生態学的合理性

生態学的合理性は実践的合理性に関する特殊な説明であり、合理的行動の規範、つまり合理的に行動するためにすべきことを規定する。経済学や心理学などの社会科学や行動科学において現在主流となっている実践的合理性に関する説明である合理的選択理論は、実践的合理性とは状況に関わらず、一定の規則に従って意思決定を行うことであると主張している。対照的に生態学的合理性は、意思決定の合理性は、その特定の状況で目標を達成できるように、意思決定が行われる状況に依存すると主張する。したがって、合理的選択の説明で合理的とみなされるものが、生態学的合理性の説明では必ずしも合理的とみなされるわけではない。全体として、合理的選択理論は内部の論理的一貫性を重視しているのに対し、生態学的合理性は世界における外部のパフォーマンスを目標としている。生態学的に合理的という用語は、生物学の生態学と語源的にのみ類似している。

生態学的合理性は、合理性の規範的説明としての合理的選択理論(RCT) に異議を唱えます。合理的選択理論によれば、行為が一連の公理または原則を満たす選好と期待から生じる場合、その行為は合理的であるとみなされます。これらの原則は、一貫性の考慮に基づいて正当化されることが多く、たとえば、利用可能な情報と矛盾する非推移的な選好と期待は除外されます。したがって、合理的選択理論は、世界の主観的表現を前提として、実際的合理性を最適な行為の道として提示します。

20世紀後半以降、モーリス・アレー^[1]などの経済学者や、エイモス・トヴェルスキー、ダニエル・カーネマン^[2]などの心理学者による一連の研究により、 RCTの原則に対する体系的な違反が記録された。これらの違反は、通常、人間の行動における非合理性の実証として解釈される。対照的に、生態学的合理性の概念は、RCTの規範的妥当性に疑問を投げかけ、したがって、経験的発見を根本的に異なる方法で解釈する。以下で説明するように、RCT違反は、実際にはいくつかの条件下では合理的な行動を意味する可能性がある。

ゲルト・ギゲレンツァー^{[3] [4]は}、観察された行動の中には、RCTの原則に違反しているものの、経験的にいくつかの環境では合理的であることが示されているものがあると主張している。つまり、これらの環境で合理的に行動するためには、 RCTの原則に違反する必要があるということである。行動の合理性は内部基準（例えば、推移性）だけでなく環境の構造にも依存するというこの考えは、ハーバート・A・サイモンによって以前に提唱された。^{[5] [6]}サイモンは、合理性を2枚の刃で切るハサミによって形作られると想像した。1枚はタスク環境の構造を表し、もう1枚はエージェントの計算能力を表す。^[7]生態学的合理性の理論は、環境構造の条件を正確に（通常は数学的に）規定しており、その条件の下では、より正確で、成功し、透明性のある決定を下すために、合理的な行為者が何らかの方法を使用すべきであり、これらの決定は事前に決定された明確に定義された基準によって測定される。

ベストを取るヒューリスティック[ ^8]について考えてみましょう。これは、ある基準に従って2つ以上のオプションのセットから最良のものを見つけるために使用できます。各オプションのすべての属性に関する情報を考慮するのではなく、ヒューリスティックでは、さまざまなオプションを区別する最も有効な属性（つまり、基準と最も相関の高い属性）に関する情報のみを使用し、この1つの属性が好むオプションを選択します。したがって、RCTで要求されるように利用可能なすべての情報を統合するわけではありません。それでも、ベストを取るヒューリスティックは、利用可能なすべての情報を考慮する多重線形回帰などの他の意思決定モデルよりも正確な選択を生み出すことができることがわかりました。^[9]このような結果は、CART決定木、ランダムフォレスト、ナイーブベイズ、正則化回帰、サポートベクターマシンなどの高度な統計モデルや機械学習モデルとの比較で経験的に再現されており、多数の意思決定問題（選択、推論、予測を含む）や実際のデータセットにわたって再現されています。レビューについてはを参照してください。^{[10] [11]}上で述べたように、このようなベストテイクの成功を説明するには、どの環境特性がそれを促進し、どの環境特性が促進しないかを理解する必要があります。生態学的合理性理論によると、他のモデルと比較してベストテイクの精度が比較的高くなる環境特性の例としては、(i) 利用可能な情報が乏しいか質が低いこと、^[10] (ii) 属性の妥当性の分散が大きいこと (非補償性条件とも呼ばれる)、^{[12] [13]} (iii) 単純かつ累積的な優位性の条件を含む、他のオプションを支配するオプションの存在などがあります。^[14]これらの条件のいくつかは、ベストテイクなどのヒューリスティックの最適なパフォーマンスも保証します。^[15]このような条件は、自然なデータセットで驚くほど普及しており、^[16]ベストテイクやその他の同様の単純なヒューリスティックのパフォーマンスを向上させることが判明しています。^[17]

