ドラッケンミラーがLLMを使うなら、単一視点の質問は答えの90%を捨てる
彼が見ていたもの
スタンリー・ドラッケンミラーはマクロ投資家です。30年にわたって年率約30%のリターンを維持し、一度も損失年を出さなかったという記録は、ほとんど唯一無二です。一つの分野に深い専門性があるだけでは説明できない数字です。
彼自身はその秘密をこう語っています。複数のセクターの複数企業の発表を幅広く聞いているうちに、その中の誰も見ていない別の地点を予測できるようになった、と。
半導体企業のCEOが「在庫が積み上がっている」と言う。同じ四半期に、自動車会社のCFOが「チップ不足が解消されつつある」と言う。どちらも自分のセクターでは正しい。けれど両方を同時に聞いている人だけが、別の文を聞くことになります。需要の鈍化が始まった、という文です。
その文は、どの会社の発表にも出てきません。二つの発表のあいだの空白にだけ存在します。
空白という資産
前回の文章で、私たちはLLMの創発はスケールだけではなく、言語多様性の産物ではないかと主張しました。異なる言語が一つの空間で交差するとき、どの言語にも単独では存在しない新しい表象が現れる、という仮説です。
その仮説を一段進めると、こうなります。言語とは結局、ある共同体が自分たちの環境で生き残る過程で圧縮したドメイン知識です。 イヌイット語の雪に関する語彙は、極地で生きるためのドメインの圧縮です。韓国語の「눈치」は、階層的な社会関係を生きるためのドメインの圧縮です。だとすれば、より一般的な命題が成り立ちます。
ドメイン間の交差から新しい表象が生まれる。
ダーウィンは博物学、地質学、そしてマルサスの人口論の交差点で自然選択を見ました。一つの分野に留まっていたら見えなかった結論です。シャノンはブール代数、電気回路、統計力学の交差点で情報理論を作りました。カーネマンは心理学と経済学の交差点で行動経済学を築きました。チャーリー・マンガーが生涯強調した「lattice of mental models」は、まさにこの仮説です。複数分野のモデルを格子状に結ばなければ、一つのモデルしか持たない人には見えないものがあります。
ドラッケンミラーも同じ仮説の生きた証明です。彼が見ていたのは新しいデータではなく、データ同士のあいだの空白でした。
LLMが自動的にドラッケンミラーにならない理由
ここで面白い逆説が出てきます。LLMは人類史上初めて、あらゆるドメインのテキストを同時に一つの空間へ圧縮した存在です。ドメイン多様性はすでに最大化されています。ならば、自動的にドラッケンミラーのような洞察を出すはずではないでしょうか。
そうはなりません。ユーザーの質問が単一ドメインの答えを求める形で入ると、モデルは最も一般的な単一ドメインの答えへ回帰するからです。
「この市場をどう見ますか」と聞けば、一般的な市場分析が返ってきます。「このコードをどう直せばいいですか」と聞けば、よくあるコード修正が返ってきます。ドメイン交差の能力はモデルの中に潜んでいますが、質問がその交差を呼び出さなければ活性化されません。
プロンプトエンジニアリングの本質は結局これです。モデルの中で眠っているドメイン交差を起こすトリガーを設計すること。
眠っている交差を起こす四つの方法
1. 視点を未来へ移す — Pre-mortem
強力なのに、あまり知られていない手法です。
「この計画の弱点は何か」と聞くと、モデルは一般的なリスク一覧を出します。これを次のように変えてみます。
「この計画が18か月後にひどく失敗したと仮定してください。その失敗の最もあり得るシナリオを3つ、未来から現在へ逆算して語ってください。」
同じ事実を見ていても、視点が変わると見えるものが変わります。現在時点のリスク一覧は抽象的です。未来から振り返る失敗の物語は、具体的な因果関係を強制します。どの決定がどの結果を生み、それがどんなドミノを起こしたのか。未来の視点は、現在からは見えない連鎖の空白を埋めます。
2. 敵を直接作る — Steel-manning
