
ひみつ道具「天才めがね」で、天才の見ている世界を見てみる話
さっきなんとなく思いつきで作ったプロジェクト。ついに完成しました。
その名も、
「天才めがね」です🥸
ネーミングはお察しの通り、藤子・F・不二雄先生インスパイアです。
装着してもIQは上がりません。東大にも受かりません。相対性理論も思いつきません。
では何ができるのか?
天才が見ている景色を、僕も見たい。
天才と同じ景色を見るための補助具、だから天才めがねなのです。
発端は、このnoteです。
PDCAと「仮説」の重要性について、ごうてんごうさんが書かれた記事です。
お金を払ってもこんな有益な情報は得られません。大変勉強になる記事です。読むだけで明日から給料が2倍になりそうな、そんな記事です。ぜひ読んでみてください。
ですが、とんでもなくムズイです。
読み終えるのに3日くらいかかりました笑
ここから先はごうてんごうさんの記事の内容から、特に僕が刺さった内容を、僕なりに解釈して出力したものです。以下の記事内容のいかなる矛盾や破綻も、ごうてんごうさんの記事とは無関係であることをご了承くださいませ。
天才は、いったい何を見ているのか?
頭のいい人というのは、目の前で何かが起きたとき、
「これが原因なんじゃない?」だけで終わらない。
たとえば結果として現象Cが起きていたら、
まずAが起きて、その結果Bが変化して、だからCになったんじゃないか?
いや、待てよ。
Aとはまったく違うDから始まって、Eを経由しても、同じCが起こるんじゃないか?
みたいに、原因から結果に至る構造を分解し、そのつながり方を複数パターン組み立てて、それぞれを仮説としてストックしている、らしいのです。
もうこの次点で、何を言ってるのか自分でもよくわからなくなってきますが笑
僕も「これ、裏でこうなってんじゃね?」くらいは考える。
「たぶん構造的に、AがBになって、BがCにつながって…だからたぶん、こうなってるんだろうな」くらいは考える。
でもだいたいそこで、
「ま、確認できんから分からんけどね🤷」で終わる。
直接確認できないから、考えてもわからない、で終わる。
一方、頭のいい人達はそこで終わらない。
「A→B→Cという因果関係の順番が、もし正しいのなら、現実のどこかに、その痕跡が残っているはずだ」と考える。
たぶんA→B→Cだ、という仮説をもとに、「もしその仮説が正しかったら、こんなところにこんなものが確認できるはずだよね?」と、確認できる情報の範囲で、仮説が正しいかった場合のシグナルを探す、ということをしているのですたぶん。
仮説を作り、現実を見る。違ったら壊す。また作る。
つまり天才達は、頭の中で仮説の構造を何個も作って、現実と殴り合わせている。しかもその因果構造のストックを、まるで手にとって眺めるように扱ってる。そして、その仮説の構造を再利用して、仮説によって得られた経験則を複利的に拡大させている、というのだ。
嘘でしょ?
そんなんできひんやん普通。
そんなんできる?
いっといてや、できるんやったら。
天才半端ないって…笑
はい無理です。
僕の脳には、そんな大容量RAMも、複数の仮説の構造を保存しておくためのSSDも搭載されていない。
結局、仮説を設定するにも、検証するにも、更新するにも、脳内に高精度な記憶保存領域が必要で、そこにたっぷり構造分析のための材料(これまでの経験や知識)が入ってるからできるんでしょ?そんなお高い高性能パーツも、ピカピカの経験値も、僕のような凡人は持ち合わせていません…
だから結局、頭いい人って、シンプルに記憶力いいんだろうなー。
なんて思っていた時に、ひらめいた。
あ、今ってAIあるわ。
天才めがねとは?
そこで思いついたのが、天才めがね。
天才めがねとは、目の前の問題について、原因と結果の間にある仕組みをAIと一緒に分解し、複数の仮説(因果構造)を作り、現実の事実と照らし合わせながら「なぜこうなっているのか?」を見えるようにするLLM用 Projectです(ChatGPT、Gemini、Claude対応)。
AIに正解を聞くためのものではありません。
「現象を固定する → 自分の仮説を置く → 原因と結果の間を開く → 別の説明を作る → 現実に残る痕跡を探す → 仮説を比べる → 次に何を確認するか決める」という思考の道筋を、AIに一歩ずつ先導してもらいます。
そして最後に、そのとき見つけた構造を「構造チャンク」として保存し、次の問題でも再利用していきます。
ここは大事なので、天才めがね開発チーム代表である僕から、製品コンセプトを説明しておきたい。
この道具は、天才と殴り合うための道具ではない。
天才が因果構造と殴り合っている景色を、スローモーションで再現するための道具である。
ニュートンやアインシュタインと同じ脳になる必要はない。
僕の脚力では、彼らと同じ高い山には登れない。
でもAIというパワードスーツを着れば、登り方は違っても、同じ景色は見られるかもしれない。
そして何度も反復して練習すれば、
「こういうときは、まず別の因果を考えるのか?」
「この因果の間の構造を分解するのか?」
「仮説が正しいなら、次は痕跡を探すのか?」
と、いつか自分の足でも少しずつ登れるようになるかもしれない。
だから天才めがねの目的は、AIに答えを教えてもらうことではない。
天才たちの思考の軌跡をめぐるために、AIに先導してもらうこと。
これが設計思想である。大げさに言いました。
そして我々は、製品化に成功した
といっても、アプリを作ったわけではない。
最初からアプリを作ると、僕の場合、立派な仕様書とピカピカのUIだけ完成して満足する可能性が極めて高い。
そこでChatGPTのProject機能に、専用の指示プロンプトと共有データを入れただけの最小構成にした。
設計上、特にこだわったのが、
僕のRAM(短期記憶)を信用しないこと。
いや、僕の短期記憶など、ないものと思っていい(笑)
たとえばAIに、
「その仮説が本当なら、次に何が起きると思いますか?」
と聞かれても、
「その仮説って何だっけ?」
となる。ニワトリか(笑)
なので天才めがねは毎回、
いま見てる仮説は
「○○ → ○○ → ○○」やな。
と、考えるために必要な情報を、都度画面へ戻す。さらに、
STEP 3/9|原因から結果までの途中を開く…質問 04
みたいに、今どこを登っているのかも表示する。実際の初回テストでも、この形式で現象、現在の仮説、いま考えることを毎回表示しながら進んだ。
あと、なんとなく関西弁にした。
「因果モデルの中間変数を検討してください」と言われるより、
「ほな、そこの因果関係もう一段分解してみよか?」
と言われた方が、身構えずにフランクにしゃべれるんではないか。と考えた。
かなり重要なUX設計である、おそらく。
では、実際に使ってみます

