定理 5 — バランスホイール

論文の定理 5 は人生・組織を 10 領域への分散として捉える数理化です。LUB の縦軸上昇と対をなす、横軸の偏り管理を扱います。

定理 5 の主張

定理 5(バランスホイール収束):適切な制御のもと、認知主体のバランスホイール状態量 $\hat{\Phi}_{BW}$ は単調減少し、安定状態に収束する。

バランスホイール Lyapunov 関数(§10.9 ★中心式)

$$ \hat{\Phi}_{BW} = \sum_k \omega_k R_k + \eta \cdot \mathrm{Imb}_{BW} + \beta \cdot \mathrm{Frag}_{BW} + \zeta \cdot A_{BW} $$

各項:

4 条件同時成立 ⇔ Φ̂_BW = 0:① $\forall k: \tilde{V}_k \le \theta_k$ ② $b(t)=\omega$ ③ $\mathrm{Frag}_{BW}=0$ ④ $L_G = L^*_{\text{self}}$。

Efficacy 加重版(§10.10・定理 5 主結果)

$\mathrm{Imb}_{BW}$ を Efficacy 加重分布 $b^E$ を使った KL 距離 $\mathrm{Imb}_{BW}^E$ に置き換えた拡張系:

$$ \hat{\Phi}_{BW}^E = \sum_k \omega_k R_k + \eta \cdot \mathrm{Imb}_{BW}^E + \beta \cdot \mathrm{Frag}_{BW} + \zeta \cdot A_{BW} $$

拡張状態 $z = (x, G)$ が閉ループ系 $\dot z = F_{BW}(z, t)$ に従い $\hat{\Phi}_{BW}^E$ が指数的に減少するならば、最適軌道は $\mathrm{TCZ}^{BW}_{\{P,E\}} := \{ z = (x, G) \mid \hat{\Phi}_{BW}^E(z, t) = 0 \}$ に収束する。

§10.3 各領域の臨場感加重実効ポテンシャル

定理 4 の $\tilde V$ を 10 領域に分解:

$$ \tilde{V}_k(x_k, t) = V_{0, k}(x_k, t) - \kappa_k \cdot P_k(x_k, t) \cdot Q_k(x_k, t) $$

• $V_{0, k}$:領域 $D_k$ における不安定性・不快・内部不整合
• $P_k \ge 0$:領域 $D_k$ における臨場感ポテンシャル
• $Q_k \in [-1, +1]$:接近・回避の価値符号
• $\kappa_k > 0$:領域ごとの臨場感重み
• 各領域の臨場感加重 TCZ:$\mathrm{TCZ}\_{P, k} = \{ x_k \mid \tilde{V}_k \le \theta_k \}$

構造解説:$\tilde V_k$ = 不快度(残業/評価/人間関係/疲労/痛み等)− リアル × 望ましさ(ご褒美の引き算)。直感:「リアルなご褒美が見えると、その領域の重さが軽くなる」。

§10.4 心理的バランススペクトル(★最重要式・Efficacy 加重版)

各領域 $D_k$ の Efficacy 加重心理的重み(占有率・合計1):

$$ b_k^E(t) = \frac{s_k^E(t) + \varepsilon}{\sum_\ell (s_\ell^E(t) + \varepsilon)}, \qquad s_k^E = A_{\{P, k\}} \cdot P_k \cdot Q_k^+ \cdot E_k $$

4 つの数の積:① 受容可能 $A$ ② リアル $P$ ③ 望ましい $Q^+$ ④ できる $E$。どれか一つでも 0 に近いと $s_k^E \approx 0$。→ その領域は人生に存在しないも同然。

§10.5-6 理想バランス $\omega$ と心理的不均衡(KL 距離)

$$ \mathrm{Imb}\_{BW}(t) = D\_{KL}(\omega \,\|\, b(t)) = \sum_k \omega_k \log \frac{\omega_k}{b_k(t)} $$

• $\omega = (\omega_1, \ldots, \omega_{10})$:理想バランス分布($\omega_k > 0$, $\sum \omega_k = 1$)
• 標準モデル:$\omega_k = 1/10$(全領域均等)
• $D\_{KL}$:Kullback-Leibler 距離(情報幾何の標準距離)
• $\mathrm{Imb}_{BW} \ge 0$(Gibbs 不等式より非負)
• $= 0 \Leftrightarrow b(t) = \omega$(完全一致のときのみゼロ)

含意:ある領域 $D_k$ にゴールが存在せず $b_k(t)$ が極めて小さい場合、$\mathrm{Imb}_{BW}$ は大きくなる。これが「すべての領域にゴールを持つべき」という苫米地式コーチングの実践原則の数理的根拠。

§10.7 領域間整合性 — 矛盾ペナルティ

$$ \mathrm{Frag}\_{BW}(G) = \sum_{i < j} \rho_{ij} \cdot \mathrm{Incoh}(\varphi_i(g_i), \varphi_j(g_j)) $$

• $G = (g_1, \ldots, g_{10})$:バランスホイール全体のゴール集合
• $\varphi_i(g_i)$:ゴール $g_i$ の意味表現
• $\mathrm{Incoh}(\cdot, \cdot)$:意味的不整合度を測る非負関数
• $\rho_{ij} \ge 0$:領域間結合重み
• $\mathrm{Frag}_{BW} \ge 0$、$= 0 \Leftrightarrow$ 領域間ゴールが相互に整合

