である。

だが、実際の人間はこのような式の中には存在しない。
存在するのは、いま目の前にいる一つの生命である。

■ 共通変数 M の定義

本書で用いる M は該当するモデルに共通する変数である。

これは、社会の活動水準（意欲の強度）を表す数値であり、計算の安定性のため、M > 0 を満たすものとする。

M = 1 を基準状態とし、 M > 1 は社会の活動性・意欲が高い状態、 1 > M > 0 は低い状態を示す。

その影響の現れ方は対象とする構造によって使い分けている。

社会エントロピーの場合は意欲 M を分母に配置することで、活動が低下した際にエントロピーが加速度的に増大する「限界的な崩壊プロセス」を表現している。

社会全体のエントロピーの場合は、意欲 M を減算項として配置することで、社会階層ごとに意欲が秩序をどれだけ補強し、無秩序を低減させているかという「安定化効果」を表現している。

これは、同じ意欲という力が、社会のどの断面で見られるかによって、その物理的役割を変えることを示している。

■ 数理モデルの位置づけ

本書で展開する数理モデルは、未来を正確に予測するためのものではない。

社会・人間・AIの関係性に潜むダイナミクスを抽象化しその構造を記述するための思考表現である。

本質となるのは個々の変数や関数の数値そのものではなく、それらがどのような関係性の中で結びつき、どの方向へ変化しうるかという構造的な理解である。

したがって、この数理表現は現実そのものを代替するものではなく、現実の内部に存在する傾向や圧力を可視化するための記述方法にすぎない。

言い換えれば、現実の中に埋め込まれた複雑性の輪郭を浮かび上がらせるための試みである。

本数理モデルの価値は、計算結果の精度にあるのではない。

AIがどのような世界観のもとで人間を「最適化対象」と見なしうるのか。

その構造を可視化することにある。

はじまりの章──誕生

完

© 2026 ゆらぎ／Yuragi, M.D.
All rights reserved