記念すべき最初のテーマに選ばれたのは、世界経済でも、AIの未来でも、業務工程のボトルネック検証でもない。
うちの6歳の長男が、ズボンを前後逆に履く問題
これである。
今朝、妻に、
「またズボン反対じゃん!」
と怒られていた。
これは6歳の長男にとっては、大きな問題である。
僕はそのとき、不覚にも、まだ寝ていた…
だから僕は、この問題の一次情報を現場で取得できていないのだ。
そんな問題を、天才めがねは「筋の良い仮説」へと導けるのか…?

まず天才めがねは、原因を勝手に考えて先へ進んだり、解決策をがんがん提示したりはしない。あくまでユーザーの伴走者として、ともに考えることを目的としている。
だから「長男がズボンを前後逆に履くことが繰り返されている」
として、まず現象を固定した。

次に、
「なんでやと思う?」
と聞かれた。僕の第一仮説は、
「ズボンの後ろについてる、ペラペラを確認しないから」
だった。
ペラペラとはあの、大人のズボンにもついてる、要するにタグである。

すると天才めがねはこれを、
ペラペラを確認しない
→ 前後を判別できない
→ そのまま履く
→ 前後逆になる
と分解した。ここまではまあ、分かる。次に
じゃあ、「ペラペラを確認しない」のは、なんでやと思う?

