書籍：知性はバイアスでできている　賢さと愚かさの計算論的認知科学
著者：サミュエル・ガーシュマン
出版社：講談社
ASIN ‏ : ‎ B0H3KN81DC

【書評】『知性はバイアスでできている』：AI時代に判断の質を上げる「思い込み」の構造的理解

私たちは日々、膨大な情報に囲まれながら、無数の意思決定を行っています。しかし、どれほど注意深く考えているつもりでも、「思い込みに騙されない」ことは簡単ではありません。

むしろ私たちは、自分では合理的に判断しているつもりでも、過去の経験や感情、置かれた環境によって、無意識のうちに結論を歪めてしまうことがあります。 では、なぜ人間は、時に非合理に見えるバイアスに囚われてしまうのでしょうか。

今回ご紹介するハーバード大学 心理学部 教授のサミュエル・ガーシュマンの著書『知性はバイアスでできている（What Makes Us Smart）』は、この問いに対して、「計算論的認知科学」という非常に興味深い切り口から答えてくれる一冊です。

本書の重要なメッセージは明快です。私たちが犯す推論の間違いは、単なるバグや欠陥ではありません。むしろ、限られた時間、限られた情報、限られた脳の処理能力の中で、できるだけよい答えにたどり着くための「合理的な仕様」なのです。

人間の知性は、すべての選択肢を完璧に比較して答えを出すようには設計されていません。過去の経験をもとに仮説を立て、不完全な情報から素早く判断し、行動しながら修正していく。そこにこそ、人間らしい知性の本質があります。

生成AIが急速に普及し、誰もが「正解らしい情報」に瞬時にアクセスできる時代になりました。しかし、情報が増えたからといって、判断の質が自動的に上がるわけではありません。むしろ重要になるのは、その情報をどの前提で読み、どの仮説に基づいて解釈し、どのタイミングで自分の考えを更新できるかです。

本記事では、本書の核となる「ベイズ的枠組み」を手がかりに、人間のバイアスを単なる弱点としてではなく、知性を支える仕組みとして読み解いていきます。そして、読者の皆さんが仕事や人生において、思い込みに振り回されるのではなく、自らの仮説を柔軟にアップデートし、意思決定の質を一段高めるためのヒントをお伝えします。

この記事でわかること

• 『知性はバイアスでできている』の核心的な主張と全体要約
• なぜ人は「思い込み」に囚われるのか（近似バイアスと帰納バイアスの正体）
• 陰謀論や強い信念を持つ相手を論理的に説得するベイズ的アプローチ
• データを鵜呑みにせず、物事を「構造で考える」ためのビジネス思考法
• AI時代において人間が磨くべき「知性のOS」の正体

30秒でわかる本書のポイント

【結論】：認知バイアスは欠陥ではなく、不確実な世界で素早く判断するための人間の基本OSです。
【原因】：人間の脳には、時間・注意力・エネルギーという明確な制約があります。すべての情報を集め、すべての可能性を比較検討してから判断することは現実的ではありません。そのため脳は、限られた情報から「おそらくこうだろう」と近似し、過去の経験や信念を手がかりに仮説を絞り込みます。これが認知バイアスの正体です。
【対策】：重要なのは、バイアスを完全に消そうとすることではありません。むしろ、自分がどのような前提や思い込みを持って判断しているのかをメタ認知することです。特に経営判断では、自らの「中心仮説」、つまり強く信じている見立てを一度言語化し、そのうえで他者との対話やAIによる客観的データ分析を活用する必要があります。 認知バイアスは、放置すれば誤った判断を生みます。しかし、自覚して使えば、不確実性の高い状況で仮説を立て、検証し、事後確率をアップデートするための強力な思考ツールになります。判断の質を高める鍵は、バイアスを否定することではなく、バイアスと賢く付き合う仕組みを持つことなのです。

本書の要約

本書は、人間の認知や推論における「間違い（バイアス）」を、ベイズ推論の枠組みを用いて再定義する画期的な一冊です。

著者のガーシュマンは、私たちが日常的に経験するバイアスを「帰納バイアス」と「近似バイアス」の2つに分類します。これらは能力の欠如ではなく、厳しいリソース制約のもとで私たちが世界を効率的に理解するための不可欠なメカニズムです。

