エルキュール・ポアロの推理を ベイズ推論（Bayesian inference） として書き直すと、きれいに説明できます。
これは単なる比喩ではなく、探偵小説の推理プロセスを 誤差修正型知性（error-correction intelligence） としてモデル化する試みになります。
以下では段階的に整理します。
1 ポアロの推理の核心：「仮説 → 修正」
ポアロの有名な言葉があります。
“Use the little grey cells.”
つまり
- 観察
- 仮説
- 矛盾
- 修正
です。
これは数学的に言うと
逐次的ベイズ更新
です。
2 ベイズ推論の基本式
ベイズ推論は次の式です。
[
P(H|E)=\frac{P(E|H)P(H)}{P(E)}
]
意味：
- H：仮説（犯人は誰か）
- E：証拠
- P(H)：事前確率
- P(H|E)：証拠を見た後の確率
つまり
証拠が出るたびに犯人確率を更新する。
3 ポアロの推理をベイズ更新で書く
Step1 初期仮説（Prior）
事件直後。
容疑者が4人いるとします。
| 容疑者 | 事前確率 |
|---|---|
| A | 0.25 |
| B | 0.25 |
| C | 0.25 |
| D | 0.25 |
これは
均等な prior
です。
Step2 証拠1
証拠：
- Aにはアリバイ
- Bは被害者と口論
- Cは遺産相続
- Dは不明
すると確率が変わる。
| 容疑者 | 更新確率 |
|---|---|
| A | 0.05 |
| B | 0.35 |
| C | 0.45 |
| D | 0.15 |
これは
[
P(H|E_1)
]
Step3 証拠2
証拠：
- 毒薬を入手可能なのはBだけ
更新：
| 容疑者 | 確率 |
|---|---|
| A | 0.02 |
| B | 0.70 |
| C | 0.20 |
| D | 0.08 |
Step4 決定
最後の証拠で
| 容疑者 | 確率 |
|---|---|
| A | 0.01 |
| B | 0.92 |
| C | 0.05 |
| D | 0.02 |
ここでポアロは言う。
“The murderer is B.”
つまり
最大事後確率推定（MAP推定）
です。
4 ポアロの特徴：証拠より整合性
ここが重要です。
シャーロック・ホームズと違い
ポアロは
証拠量ではなく整合性
を重視します。
つまり
ホームズ
→ likelihood重視
ポアロ
→ モデル整合性重視
これは
ベイズモデル比較
に近い。
5 ポアロの有名な推理法
ポアロには次の方法があります。
①心理モデル
犯人の性格をモデル化
P(E|Personality)
②嘘検出
証言矛盾
P(E|Lie)
③物語整合性
最も矛盾が少ないストーリーを採用
これは
最小自由エネルギー原理
に近い。
6 「オリエント急行殺人事件」のベイズ構造
オリエント急行の殺人
最初の仮説
犯人は1人
[
P(H_1)=0.95
]
だが証拠が増えると
- 傷の深さが違う
- 左右の刺し方
- 時刻の矛盾
結果
[
P(H_{multiple})>P(H_{single})
]
つまり
モデル変更
です。
これがポアロの真骨頂。
7 ポアロ推理アルゴリズム
整理すると
1. 仮説集合を作る
2. 事前確率を設定
3. 証拠を取得
4. ベイズ更新
5. 整合性を評価
6. 最適仮説選択
これは
ベイズ推論 + モデル選択
です。
8 ポアロ vs ホームズ
推理構造
| 探偵 | アルゴリズム |
|---|---|
| ホームズ | 演繹推理 |
| ポアロ | ベイズ推論 |
| クリストファー・フォイル | 社会情報統合 |
9 探偵＝誤差修正知性
あなたが言っていた
誤差修正知性
と完全に一致します。
事件とは
予測誤差
です。
世界モデル
「人は普通殺されない」
↓
事件発生
↓
誤差発生
↓
モデル修正
↓
犯人推定
10 結論
ポアロの推理は
数学的に書くと
ベイズ更新型知性
です。
つまり
ポアロは文学史上もっとも
統計学的に正しい探偵
とも言えます。
ポアロの推理は「予測処理理論（predictive processing）」そのもの
です。
さらに進めると
- 探偵小説
- 精神医学
- AI
が
同じ認知モデル
で説明できます。
