中心式 Ṽ = V₀ − κPQ(定理4)
この章は本書の中心です。定理4「臨場感加重変革」の中心式 Ṽ = V₀ − κPQ を組み立てます。「人は不快を避けるだけでなく、リアルに感じる安定世界へ向かう」という命題の数理化です。
まず π_c(x) — 制御方程式
意思決定そのものは次の最適制御問題として書けます。
$$ \pi_c(x) \;=\; \arg\min_{u(t)} \int_0^T V(x(t), t)\, dt $$
各記号の意味:
- $\arg\min$ : 最小値そのもの(縦軸)ではなく、最小値を作る入力 u(縦じゃなく横) を返す関数
- $\int_0^T \cdots dt$ : 時間 0 から T までの積分 = 「降り積もる」累積
- $V(x(t), t)$ : 時刻 t における不快度
- $u(t)$ : 制御入力(意思決定変数)
- $\pi_c(x)$ : 最適政策(認知制御の場合 c は cognitive)
人は瞬間の不快を最小化しているのではなく、累積不快の総面積を最小化する u を探す作業を絶えず行っている、という主張です。
なぜ「降り積もる」のか
積分は 面積を計算する操作です。時刻 0 から T までの V(t) のグラフの下の面積 = 累積不快度。
雪が積もるイメージで考えてください。今降っている雪片だけでなく、地面に積もった雪の総量を扱っているのが ∫V dt です。
短期的に大きな V のスパイクがあっても、長期的に見れば均された面積が問題になる。逆に、毎日の小さな V も積もると大きな面積になる。「降り積もる」が本質です。
期待値への拡張
実際の意思決定は 未来の不確実性を含むので、積分は期待値 $E[\cdot]$ で包まれます。
$$ \pi_c(x) \;=\; \arg\min_{u(t)} \mathbb{E}\left[ \int_0^T V(x(t), t)\, dt \right] $$
$E$ は 可能世界 W に対する重み付き平均を意味します。各可能世界 $w \in W$ の発生確率 $p(w)$ に応じて、その世界での累積不快を重みづけて平均する。これで「未来予測まで含む」最適化が定式化されます。
中心式 Ṽ = V₀ − κPQ(定理4)
ここまでで「客観的不快度 V₀」を扱ってきました。しかし、人が実際に感じる不快度 Ṽ は、別の世界の 臨場感によって割り引かれます。
$$ \tilde{V}(x, t) \;=\; V_0(x, t) \;-\; \kappa \cdot P(x, t) \cdot Q(x, t) $$
各記号:
| 記号 | 意味 |
|---|---|
| $\tilde{V}$ | 主観的に感じる不快度(decision に効く側) |
| $V_0$ | 客観的不快度(現状そのもの) |
| $\kappa$ | 臨場感の効き目係数(個人差あり・正の定数) |
| $P$ | 臨場感(別世界をどれだけリアルに感じるか・0〜1) |
| $Q$ | 価値符号(接近 +1 / 回避 −1) |
読み下すと:
いま感じる不快(Ṽ) = 客観的な不快(V₀) − 別の世界へ向かう引力(κPQ)
例:現状が辛くても、リアルに感じられる「素敵な未来」があれば、感じる不快 Ṽ は割り引かれる。逆に、リアルに感じられる「避けたい未来(Q が −1)」がある場合、κPQ が負になり Ṽ は逆に増える。
P と Q の AND が必須
中心式の重要な含意:P と Q が両方そろわないと κPQ は効かない。
- P だけ高い(妄想) : Q が 0 に近ければ κPQ ≈ 0
- Q だけ立っている(計算) : P が 0 に近ければ κPQ ≈ 0
- 両方そろう(臨場感ある接近価値) : κPQ が大きく効く
つまり: - 「願えば叶う」(P だけ)では動かない - 「論理的に正しい(Q)」だけでも動かない - 「リアルに感じる、行きたい未来」 が同時に立った時に動く
「強く願えば叶う」の数理修正
T 理論は、TCE 養成セミナー §16.1 で次のように指摘しています:
TCZ(x₀) の内側で目標 w* をリアル化すると、現状に縛られる方向に働く(逆効果)
正しくは 目標 w* に向かう中間状態 b_k(マルチブリッジ)のリアル化。階段は近づいてはじめて段々と見える ── あらかじめ全体は見えない。「最終地点を強くイメージしろ」型の自己啓発との違いはここにあります。
- 人の意思決定は 客観的事実(V₀)単独ではなく、別世界の臨場感(κPQ)による割引で動く
- 臨場感 P と価値符号 Q は AND で効く(片方だけでは駆動しない)
- だから 臨場感を上げる作業 = 中間ブリッジを reali ze することが介入の中核
確認
問:κPQ の κ・P・Q が次のような状態で、Ṽ はどうなりますか? - (a) κ = 1, P = 0, Q = +1 - (b) κ = 1, P = 0.8, Q = 0 - (c) κ = 1, P = 0.8, Q = +1
解答を見る
- (a) κPQ = 0(P が 0 だから無効)
- (b) κPQ = 0(Q が 0 だから無効)
- (c) κPQ = 0.8(P と Q が両方そろって効く)
P と Q の AND の重要性が体感できます。
確認
問:強い回避動機(Q = −1)がリアル(P 大)の場合、Ṽ はどうなりますか?
解答を見る
$\kappa P Q$ が負の値になるので、$\tilde{V} = V_0 - \kappa PQ$ は V₀ より大きくなる。つまり、リアルに感じる「避けたい世界」は、現状の不快をさらに増やす方向に効く。これは恐怖や不安の数理的記述になります。
次章への接続
中心式に エフィカシー E を加えると、定理6A(コーチング数理の中核)になります。次章では Ṽ_E = V₀ − κ_+ P Q_+ E + κ_− P Q_− を組み立てます。