例えば、未知の事象に直面した際、何の前提も持たなければ無限の解釈が可能になり、私たちは一歩も動けなくなってしまいます。そこで「帰納バイアス（事前の思い込み）」が働き、仮説の選択肢を瞬時に絞り込みます。

また、限られた時間の中で「近似バイアス」が働くことで、厳密な正確さを犠牲にしてでも、実用的な結論を素早く導き出します。

さらに本書は、科学のパラダイムシフトから陰謀論、他者の説得に至るまで、人間の「信念更新のメカニズム」を解説します。人間は核となる「中心仮説」を守るために、周囲の「補助仮説」を都合よく追加して反証を退ける性質を持っています。

この「人はなぜ間違えるのか、なぜ考えを変えられないのか」という構造的理解は、ビジネスにおける意思決定プロセスや組織マネジメントに根本的な見直しを迫る、極めて示唆に富んだ内容となっています。

こんな人におすすめ

• 自分の判断ミスや思い込みを減らし、意思決定の質を上げたい経営者・マネージャー
• 顧客の非合理な購買心理や、人間の行動原理を深く理解したいマーケター
• 部下や取引先など、強い信念を持つ相手との合意形成に悩んでいるリーダー
• AIと人間の能力の違いを体系的に学び、今後のキャリア戦略に活かしたいビジネスパーソン
• 行動経済学が提示する「バイアスのカタログ」のさらに奥にあるメカニズムを知りたい人

本書から得られるメリット

• 人間が犯す「間違い」の根本的なメカニズムが、情報処理の観点から構造的に理解できる
• 自他のバイアスに対して寛容になり、感情論ではなくシステムとして冷静なマネジメントができるようになる
• 陰謀論や固定観念に縛られた人を説得するための、ベイズ的な対話アプローチが身につく
• データを鵜呑みにせず、自らの「推論システム（前提条件）」を疑う習慣が身につく
  

なぜ人は「思い込み」に騙されるのか？ 2つのバイアスの正体

ベイズ派認知科学の理論枠組みの核心概念、それは帰納バイアスだ。（サミュエル・ガーシュマン）

ハーバード大学教授であるサミュエル・ガーシュマン博士の研究は、心理学、神経科学、そして機械学習を含むコンピューターサイエンスの交差点に位置しています。博士は、人間の知性を単なる脳の働きとしてではなく、「限られた計算資源の中で最適な推論を行うシステム」として捉えています。

本書『知性はバイアスでできている　賢さと愚かさの計算論的認知科学（What Makes Us Smart）』の最大の魅力は、認知バイアスを「克服すべき欠陥」ではなく、「知性そのものを成立させる合理的な仕組み」として再定義した点にあります。

私たちは一般的に、認知バイアスという言葉を聞くと、思い込みや判断ミスの原因を連想します。しかし著者は、それらの多くが脳の設計上の欠陥ではなく、限られた時間と情報の中で素早く意思決定するために必要不可欠な機能だと説明します。

その代表例として紹介されるのが、「帰納バイアス」と「近似バイアス」とです。 近似バイアスとは、脳が厳密な正確性よりも計算効率を優先する仕組みです。

現実世界はあまりにも複雑であり、すべての情報を完全に処理してから判断することは不可能です。そのため人間は「だいたい正しい答え」を高速で導き出す近道を使います。

帰納バイアスは世界についての信念を制約するのに対し、近似バイアスは思考プロセスそのものに課せられた制約だ。

著者は、言語を例に「バイアスの合理性」を説明しています。 人工言語の設計者たちは、人間の言葉にある曖昧さや多義性を「欠陥」と考え、それを取り除こうとしました。意味が一つに定まり、誤解が起きない言語こそ理想だと考えたのです。

しかし、実際にはそう単純ではありません。 もしすべての言葉が厳密に定義され、曖昧さが一切ない言語があったとしても、人間にとっては非常に使いづらいものになります。話す側も聞く側も、常に大量の情報を処理しなければならず、会話そのものが重たくなってしまうからです。

