「なんか、違和感あるんだよな」
陸が教科書を睨みながらつぶやいた。
「何が？」由紀が聞く。
「この問題の答え。正しいはずなのに、しっくりこない」
葵が興味深そうに覗き込んだ。「その『違和感』、測定できるかもしれない」
「違和感を測る？」
「KLダイバージェンス。前にやったろ？」
「ああ、KL先輩」陸が思い出した。「でも、これ数学の問題だよ？」
「人間の違和感は、期待と現実のズレから生まれる。それを数値化したのがKLダイバージェンスだ」
由紀がノートを開いた。「つまり、陸くんは心の中で答えの分布を予想していて、実際の答えの分布とずれてる？」
「哲学的だな」陸が笑った。
「でも、当たってる」葵が続けた。「脳は常に確率モデルを作ってる。その予測と観測がずれると、違和感として認識される」
「じゃあ、俺の脳のモデルがバグってる？」
「バグというより、データ不足。モデルを更新すれば、違和感は消える」
由紀が別の例を出した。「私も、たまにあります。友達の反応が予想と違うとき」
「それも同じ」葵が説明した。「相手の確率モデルを推測してる。でも完璧じゃないから、ズレが生じる」
「D_KL(真実||予想)が大きいほど、驚きや違和感が大きい」
陸が納得した。「つまり、違和感は情報理論的には正常な反応？」
「そう。予測と観測の差を検出するセンサーだ」
由紀が考え込んだ。「じゃあ、全く違和感を感じない人は？」
「モデルが完璧か、あるいは更新しない人」
「どっちも極端ですね」
葵が図を描いた。
「主観的確率P、客観的確率Q。KLダイバージェンスが大きいほど、認知的不協和が大きい」
「認知的不協和…難しい言葉」陸が言った。
「要するに、『なんか変だな』って感覚」
由紀が手を叩いた。「デジャヴもこれで説明できますか？」
「面白い視点。デジャヴは、現在の状況と記憶の確率分布が似ている状態かもしれない。KLダイバージェンスが小さい」
「逆に、全く予想外の出来事は？」
「KLダイバージェンスが巨大。脳はパニックになる」
陸が真剣な顔をした。「じゃあ、この違和感を消すには、問題をもっと理解すればいい？」
「正解。学習は、KLダイバージェンスを減らすプロセスだ」
「機械学習と同じだ」由紀が付け加えた。「訓練で、モデルと真実の距離を縮める」
「人間も機械も、やってることは同じ」葵が頷いた。
陸が教科書を読み直した。「わかった！この公式、こう解釈すればいいのか」
「違和感、消えた？」
「だいぶ。まだちょっとKL距離あるけど」
三人が笑った。
「KL距離って便利な概念だな」陸が言った。「日常の感覚を数学で語れる」
「情報理論の魅力は、抽象と具体をつなぐこと」葵が言った。
由紀がノートに書いた。「違和感=期待と現実のKL距離」
「次に違和感を感じたら、何が期待とずれてるか考えてみます」
「それが、批判的思考の第一歩だ」
窓の外で夕日が沈む。違和感は、成長のシグナル。三人は今日も、少しモデルを更新した。