リサーチログ：なぜあなたの記憶は嘘をつくのか

誠実さの問題

研究者、ナレッジワーカー、そしてアイデアを扱うすべての人が陥りやすい、特有の「不誠実さ」があります。それは、データを捏造したり、結果をねじ曲げたりするような類のものではありません。もっと静かなものです。それは、自分の記憶がうまくいったことだけを選択的に残し、いかなかったことを静かに捨て去ってしまう仕組みのことです。

あなたは実験を行います。うまくいきません。仮説を調整し、別のバージョンを実行すると、今度はうまくいきます。1ヶ月後、結果をまとめたり、誰かに自分のアプローチを説明したりする頃には、失敗したバージョンは記憶の彼方に薄れています。完全に消え去ったわけではありませんが、その輪郭は曖昧になっています。うまくいかなかったことを試した記憶はあるものの、具体的な内容、すなわち何を期待していたのか、なぜそう期待したのか、実際の結果はどうだったのか、そしてそれが前提条件について何を教えてくれたのかは、消え去ってしまっているのです。

ファインマンはこれを端的に表現しました。騙してはならない最初の相手は自分自身である。なぜなら、自分こそが最も騙しやすい相手だからだ、と。脳は、現在の信念が最初から明らかであったかのように感じさせるストーリーを構築することに非常に長けており、実際のプロセスを特徴づけていた紆余曲折、行き止まり、そして驚きをなめらかに塗り替えてしまいます。

リサーチログ（研究記録）は、これに対する最も安価な防御策です。

ダーウィンが理解していたこと

この問題に対するダーウィンのアプローチは、手続き的で意図的なものでした。彼には一つのルールがありました。自分の理論に反する事実や観察はすぐに書き留めるというものです。なぜなら、都合の悪い証拠は、都合の良い証拠よりも早く記憶から消去されてしまうことに気づいていたからです。

これは生産性のテクニックではありません。認識論的なものでした。ダーウィンは、自身の認知システムが一貫した信念を維持し、矛盾するものを排除する方向に偏っていることを理解しており、物理的な回避策を設計したのです。ノートは、特に彼の脳が最も忘れたがっている情報において、脳よりも信頼できるものでした。

同じバイアスが、今あなたの仕事でも働いています。仮説を裏付けた実験は記憶に鮮明に残っています。そうではなかった実験はすでに薄れつつあります。先月あなたが間違っていたことは、いつの間にか「ある程度正しかった」ことへと微妙に書き換えられています。テストしたことのない前提が、あなたの記憶の中では、テストして確認済みの前提になっているのです。

記憶が編集を行う前に、その場で書き留めること。これが唯一の信頼できる解決策です。

フォーマット

リサーチログは複雑である必要はありません。記録に残す価値のある各仕事について、次の5つの要素を捉えてください。

仮説。 取り組む前に何を信じているか？ たとえ明白に思えることでも、明確に述べてください。書き留める目的は、後から遡って調整できない記録を作ることです。

セットアップ。 これを検証するために何をするか？ 方法、アプローチ、ツール、データ。6ヶ月後にこのエントリを読んだときに、再現できるか、あるいは少なくとも自分が何をしたかを理解できるだけの十分な詳細を記します。

期待。 何が起こると思うか？ これは仮説とは異なります。仮説は信念であり、期待は予測される結果です。「Xが正しいと信じているので、結果はYを示すと期待する」。これを書き留めることこそが本当の規律です。なぜなら、現実と突き合わせて検証できる具体的な予測を立てることを強制されるからです。

結果。 実際に何が起こったか？ 起こったことに対するあなたの解釈ではなく、生の結果です。数値、観察内容、結末。解釈は次のステップに残しておきます。

更新された信念。 結果を踏まえて、今どう思うか？ 仮説は生き残ったか？ 弱まったか？ 間違っていたか？ 次に何をすべきか？

予測、観察、そして更新というこのサイクルは、経験から学ぶための基本ループです。書かれた記録がなければ、このループは損なわれます。あなたの記憶は結果に合わせて予測をなめらかに修正してしまい、各試行から得られる学びが少なくなってしまいます。