私たちが普段使っている言葉には、曖昧さ、省略、多義性があります。一見すると不完全に見えますが、これらがあるからこそ、私たちは少ない言葉で素早く意味を伝え合うことができます。 つまり、人間の言語にある「ゆるさ」は、コミュニケーションを妨げる欠陥ではありません。限られた時間と認知能力の中で、効率よく理解し合うための合理的な仕組みなのです。

帰納バイアスから私たちが学べること

因果性、合成性、もの、主体。証拠が示すところでは、人間がもつ帰納バイアスはそれらを中心として整理され、領域特化的で多彩な直観理論を組み立てる材料となっている。そういった帰納バイアスは、階層的学習のプロセスを通じて獲得されている面があるのかもしれない。

私たちは一般に、バイアスを誤った判断の原因と考えがちです。しかし著者は、バイアスがなければ人間は学習することも、新しい知識を獲得することもできないと指摘します。

例えば、人間は無意識のうちに「原因と結果」を探そうとします。これは因果性という帰納バイアスです。おかげで私たちは複雑な世界を理解できますが、その一方で存在しない因果関係まで見つけてしまうことがあります。

中世ヨーロッパでは瀉血（しゃけつ）が病気を治すと信じられていましたし、現代でもワクチンと自閉症を結び付ける誤った説を信じる人がいます。もちろん、これらの結論は事実としては誤りです。

しかし著者は、それを単純に「非合理」とは呼びません。人間は因果関係を見つけようとする帰納バイアスを持っているからこそ、学習し、未来を予測し、環境に適応できるからです。誤った因果関係を信じてしまうのは、その能力の副作用とも言えるのです。

もう一つ重要なのが、「合成性」という帰納バイアスです。 私たちは複雑なものを、より単純な要素の組み合わせとして理解しようとします。社会は個人から構成され、企業は部署やチームから成り立ち、文章は単語の組み合わせでできています。 この「分割して理解する」という考え方があるからこそ、人間は膨大な情報を整理し、学習することができます。

コンサルティングの現場で使われるMECEやロジックツリーも、本質的にはこの帰納バイアスを活用した思考法と言えます。

また、人間の学習能力の大部分は「社会学習」に支えられています。 私たちは、新しいデータや正しい情報を見れば、人は自然に考えを変えると思いがちです。しかし、実際にはそう簡単ではありません。

なぜなら、人間は事前確率、つまり「すでに持っている信念」という色眼鏡を通して世界を見ているからです。 事前確率とは、新しい証拠を見る前に、ある仮説をどれくらい信じているかを示すものです。一方、事後確率とは、新しい証拠を見たあとに、その信念がどの程度修正されたかを示します。

つまり、人間は「過去の経験や信念」と「目の前の新しい証拠」を組み合わせながら、自分なりの判断を更新しています。 しかし、事前確率が非常に強い場合、新しい証拠が入ってきても、信念は簡単には変わりません。同じデータを見ても、人によって解釈が大きく異なるのはこのためです。

しかも人間は、自分が強く信じている中心的な信念を守ろうとします。 そのため、反証データが現れても、「データが間違っている」「今回は例外だ」「測定方法に問題がある」といった補助的な説明を追加しながら、元の信念を維持しようとします。 一見すると、これは非合理に見えます。

私たちは新しいデータに出会ったとき、単純に「仮説が正しいか、間違っているか」を二択で判断しているわけではありません。むしろ、これまでの経験や知識にもとづいて持っている「事前の信念」を、新しい情報によって少しずつ更新しています。これがベイズ的な考え方です。

たとえば、ある人が中心仮説を強く信じているとします。その仮説と矛盾するデータが一つ出てきたとしても、すぐに中心仮説を捨てるとは限りません。「このデータの取り方に問題があったのではないか」「測定条件が特殊だったのではないか」「別の要因が影響したのではないか」と考えることは、むしろ自然な反応です。

ここで登場するのが、補助仮説です。 補助仮説とは、中心仮説を守るために付け加えられる周辺的な説明のことです。中心仮説そのものを否定するのではなく、矛盾して見えるデータに対して「なぜそう見えるのか」を説明しようとする考え方です。

ただし、注意も必要です。補助仮説は、仮説をすぐに捨てないための合理的な思考にもなりますが、使い方を誤ると、自分の思い込みを守るための言い訳にもなります。 重要なのは、補助仮説を立てること自体ではありません。その補助仮説が、追加のデータや検証によって確かめられるかどうかです。

