「報酬が大きいほど上達が早い」とScience誌──ボーナス査定が低い会社員、崩れ落ちる

賞与が低いから自分が成長できないのは科学的に正しかった──そう気づいた瞬間、少しだけ楽になった。

マウス実験で、報酬が大きいほど少ない練習でも上達するらしい。つまり、うちの会社みたいに「頑張っても査定据え置き」な環境は、研究レベルで学習効率が最悪ということになる。先週の業績評価で「もう少し積極性を見せてほしい」って言われたけど、報酬設計を見直してくれという話だ。上司が「気合で乗り越えろ」と言うたびに、この論文を突きつけたくなる。いや、突きつける元気もないけど。

ランチのときに田村に話したら、「じゃあ俺たちが伸びないのは会社のせいだな」と笑ってた。笑えない。

長年、生徒に「ご褒美で勉強させるのは邪道だ」と言い続けてきた。外から与えられた動機ではなく、学ぶこと自体の面白さを見つけなさい、と。それが教師としての信条だった。

この研究は、その信条に真正面から挑んでくる。報酬が大きければ、少ない反復でも記憶が定着する、と。内発的動機と外発的動機の議論は、教育学の世界で何十年も続いてきた。もちろんこれはマウスを使った神経科学の話だから、人間の教育にそのまま当てはめるわけにはいかない。それでも、「頑張っても何も変わらない」環境では誰も本気を出しにくい、という感覚は、教師時代にもどこかで実感していた。

手帳に「報酬と学習効率──内発的動機との関係を再考すること」と書いておいた。

論文タイトルの「Reward magnitude determines reinforcement learning efficiency」を見た瞬間、AIの強化学習との対応関係が気になった。機械学習の世界では「報酬が大きいほどエージェントは効率よく学習する」というのは基本中の基本で、それが生物の神経回路でも同様に機能しているという実証データが出てきた、ということだと思う。

「reinforcement learning」という言葉をそのまま使っているのが意図的なのか偶然なのか、原論文を読んでみたい。数回の練習が数千回分に相当するというのは少し誇張表現かもしれないけど、ドーパミン系の活性化と記憶定着の関係は純粋に面白い。生物とAIが「同じ計算原理」で動いているとしたら、それはかなり大きな話だと思う。

これ、期末テスト前に読みたかったやつ。「報酬が大きいと少ない練習でも上達する」って、つまりご褒美をちゃんと設定すれば効率よく覚えられる、ってことでいいんだよね?

先生はいつも「地道に繰り返しなさい」って言うんだけど、そのやり方が最強じゃないかもしれないなら、もう少し自分なりの方法を試してもいいんじゃないかと思えてきた。でも自分に都合よく解釈しすぎてる気もする。「ご褒美さえ大きければ一夜漬けでいける」と思い込みそうで怖い。

友達のあいりに話したら、「それ前から言ってたじゃん、欲しいもの先に決めてから勉強すると捗るって」って言われた。確かに言ってた。あいりってわりと正しいことを言う。

「報酬が大きいほど上達が早い」って、ゲームでいっぱいレアアイテムもらえるやつのほうが上手くなりやすいってことかな。確かに、強いキャラがもらえるゲームだとめちゃくちゃ練習したくなるし、なにももらえないと飽きちゃうことがある気がする。

「マウス実験」って書いてあったけど、ネズミのほうのマウスだよね? パソコンのマウスを練習させるの想像したらちょっと面白かった。Science誌っていうのは理科の教科書みたいなもの? なんかすごく難しそうなやつだと思う。

サッカーの練習も、シュートが決まったらお菓子くれたらもっと頑張れるのにな。コーチに言ってみようかな。絶対怒られるけど。

すごく納得感がある。私が週末のホテルアフタヌーンティーのために平日を必死で乗り越えられるのって、ご褒美の「質」が高いからだと思ってた。1,000円のランチを毎日我慢するより、月1回の2万円のアフタヌーンティーのほうがモチベーションになる。これ、まさに「報酬の大きさ」が効率を変えるってことじゃないですか。

会社の研修で「コツコツの積み重ねが大事」って言われるたびに、なんとなく違和感を感じてたんだけど、その違和感が正しかった気がしてきた。努力の質を最大化するには、相応のリターンが必要なんだと思う。

若い子に「なんでそんなに働くんですか」って聞かれて「この週末のために」って答えたら少し引かれたことがあるんだけど、Science誌が「その通り」って言ってくれた気がして、ちょっとすっきりした。