なるほど。見方を知らないんじゃなくて、インセンティブが弱い可能性か。
次の質問。
もし長男の中で「逆でも別にええやん」が本当に強いとしたら、逆に履いたあと注意されても、本人はあんまり困ってなさそう?
たしかに、困ってなさそう、と僕は答えた。少なくとも彼は、自分のズボンが逆であることに、困ってない。
でも、ズボンが逆であることで、妻に叱られることに、困っているという感じだ。
前後逆でも本人には実害がない
→ 正しく履く必要性を感じない
→ 確認しない
→ 逆になる
→ 親に怒られる
→ 「怒られたら謝る」は学ぶ
という別の構造が出てきた。
ここで僕は、
「あ、本人の中では『ズボン逆=問題』じゃなく、『ズボン逆→親が怒る=問題』になってるのか」
と妙に納得した。

ここで天才めがねは、初めて因果構造モデルAとして、仮説を提示した。

それからこんな分析も

ズボン判定アルゴリズムってなんやねん(笑)
でも確かに、妻側の朝の負荷が大きいのは、僕が朝起きられないからである。
僕が朝起きられないのは、毎日遅くまでnoteを書いているからである……。
この因果構造については、また別の機会に天才めがねで分解したい。
主犯は僕でした(笑)
しかし、まだ終わらない!
ここで天才めがねは、僕と一緒に構築した因果構造モデルAを「素晴らしい洞察です!」と褒めて終了なんてしない。大事なのはここからだ。
同じ「ズボンを逆に履く」という現象について、別の因果モデルをぶつけてきた。
モデルA:本人に正しく履く必要性がない
モデルB:朝で注意力を使えていない
モデルC:前後を判定するルールが定着していない
モデルD:怒られたことへの対応が先に立っている
このように、4本の競合モデルを並べて比較した。



ここで僕は言った。
全部それっぽいから、1つを選択するのムズイな。
すると天才めがねは、
競合モデルは、もっともらしい話を増やすためやなく、あとで現実に跡を探して、どの説明力が強いか比べるために置いてんねん。
と説明した。
なるほど。
犯人を当てるゲームじゃないんだ。
複数の世界を用意して、現実にどの世界の跡が残っているか調べるゲームなのだ。
だから暫定で仮説Aを採用し、先へ進むことにした。
ここで突然、脱線してみる。
このシステムには、もう一つ確認したいことがあった。
思考フローの途中で全然違う話をしたら、ちゃんと帰ってこられるのか?

※キングオブコントにもちゃんと対応していることが確認できた。
そして、最初の仮説が壊れた
本線に戻る。天才めがねから、
「長男がズボンを履く瞬間、どんな動きをしてそう?」と聞かれた。
僕は答えた。
たぶんね、確認はしてんのよ。でも「えーっとどっちだっけ?まいっか」になってる気がする。だから動きとしてはズボンを取って、裏表を確認して、開いて見てないんじゃないかな?
折りたたんだ状態を伸ばして、ズボンの外側だけをみて、ポケットやデザインで裏表を判断してる気がするな。
大人だったら表面だけで裏表わからない場合、開いて中見るでしょ?たぶんその工程が抜けてんじゃないかな?
すると天才めがねが整理した。
「確認してない」のではなく、「確認が途中で止まってる」

次の一手を持ってない、なるほど。
だが、タグが後ろにあること自体は、息子は知っているはずだ。
「ペラペラは後ろだよ」と、毎回教えている。
ズボンの正しい履き方を、知らないわけではない。
正しい方法は知っている
→ でも自力で確認手順を始動しない
→ 外側だけで判断する
→ 分からない
→ まいっか
→ 逆に履く
という構造になった。
問題は知識不足ではない。
「知っている」と「自分で毎回できる」の間にある、始動のギャップだった。
ここ、かなり「めがね掛かった感」があった。
※天才の視点に近づけた気がした、という意味です。
6歳児のズボンにKPIを導入する
ではどうするか?
長男が一人でも確認手順を始められるように、ズボン置き場へ、
「ペラペラ見た?」というイラストを置くことにした。
このイラストをトリガーにして、「知っている」と「毎回できる」の間の溝を埋めたら、前後逆問題は減少するのでは?という仮説の検証だ。