検証できる補助仮説であれば、判断の質を高めます。一方で、どんな反証が出ても中心仮説を守るためだけに補助仮説を増やしていくと、それは学習ではなく、信念への固執になってしまいます。

たとえば、ある経営者が「この新商品には大きな市場ニーズがある」と強く信じていたとします。しかし発売後、売上が伸びなかった。このとき、「市場ニーズがなかった」とすぐに結論づけるのではなく、「広告量が足りなかった」「営業現場に商品価値が伝わっていなかった」「発売時期が悪かった」と考えることがあります。 これらは、中心仮説を守るための補助仮説です。

もちろん、広告や営業、タイミングに本当に問題がある場合もあります。その意味で、補助仮説を立てること自体が悪いわけではありません。むしろ、限られた情報の中で複雑な現実を理解しようとする、人間の合理的な推論プロセスとも言えます。

問題は、補助仮説を検証せず、中心仮説を守るための言い訳として増やし続けてしまうことです。 これは陰謀論だけに見られる現象ではありません。企業経営の現場でも頻繁に起こります。

新商品が売れない、採用施策がうまくいかない、DXプロジェクトが進まない。そのたびに、中心仮説を疑うのではなく、周辺の理由だけを修正し続けてしまう組織は少なくありません。 その結果、組織は失敗から学べなくなります。

本書が重要なのは、このような信念の抵抗を単なる愚かさとして切り捨てない点にあります。 人間の信念は、世界についての強い帰納バイアスに支えられています。その帰納バイアスがあるからこそ、私たちは経験から学び、安定した直観理論を持つことができます。

一方で、同じ仕組みが、誤った信念への固執を生み出すこともあります。 つまり、人間は意外に合理的なのです。 愚かな信念に見えるものも、本人の中では、過去の経験、中心仮説、補助仮説、そして新しいデータの解釈が一定の構造を持って結びついています。

だからこそ、正しい情報を突きつけるだけでは、人はなかなか考えを変えません。 組織変革やマネジメントにおいて「論破」がほとんど意味を持たないのは、このためです。 相手の信念を変えたいのであれば、まず相手がどのような前提で世界を見ているのかを理解する必要があります。

そして、いきなり中心仮説を否定するのではなく、周辺にある補助仮説を一つずつ丁寧に検証していくことが重要です。

優れたリーダーは、相手を論破しようとはしません。 相手の信念の構造を理解し、どの前提が判断を支えているのかを見極めます。そのうえで、対話とデータを通じて、少しずつ認識をアップデートできる環境をつくります。

組織を変えるとは、単に新しい方針を伝えることではありません。 人々が長年持ってきた事前確率を見直し、新しい証拠を受け入れられる状態をつくり、事後確率を少しずつ更新していくプロセスなのです。

AI時代に必要なベイズ思考法

確率論の最大級の成果としてベイズ則〔ベイズの定理ともいう〕がある。ベイズ則によれば事後確率とは単に、尤度と事前確率の掛け算である（ただし全仮説の確率の合計が１になるように正規化して確率分布にする）。

本書の議論は、生成AIが急速に普及する現代において、さらに重要性を増しています。 AIは膨大なデータを処理し、確率計算やパターン認識において、人間を大きく上回ります。

特にAIが得意なのは、与えられた情報をもとに「尤度」を計算することです。 尤度とは、簡単に言えば「ある仮説が正しいとしたら、目の前のデータがどれくらい起こりやすいか」を示すものです。 たとえば、新商品が売れなかったとします。そのとき、「価格が高すぎた」という仮説を立てた場合、実際の顧客データや競合価格、購買率の低さがその仮説とどれだけ整合しているかを見る。これが尤度を考えるということです。

AIは、このように大量のデータをもとに、どの仮説が現実のデータと合いやすいかを高速に分析できます。 しかし、人間が持つ「そもそもどの仮説を立てるか」「どこに注目するか」「何を重要な変化と見るか」という帰納バイアスまでは、簡単に代替できません。

一方、人間の強みは、限られた情報の中から大胆に仮説を設定し、未知の世界を探索できることにあります。過去の経験、現場感覚、違和感、直感をもとに、「もしかすると本当の問題はここにあるのではないか」と問いを立てる力です。

