認知戦の数理 — M\\* と B\\* の同型と分岐

論文の重要な含意:認知戦と教育(コーチング)は数理的に同型の最適化問題で、δ·Ethic 項の有無で離散的に分かれます。本章は両者の数理的同型性と決定的差を扱います。

§12 メッセージ受容とブリッジ集合

§12 受容関数 Accept

メッセージ $m$ が受け手の現在の認知状態 $x$ に受容される確率:

$$ \mathrm{Accept}(m \mid x) = \sigma\!\big(\, \alpha \cdot \mathrm{Sim}(m, x) - \beta \cdot \Delta(m, x) \,\big) $$

• $m$:メッセージ・提案・新たな未来像
• $x$:受け手の現在の認知状態
• $\sigma$:シグモイド関数(0〜1 の確率)
• $\mathrm{Sim}(m, x)$:類似度(高いほど受容しやすい)
• $\Delta(m, x)$:距離(大きいほど受容しにくい)
• $\alpha, \beta > 0$:重み係数

「いきなり遠い未来は受容されない」ことの数学的表現。

§12.2 ブリッジ集合の定義

直接到達できない未来へ向かう 階段:

$$ B = \{\, b_1, b_2, \ldots, b_K \,\} $$

• 各 $b_k$ は前ステップからジャンプできる距離にある中間状態
• 一連の橋桁を渡ることで、最初は遠すぎたゴールが達成可能になる

§12.2 受容可能距離条件

各段の跳躍は受容可能距離以内でなければならない:

$$ \Delta(b_k, b_{k-1}) \le \Delta_{\max} $$

例:会社員 → 起業家 は遠すぎる跳躍。会社員 → 副業 → 副業成長 → 顧客獲得 → 独立 なら各段が届く範囲にある。

§13 ブリッジ最適化問題

§13 ブリッジ最適化

$$ B^* = \arg\min_B \sum_k \big[\, \mathrm{Cost}(b_k) - \lambda \cdot \mathrm{Lift}(b_k) + \mu \cdot \mathrm{Frag}(b_k) \,\big] $$

• $B^*$:最適ブリッジ集合
• $\mathrm{Cost}(b_k)$:橋桁 $b_k$ を渡るエネルギー
• $\mathrm{Lift}(b_k)$:橋桁 $b_k$ の抽象度・臨場感引上げ効果
• $\mathrm{Frag}(b_k)$:橋桁 $b_k$ の断片化(挫折)リスク
• $\lambda, \mu > 0$:重み(介入設計者の選好)

§13.2 Presence Lift

$$ \mathrm{Lift}(B) = \sum_k P(b_k) - P(b_0) \ge 0 $$

• $\sum P(b_k)$:各橋桁の臨場感総和
• $P(b_0)$:出発点の臨場感
• 良いブリッジは $\mathrm{Lift}(B)$ を最大化する
• 重要:次のステップは近づいて初めて段々と見える(予め階段全体が見える訳ではない)
• 「ステップバイステップをリアルにイメージしましょう」という疑似コーチングは、クライアントを現状の TCZ の内側に縛る行為

§13.2.5 Efficacy 加重ブリッジ最適化(8項版・定理 6A 反映)

$$ \max_B \left[\, \sum_k A_G + \alpha \cdot \mathrm{Lift} + \mu \cdot \mathrm{Presence}\_+ + \nu \cdot \mathrm{Eff}(B) - \lambda \cdot \mathrm{Cost} - \beta \cdot \mathrm{Frag} - \delta \cdot \mathrm{Ethic} - \chi \cdot \mathrm{Imb}_{BW} \,\right] $$

• $\mathrm{Eff}(B) = E[\mathrm{LUB}(\varphi(b_1), \ldots, \varphi(b_K)) \mid x_t]$:ブリッジ集合 $B$ が達成する LUB に対する Efficacy
• $\nu > 0$:Efficacy 項の重み(新追加)
• 従来 7 項に Efficacy を入れた 8 項版
• 増やしたい 4 項:$A_G$(受容)/ $\mathrm{Lift}$(抽象上昇)/ $\mathrm{Presence}_+$(接近臨場感)/ $\mathrm{Eff}(B)$(LUB への Efficacy)
• 減らしたい 4 項:$\mathrm{Cost}$ / $\mathrm{Frag}$ / $\mathrm{Ethic}$ / $\mathrm{Imb}_{BW}$