自分の仮説の弱点を点検するとき、よくある間違いは「欠点を教えて」と聞くことです。モデルはありがちな欠点一覧で答えます。
代わりにこう聞きます。
「私の仮説を最も強く反論できる批判者がいると仮定してください。その批判者が私の弱点を正確に突きながら展開できる、最も鋭い反論を書いてください。」
「最も賢い反対者」というペルソナが入った瞬間、モデルは批判の深さを別の段階へ引き上げます。私たちは自分の仮説の本当の弱点を見られないことがあります。弱点を見ることは、その仮説を捨てなければならない可能性を意味するからです。しかし外部の批判者の口を借りれば、その認知的抵抗は消えます。直視できなかった真空が現れます。
3. 問題の定義を変える — Frame shifting
同じ問題を別の学問レンズで再定義する手法です。
スタートアップがユーザー離脱の問題を解こうとしているとします。普通は「離脱率をどう下げるか」と聞きます。モデルは一般的なリテンション施策を並べます。
これをこう変えます。
「ユーザー離脱を次の四つのレンズでそれぞれ再定義してください。(a) 技術問題として見るなら、(b) 信頼問題として見るなら、(c) アイデンティティ問題として見るなら、(d) 美学の問題として見るなら。」
同じ現象が四つの異なる問題に変わります。そして決定的に、解決空間全体が変わります。技術問題にはコードが答えになり、信頼問題にはコミュニケーションが答えになり、アイデンティティ問題にはブランドが答えになり、美学の問題には感覚が答えになります。どの定義が正しいかが核心ではありません。定義を変えなければ見えない解決策がある、ということが核心です。
4. 逆から見る — Inversion
チャーリー・マンガーが生涯最もよく引用した手法です。彼はこう言いました。「Invert. Always invert.」
成功する方法を聞く代わりに、失敗する方法を聞きます。
「この事業を最も確実に失敗させる方法を設計してください。」
奇妙な質問に見えますが、効果は正直です。成功の道は無限に想像できますが、そのうち何が本当に機能するかは分かりません。一方で、どの行動がほぼ確実に失敗を招くかは、はるかに明確に答えられます。そしてその失敗行動の否定形が、やるべきことの輪郭になります。
これは単なる冗談ではありません。認知的非対称性の利用です。否定の経路は肯定の経路より圧縮しやすいのです。
質問は思考の格子である
この四つの手法に共通する点は明確です。どれもモデルの新しい能力を要求していません。すべて、モデルの中にすでに存在しているドメイン交差をどの角度から起こすかという設計です。
つまり、LLM時代に差を生むのは答えの品質ではなく、質問の構造です。 同じモデルに同じ情報を与えても、ある人は単一ドメインの答えを受け取り、別の人はドメイン交差の洞察を受け取ります。その差はモデル能力の差ではありません。質問設計の差です。
ドラッケンミラーがLLMを使うなら、どう使うでしょうか。おそらく「この銘柄どう？」とは聞かないでしょう。彼はそういう考え方をしてきた人ではありません。常に複数セクターの発表を同時に聞き、そのあいだの真空を探してきた人です。
彼がLLMに投げる質問は、おそらくこういう形になるはずです。
「半導体企業8社、自動車会社5社、消費財企業5社の直近四半期コメントを同時に読み、どの会社も明示していないが、三つを重ねて読むと現れるマクロシグナルを3つ抽出してください。」
彼こそがLLMの本当の能力を引き出す人でしょう。私たちの多くは同じモデルを使いながら、その能力の10%しか使っていません。
差はモデルにあるのではありません。質問にあります。
---
この文章は、以前の「Linguistic Diversity and Emergence — Where Does LLM Intelligence Come From?」の応用編です。前回がLLMの創発メカニズムに関する仮説だったとすれば、今回はそのメカニズムをユーザーがどう活性化するかについての実用マニュアルです。