人間の脳は物語を４段階程までしか細分化できない——最新研究が暴く脳の秘密 (2/3)

物語記憶の新常識「4×4ルール」

研究チームは、私たちが物語を思い出して語るときにどんな癖があるのかを探るため、オンラインで大規模な実験を行いました。

クラウドワークスのようなサービスを通じて各物語につきおよそ100人の参加者を募集し、画面に表示された短編から長編までさまざまな物語を読んでもらったあと、その内容をできるだけ詳しく文章で書き起こしてもらいました。

集まった再話は表現も長さもバラバラでしたが、チームは GPT-4 と DeepSeek という二つの最新AIを使い、一文ごとに「原作のどこをまとめたものか」を自動で照合しました。たとえば「この一文は原作の六文分をぎゅっと縮めている」といった具合に、どれだけ情報が圧縮されているかを数値で割り出せたのです。

そのうえで彼らは、得られたパターンを説明する鍵として「ランダムツリーモデル」と呼ばれる数理モデルを提案しました。

「4×4ルール」とは何か？

「4×4ルール」とは、人が物語を記憶するとき、脳内にできる“フォルダー階層”がおよそ4段ぶん深く、各段で同時に扱える枝（トピック）がせいぜい4つ前後に収まるという経験則を指します。心理学で知られる「作業記憶は一度に4つ程度の情報しか保持できない」という限界を、そのままツリー状の物語モデルに埋め込んだイメージです。最上段のフォルダーが物語全体をつかさどり、その下に最大4つの大章がぶら下がり、さらに各章の下に4つの場面が連なる――という具合に整理されていると考えると、長い物語でも人は迷子にならず要点を順序よく思い出せます。一方、フォルダーを4階層より深くしたり、枝を5本以上増やしたりすると頭が一杯になってルートを見失いやすくなるため、脳は自動的に内容を「くくって圧縮」して整理します。こうして“深さ4・幅4”という枠内に収めることで、長いストーリーも少ないキーワードで再現できる――それが最新研究が示した脳の圧縮術、つまり「4×4ルール」の中身です。

ツォディクス氏らは、人が物語を理解して記憶するとき、脳内にその物語の階層的な「ツリー」（木）状の表現が形成されると仮定しました。

ツリーの最上位にある根は物語全体を表し、その直下のノード（枝の分岐点）は物語の主要な出来事や章に相当し、さらに下位の分岐点にはより細かなエピソードや詳細が含まれる――という具合に、物語が階層的に構造化されて記憶されるのです。

ちょうどパソコンでファイルをフォルダーとサブフォルダーに分けて整理するように、脳がストーリー情報を階層的なツリー構造で保存しているイメージです。

そしてツリー上の各分岐点には、その下位にぶら下がる詳細な情報（葉に相当）を要約した内容が記録されていると考えます。

例えば上位レベルの分岐点には複数の出来事をまとめた抽象的な要点が、下位レベルの分岐点には単一の具体的な出来事の記憶が格納されます。

このモデルでは記憶時に細部まで逐語的に保存するのではなく、階層ごとに情報を要約・圧縮しながら保持しているわけです。

では、思い出すときにはどうなるでしょうか。

モデルによれば、私たちが物語を再話するときには、記憶されたツリー構造を根元から順に、一度に辿れる範囲（作業記憶の制約があるため最大4階層程度まで）で内容を取り出していくと想定します。

作業記憶の容量（同時に心に留めておける項目数）によって、一度に辿れるツリーの深さには上限があるのです。

研究チームはこの作業記憶の制約をモデルに反映させるため、ツリーの形にいくつか分岐点を設けました。

ツリーの分岐の仕方はランダムとしつつも、一つの分岐点が持てる子分岐点数を最大4つまでに制限し、またツリーの深さも作業記憶容量の限界を考慮して最大4階層までに制限したのです。

これは、人間が同時に注意を向けられる情報の数がおおよそ4±1程度である（“マジカルナンバー4”とも呼ばれる）という心理学の知見に基づいて設定されたものです。

つまり「最大4つの枝が入れ子になった深さ」までしか詳細には立ち入れないメモリーツリーを想定したことになります。

このようなツリーモデルを用いて計算機内で多数の「仮想記憶ツリー」を生成し、その統計的性質を分析したところ、興味深い結果が得られました。

モデルから導かれた予測を人間の実験データと比較すると、平均的な傾向が驚くほどよく一致します。

つまり研究者たちが予測したように「人間の脳は物語を1度に4段階程までしか細分化できなかった」わけです。

例えば、人が思い出す内容の長さ（再話の文章数）は物語が長くなるほど増加しますが、その増え方は物語の長さに比例して直線的に伸びるわけではありません。

モデルによると、物語が長くなるにつれて再話の長さの伸びは次第に緩やかになり、非常に長大な物語では再話の長さはほぼ頭打ちになる（いくら長編でも人が覚えて話せる内容には限度がある）ことが示されました。

実験データでも実際に、物語の長さが2倍、3倍と長くなっても人々が書き出す要約はそれほどの長さにはならないという、サブリニア（非線形）的な関係が確認されています。

さらにモデルは「圧縮率」と呼ばれる量、すなわち一つの想起文が元の物語中の何文分の内容をまとめているかについての分布も再現しました。

物語が長くなるほど、一文で表現される内容の尺が大きくなる（多くの出来事をまとめてひとまとめにする）傾向があり、モデルによれば物語が十分長くなると「各想起文がカバーする物語全体に占める割合」の分布が物語の長さに依存しない普遍的な形に収束するといいます。

言い換えれば、非常に長い物語では、一つひとつの記憶断片（要約文）が全体の中で占めるスケールが一定になるというスケール不変なパターンが現れるという予測です。

実際、AIを用いた圧縮率の解析でも、参加者たちの想起データから得られた圧縮率の分布がモデルの理論計算とよく一致することが確認されました。

こうした結果は、階層的ツリーモデルが人間の物語記憶の特徴を捉えている有力な証拠と言えます。

また、このモデルは人々が物語を元の順序どおりに思い出す傾向を示す理由も自然に説明できます。

ツリー上位の幹や太い枝に当たるノード群が物語全体の粗筋となっているため、再話の際には上位の要約を順番に辿ることで、話の筋道を見失わずに済むのです。

これはランダムな単語リストを思い出す場合と異なり、物語記憶では構造が道筋を付ける役割を果たしていることを示唆します。