だからこそ、これからの時代に重要なのは、AIと計算力で競うことではありません。 AIは膨大なデータを処理し、確率を計算し、情報の中からパターンを発見することに優れています。

しかし、ビジネスの現場で本当に問われるのは、「何が問題なのか」「どこに変化の兆しがあるのか」「どの仮説を検証すべきなのか」を見極める力です。 そのために必要なのが、多様な経験を通じて判断力や洞察力を磨くことです。

顧客との対話、現場での失敗、異業種からの学び、歴史や教養への理解など、一見遠回りに見える経験が、重要な局面での事前確率の質を高めてくれます。

一方、AIが得意なのは、仮説とデータの整合性を検証することです。AIは大量の情報を分析し、「その仮説はどれくらいデータによって支持されているのか」を客観的に示してくれます。 つまり、AI時代の知的生産とは、AIに答えを出してもらうことではありません。 人

間が問いを立て、事前確率に基づいて仮説をつくり、AIがデータを分析する。そして、その結果を踏まえて人間が再び仮説を見直し、意思決定を行う。このサイクルを回し続けることが重要なのです。 これからのキャリアや学びにおいて、「AIより速く計算すること」や「AIより多くの知識を覚えること」に価値はなくなっていくでしょう。

むしろ、人間に求められるのは、良質な問いを立てる力、事前確率を磨く力、自分の思い込みを疑う力、そして新しい証拠が現れたときに柔軟に考えを更新する力です。

AIが示したデータを鵜呑みにするのではなく、自らの経験や現場感覚と照らし合わせながら解釈し、必要に応じて仮説を修正していく。 この「仮説→検証→学習」のサイクルを回し続けることこそが、AI時代を生き抜くための最も合理的な知的生産のスタイルなのです。

人間は意外に合理的なのだ。人間の信念というのは、世界がついての強い帰納バイアスに影響されている。そういった帰納バイアスが頑健な直観理論の発達を可能にしているのだけれども、その同じ帰納バイァスが愚かな信念をもたらすこともあるのだ。

著者が最終的に伝えたいのは、人間は思われているほど非合理な存在ではない、ということです。 私たちを賢くしているのは、バイアスのない完全な客観性ではありません。

むしろ、限られた情報や時間の中で判断するために、私たちはある程度「偏る」必要があります。 近似バイアスがあるからこそ、脳はすべてを厳密に処理せず、効率よく判断できます。帰納バイアスがあるからこそ、無数の可能性の中から有力な仮説を絞り込めます。

もしこれらのバイアスがなければ、私たちの脳は膨大な情報処理に疲れ果て、素早く学び、行動することが難しくなるでしょう。バイアスは知性の欠陥ではありません。知性を働かせるための基本機能なのです。

『知性はバイアスでできている』は、人間のバイアスを否定する書籍ではありません。不確実な世界の中で、なぜ私たちは学び、判断し、成長できるのか。その知性の設計原理を解き明かしてくれる一冊です。

コンサルタント 徳本昌大のView

私はコンサルタントとして、多くの経営トップと接してきましたが、継続して成長する組織のリーダーには、明確な共通点があります。それは、「自分の認知には必ずバイアスがある」と深く自覚していることです。

優れたリーダーは、自分の判断を絶対視しません。過去の成功体験や直感が、時に大きな武器になることを理解しながらも、それが同時に「見落とし」や「思い込み」の原因になることも知っています。 彼らは、自分のバイアスを完全に排除しようとはしません。むしろ、バイアスは人間の知性に組み込まれた避けがたい仕組みだと捉えています。

そのうえで、他者の視点、現場の声、顧客データ、AIによる分析といった「外部の力」を使い、自らの事前確率を常にアップデートする仕組みを持っているのです。

本書『知性はバイアスでできている』は、私たちが日々直面する「人間的エラー」の裏側にある、合理的な計算プロセスを見事に描き出しています。私たちは愚かだから偏るのではありません。あえて「偏る」ことで、複雑すぎる世界を素早く理解し、限られた情報の中で前に進んでいるのです。

