論理密度とコルモゴロフ複雑性のパラドックス

価値のある文章とは、そのままプログラムのコードや業務の実行ルールとして動かせる「短い条件文」のことである。定義できない形容詞・副詞・比喩をすべて消去したあと、「どの変数をどう動かせば、どの数値がどう変わるか」が残らない文章は、情報価値ゼロとして捨てる。

この記事の要点

1. 実行可能な条件文だけが価値を持つ修飾語を黒塗りしたあとに if-then ルールや数式が残らない文章は、権威やAIが書いても情報量ゼロである。
2. 飾り言葉は実行可能な情報を増やさない文A（論理のみ）はシステムに入力できる。文B（装飾入り）は文字数が増えても実装不能である。
3. コルモゴロフ複雑性はゴミとルールを区別しないノイズを混ぜるほど復元プログラムが長くなり、「複雑で高度そう」に見える。論理密度は下がる。
4. 権威とLLMは飾り言葉で複雑性を水増しする要約できない苦しさが「深さ」と錯覚され、RLHFは劇薬ノイズに高得点を与える。
5. 脳内コンパイラで3ステップ判定する黒塗り → 名詞・動詞・数値だけで再構成 → 1行のルールにならなければ捨てる。

0. 結論：文章の価値を判定する唯一の基準

価値のある文章とは、そのままプログラムのコードや業務の実行ルールとして動かせる「短い条件文」のことである。

世の中の権威ある人物、コンサルタント、そして大規模言語モデル（LLM）が好んで使う「本質」「真の」「冷徹な」「構造的」といった言葉には、厳密な定義が存在しない。これらはすべて、主張の中身が「1行の算数」に過ぎないこと（あるいは中身がゼロであること）を隠し、読み手の脳に無駄な処理負荷をかけて「何か高度な情報を受け取った」と錯覚させるためのノイズ（乱数）である。

情報を受け取る側がこの錯覚から身を守る方法は一つしかない。入力された文章から、定義できない形容詞・副詞・比喩をすべて消去するフィルターを持つことである。修飾語をすべて黒塗りにした後に、「どの変数をどう動かせば、どの数値がどう変わるか」という実行可能なルールが残らない文章は、どれほど難解で権威がありそうに見えても、情報価値ゼロのゴミとして即座に捨てなければならない。

1. 事実：飾り言葉を足しても、実行できる情報は1ビットも増えない

ここに、1株あたり利益（EPS）を増やす条件を記述した二つの文がある。

企業の経営システムや財務モデルに入力して動かせるのは、文Aだけである。文Aには、\(\mathrm{EPS}=\text{純利益}/\text{発行済株式数}\) という計算式と、「純利益を増やす（\(+1\)）」「株式数を減らす（\(-1\)）」という二つの具体的な操作しか書かれていない。誰が読んでも同じ計算結果になり、そのままプログラムの条件分岐（if-thenルール）に書き換えることができる。また、45文字のどこを1単語削っても、元の計算式が壊れてしまう。つまり、無駄が一切ない「圧縮完了後のデータ」である。

対して、文Bは文字数が68文字に増えているにもかかわらず、肝心の「EPSとは何割る何なのか」という定義すら消えている。その代わりに、「ノイズの海」「不変量」「冷徹な」「真のアウトサイダー」「本質」といった飾り言葉が詰め込まれている。もしエンジニアが文Bを渡されて「これをシステムに実装しろ」と言われたら、1行のコードも書けずに立ち往生する。「冷徹に解くとは、具体的にどの変数をどう操作することですか？」「真の本質とは、数値で言うと何ですか？」と聞き返さざるを得ないからである。

文Bから定義不能な飾り言葉をすべて取り除くと、後に残るのは「EPSを整数計画で解く」という断片だけであり、文Aが持っていた具体的な操作ルールすら失われている。飾り言葉をどれだけ足しても、実務で動かせる情報量は1ビットも増えないどころか、むしろ減少している。

2. 情報理論の罠：なぜ「ゴミ（乱数）」を混ぜると複雑性が上がるのか

ではなぜ、実務上は価値が低い文Bの方が、一見すると「情報量が多く、複雑で高度そうな文章」に見えるのか。ここには、情報理論における「コルモゴロフ複雑性のパラドックス」が働いている。

情報理論において、ある文字列データの「コルモゴロフ複雑性」とは、「その文字列を1文字の狂いもなく出力する最短プログラムの長さ」と定義される。この定義には、直感に反する一つの重大な性質がある。

