「データと情報って、違うんですか？」
由紀は図書館で資料を探しながら、葵に聞いた。
「良い質問だ。多くの人が混同する」
葵は本を閉じて、説明を始めた。
「データは生の事実。数字や記号の羅列。でも情報は、意味を持つデータだ」
「意味を持つ？」
「例えば、『42』というデータ。これだけでは情報じゃない。でも『気温は42度』なら、文脈があって意味がある」
由紀が理解し始めた。「文脈が大事なんですね」
「そう。データに文脈を与えることで、情報に変わる。これが情報理論と実世界の接点だ」
その時、S教授が図書館に入ってきた。
「良い議論をしているね」
「教授、データと情報の違いについて話してました」
S教授が座った。「データの海、という比喩を使うことがある。現代社会は膨大なデータに溢れているが、そのほとんどは未加工だ」
「未加工？」
「生のデータは、石油のようなもの。精製して初めて価値が生まれる」
葵が補足した。「データマイニングや機械学習は、データから情報を抽出する技術だ」
由紀がノートに書いた。「データ → 処理 → 情報 → 理解 → 知識」
「良い図だ。さらに、知識から知恵へと進化する」S教授が認めた。
「でも」由紀が考えた。「情報理論では、情報量って数値化できますよね。データと情報を区別しない？」
葵が答えた。「鋭い指摘。厳密には、情報理論では『情報量』を扱う。これは統計的な概念で、意味とは独立している」
「意味と独立？」
「例えば、ランダムな数列は高い情報量を持つ。でも、人間にとって意味がない。逆に、詩は情報量が低くても、深い意味を持つ」
S教授が続けた。「これがシャノン情報理論の限界であり、強みでもある。意味を排除することで、普遍的な数理を構築できた」
由紀が難しい顔をした。「じゃあ、意味のある情報を測るには？」
「それが意味論的情報理論の課題だ。まだ発展途上の分野だよ」
葵が実例を出した。「メールの件名『会議』だけより、『明日15時、第3会議室で予算会議』の方が情報量が多い。でも、受信者が既に知っていたら？」
「情報量は減る」由紀が答えた。
「そう。情報の価値は、受信者の知識状態に依存する。これが主観的情報の概念だ」
S教授が静かに言った。「データの海で溺れないためには、意味を見出す力が必要だ。それが人間の役割だよ」
由紀が窓の外を見た。図書館の外には、街が広がっている。
「街全体が、データの海なんですね。人々の行動、気温、時刻。全てデータ」
「でも、君がそれに意味を見出すとき、データは情報になる」葵が言った。
「情報理論は道具。どう使うかは、私たち次第」
S教授が頷いた。「まさに。技術は中立だが、応用には責任が伴う」
由紀は本を閉じた。今日もまた、新しい視点を得た。
「データの海に浮かぶ二人、か」由紀が呟いた。
「三人だよ」S教授が微笑んだ。
「そして、無数の他者とも繋がってる。情報を通じて」葵が付け加えた。
図書館は静かだったが、見えない情報が飛び交っていた。データは至る所にある。でも、意味を見出すのは人間だ。
由紀は立ち上がった。「もっと学びます。データから情報へ、情報から知識へ」
「その姿勢が、一番の情報だよ」S教授が静かに言った。
データの海は広い。でも、泳ぎ方を学べば、宝を見つけられる。