自己物語は「記録」ではなく「予測装置」かもしれない
人は自分について語るとき、過去の出来事をそのまま再生しているわけではない。「あの経験が自分を変えた」「自分はもともとこういう人間だ」という語りは、断片的な記憶を現在の視点から組み直した構成物である。近年、このナラティブ自己を、自由エネルギー原理（FEP）と予測処理の枠組みで形式化しようとする試みが進んでいる。瞬間的な知覚の予測と、数年単位の人生物語を、同じ生成モデルの異なる時間階層として扱えるのではないか——これが本稿の中心的な問いである。以下では、理論の骨格、提案される階層モデル、そして反証可能な検証計画までを順に整理する。
ナラティブ自己とは何か：自己物語を潜在変数として捉える
心理学における定義と自伝的記憶の再構成性
ナラティブ・アイデンティティは、再構成された過去と想像された未来を統合し、人生に一定の統一性と目的を与える、内在化され発達し続ける人生物語として定義されてきた。重要なのは、この定義が未来を含む点である。自己物語は過去の整理装置であると同時に、これから何を選ぶかを制約する予測の枠組みでもある。
自伝的記憶研究でも同様の見方が採られている。Self-Memory System（SMS）の枠組みでは、記憶は固定された保存物の再生ではなく、現在の自己目標と自伝的知識の相互作用から立ち上がる一時的・再構成的な産物として位置づけられる。つまり「今の自分」が「思い出される過去」を形づくる可能性がある。
語られた文章と潜在的な自己モデルは別物
見落とされやすいのが測定の問題である。インタビューや作文として現れる語りは、語彙力、社会的望ましさ、聞き手、文化的規範に強く影響される。したがって語りは自己そのものではなく、潜在的な自己モデルから生成された観測変数として扱うのが妥当だろう。この区別を怠ると、「文章に出てこなかった自己表象は存在しない」という誤った結論を導きかねない。
自由エネルギー原理の核心：予測誤差ではなく「精度」が鍵
変分自由エネルギーとモデル証拠
FEPでは、観測とその隠れた原因についての生成モデルを想定し、近似事後分布を導入した変分自由エネルギーを最小化する。これは変分ベイズにおけるELBO最大化と実質的に等価であり、自由エネルギーは観測のsurprise（負の対数モデル証拠）の上界となる。また自由エネルギーは、事前分布からの逸脱を表す複雑性と、観測をどれだけ説明できるかを表す精度（accuracy）のトレードオフとしても書ける。
ここで強調すべきは、FEPが「感覚予測誤差をとにかく小さくする理論」ではないという点である。事前分布、尤度、精度、モデル複雑性、そして行為までを含む確率的生成モデル全体の最適化が主題となる。
精度重み付き予測誤差が自己更新量を決める
予測誤差の影響は、その大きさだけでは決まらない。誤差にかかる**精度（分散の逆数）**が信号の重みを調整する。注意を精度の推論として定式化する立場は、予測処理研究の中心的な考え方の一つである。
これを自己モデルに当てはめると、直感に反する予測が導かれる。「自己像に反する経験をしたから自己概念が変わる」とは限らない。線形ガウス的な更新で言えば、更新量はカルマンゲインに相当する量で決まるため、自己事前分布の精度が高い、あるいは証拠の精度が低ければ、どれほど不一致な出来事でも自己はほとんど動かない可能性がある。逆に、高精度の不一致証拠が積み重なれば、後日の自己物語そのものが書き換わりうる。
階層ナラティブ自己モデルという設計
四つの時間階層を明示する
提案されるモデルでは、少なくとも次の階層を区別する。数百ミリ秒〜秒の感覚・身体状態、秒〜日のエピソード（出来事）状態、日〜年の意味的自己スキーマ、週〜年のナラティブ章である。100ミリ秒の感覚誤差と10年間の人生物語の変化を同じ更新率で扱うことはできない、という当然の要請がここに反映されている。
記憶再構成はトップダウンとボトムアップの統合
このモデルでは、過去の出来事、保存された記憶痕跡、そして現在検索・再構成された記憶を明確に区別する。再構成された記憶は、記憶痕跡からの尤度と、現在の自己スキーマからの事前分布のベイズ統合として表現される。ここから鮮明な予測が出る。記憶証拠が曖昧であるほど、現在の自己モデルに整合する方向へ再構成バイアスが強まるはずである。
「転機」を章の遷移としてモデル化する