• 規則正しいデータ例：010101... が1万文字続く場合。「01を5000回繰り返せ」という短い命令文で再現できるため、コルモゴロフ複雑性は極めて低い（プログラムが短い）。
• デタラメな乱数データ例：サルが適当に叩いた1万文字。背後にルール（規則性）が一切ないため、短く要約して圧縮できない。再現するには「その1万文字をそのまま丸暗記して出力せよ」という長いプログラムを書くしかない。したがって、コルモゴロフ複雑性は最大になる。

つまり、純粋なコルモゴロフ複雑性という指標は、「意味のある緻密なルール」と「意味のないデタラメな乱数（ゴミ）」を区別できない。ルールに関係のない不規則なノイズを混ぜれば混ぜるほど、「要約（圧縮）できない部分」が増えるため、情報理論上の「複雑性」のスコアは跳ね上がってしまうのである。

これを先ほどの二つの文に当てはめると、何が起きているかがはっきりわかる。

文Aは、\(\mathrm{EPS}=P/S\) という単純明快なルールから自動的に導き出される単語だけで構成されているため、復元プログラムは極めて短くて済む（コルモゴロフ複雑性は低い）。しかし、無駄がすでに全て削ぎ落とされているため、1文字あたりの「論理密度（実行可能なルールの割合）」は100%である。

一方、文Bは、財務の話の中に突然「海」や「冷徹」や「アウトサイダー」という、論理的なつながりのない単語（事実上の乱数）を放り込んでいる。ルールがない以上、受け手のコンピュータはそれらの飾り言葉を圧縮できず、1語ずつ丸暗記して処理するしかない。その結果、「中身の論理密度はスカスカなのに、飾り言葉（乱数）のせいでコルモゴロフ複雑性（データの記述量）だけが高い」というねじれ現象が発生する。

3. 人間の錯覚：権威とLLMが「飾り言葉」を量産する理由

この「ゴミ（飾り言葉）を混ぜるとデータの複雑性が上がってしまう」という情報理論のバグを、人間の脳の仕組みと組み合わせたとき、世の中に溢れる「もっともらしい長文」のカラクリが完全に暴かれる。

3.1 「要約できない苦しさ」を「内容の深さ」と勘違いする

人間が文章を読んで理解する作業とは、入力された長い文字列から余計な飾り言葉を捨てて、頭の中で「要するにこういうルールだ」と短い数式や条件文（文Aの形）に圧縮する作業である。

このとき、「定義できない飾り言葉はすべて無視する」というノイズフィルター（圧縮器）を訓練していない人が文Bを読むとどうなるか。脳は、「ノイズの海」と「EPS」と「冷徹な整数計画」と「真のアウトサイダー」を、なんとか一つの論理としてつなぎ合わせようとしてフル回転する。しかし、そもそも論理的なつながりがない単語の寄せ集め（乱数）なので、頭の中でうまく1行のルールに圧縮することができない。

すると、フィルターを持たない読み手は、「自分の頭で簡単に要約できない（脳に強い負荷がかかっている）のは、この文章にものすごく高度で複雑な論理が書かれているからだ」と錯覚する。単なる「飾り言葉のデコード負荷（ゴミの処理コスト）」を、「中身の価値の高さ」と取り違えてしまうのである。

3.2 権威ラベルが「ゴミ箱行き」を阻止する

もし、見ず知らずの素人が「宇宙の冷徹な海における真の利益の本質」といった文章を書いていたら、誰もが「意味不明なポエム（乱数）」と判断してゴミ箱に捨てる。人間の脳が正常にエラー処理を行うからである。

ところが、まったく同じ文章を「有名な大学教授」「大企業のカリスマ経営者」「外資系コンサルタント」「最新の巨大AI」が語った瞬間、読み手はこのエラー処理を止めてしまう。「これほど偉い人（あるいは賢いAI）が、中身のないゴミを出力するはずがない。自分が理解できないのは、自分の知性が足りないからだ」と思い込み、飾り言葉によって水増しされた複雑性を「深遠な知性」としてありがたがるようになる。

言い換えれば、権威ある人間が自分の主張に自信がないとき（あるいは言っている中身が「利益を増やして株数を減らせ」という当たり前の1行で終わってしまうとき）ほど、そのまま出すと「そんなの誰でも知っている」とバカにされるため、「本質的」「構造的」「冷徹な」「パラダイム」といった定義不能な飾り言葉を大量にまぶしてコルモゴロフ複雑性を水増しし、読み手の脳を煙に巻くというインセンティブが働く。