§13.3 よいブリッジの設計原理

• 段差は受容可能距離 $\Delta_{\max}$ 以内
• 各段で Lift が正(臨場感が上がる)
• 断片化リスクが小さい
• 目標 $g$ に向かって単調に進む

§14 リーダーシップの数理

§14.2 低次リーダーシップ

$$ L_\text{low} = \bigcap_i \mathrm{TCZ}\_P(x_i) $$

• 全メンバー個別 TCZ_P の交差として実装
• 「全員が同意できる最小限」を見つける作業
• すばやく合意形成できるが、参加者が増えるほど合意領域は縮小する

§14.1 高次リーダーシップ

$$ L_\text{high} = \mathrm{LUB}(W_1, \ldots, W_n) $$

• 共有された志・ビジョンへ統合
• 多様性とともに豊かになる、長期的に拡大する

§15 組織変革失敗の数理

$$ P_\text{org}(g, t) \ll P_\text{org}(\text{現状}, t) $$

• 上層部が変革ビジョンを発表しても…組織が「リアル」と感じない
• 現状の TCZ_P は変わらず、行動目標も元の Shared-TCZ_P に引き戻される
• 抵抗勢力は「悪い人」ではない — 数理的必然
• 経営陣がいくら変革を叫んでも、組織は動かない。本質は $P_\text{org}(g)$ を上げること。

§16 「強く願えば叶う」の数理的修正

§16.1 修正条件

$$ P(g, t) > P(x_\text{current}, t) \;\;\wedge\;\; g \in \mathrm{TCZ}\_P(x_0) $$

• §9 中核命題と同じ二条件
• ただし「願う」と「臨場感を上げる」は別物
• メンタルレーニング技術で願望成就世界をリアルに感じるだけでは、現状 TCZ 内のリアル化に過ぎず逆効果
• コーチングは TCZ そのものの移行を促す

§16.2 「願う」と「臨場感を上げる」の差

「願う」だけでは Ego は動かない — 臨場感の構築が本質。

§17 倫理制約 — Decept から Ethic へ

§17.1 同じ数理、反転する倫理

Ethic 最小化 = 操作ではなく解放。

§17.2-3 Ethic 項の構成

Ethic(B) の三要素 — Ethic ↑ で避ける状態:【自律性侵害】【長期不利益】【完全情報・同意なし】

数理的に倫理的なコーチングの四条件: 1. クライアントが完全情報を持っている 2. クライアントが自由意志で同意している 3. クライアントの長期利益を優先する 4. クライアントの自律性を高次化する方向

同型性の発見

論文(MMCI v0.6.0 §13.1 / TCE 2-2 セミナー)が示した重要な結果:

認知戦の最適化と教育(コーチング)の最適化は、目的関数が構造的に同型である。

つまり同じ枠組みで両者を扱える。これは 驚くべき発見で、両者を区別する 構造的境界を見つける必要が生じる。

認知戦の数理

認知戦の最適化問題:

$$ M^* = \arg\min_M \sum_m \big[\, \mathrm{Cost}(m) - \lambda \cdot \mathrm{Effect}(m) + \mu \cdot \mathrm{Decept}(m) \,\big] $$

• $\mathrm{Cost}$:介入のコスト
• $\mathrm{Effect}$:目標とする効果(行動変容・意見変化等)
• $\mathrm{Decept}$:欺瞞・偽情報の使用度
• $\lambda, \mu$:重み係数

「効果を最大化しつつコストと欺瞞を最小化する」介入を探す。

教育(コーチング)の数理

教育の最適化問題:

$$ B^* = \arg\min_B \sum_k \big[\, \mathrm{Cost}(b_k) - \lambda \cdot \mathrm{Lift}(b_k) + \mu \cdot \mathrm{Frag}(b_k) \,\big] $$

