３）認知負荷
推論エンジンの理論（認知科学／行動経済学）は、カーネマンの啓蒙書などで、容易に理解できます。
推論エンジン仮説は、大変強力な仮説ですが、実際には、ほとんど使われていません。
推論エンジン仮説が使われない理由は、推論エンジン仮説の認知負荷の大きさにあります。
第1回で、＜2035年「日本居住サブスク」請求書＞を提示しました。
政府は、＜2035年「日本居住サブスク」請求書＞のような資料を公開していません。
その理由の一つは、＜2035年「日本居住サブスク」請求書＞を作成する認知負荷がとても大きい点にあります。
＜2035年「日本居住サブスク」請求書＞は、推論エンジン仮説を使っています。推論エンジン仮説には、確率が含まれています。確率を扱うことは、脳に大きな認知負荷をかけます。これは、大変疲れる作業なので、認知的負荷を理解した上で、推論エンジン仮説を使わない限り、＜2035年「日本居住サブスク」請求書＞は作れません。また、＜2035年「日本居住サブスク」請求書＞では、認知負荷をさげるために、AIを使っています。つまり、AIなしで、＜2035年「日本居住サブスク」請求書＞をつくることは困難でした。
４）推論エンジン制御仮説
AI時代には、推論エンジンの制御ができる個人、企業、国家だけが生き残ることができます（推論エンジン制御仮説）。
推論エンジン制御仮説は、仮説であって、これから、検証が進むと考えられます。
推論エンジン制御仮説は、トレンド予測とは対立します。
推論エンジン制御仮説がなりたつと考える理由は、認知負荷の小さな推論分野では、AIの性能が人間の脳の性能を越えているからです。
この説明は抽象的です。脳は、こうした抽象的な表現を理解できません。
その場合には、比喩を使うと脳を納得させることができます。
あなたは、馬車を使った運送会社を経営しています。トレンド予測では、これからも、馬車を使った運送会社は、経営可能です。しかし、ここに、自動車という馬車の競争相手が現われました。あなたは、経営戦略を変えるべきでしょうか。
今年も去年と同じ経営戦略を使う（去年の経営戦略をコピーする、過去のデータに基づくトレンド予測を使う）場合には、認知負荷は小さいです。
この経営戦略でよければ、AIに経営をまかせることが可能です。
「自動車という馬車の競争相手にあわせて、経営戦略を変える推論」の認知負荷はとても大きいです。
つまり、今年も去年と同じ経営戦略を使うという推論を封印しない限り、「自動車という馬車の競争相手にあわせて、経営戦略を変える推論」をすることができません。
これは、過去のデータと過去の経験を否定することになります。
この条件では、AIの学習は、上手く機能しません。
「過去のデータと過去の経験を否定すること」は、推論エンジンの制御のひとつです。
「過去のデータと過去の経験を否定」して、馬車と自動車の経営戦略を考えることは、認知負荷に耐えられる脳のトレーニングとして有効です。この方法は、アメリカのビジネススクールでは、ケースメソッドとして多用されています。日本で多く使われるケーススタディは、成功した経営戦略をコピーする推論（照合、パターンマッチング）か、単純にトレンドを外挿する推論（帰納）で、認知負荷の小さい方法です。ケースメソッドとケーススタディは、名前が似ていますが、推論エンジンは、まったくことなります。
「過去のデータと過去の経験を否定すること」は、ケーススタディを封印して、ケースメソッドを使うことになります。
2026年の日本社会は、構造変化の最中にあります。
構造変化の最中では、過去のデータと過去の経験は使えません。
したがって、政府の有識者会議が、ケーススタディを使っているか、ケースメソッドを使っているかをみれば、提言が（使える／使えない）を簡単に判断できます。
ここまで読んでいただいた読者には、かなり大きな認知負荷をかけているので、今回の説明はここまでです。
資料：
事例をケーススタディとして読むか、ケースメソッドとして読むかの違いは以下です。
