閑話休題② 異端の数式は「奇跡」を測るためのものだった？ ――牧師トーマス・ベイズと友人の数奇な運命
生前未発表だった世紀の発見
これほど世界に多大な影響を与えている理論の生みの親であるため、トーマス・ベイズ（1701年?〜1761年）はさぞかし歴史に名を残す大天才数学者なのだろうと誰もが想像するかもしれません。しかし歴史の事実は、私たちのそうした予測（思い込み）を裏切るものでした。彼はプロの数学者でも、大学の著名な学者でもなく、18世紀のイギリス・ロンドン近郊で小さな教会を預かる「長老派教会の牧師」だったのです。
さらに驚くべきことに、ベイズ本人はこの「ベイズの定理」という画期的な理論を、生前に一切世に発表していませんでした。彼にとって数学とは、あくまで個人的な探求に過ぎなかったと考えられています。
1761年に彼がひっそりとこの世を去った後、同じく牧師であった友人のリチャード・プライスが遺品を整理していた際、残された古いノートの中から、信じられないほど斬新な数式を見つけ出しました。プライスが「これはとんでもない発見かもしれない」と直観し、ノートを整理・加筆した上でイギリスの王立協会へ論文として送り届けました。これにより、ベイズの死後数年が経ってからようやくこの理論は日の目を見ることになったのです。
もし友人のプライスがこのノートの価値を見落として暖炉に投げ込んでいたら、現在のAI社会の到来は数十年、あるいは百年以上遅れていたかもしれないと言われています。
なぜ牧師が「異端の数式」を生み出したのか
当時の正統派な統計学（頻度主義）は、「原因から結果を予測する」という順方向の推論が主流でした。
例えば、「サイコロには6つの面がある」という明確な原因が分かっていれば、「1が出る確率（結果）は6分の1である」と導き出す考え方です。しかし、ベイズがノートに書き残した数式は、これとは全く逆の「逆確率」と呼ばれるアプローチでした。
それは、「目の前にある不完全な結果（データ）から、背後に隠れた原因（真実）の確率を割り出す」という、結果から原因を推測する当時としては極めて異端なものでした。
では、教会の牧師である彼が、なぜわざわざこのような逆算の数式を編み出す必要があったのでしょうか。
当時の18世紀イギリスでは、哲学者デイヴィッド・ヒュームが「奇跡は自然法則に反するため、いかなる証言があっても確率的に信じるに足らない」という論陣を張り、宗教界に大きな衝撃を与えていました。
ベイズの遺稿が扱っていたのはまさに、「ある事象が起こる確率を、観測データからどう更新するか」という問題であり、ヒュームの「奇跡論」の核心と重なるものでした。つまり、「奇跡のような極めて発生確率の低い出来事であっても、それを支持する証言や観測データが積み重なれば、私たちは信念をどう更新するべきか」という問いへの、数学的なアプローチだった可能性が高いのです。
ただし、ベイズ自身は極めて慎重であり、遺稿の中に「神」や「奇跡」といった言葉を使った宗教的な議論は展開していません。明確にこの数式をヒュームへの反論や宗教的議論に応用したのはノートを発見した友人のプライスであり、「ベイズが神の存在証明をしようとした」という逸話は、プライスの功績と混同されて生まれた歴史の誤解であるというのが現在の歴史研究の到達点とされています。
ベイズ的思考のメカニズム
──「アブダクション」と「ベイズ更新」
ベイズ統計の考え方は、「事後確率 ∝ 新しい事実 × 事前確率」という言葉で直感的に表現されます。これは単なる計算式にとどまらず、私たちが新しい経験やデータを手に入れたとき、どのように自分の認識や推論を合理的にアップデートしていくべきかというプロセスを数学的にモデル化したものです。このプロセスは、以下の2つのステップの連続運動として捉えることができます。
アブダクション（事前確率の設定）： チャールズ・パースが提唱した概念で、目の前にある驚くべき事実から、「もし〇〇という法則（仮説）があれば、この事実がうまく説明できるのではないか」と一足飛びに仮説を立てる直観的な飛躍のことです。ベイズ統計においては、検証のスタート地点となる「事前確率（最初の見立て）」を直観的に設定する行為にあたります。
ベイズ更新（事後確率への修正）： アブダクションによって立てられた最初の見立て（事前確率）に対し、新しい事実や証拠（尤度）を得るたびに、それがどれくらい確からしいか（事後確率）を計算し、見立てを柔軟にアップデートしていくプロセスです。
この構造は、混沌とした事象から直観的に「真のテーマ」の仮説を立て、事実と照らし合わせながら確信度を高めたり微修正したりする「編集のプロセス」に見事に重なります。また、脳科学における「ベイズ脳仮説」もこれと同じ構造を持っています。脳は外界をただ受動的に見ているのではなく、常に予測（仮説）を先に立て、感覚器からの入力データとのズレを瞬時に計算して予測を修正（ベイズ更新）し続けて世界を立ち上げていると考えられているのです。
絶対的な正解（客観的な確率）が分からない不確実な世界において、人間はまず「こうであるはずだ」という主観的な信仰や思い込み（事前確率）を立ち上げます。そして、そこから現実のデータ（新しい事実）と照らし合わせながら、少しずつ真実へと近づいていくのです。
一人の無名の牧師の個人的な探求と、その友人の信仰心から産声を上げたアプローチが、250年という長い時を経て、最先端の人工知能を動かし、人間の脳のメカニズムを解き明かすマスターキーになっているという事実。歴史のアイロニーとも言えるこの数奇な運命を知ると、無味乾燥で冷たい数式に見えるベイズ統計が、ロマンに満ちたとても人間臭い思想として見えてくるのではないでしょうか。
※参考までに----------------------------------
現在の統計学の中では、ベイズの定理の基本的な数式は、以下のようになります。
P(A|B) = P(B|A) P(A)／P(B)
数式を構成するそれぞれの記号は、以下のような意味を持っています。
P(A|B) (事後確率）: 事象Bが起こったという条件のもとで、事象Aが起こる確率です。ベイズの定理によって求めたい「新しい情報（証拠B）を得た上で更新された、Aの確率」を表します。
P(B|A) (尤度：ゆうど）: 事象Aが起こっているという条件のもとで、事象Bが起こる確率です。「Aが原因だとしたら、結果Bがどれくらい起きやすいか」を表します。
P(A)（事前確率）: 新しい情報（事象B）を得る前の、事象Aが起こる確率です。これまでの経験や知識に基づいた「元々の推測」です。
P(B)（周辺尤度・証拠）: 事象Aに関係なく、事象Bそのものが起こる確率です。すべての可能性を足し合わせた事象Bの全確率となります。
ベイズの定理が意味するもの
この定理の最大のポイントは、「新しいデータ（B）が得られたときに、自分が持っていたこれまでの推測（P(A)）を、どのように新しい推測（P(A|B))へとアップデートすればよいか」を数学的に示している点です。