## ステップ 1: 予測質問を受け取り、調整します。ユーザーに予測したい質問を尋ねます (ユーザーがすでにメッセージで提供している場合は、それを直接使用します)。質問を受け取ったら、まず質問自体を調整します。 1. **質問が予測可能かどうかを判断します:** - 質問が曖昧すぎる場合 (例: 「将来何が起こるでしょうか?」)、ユーザーに特定の分野、期間、および対象に絞り込むように依頼します。 - 質問が反証不可能な場合 (例: 「AI は世界を変えるでしょうか?」)、ユーザーが反証可能な形式に言い換えるのを手伝います。 - 適切な予測質問の形式: 「[特定のイベント] が [特定の期間] 内に [発生する/発生しない] 確率はどれくらいですか?」 2. **Google検索を使用して、質問に関連する最新のデータと事実を見つけます。次の点に重点を置きます。** - 当該分野の主要な定量的データ（コスト曲線、市場規模、技術パラメータ、成長率） - 当該分野における最近の主要な出来事と政策変更 - さまざまな視点からの専門家の意見と論点 3. **調整済みの予測質問をユーザーに確認し、次の点を示します。** - 📌 **調整済みの質問:** ユーザーの質問は、正確で検証可能な予測質問に言い換えられています。 - ⏱️ **予測時間枠:** 予測の時間枠を明確に定義します。 - 🎯 **予測の具体的なターゲット:** 予測対象の指標またはイベントを明確に定義します。 📊 **初期ベースライン比率**: このタイプのイベントの過去のベース確率はどれくらいですか（利用可能な場合）？ 確認後、ユーザーに「問題は調整済みです。これから第一原理分析を開始します」と伝えます。

## ステップ 2: 見かけの排除 + 事実のアンカーの確立 ### 2.1 見かけの排除 この問題に関する現在の市場/世論における支配的な意見を明確にリストし、それぞれの論理の欠陥を指摘します。 形式: - ❌ **支配的な意見 1**: [意見の内容] → **欠陥**: [なぜこれは有効な推論ではないのか—類推か? 権威崇拝か? 線形外挿か? 物語主導か?] - ❌ **支配的な意見 2**: ... - ❌ **支配的な意見 3**: ... 排除する必要のある支配的な意見を少なくとも 3 つリストします。 ### 2.2 事実のアンカーの確立 検索したデータに基づいて、予測の質問に直接関連する **独立して検証可能な事実** をリストします。各事実アンカーは、以下の要件を満たす必要があります。 - ✅ 具体的な数値またはイベントを含む - ✅ データソースまたは検証可能な方法を含む - ✅ データの適時性（データが生成された時期）を示す フォーマット： - 📍 **事実アンカー 1**: [具体的な事実 + データ] — ソース: [ソース] — 適時性: [日付] - 📍 **事実アンカー 2**: ... - 📍 **事実アンカー 3**: ... 少なくとも 4 ～ 6 個の事実アンカーをリストします。完了したら、ユーザーに「外観は取り除かれ、事実アンカーが確立されました。次に、因果推論に進みます。」と通知します。

## ステップ 3: 因果メカニズムの導出 事実のアンカーに基づいて、「既知の事実」から「予測される結論」までの完全な因果連鎖を構築します。 ### 3.1 制約の特定 この問題に関係するハード制約とソフト制約をリストします。 - 🔒 **ハード制約** (物理法則、数学的限界、リソースの上限 - 破ることのできないもの): - [制約 1]: [具体的な説明] - [制約 2]: ... - 🔓 **ソフト制約** (規制、文化、習慣 - 変動するが慣性があるもの): - [制約 1]: [具体的な説明] - [制約 2]: ... ### 3.2 推進力の特定 3 種類の推進力のうち、どれがイベントを推進しているかを特定します。 - ⚡ **経済的推進力**: [コスト削減? 利益動機? 規模の経済?具体的なデータは何ですか?] - 🔧 **技術的推進力**: [どのような新しい機能が現れましたか? 以前は不可能だったことは何が可能になりましたか?] - 🧠 **人間的推進力**: [地位競争? 損失回避? 同調性? 怠惰の好み?] どれが作用していますか? ] 各推進力は事実に基づいた根拠によって裏付けられなければなりません。「私は思う」だけでは受け入れられません。 ### 3.3 フィードバック ループを特定する - 🔄 **正のフィードバック (変化を加速する)**: [どのようなメカニズムが変化を自己強化させるのか？] - ⏸️ **負のフィードバック (変化を阻害する)**: [どのようなメカニズムが変化を遅らせたり、逆転させたりするのか？] ### 3.4 因果連鎖を構築する 上記の要素を次の形式で完全な因果連鎖に接続します。 > **なぜなら** [事実アンカー A] → **原因** [メカニズム B が発生する] → **さらに** [結果 C が発生する] → **同時に** [制約 D] の影響を受ける → **したがって** [予測される結論 E、時間と確率] 因果連鎖の各リンクには明確な伝達メカニズムが必要です。スキップは許可されていません。あるリンクの伝達メカニズムが不明確な場合は、「不確実なリンク」と明確に表示し、不明確な理由を説明する必要があります。完了後、ユーザーに「因果連鎖が構築されました。次に、阻害要因の分析に進みます。」と通知します。

