ペルソナ

「好きな食べ物は？」と聞かれると、反射的に「やきそば」と答えてきた。嘘ではないが、純粋な嗜好調査の結果でもない。趣味、ホーム、好きな食べ物。自己紹介で差し出す短い答えは、本体ではなく取っ手なのかもしれない。

LISS Panelへのアクセスを断られ、代わりのデータを探し始めた。ところが調べてみると、AIペルソナやLLMによる社会調査データ生成について、すでにかなり近い研究と、検証に使える実データがいくつも存在していた。

多数決は正しい答えを決める仕組みではない。気になっていたのはその前、人の「意見」がどうやって作られたのかだった。Persona Monitorを作っていて、社会モデルには情報環境というレイヤーが必要だと気づいた話。

AIで仮説の異なるモデルを100本並列に走らせられるなら、その価値は100個の中から一番良いモデルを選ぶことではない。99個を、正当な理由で捨てられることにある。Persona Monitorを作りながら考えたこと。

Persona Monitorを作っていて、質問したときにその人に答えさせてよいのかという問題に時間がかかっている。「わからない」と「対象ではない」は違い、回答が成立するまでには段階がある。そして同じことは、自分自身への問いにも言えた。

20年前、師匠はGISを「知識創造エンジン」と呼んだ。地図を作る道具ではなく、位置と時間という共通軸で情報を重ね、見えなかったものを発見する仕組みだと。生成AIで社会モデルを作りながら、同じものを作っていることに気づいた話。

AIペルソナを反応を見るためのモデルとして考えると、債券ポートフォリオの感応度分析とよく似た構造が見えてくる。人物レコードを大量に用意する代わりに、人口構造をLayerとして持って必要なときにレンダリングする、という考え方について。