3.3 LLM（生成AI）が飾り言葉を連発する構造的理由

そして現在、この「飾り言葉による複雑性の水増し」を最も得意としているのがLLMである。LLMに「専門的な文章を書け」と命じると、必ずと言っていいほど「真の」「本質」「冷徹な」「決定的な」という単語を連発する。理由は二つある。

1. 証明の手間を1単語でごまかせるからある主張が正しいことを論理（文Aのスタイル）で示すには、前提条件と数値を1ステップも飛ばさずに積み上げなければならず、少しでも矛盾があれば嘘がバレる。しかし、名詞の前に「真の」「本質的な」という強い形容詞を1つ置くだけで、論理の証明をすべてすっ飛ばして「なんだか凄そうな結論」の雰囲気（確率スコア）を簡単に出すことができる。
2. 人間が「気持ちいい文章」に高評価をつけて調教したからLLMの開発過程（RLHF：人間のフィードバックによる強化学習）では、人間の採点者がAIの回答に点数をつける。このとき、採点者自身がノイズフィルターを持っていないため、無味乾燥で正確なだけの文Aよりも、ドラマチックな飾り言葉が入った文Bを読んで「なるほど、深い！」と快感を覚え、高い点数をつけてしまう。その結果、LLMは「人間を納得させて高評価を得るには、論理を詰めるより『本質』『冷徹な』という劇薬（ノイズ）を混ぜておけばいい」と学習してしまっている。

4. 実践のルール：脳内に「コンパイラ（ノイズ除去器）」を組み込む

以上の構造を理解すれば、私たちが日常のビジネスや情報収集において取るべき行動は明確になる。

「複雑で難しそうな文章」に出会ったとき、そこで使われている語彙の豊富さや比喩の巧みさに感心してはならない。それは単に、元のスカスカな論理に「乱数（飾り言葉）」が混ぜ込まれ、圧縮できないゴミの量が増えているだけである。

あらゆる文章を読むとき、そして自分自身が文章を書くときは、以下の3ステップの「コンパイル（翻訳）テスト」を強制的に実行すればいい。

ステップ1：定義できない単語（修飾語・比喩）をすべて黒塗りにする

文章の中から、数値や0/1（True/False）で明確に境界線を定義できない単語をすべて見つけ出し、消去する。

• 即座に消去すべきゴミ単語の例「真の」「本質的な」「冷徹な」「構造的な」「圧倒的な」「抜本的な」「シナジー」「パラダイム」「〜の海」「〜の結晶」「高次元の」

ステップ2：残った「名詞・動詞・数値」だけで文をつなぎ直す

黒塗りにした単語をすべて取り除き、残った「定義可能な名詞（変数）」「動詞（増やす・減らす・割るなどの操作）」「数値・論理条件（もしAがX以上ならBする）」だけを並べてみる。

ステップ3：1行の「if-thenルール」または「数式」にならなければ捨てる

黒塗りの後に残った骨格が、「何を（入力）」「どう操作すれば（処理）」「どの数字がどう変わるか（出力）」という1行の条件文（文Aの形）として成立しているかを確認する。もし成立していれば、その1行だけをメモして業務や投資に使えばいい。もし飾り言葉を剥がした後に実行可能なルールが何も残らないのであれば、元の文章が5000文字あろうと、どれほど著名な権威やAIが書いたものであろうと、その有効な情報量はゼロである。

5. 結び

本当に価値のある論理（高い論理密度を持つ情報）は、例外なく「短く、飾り気がなく、退屈な見た目」をしている。

純利益を増やし、発行済株式数を減らせば、EPSは増加する。

販売価格を維持したまま、ボトルネック工程の待ち時間を減らして出荷数を1本増やし、原価を1円下げれば、純利益は増える。

コルモゴロフ複雑性の低い文章は機械的で簡潔で、1文字の飾りもないため、殺風景であるが、処理は軽い。そして、重要性も低く見えてしまうのが難点である。現実の複雑性の高いノイズだらけの企業活動からノイズを削ぎ落とし、短い1行のルールを現場で動かして数字を増やす、減らす操作の中に知性と計算スループットが詰まっている。

言葉を飾って複雑に見せるのは、熱力学のエントロピーの増大のように自然と起こってしまう現象である。一方、飾り言葉をすべて削ぎ落とし、そのまま機械や現場が実行できる「最短の論理」だけを残すことは反自然的である。そのような意味で、人工知能こそが人類に資する原則なのではないか。