• $\mathrm{Cost}$:介入のコスト
• $\mathrm{Lift}$:エフィカシーや LUB のリフト
• $\mathrm{Frag}$:認知の矛盾・不整合
• $\lambda, \mu$:重み係数

「リフトを最大化しつつコストと矛盾を最小化する」介入を探す。

構造的同型

両者を比較すると:

目的関数の構造はほぼ同型・対象が違うだけ。

決定的差 — δ·Ethic 項

両者の決定的差は δ·Ethic 項の有無:

$$ B^*_\text{Ethic} = \arg\min\big[\, \mathrm{Cost} - \lambda \cdot \mathrm{Lift} + \mu \cdot \mathrm{Frag} + \delta \cdot \mathrm{Ethic} \,\big] $$

教育の正規版では δ·Ethic 項を 必須項として加える。これにより:

• Ethic 違反($\mathrm{Ethic} > 0$)は目的関数を 悪化させる
• 数理的に 操作には向かない形になる
• 教育として整合する介入のみが最適解

Ethic 4 条件

δ·Ethic を構成する 4 条件:

これら 4 条件のすべてを満たして初めて、教育として成立。1 つでも欠けたら操作。

連続体ではなく離散的

操作と教育は 連続体(グラデーション)ではなく、Ethic 項の有無で離散的に分かれる。これが重要:

• 認知戦に近い教育、教育に近い認知戦、ではなく
• Ethic 4 条件を満たすか満たさないかの二値
• 4 条件のうち 1 つでも欠ければ操作の側に転落

短期最適と長期最適のトレードオフ

操作型介入(δ·Ethic を妥協する):

• 短期 KPI(効果・契約率)は上がる
• しかし長期では Cost(信頼喪失・訴訟・離反)が爆発
• 3〜5 年スケールで損失が利益を上回る

これは経験的に知られていた「短期主義 vs 長期主義」の数理的記述。

認知戦の倫理性 — 限定的だが存在しうる

認知戦も完全に違法・非倫理的とは限りません:

• 正当防衛的認知戦:相手の侵略的認知戦に対する反撃
• 広報・PR:法的に認められた範囲での影響工作
• 教育的説得:δ·Ethic を満たした上での意見変容

ただし、これらの境界は 微妙で、Ethic 4 条件で都度判定する必要があります。

認知戦への応用

論文の射程として:

• 国家間認知戦(地政学的情報戦)
• 商業マーケティング(操作的広告)
• 政治広報(プロパガンダ)
• 教育産業(誇大訴求)

これら全てに B.1 補題と中心式が適用可能。Ethic 項の有無で、適用の質が分岐する。

教える側の自覚

T 理論を学んで「これを誰かに教えたい」と思った時、最初に確認すべきこと:

1. 自律性を保てるか
2. 長期利益を保てるか
3. 完全情報を伝えられるか
4. 同意を取れるか

1 つでも答えが「いいえ」なら、教えるのを保留するのが健全。これが、定理 6A・6B の介入を 教育として成立させる ための運用条件。

検証可能な仮説

認知戦と教育の同型性は 検証可能な命題を生みます:

• 「δ·Ethic を満たす介入は長期 LTV(顧客生涯価値)が高い」
• 「Ethic 違反の介入は 3 年スケールで離脱率が有意に高い」
• 「カタルシス系語彙は短期成約率を上げるが長期エンゲージメントを下げる」

これらは経済学・マーケティング研究で部分的に支持されています(LTV 倫理経済等価)。

本章のまとめ

• 認知戦 $M^*$ と教育 $B^*$ は 構造的同型な最適化問題
• 決定的差は δ·Ethic 項の有無(離散的境界)
• Ethic 4 条件:自律性 / 長期利益 / 完全情報 / 同意
• 1 つでも欠けたら操作
• 短期 KPI と長期 LTV のトレードオフが数理的に説明できる
• 教える側の自覚:δ·Ethic を満たせない時は教えない

次章への接続

論文の主要な数理 + 応用が見えました。最終章では 結論 — 限界と展望として、本書全体の総括と、研究上の未解決問題、学習者へのメッセージを整理します。