自己の安定性を固定的な性質としてしまうと、人生の転機を説明できない。そこで章の変化確率（ハザード）を導入する。就職、離別、移住、重大な疾患といった高精度の不一致イベントが累積すると、同じ物語内部での小修正（同化）ではなく、章そのものの遷移（調節・アイデンティティ変化）が生じる、という区別が可能になる。
能動推論：自己は探索によっても形づくられる
自己不確実性が高いとき、人は受動的に信念を更新するだけでなく、他者に確認したり、挑戦したり、逆に回避したりする。能動推論の枠組みでは、望ましい結果への接近と不確実性低減（情報獲得）のトレードオフとして方策が選ばれる。方策精度や情報の価値、社会的コストの個人差が、自己確認行動と回避行動の分岐を説明できる可能性がある。
反証可能な予測と検証のデザイン
中心となるのは精度の操作
最も情報量が高い検証は、自己との一致度（congruence）と証拠の精度を直交させた要因計画を、縦断的に追跡することである。決定的な比較は、単なる不一致の大きさではなく、精度重み付き不一致が、翌週・翌月の自己評定や語りの変化を予測するかにある。証拠の精度は、情報源の信頼度、反復数、測定の客観性、確信度の手がかりなどで操作しうる。
一貫性を「良さ」と混同しない
ナラティブ研究では、主体性（agency）や一貫性（coherence）と適応の関連が検討されてきた。ただし因果方向は自明ではない。物語が整うから健康になるのか、健康だから整った物語を語れるのか、第三変数によるのかは、横断相関では判定できない。しかも「私は何をしても失敗する」という物語は、内部的な予測誤差を小さくしながら長期的な幸福を損なう可能性がある。したがって適応性は、一貫性の最大化ではなく、安定性と証拠感受的な可塑性のバランスとして捉えるべきだろう。自己事前分布の精度と幸福感の関係が単調ではなく、逆U字型になるという仮説はここから導かれる。
モデル比較とパラメータ回収を必須にする
FEPの最大の危険は表現力の高さである。十分複雑な生成モデルは、ほぼあらゆる結果を事後的に説明できてしまう。これを避けるには、生成モデルを事前登録し、既知パラメータで模擬データを生成して回収可能性を確認し、単純な学習則モデル、単層ベイズモデル、SMS型モデル、強化学習モデルなどと未知データの予測精度で競わせる必要がある。回収できないパラメータを実データで解釈してはならない。
臨床への拡張と、踏み越えてはならない線
このモデルは、臨床像を「悪い物語」という単一原因ではなく、精度、可塑性、イベント分節、記憶検索、方策選択といった異なるパラメータの異常として分解できる可能性を示す。抑うつ状態では否定的な自己事前分布の精度が高く肯定的証拠の精度が低い、心的外傷後の状態では特定エピソードの過剰な精度と文脈統合の困難、回避方策による安全証拠のサンプリング不足、といった仮説が立てられる。ただしこれらは検証すべき仮説であり、確立された疾患機序ではない。
倫理面では二点が重要である。第一に、推定された潜在変数を「その人の本当の自己」と呼んではならない。それは特定の測定系のもとで行動と語りを予測する統計的変数にすぎない。第二に、自己物語データは固有名詞や病歴、被害経験を含みやすく、匿名化だけでは再識別リスクを消せない。採用、保険、司法などの高利害判断への転用は、現段階で科学的にも倫理的にも正当化できない。
まとめ：比喩から計算科学へ
本稿の主張は「FEPが自己の真理を説明する」というものではない。より限定的に、ナラティブ自己は複数の時間スケールにまたがる自己関連経験を圧縮し、過去の検索と未来の行為を同時に制約する階層的生成モデルとして近似できる、そしてその更新量は予測誤差だけでなく、誤差の精度、自己事前分布の精度、環境のボラティリティ、情報探索の方策によって定量的に予測できる可能性がある、という検証可能な仮説である。
裏を返せば、精度操作が長期的な自己更新を予測せず、階層モデルが単層モデルを上回らず、情報探索も通常の強化学習で説明できてしまうなら、FEPをナラティブ自己に導入する追加的意義は限定的だという明確な否定結果になる。この失敗可能性をモデル内部に組み込むことこそが、この領域を比喩から計算科学へ押し上げる条件である。次に問われるのは、この枠組みが実際の縦断データ上でどこまで回収可能で、どこで壊れるのかという地点だろう。
コメント