例:職業ゴール「年中無休で働いて売上 10 倍」と家族ゴール「毎晩家族と夕食を共にする」は互いに矛盾。両方ゴールとして持っても心理的に統合されない。Frag_BW が大きくなる。

ペア数:$10 \times 9 \div 2 = 45$ ペア(全ペアの不整合をチェック)。

§10.8 バランスホイールの LUB 統合

$$ A_{BW}(G) = d(L_G,\, L^*_{\text{self}})^2 $$

含意:LUB(最小上界)統合 = バランスホイールの最高次の意味。10 領域それぞれにゴールがあっても、それらがバラバラに散らばっていれば人生全体が「迷走」する。すべてが「ある一つの方向」を指していれば、すべてが互いを支え合い心理的に統合される。

10 領域

苫米地のバランスホイールは 経験的に 10 領域に整理:

1. 職業
2. 家族
3. 生涯学習
4. 趣味
5. 社会貢献
6. ファイナンス
7. 健康
8. 抽象度
9. リーダーシップ
10. エソテリシティ(精神性)

数 10 自体に数学的必然性はなく、経験的最適点。8 でも 12 でも調整可能。

なぜ「偏り」がペナルティか

$\mathrm{Imb}_{BW}$ が領域間の偏りを測るペナルティになる理由:

一極集中のリスク

ある領域(例:仕事)だけに偏った時:

• その領域での失敗 → 全人生の崩壊
• $\hat{\Phi}_{BW}$ が制御不能になる
• システム的に脆弱

複数領域に分散していれば、ある領域のショックが他領域で吸収される。

偏り = 抽象度の低下

10 領域のうち 1 つしか動いていない状態は、自分の wh が その 1 領域に押し込められていること。LUB の包摂力が低下。

Frag — 領域間の分裂

$\mathrm{Frag}_{BW}$ は 領域間の矛盾:

例: - 仕事の want-to:「成功して名声を得る」 - 家族の want-to:「目立たず静かに暮らす」

両者が矛盾していると、片方を立てると他方が削れる トレードオフの檻。Frag が高い状態。

Frag を下げる作業 = LUB の発見

各領域の want-to を 包む LUB(定理 3)を見つけると、Frag が下がる:

LUB の下では、矛盾は補完になる

定理 3(LUB)と定理 5(バランスホイール)の 接続点。

抽象度 A_BW

$\zeta \cdot A_{BW}$ はバランスホイール全体の抽象度:

• 10 領域が独立に見えていた状態 → これらが 同じ wh の異なる現れとして見える状態
• 抽象度上昇 = ホイール全体の統合度上昇
• 双対原理の片翼として、$\hat{\Phi}_{BW}$ の減少に貢献

定理 4 との接続

定理 4(中心式)と定理 5(バランスホイール)の接続:

各領域 $k$ で その領域の中心式 $\tilde{V}_k$ が走っている、と考えると:

$$ \hat{\Phi}_{BW} \sim \sum_k \omega_k \cdot \tilde{V}_k + \mathrm{Imb}/\mathrm{Frag} \text{項} $$

10 個の中心式が並列に走り、それらの 偏りと矛盾が追加ペナルティとして加わる。

つまりバランスホイールは「個人の中心式の集合的振る舞い」と読める。

自己診断への応用

10 領域それぞれで、以下を採点(各 0〜5):

領域            R_k(残存不快)  Q_+(want-to)   E(できる感)
1. 職業           __              __              __
2. 家族           __              __              __
...
10. エソテリシティ __              __              __

採点した数値の 分散 が Imb_BW、矛盾の数 が Frag_BW の指標。

注意 — 点数化は補助

R_k や Q_+ は数値化できる量ではありません。点数化は 構造を可視化する補助で、絶対的な値として扱わない。重要なのは「どこに偏りがあるか」「どこで矛盾しているか」の構造観察。

仮定

定理 5 の仮定:

• 10 領域への分割が認知的に意味を持つ(経験的妥当性)
• 各領域の Lyapunov 関数 $\tilde{V}_k$ が定理 4 の構造を持つ
• 領域間の重み $\omega_k$、$\eta, \beta, \zeta$ が時間的に安定

これらは第一近似として成り立つ範囲。

TCE 公開定理 4-5 のまとめ

論文の TCE 公開層で最初に来る 2 定理:

両者は 個人の認知状態を記述する縦軸(中心式)と横軸(バランスホイール)。

本章のまとめ

• 定理 5 = バランスホイール収束(10 領域への分散)
• $\hat{\Phi}_{BW}$ = 領域コスト + Imb + Frag + 抽象度ペナルティ
• 一極集中はシステム的に脆弱
• Frag を下げる = LUB を見つける(定理 3 と接続)
• 定理 4 と並列に走る個人中心式の集合的振る舞い

次章への接続

TCE 公開定理 4-5 が完了。次は TCE 公開定理 6A ── エフィカシー加重ゴール収束。コーチング数理の中核です。