コンピュータサイエンスは、心理学に何をもたらすのか
人の行動を95%の精度で予測できる。それで、何かを「理解した」ことになるのか。
ここが、ずっと曖昧にされてきた問いだ。予測と理解は別物である。強化学習モデルは選択の系列を鮮やかに圧縮する。だが、そのモデルが人間の認知の「実装記述」かどうかは、まったく別の話だ。目的関数の水準で当たることと、アルゴリズムの水準で妥当であることは違う。精度の議論が、いつのまにか理解の議論にすり替わる。それがこの分野の慢性疾患である。
だからまず、問いを分ける必要がある。予測の問題か。測定の問題か。説明の問題か。介入の問題か。「AIで心を理解する」という一文は明快だが、その明快さが現実の複雑さを隠す。
感情研究で考えてみよう。顔画像から特徴を抽出して「怒りを検出した」と言いたくなる。しかし、それは観測可能な信号の表現であって、感情そのものではない。「怒った顔」と「怒り」という構成概念を直結させると、測っているものと、測ったことにしたいものが静かに入れ替わる。感情は離散カテゴリでも連続次元でも記述でき、主観経験・表出・生理反応が常に一致するわけでもない。求められるのは分類器ではなく、自己報告・行動・生理のあいだのずれと共通性を束ねる潜在変数モデルだ。収束的妥当性も文化差への頑健性も確認せずに「感情AI」を名乗るのは早計である。
行動データも同じ罠がある。ログやセンサの記録は、「真の行動」の透明な窓ではない。そこにはUIの癖、推薦アルゴリズム、プラットフォームの設計が織り込まれている。行動データとは行動そのものではなく、データ生成過程の産物だ。それを忘れると、通知設計や離脱防止機構まで、その人の性格として読んでしまう。さらに個人差に向き合うなら、集団平均に適合した単一モデルはすぐ限界に達する。個人間差だけでなく、個人内変動や状態遷移があるからだ。階層ベイズや状態空間モデルのほうが、人間をより人間らしく扱える。
では、コンピュータサイエンスの本当の貢献は何か。派手な予測器を作ることではない。心理測定を計算的に拡張することにある。質問紙は古い。しかし捨てるべきではない。主観経験に直接触れられ、理論に基づいて設計できるからだ。重要なのは、質問紙・行動課題・パッシブセンシングを束ねたマルチモーダルな測定基盤を築くことである。ただし統合それ自体に価値はない。信頼性、測定不変性、収束的・弁別的妥当性といった地味な条件を満たして初めて意味をもつ。
介入についても、同じ問いが戻ってくる。継続率が高いアプリを作った。それは有益かもしれない。しかし科学的貢献とは言えない。必要なのは、「平均して効くか」ではなく、「どの方策が、どの人に、どの文脈で、何を通じて効くのか」を因果的に問うことだ。マイクロランダム化試験やSMARTがその道具になる。最適化すべきは効果量だけではない。受容性、自律性への影響、副作用、離脱率まで含めなければならない。ここでコンピュータサイエンスは工学ではなく、統治技術としての顔を見せ始める。
コンピュータサイエンスが心理学を前へ進めるとすれば、それは精度や処理能力のためではない。心理学の構成概念を計算可能な表現へと写し替え、測定・説明・予測・介入を混同せず接続するためだ。ただし条件がある。デジタル指標を実在そのものと見なさないこと。文化的バイアスを監査すること。自律性侵害の可能性を最初から数え入れること。理論主導であること。
その手間を省いて「心の見える化」を売り始めれば、古い測定上の問題を新しいUIで包み直すだけに終わる。
技術が進んでも、最後の問いは変わらない。私たちは何を測っており、何を理解したことにしているのか。その問いから逃げることは、誰にもできない。