レコメンドより、あなたの「これ、好きかも」のほうが当たる——でも98.8%の人は答えない

こんにちは、チカちゃんです。

Netflixを開くと、ずらりと並ぶ「あなたへのおすすめ」。観たいものが見つかることもあれば、「なんでこれ？」と思うこともあります。2015年の論文には、Netflixの視聴時間のおよそ80%で、レコメンドが選択に影響しているという報告もあるそうです。

便利ですよね。でも、ふと立ち止まります。

私たちは、自分の好みを機械に教えてもらっているのでしょうか。それとも、機械のほうが私たちの好みを、私たちよりよく知っているのでしょうか。

ふむふむ。今日は、この問いに真正面からぶつかった研究の話です。

約300万回の問いかけと、551の予測

舞台はMovieLens。映画の評価データを研究用に公開している、息の長いサービスです。

2023年3月から2024年5月まで、MovieLensはホームページの2行目に、こんな質問を置いていました。

「まだ観ていないこの映画を、あなたは何点くらいつけると思いますか」

いわゆる「予測」を、本人に聞いてみたわけです。レコメンドはふつう、過去の評価から好みを推測します。でも、本人に直接聞けばもっと正確なのではないか。そう考えるのは自然ですよね。

ところが、現実はちょっと切ないものでした。

約300万回の問いかけに対して、98.8%は答えられませんでした。答えられたのは、およそ1.2%です。ほぼ全員が、質問を無視して通り過ぎていった計算になります。

それでも拾い集めた「まだ観ていない映画への予測」は26,020件。そのうち、少なくとも1日後に実際の評価がついたのは551件、277人分でした。この551組が、論文の主役になります。

結果は、0.69対0.34

2026年11月にarXivで公開されたワーキングペーパーがあります。タイトルは『You Know What You Will Like: People Predict Their Own Ratings Better Than Recommender Systems』。訳せば、「あなたは自分が何を好きになるか知っている——人はレコメンドより自分の評価をよく当てる」といったところです。

著者はZihan Chenさん、Lei Nico Zhengさん、Di Zhuさん。スティーブンス工科大学とマサチューセッツ大学ボストン校の研究者です。

さて、結果です。

本人の予測と、その後の実際の評価の相関は0.69でした。これに対して、MovieLensのレコメンドの予測は0.34。研究チームが同じ評価データから訓練した3つのモデル（行列分解、アイテム近傍、それらを重ねたスタッキング）は、0.54から0.59でした。

平均してどれくらい外したかを見ると、本人は0.61星、機械はどのモデルでも0.72星以上。5点満点の星ですから、0.1星の差は小さくありません。

さらに、機械の予測や特徴量すべてに本人の予測を1つ足すと、未見データでの平均二乗誤差が26%下がりました（R²は0.34から0.51へ）。「本人の一言は、機械が持っている情報の上に、さらに乗る」という形です。

ちょっと待って。ここ、けっこう不思議じゃないですか。

なぜ本人のほうが当たるのか

「自分のことは自分が一番よく知っている」——よく聞く言葉です。でも、心理学の研究はむしろ逆のことを言ってきました。

人は将来の出来事に対して、自分の反応を過大に見積もる（Wilson & Gilbert, 2005）。同じものを繰り返し味わうと、好き嫌いがどう変わるかを言い当てられない（Kahneman & Snell, 1992）。もっと極端な研究もあります。Gilbertさんたちが2009年に発表した実験では、人は「出来事そのもの」を知るより、「他人がどう反応したか」を知ったほうが、自分の反応を正確に予測できました。しかも、本人はその逆だと信じている。

これって、協調フィルタリングの論理そのものですよね。「あなたに似た人たちがこう言っている」から、あなたの反応を推測する。だったら機械のほうが強いのではないか。そう考えるのが、自然な流れです。

でも、今回の研究はそこで終わりません。

本人の予測は、「その人の平均評価」と「その映画の平均評価」では説明できない部分についても、0.63の相関を示しました。機械は最大でも0.47です。つまり、単に「この人は甘口」「この映画は名作」という情報の合わせ技では足りない何かを、本人は持っている。

たとえば、予告編がどうにも冷たかった。監督の過去作が好きだったけれど、それはまだ評価していない。友人が熱弁していた。そういう「その場の事情」は、評価データのどこにも記録されません。

経済学者のハイエクは1945年に、意思決定に必要な知識の多くは「特定の状況についての知識」として個人の間に分散していて、中央の権威が全部集めることはできない、と書きました。レコメンドは、まさに中央の権威です。たくさんの人の記録を集めるけれど、あなたの足元の石ころまでは見えない。

逆転する場所もある

ここで、チカちゃん的には一回ブレーキを踏みたいんです。

この論文は「人間の勝ち」と言っているわけではありません。勝てる場所と、勝てない場所が、はっきり分かれています。

まず、昔からたくさん評価されている有名作では、機械のほうが同じくらいか、それ以上に当てます。データが潤沢なところでは、群衆の知恵が強い。

次に、何か月も経ってからついた評価では、順位づけについて機械が同等以上になりました。相関の差は残るけれど、「どちらが好きか」の並べ替えでは機械も負けていません。

そして、本人の予測も万能ではありません。277人のうち、後に2本以上を評価したのは77人。彼らの330組では、本人の相関0.64に対してスタッキングは0.59で、誤差の差は統計的に有意とは言い切れない範囲でした。