なぜ「期待」が最も重要なのか

期待のステップは、多くの人がスキップしがちですが、最も重要なステップです。

結果を目にする前に予測を立てることで、あなたの理解度の検証可能な記録が作成されます。予測が正しければ、何かを確認できたことになります。間違っていれば、予測と結果のギャップこそが、実際に学習が起こる場所です。そのギャップは、その状況に関するあなたのモデルに何が欠けているかを教えてくれます。

記録された期待がなければ、すべての結果が「裏付け」になってしまいます。結果を見て「なるほど、辻褄が合う」と考えます。事後的に説明しているのですから、辻褄が合うのは当然であり、脳は事後的な説明が非常に得意です。問題は、結果が後から考えて辻褄が合うかどうかではありません。事前にそれを予測できていたかどうかです。

これは、キャリブレーション（調整）訓練の背後にあるのと同じ原理です。予測し、結果を確認し、調整する。これを何百回も繰り返すことで、理解している「錯覚」ではなく、本物の理解が構築されます。論文の結果セクションを隠して、手法から数値を推測してみましょう。データを見る前に、実験が何を示すかを予測してみましょう。今月のリリースのうち、どれが2年後に重要になっているかを予測し、後で的中率を確認してみましょう。

ログはこれらすべての本拠地であり、ログがあるからこそ、忘れ去られることなく蓄積されていくのです。

思考ツールとしてのログ

ポール・グレアムは、アイデアは言葉にしようとする瞬間まで、完全に形成されているように感じられることがあると指摘しています。書くという行為は、頭の中で曖昧に誤魔化していたギャップを露わにします。テストしたことのない前提、論理の飛躍、静かに矛盾し合っている2つの主張などです。

リサーチログはこれを継続的に行います。ログを書くために机に向かうとき、自分が何をしていて、なぜそれを行っているのかを明確に表現しなければなりません。そして、その表現の過程で、自分が考えていたほど明確には理解していなかったことに気づくことがよくあります。明快だと思っていた仮説が実は曖昧だったり、セットアップに見落としていた制御されていない変数があったり、期待が2週間前に書いたことと矛盾していたりします。

これらの発見は不快なものですが、欠陥のある土台の上に構築された作業で時間を無駄にすることを防いでくれる、まさに救いの手です。最終的な論文を書いているときではなく、ログを書いているときに推論のひび割れを見つける方がはるかに良いでしょう。

過去のログを読み返すことは、この効果を倍増させます。1ヶ月前のログには、あなたが現在知っていることについて間違っていた人物の思考が含まれています。その人物（つまりあなた）が、どのように、どこで間違っていたかを正確に目にすることは、外部からのいかなるフィードバックにも勝る謙虚さと学びを与えてくれます。自分の推論が軌道から外れた瞬間、間違った道へと導いた前提、もっと注意を払うべきだった結果を、ありありと見ることができるのです。

プライベートなログ、公開の執筆

リサーチログは非公開です。それは大雑把で、率直で、間違った予測や放棄された仮説で溢れています。これが価値の一部です。間違えることに社会的なコストが発生しない場所が必要です。なぜなら、「愚かに見えたくない」という抑制こそが、誠実な記録を阻害する主な要因だからです。

しかし、自分の思考の一部を公開することには別の意義があり、クリス・オラーとシャン・カーターがそれをうまく説明しています。彼らの研究負債（research debt）に関するエッセイでは、分野は個人が消化できるよりも早く未消化のアイデアを蓄積していくこと、そして難しい概念を明確に説明することは、単なる下請け作業ではなく、それ自体が貢献であると主張しています。

時間の経過とともに思考を蓄積していくデジタルガーデンやブログは、プライベートなログとは異なる目的を果たします。ログは誠実さのためのものです。公開の執筆は、明快さ、貢献、そして「他人に説明することが、自分自身の理解を深める最も信頼できる方法の一つである」という驚くべき事実のためにあります。

公開された執筆は、偽造できない最も強力な証明書でもあります。あなたがどのように考え、何に興味を持ち、時間の経過とともに理解がどのように進化してきたかを示す一連の仕事は、どんな履歴書よりも潜在的な共同研究者や雇用主に多くを伝えます。それは外に向けられたコモンプレイス・ブック（備忘録）なのです。

