1. 不確実性における「もしも」
現実世界では、多くの事象は決定論的ではなく、確率的です。
「もし雨ならば、傘を持っていこう」という意思決定は、雨が降る確率 に基づいています。
この章では、確率論的「もしも」の構造、特にベイズ推論とエントロピーの観点から、「もしも」が不確実性をどのように処理するかを考察します。
2. ベイズ推論：更新される「もしも」
ベイズの定理は、新しい証拠 が得られたとき、仮説 の確率（事後確率）がどのように更新されるかを示します。
ここで、 は事前確率（証拠前の「もしも」の信頼度）、 は事後確率（証拠後の「もしも」の信頼度）です。
2.1 事前確率としての「もしも」
「もしこの薬が効くならば、症状が改善する」という仮説 に対して、臨床試験前の信頼度 が事前確率です。
この事前確率は、過去の知識や直感に基づいて設定されます。
2.2 尤度 としての「もしも」
は、「もし仮説 が真ならば、証拠 が得られる確率」です。
これは、仮説 が「もし真ならば」という条件付き確率を表現しています。
2.3 事後確率としての「もしも」の進化
証拠 が得られるたびに、 は に更新されます。
このプロセスにおいて、「もしも」の信頼度は動的に変化します。
思考実験：
コインの表裏の問題。
- 事前確率:
- 証拠: 10回連続で表が出た。
- 事後確率: は、コインが偏っている可能性を示唆し、次の表の確率を更新します。
このように、ベイズ推論は、「もしも」を静的な命題ではなく、更新される信念として扱います。
3. エントロピーと情報の価値
「もしも」の思考は、不確実性（エントロピー）を減少させるために用いられます。
シャノンエントロピー は、確率変数 の不確実性を測ります。
「もしも」の質問（証拠の取得）は、エントロピーを減少させます。
3.1 情報価値の計算
「もしAを知ったら、Bについてどれくらい不確実性が減るか？」
これは**相互情報量（Mutual Information）**として計算されます。
意思決定理論では、この情報価値が、調査コストを上回る場合にのみ、情報を収集することが理性的とされます。
「もしも」の思考は、無制限に行われるのではなく、情報価値とコストのバランスによって制約されます。
4. 確率的因果とドーダル推論
因果関係自体が確率的である場合、**ドーダルグラフ（Bayesian Network）**が用いられます。
ノード間の条件付き確率分布（CPT）が定義され、証拠が入力されると、マルコフ連鎖モンテカルロ（MCMC）法などの手法を用いて、事後分布が推論されます。
この過程で、「もしも」は、確率分布上のパスをたどる操作となります。
「もしXが変化したら、Yの分布がどうシフトするか？」という問いは、確率質量の再分配として計算されます。
5. 不確実性と倫理
確率的「もしも」は、倫理的判断にも影響を与えます。
- 功利主義: 期待効用 の最大化。
- リスク回避: 最悪ケース（Minimax）の考慮。
「もし事故が起きたら」という確率的なリスクを、どのように評価するかによって、倫理的結論は変わります。
確率論的「もしも」は、倫理を期待値の計算へと変容させます。
6. 第4章のまとめ：確率の海における「もしも」
第4章では、不確実性下での「もしも」について解説しました。
「もしも」は、確率分布を更新するベイズの道具であり、エントロピーを減少させる情報収集の手段です。
しかし、確率論は、量子力学の根本的な不確実性を完全に説明できるでしょうか？
次の第5章では、量子力学における「もしも」の特殊性、特に重ね合わせと観測の問題に取り組みます。