2 番目の例として、投資を複数の投資オプションに配分する方法を考えてみましょう。1/N ヒューリスティック (ナイーブ アロケーションとも呼ばれる) ^[18]によれば、エージェントは各投資オプションに同じサイズの株式を単純に割り当てます。RCT の処方とは対照的に、このナイーブ ヒューリスティックは利用可能な情報を一切考慮せず、利用可能なオプションの優先順位も生成しません。選択環境が予測の不確実性が高く、投資オプションが多数あり、過去のパフォーマンスに関する情報が限られているという特徴がある場合、さまざまな指標で 1/N ヒューリスティックを一貫して上回る合理的な選択モデル (ここでは、マルコウィッツの平均分散最適化のベイジアン バージョン^[19]という意味) は見つかりませんでした。^[20]

生態学的合理性の理論の結果を考慮すると、外部パフォーマンスに関心がある場合、RCT が最善策を取るなどの単純なヒューリスティックよりも優れた、または「より合理的な」決定につながると想定すべきではないようです。むしろ、意思決定環境の特性を見つけ出し、そのような環境でより優れたパフォーマンスを発揮すると理論が提唱する方法を選択する必要があります。

RCT に過度に依存することに反対する追加の根拠もいくつかあります。

まず、RCTは場合によっては人間が持っていない認知能力を要求する。現実世界の多くの問題は計算的に扱いにくい。例えば、ベイジアン信念ネットワークを使用して確率的推論を行うことはNP困難である。^[21]多くの理論家は、合理性の説明には「[...]現在の人間が持っている能力やスキルをはるかに超える能力やスキル」は必要ではないことに同意している。^[22]

第二に、扱いやすい問題であっても、ヒューリスティックは労力を節約できると主張されてきたが、正確さを犠牲にしなければならない場合もある。環境の構造によっては、この正確さの低下は小さいかもしれない。^{[23] [11]}

第三に、リスク（既知のリスク）と不確実性（未知のリスク）のいずれかによって特徴付けられる状況の間には根本的な違いがある。^[24]リスクの状況では、上で概説した精度と労力のトレードオフは、意思決定戦略の複雑さを軽減する結果として精度が低下することを意味する。対照的に、不確実性の状況では、より少ないほど良い効果が可能になり、利用可能な情報の一部を体系的に無視することでより正確な推論につながる状況が説明される。したがって、まさにこれを実行する適応型ヒューリスティックスは、生態学的に合理的である可能性がある。この発見の説明は、バイアスと分散のジレンマによって提供され、これは、単純さ（無知のように見えるかもしれない）が推定誤差の1つの原因（バイアス）を増加させる傾向があるが、別の原因（分散）も減少させる傾向があることを数学的に定式化したものである。^[25]

ゲルト・ギゲレンツァーとは独立して、ヴァーノン・L・スミスは主に経済学で議論されている生態学的合理性に関する独自の説明を展開した。この2つの概念は関連しているが、スミスは効率的な結果に到達するために試行錯誤のプロセスで進化してきた市場などの社会的実体に対してこの概念を前提としている。^[26]

• 限定合理性
• 判断と意思決定におけるヒューリスティック
• 少ないほど良い
• 最善を追求するヒューリスティック
• 迅速で節約的な木