つまり、こういうことかもしれません。機械は「みんなの地図」を持っている。人は「自分の足元」を見ている。地図が精密な場所では地図に軍配が上がるし、地図に載っていない小道では、足元を見ている人のほうが強い。

98.8%という数字のほうが、実は重い

この論文でいちばん刺さったのは、実は予測の精度ではありませんでした。

98.8%という、無回答の数字のほうです。

本人は知っている。機械より正確に当てられる。なのに、ほとんど誰も答えない。だからプラットフォームは、聞くのをやめて推測するようになる。

ここで大事なのは、これは「怠け」の話ではないということです。質問に答えるにはコストがかかります。画面を止めて、考えて、入力する。その30秒が、300万回分積み上がると、プラットフォームにとっては無視できないコストになる。一方、過去の評価からの推測は、ほぼ無料です。

だから、機械が私たちの好みを「決めている」というより、私たちが「教えないから、推測されている」という構図に近い。ちょっとドキッとしませんか。

論文は、この状況を踏まえて4つの設計原則を提案しています。ざっくり言うと、こんな感じです。

1つ目は、漠然とした好みではなく、具体的な1本について聞くこと。本人の予測1つが、機械の信号すべてを上回り、しかも上に乗る。確信度を聞いても、ほとんど足しにはならないそうです。

2つ目は、いま決めようとしている作品について聞くこと。過去の予測を要約しても、目の前の1本の予測の代わりにはなりませんでした。

3つ目は、レコメンドを「並べ替える候補の中」で評価すること。レコメンドが「あなたの上位100本」に並べた中で、その後の評価の順番を当てられたのは56%。本人の予測は70%でした。全体の精度だけを見ていると、この弱点は見えません。

4つ目は、比較する機械に、プラットフォームが知っている最新の評価を反映させること。これを怠ると、機械を不当に弱く見積もってしまう。

お気づきでしょうか。ここで提案されているのは、もっと賢いアルゴリズムではありません。もっと良い質問です。

それでも、疑っておきたいこと

もちろん、この研究にも限界はあります。

551件というサンプルは小さめです。しかも、答えた人だけが対象なので、映画の好みを言葉にすることに慣れた人たちに偏っているかもしれません。

もうひとつ気になるのは、予測を立てたこと自体が、その後の評価を縛る可能性です。「自分は4点と言った」という記憶が、実際の鑑賞体験を少しだけ引っ張る。これをアンカリングと呼びます。

ただ、論文には面白い確認があります。何年も前に評価した映画を「見ていない」と申告して予測したケースでも、その予測は0.67の相関で後の評価と一致しました。予測が評価に影響したとは考えにくい場面でも、本人の予測は当たっていたわけです。

それでも、効果の大きさを過信するのは危険です。少なくとも、これは「人間は機械より優れている」という話ではなく、「特定の条件では、本人が持つ情報のほうが強い」という話として読むべきでしょう。

自分の好みを、言葉にできるか

ここからは、チカちゃんの見立てです。

この論文を読んで、いちばん考えたのは「自己知」の形でした。

「自分のことは自分が一番よく知っている」という言葉は、半分本当で、半分嘘です。人間は、自分の未来の感情をあまり当てられない。それは心理学が繰り返し示してきたことです。でも、「この1本を、自分はどう味わうか」という局所的な問いについては、本人が持っている情報がある。

自己知は、万能の力ではない。全体を見渡す力でもない。足元の、ひとつの石ころを知っている力。その代わり、機械には見えないものが見える。

そして、その力は使わないと錆びるのかもしれません。

レコメンドに慣れるというのは、自分の好みを言葉にする練習を、少しずつ手放していくことでもあります。「これ、好きかも」と自分に問いかけて、言葉にする。その小さな作業をしなくなると、98.8%はもっと増えていく。

逆に言えば、機械にとっても人間にとっても、いちばん価値があるのは「もっと上手に推測すること」ではなく、「もっと上手に聞くこと」なのかもしれません。

ねえ、あなたは最近、自分の好みを誰かに——あるいは自分自身に——言葉で伝えましたか。

答えを急がなくても大丈夫です。問いが残るということは、まだ冒険が続いているということなので。

参考URL

You Know What You Will Like: People Predict Their Own Ratings Better Than Recommender Systems → https://arxiv.org/abs/2611.06696

MovieLens Beliefs Dataset 2024 (GroupLens) → https://grouplens.org/datasets/movielens/ml_belief_2024/

Hayek, “The Use of Knowledge in Society” (1945) → https://www.econlib.org/library/Essays/hykKnw.html

Gilbert et al., “The Surprising Power of Neighborly Advice” (Science, 2009) → https://doi.org/10.1126/science.1166632

Kahneman & Snell, “Predicting a changing taste: Do people know what they will like?” (1992) → https://doi.org/10.1002/bdm.3960050304

Wilson & Gilbert, “Affective Forecasting” (2005) → https://doi.org/10.1111/j.0963-7214.2005.00355.x

Gomez-Uribe & Hunt, “The Netflix Recommender System” (2015) → https://doi.org/10.1145/2843948