ひとつのモノや出来事でも、人によって見え方は違うよね。よく「認知が違うから、見ている角度が違うんだ」なんて言われたりする。
いろんな経験を積んでいくうちに、ある時ふと「あ、相手はこういう風に考えていたんだな」って理解できる瞬間がある。そうやって自分の認知、つまり見識が広がっていくんだと思う。
じゃあ、この現象を説明できるようなモデルって何かあるかな？
行列の考え方
もし世界のあらゆるものを変数で構成された「情報」だと捉えるなら、違う角度から物事を見るっていうのは、特定の次元の情報を抽出することと同じだと思うんだ。
例えばあるモノに対して、Aの視点からは役に立つけど、Bの視点からは全く無意味、Cの視点からは不可欠なものだったりする。こんな風に、より多くの視点を持てる人ほど、そのモノの「価値」をはっきりと理解できる。
このプロセス全体が元のモノに対する判断であって、元のモノ自体の情報は最初から最後まで変わっていない。この「価値」を導き出す過程は、まるで元の情報に行列を掛け合わせるようなものだ。つまり、元の情報に線形変換を施して新しい行列を得る操作だね。そしてこの新しい行列こそが、その人がその物事に対して持っている理解のすべてを反映している。例えば：
- 次元：その人の認知がどれほど深く、いくつの次元から物事を解析できるか。
- 固有値：それらの次元の中で、どこに価値があると感じ、その価値がどれくらいか。
- ランク（秩）：全体として見て、認知の次元が豊かかどうか、あるいはその物事がその人の認知においていくつの次元で「価値」を持っているか。
行列は、実際には空間に対する動的な変換なんだ。
認知行列理論
これを踏まえて、あえて「人間の認知行列理論」を提唱してみたい。具体的にはこんな感じだ。
外部世界の客観的な物事や出来事を行列 $X$ とする。
人はそれぞれ、遺伝子や経験、知識などによって、脳内に独自の認知重み行列 $W$（あるいは「フィルター」と言ってもいい）を自然と形成している。
誰かが物事 $X$ を観測するとき、実際には行列の掛け算を行っているんだ。
$$ P = WX $$ここで生成される $P$ が、個人の思考を経て脳内にマッピングされた「主観分析行列」になる。
価値の本質
正方行列 $P$ に対して、その固有ベクトル $v$ と固有値 $\lambda$ は有名な固有方程式を満たすよね：
$$ Pv = \lambda v $$ここから僕はこう推論してみた。
- 固有ベクトル $v$ (方向)：その物事がその人の認知システムの中で、どの次元（例えば感情、学術、利益など）にマッピングされたかを表す。
- 固有値 $\lambda$ (大きさ)：その物事が特定の次元において、その人に与える「価値の大きさ」、あるいは「絶対的な影響力」を表す。
これなら、同じ物事でも人によって見方や行動が違う理由が説明できる。それぞれの認知行列で変換された後、計算される各次元の「価値（固有値）」が異なるからだ。人間は普通、固有値が最も大きい次元に従って行動するものだからね。
簡単な例
わかりやすくするために、2つの次元で例えてみるよ。
もし認知重み行列 $W$ において、Aは感情の次元の比重が高く、Bは理性の次元の比重が高いとする。そこで「誰かを慰める」という場面に直面したら：
- A：楽しくさせて、気分を紛らわせる（感情次元の固有値が大きい）。
- B：原因を論理的に分析し、客観的に問題を解決しようとする（理性次元の固有値が大きい）。
コンピュータビジョンの啓示
もちろん、こういうことを考えている時にコンピュータビジョン（CV）のことも思い出した。CVの本質は画像を行列として処理することだし、行列変換（畳み込みカーネル）を通じて機械学習や画像処理を実現している。
同時に、グレースケール化、ぼかし、エッジ検出などの効果も、すべて特定の演算子行列セットによるものだ。
そう思うと、なんだか深く考えさせられるよね。
認知変容理論
もう一つ、あえて「認知変容理論」を提唱したい。人は変われると信じているから、認知も同じように変えられるはずだ。
僕たちの特定の行列を変えるものは、現実世界にある名言や普遍的な真理、あるいは大きな人生経験かもしれない。それらは、あらかじめ設定された「汎用的な認知行列」のようなものだ。こうした新しい行列を取り入れて物事を見ることで、自分の認知行列に線形変換を施したり、次元を拡張したりできる。そうやって認知レベル（ランク）を高め、自分自身の $W$ を変えていくんだ。
同じように、人との言い争いや説得、あるいは共感さえも、この視点から見れば、認知行列の駆け引きやパラメータの微調整のようなものだと言えるんじゃないかな。