ログの保管場所

ログは、実際に毎日使う場所にあり、後で検索できる場所である必要があります。

Fabricでは、毎日のリサーチエントリに対して日付付きのメモを作成し、日付やフォルダではなく意味で検索できるため、いつ実行したかやファイル名を覚えていなくても、「バッチサイズの仮説を検証した実験」を見つけることができます。実験台やホワイトボードの前にいてタイピングしたくないときは、音声メモがクイックな入力に役立ちます。AIアシスタントは、「過去1ヶ月間でXについて何を学んだか？」といった問いに対して、記録されたあなた自身の思考に基づいた回答を合成できます。

フォーマットは、一貫性ほど重要ではありません。週に一度使われる凝ったシステムよりも、毎日更新されるプレーンテキストファイルの方が優れています。習慣にすることこそが難しい部分です。ツールは、その習慣をできるだけ摩擦のないものにするべきです。

複利効果

最初の1ヶ月のリサーチログは、多少の役には立ちます。1年に及ぶリサーチログは、あなたの働き方を変えるリソースになります。

1年後、あなたには数百に及ぶ仮説、期待、結果、そして更新された信念の検索可能な記録が手に入ります。その瞬間には見えない、自分自身の推論のパターンが見えてきます。いつも間違えてしまう前提の種類、一貫して有用な結果を生み出す実験的アプローチ、異なる角度から再浮上し続ける疑問などです。

知識と生産性は利子のように複利で増えていくというハミングの指摘は、ここへ直接当てはまります。毎日のエントリは、単体で見れば些細なものです。予測したこと、分かったこと、学んだこと。これらに1年を与えれば、自分の研究プロセスに関する深い自己認識が生み出されます。大抵の人はパターンに気づくほど十分な記録を残さないため、このような自己認識を育むことはありません。

また、ログは、経験豊富な研究者を自分たちが思っているよりも不正確にしてしまう「ストーリーのなめらか化」に対する保護にもなります。キャリアが長くなるほど、記憶が書き換える時間は増えていきます。ログは書き換えを行いません。ただそこに静かに佇み、実際に起こったことを辛抱強く記録し、記録と自分のストーリーを突き合わせたいときにいつでも利用できます。

よくある質問

ログの1回分の長さはどのくらいにすべきですか？

実験や仕事1つにつき数文から1段落程度です。5つのパート（仮説、セットアップ、期待、結果、更新された信念）のフォーマットは5分で完了できます。重要な結果や大きな方向性の変化に対しては、長いエントリに時間をかける価値がありますが、デフォルトは簡潔であるべきです。深さよりも一貫性が重要です。

自分の仕事が実験的ではない場合はどうすればよいですか？

フォーマットは応用できます。理論的な仕事をしている場合は、推論を記録してください。何を証明しようとしているのか、なぜこのアプローチが機能すると思うのか、結果として何を期待しているのか。質的な研究をしている場合は、解釈の仮説を記録します。データから何が見つかると期待しているか、実際には何が見つかったか、解釈はどのように変化したか。予測・観察・更新のループは、定量的な実験だけでなく、あらゆる思考に適用できます。

ネガティブな結果（失敗）も記録すべきですか？

特にネガティブな結果こそ記録すべきです。これらはまさに、記憶が最も誤魔化したり、忘れ去ったりしがちな結果です。記録されたネガティブな結果は、何が機能しないのか、そしてその理由を教えてくれます。これは、すでに信じていたことを裏付けるポジティブな結果よりも、その後の仕事において価値があることが多いのです。

リサーチログとラボノート（実験ノート）の違いは何ですか？

伝統的なラボノートは、再現性のために十分な詳細さで「行ったこと」を記録します。ここで説明するリサーチログには、「期待」と「更新された信念」のステップが加わります。これにより、ノートは行動の記録から思考の記録へと変化します。ラボノートが「何が起こったか？」を問うのに対し、リサーチログは「何を期待し、何が起こり、何を学んだか？」を問います。

このアプローチを研究以外にも応用できますか？

はい。予測・結果・更新のループは、不確実性の中で意思決定を行うあらゆる仕事（製品開発、投資、採用、戦略など）で役立ちます。結果を見る前に推論を記録し、それを比較することは、あらゆる領域において自身の判断力をキャリブレーションする最速の方法です。

関連する読み物：実際に研究を行う方法、情報ダイエットがあなたを平凡にする。関連するガイド：リサーチワークフロー、ノート作成の基本、ゼッテルカステン、エバーグリーンノート、コーネルメソッド、デジタルガーデン。