僕も小さいころ、実家に子供向けの注意シールがあちこちに貼られていたことを思い出した。
あれ、トリガーだったのか。
そこから、
外部トリガー
→ ペラペラを見る
→ 正しく履く
→ 逆履きが減る
という実験を一週間やることになった。
さらに、
先行KPI:自分からペラペラを見る
結果KPI:逆履きが減る
という評価指標まで設定された。

6歳児の着替えにKPIが導入された。
One more thing.
天才めがねは、会話して終わりではない。
今回の発見を、
`TM-CHUNK-0001|知識と実行の間にある始動ギャップ`
という「構造チャンク」にして保存した。
中身はこう。
正しい方法を知っている
→ 行動場面で手順が始動しない
→ 簡易な方法だけ試す
→ 判断できなくなる
→ 確認を打ち切る
→ ミスが繰り返される
これ、ズボンだけの話じゃない。
マニュアルを知ってるのにチェックリストを開かない社員。
服薬を忘れる人。
戸締まり。
AIへの指示。
全部「知識として知ってるけど、それがアクションに結びついてない」という問題で共通している。
仕事でも生活でも、同じ構造はたぶんいくらでもある。実際、セッションでも別分野への転用可能性まで整理した。
さらに、悪循環と好循環を因果ループ図として画像にした。

視力検査
天才めがねには、最後に一つだけ評価指標を入れてある。
「この問題の裏側、始める前は0〜10でどれくらい見えてた?」
天才めがねの役割は、天才と同じ景色を見ることだから、使う前と後で、景色がどれくらい広がったかを、数値で検証するのだ。
使う前は、5。
終わったあと、9。
天才めがねを使う前は「なんでいつも間違っちゃうのかなー?後ろ前は知ってるはずなのにねー?」と言っていた凡人が、
ズボンをはく場所に「ペラペラみた?」というトリガーを配置することで、「知っている」と「毎回できる」の間をつなげば、ペラペラを確認するという工程が思い起こされ、逆向きにズボンを履いてしまうミスが減るのではないか?という仮説を立てることができた。
とてもクリアになった。
5 → 9
※被験者数1名。
※開発者本人。
※驚異の自社調べ。
本当はこの後、この仮説の検証結果と、他の仮説の検証も入りますが、ここでは割愛いたします。
僕は天才になりたいわけではない
いや、なれるならなりたい。
でもたぶん無理だ。
僕は、天才と同じようには山を登れない。
記憶力も、処理速度も、頭の中に入っている知識の量も違う。
でも、今はAIがある。
自分一人では思いつかない別ルートを出してもらう。
途中の矢印を開いてもらう。
「それが本当なら、現実のどこに跡がある?」と先導してもらう。
そして何度もその道を歩く。
これは、AIに答えを教えてもらうこととは少し違う。
天才たちがどうやって山を登っているのか、その思考の軌跡をAIと一緒に辿る。
最初はパワードスーツを着て、ガイドに先導されながらでいい。
同じ登り方はできなくても、同じ景色を見たい。
何度も見ているうちに、いつか少しだけ、自分の足でもその山を登れるようになるかもしれない。
その方法を確かめるために、僕はひみつ道具を作った。
それが、「天才めがね」である。
🥸
ごうてんごうさま、ありがとうございました。
天才めがねの使い方
①上記のZipをダウンロード
②新規プロジェクトを作成


限定メモリにして、「作成」


01_PROJECT_INSTRUCTIONS.mdを右クリックし
メモ帳か何かで開いて、中身をコピー



キングオブコントの話もできます。
GeminiとClaudeも、だいたい一緒です。
わからないよ!という方は、このnoteをまるごとコピーして、LLMに張り付けて「これやりたい!」でOKです。
※なにぶん個人の非エンジニアが作成したプロジェクトファイルですので、更新修正依頼はご容赦くださいませm(_ _)m