ビジネスの現場では、すべての情報が揃ってから判断できる場面など、ほとんどありません。市場は変化し、競合は動き、顧客のニーズも日々書き換わっていきます。その中でリーダーは、不完全な情報をもとに仮説を立て、意思決定し、結果を見ながら修正していくしかありません。

だからこそ重要なのは、「正しい判断を一度で下すこと」ではありません。むしろ、自分がどの前提に基づいて判断しているのかを把握し、その前提が現実とズレ始めたときに、素早く修正できるかどうかです。

AIという圧倒的な推論サポートツールを手に入れた今、私たちは情報不足に悩むだけでなく、情報過多によって迷う時代を生きています。AIは大量のデータを整理し、仮説を提示し、見落としていた論点を可視化してくれます。

しかし、最終的に何を重視し、どの仮説を採用し、どのリスクを引き受けるのかを決めるのは人間です。 その意味で、これからのリーダーに必要なのは、AIに答えを委ねることではありません。AIを鏡として使いながら、自分自身の判断のクセを理解することです。

自らの信念がどこから来ているのか、どの情報を過大評価し、どの情報を軽視しているのかを見つめ直すことが、意思決定の質を高めます。

本書を通じて、自らの判断のクセを知り、他者の信念の構造を理解し、仮説を柔軟に更新し続ける。その姿勢こそが、これからのビジネスパーソンに求められる知性です。

思い込みに振り回されるのではなく、バイアスと賢く付き合うこと。過去の成功体験に縛られるのではなく、新しい証拠によって自分の思考や信念をアップデートすること。そして、異なる意見を排除するのではなく、自分の認知を補正する貴重な材料として受け止めることが欠かせません。

『知性はバイアスでできている』は、判断ミスを減らしたい人だけでなく、組織の学習能力を高めたい経営者、マネージャー、そしてAI時代の知性のあり方を考えたいすべてのビジネスパーソンにとって、極めて有益な一冊です。

FAQ

Q. 計算機科学やベイズ推論の専門知識がなくても読めますか？

A. はい、読めます。本書は学術的なテーマを扱っていますが、著者が言語学習や天文学、陰謀論といった具体的なエピソードを交えて解説しているため、文系のビジネスパーソンでも「人が思い込む構造」の本質は十分に理解できます。

Q. ダニエル・カーネマンの『ファスト＆スロー』とは何が違うのでしょうか？

A. 行動経済学が「人間がいかに不合理な判断ミスを犯すか」という事象に焦点を当てているのに対し、本書は「なぜそのバイアスが存在するのか」という計算論的な必然性（合理的な理由）を掘り下げている点が異なります。両者を併読すると、人間理解がさらに深まります。

Q. この本の内容を、実際の仕事にどう活かせばいいですか？

A. まずは、意見が対立した際に相手を「不合理だ」と切り捨てるのをやめることです。相手がどんな「事前確率（過去の経験）」と「補助仮説（言い訳）」を持っているのかを構造的に分析し、外堀から丁寧にすり合わせを行う「ベイズ的コミュニケーション」を試みると結果が変わります。

関連記事

【書評】ダニエル・カーネマンに学ぶ！人はなぜ判断ミスを犯すのか？？
ファスト＆スロー　直感と熟考の2つのシステムを使いこなす
行動経済学のバイブル。人間の脳内にある「システム1（早い思考）」と「システム2（遅い思考）」のメカニズムを解説。人間の認知のクセを知り、重大な局面での判断ミスを防ぐための基礎として必読の一冊です。
→リンクはこちらから

【書評】ＮＯＩＳＥ 組織はなぜ判断を誤るのか？（ダニエル・カーネマン）
同じくダニエル・カーネマンらによる名著。バイアスとは異なる、人間の判断における「ばらつき（ノイズ）」について解説しています。本書と併せて読むことで、組織の意思決定プロセスからエラーを排除する視点が養えます。
→リンクはこちらから

【書評】ＴＨＩＮＫ　ＡＧＡＩＮ　発想を変える、思い込みを手放す（アダム・グラント）
アダム・グラントによる、自分の信念を疑い、アップデートし続けることの重要性を説いた一冊。ベイズ的な「信念の更新」を、個人のキャリアや人間関係においてどう実践すべきかのヒントが詰まっています。
→リンクはこちらから