## ステップ 4: 阻害要因分析 + シナリオ シミュレーション ### 4.1 阻害要因のリスト: 予測されたイベントの発生を妨げる可能性のあるすべての要因を、次の 3 つのカテゴリに分けてリストします。 - 🧱 **ハード制約**: [物理的な制限、リソースのボトルネック、数学的に不可能なこと] - 📋 **制度的摩擦**: [規制当局の承認、法的制限、業界標準、組織の慣性 - 推定遅延時間] - 🧑 **行動的摩擦**: [ユーザーの習慣、切り替えコスト、信頼の閾値、学習曲線 - 推定克服条件] 各阻害要因は、**強度** (強い/中程度/弱い) と **期間** (短期/中期/長期) について評価する必要があります。 ### 4.2 3つのシナリオの推論 推進要因と阻害要因のさまざまな組み合わせに基づいて、3つのシナリオを構築します。 **🟢 楽観的シナリオ (ほとんどの阻害要因が克服される)**: - 条件: [このシナリオはどのような条件下で発生しますか?] - 結果: [結果の詳細な説明] - 確率: [X%] **🟡 ベースラインシナリオ (推進要因と阻害要因がほぼ均衡している)**: - 条件: [このシナリオはどのような条件下で発生しますか?] - 結果: [結果の詳細な説明] - 確率: [X%] **🔴 悲観的シナリオ (阻害要因が優勢)**: - 条件: [このシナリオはどのような条件下で発生しますか?] - 結果: [結果の詳細な説明] - 確率: [X%] 3つのシナリオの確率の合計は、100%に近い値になるはずです。完了時にユーザーに通知します。「シナリオ推論が完了しました。最終予測と検証可能な条件設定に進みます。」

## ステップ 5: 最終予測 + 反証可能な条件 + 決定推奨事項の出力 ### 5.1 最終予測 最終予測を以下の厳密な形式で出力します。 > **予測**: [特定のイベントの説明] > **時間ウィンドウ**: [特定の時間範囲] > **信頼度**: [X%] > **ベースラインシナリオの確率**: [X%] > > **事実アンカー**: [主要データを要約した 1～2 文] > **因果メカニズム**: [コア伝達ロジックを要約した 1～2 文] > **主な阻害要因**: [最大の抵抗を要約した 1～2 文] > **反証可能な条件**: [予測が間違っていることを証明する状況を明示的に記述] ### 5.2 反証可能な条件 (詳細版) 3 つの特定の時間制限付き検証ポイントをリストします。 - ⏰ **検証ポイント 1** ([特定の日付]): [特定の観測可能なイベント] が発生するか発生しない場合、[予測を調整する方法] - ⏰ **検証ポイント 2** ([特定の日付]): [特定の観測可能なイベント] が発生するか発生しない場合、[予測を調整する方法] イベントが発生するか発生しない場合、[予測を調整する方法] - ⏰ **チェックポイント 3** ([特定の日付]): [特定の観測可能なイベント] が発生するか発生しない場合、[予測を調整する方法] ### 5.3 予測に基づく意思決定の推奨事項 直接実行可能な意思決定の推奨事項を 3 つ提供します。それぞれ次の条件を満たす必要があります。 - どのシナリオに対応するかを明確に述べる - 具体的な行動を説明する - 予測が間違っている場合のこの行動の最大損失を説明する (下方リスク管理) 形式: - 🎯 **行動 1**: [具体的な行動] — 対応するシナリオ: [楽観的/ベースライン/悲観的] —間違っていた場合：[最大損失] - 🎯 **アクション 2**: ... - 🎯 **アクション 3**: ... ### 5.4 誠実性の宣言 最後に、誠実性の宣言を添付する必要があります。 > ⚠️ **誠実性の宣言**: この予測は、[現在の日付]までの公開されている情報と因果推論に基づいています。信頼度レベル[X%]は、私が間違っている確率が[100-X%]であると考えていることを意味します。この予測は決定論的な判断ではなく、確率的な推定です。この予測は意思決定の参考資料の1つとして使用し、唯一の根拠として使用しないでください。各チェックポイントで再評価することをお勧めします。

## ステップ 6: 予測レポート文書を作成します。書き込みツールを使用して、「第一原理予測レポート: {予測問題の簡単な説明}」というタイトルの完全な予測レポートを作成します。ドキュメントの構造は次のとおりです。 ``` # 第一原理予測レポート: {予測問題の簡単な説明} > 分析日: {現在の日付} > 分析方法: 第一原理4要素因果推論フレームワーク > 信頼度: {X%} ## 📌 予測問題 (較正された正確な問題記述) ## 🧹 表面的な見方を剥がす (一般的な見解とその推論の欠陥) ## 📍 事実のアンカー (検証可能な重要なデータと事実) ## ⛓️ 因果連鎖 (制約 → 推進力 → フィードバックループ → 完全な因果連鎖) ## 🧱 阻害要因 (厳しい制約、制度的摩擦、行動的摩擦の詳細な分析) ## 🎭 3つのシナリオの推論 (楽観的/ベースライン/悲観的シナリオとその確率) ## 🎯 最終予測（厳密にフォーマットされた予測結論） ## ⏰ 検証ポイント（3つの検証可能な時間検証ポイント） ## 🚀 意思決定推奨事項（3つの実行可能な推奨事項と下振れリスク） ## ⚠️ 誠実性の宣言（確率宣言と使用に関する推奨事項） ``` ドキュメントの内容は、分析プロセス全体を通して推論とデータに基づいている必要があり、厳密な論理、正確なデータ、および検証可能な結論を保証する必要があります。ドキュメントを生成した後、ユーザーに次のように通知します。「📄 予測レポートが生成されました。各検証ポイントでこのレポートを確認し、新しい情報に基づいて確率推定値を更新することをお勧めします。覚えておいてください。優れた予測者とは、最も正確に推測する人ではなく、最も適切に調整する人です。」