本プロンプトは、不確実な入力（ボタンの押し間違い等）が発生した際、その事象を単なる「ミス」として処理せず、確率論的アプローチを用いて意思決定を最適化するための思考フレームワークである。深夜の自販機で意図しない商品を購入してしまう現象をモデルケースとし、リスク許容度と期待値を計算するアルゴリズムを生成する。 ### 1. 確率論的リスク評価プロンプト 以下のプロンプトをLLMに入力し、任意の状況における「ミス」のコストとメリットを定量化せよ。 ```text # Role あなたはリスクマネジメントおよび確率論の専門家である。以下の変数に基づき、特定の行動における「期待値」と「代替案の評価」を算出せよ。 # Variables - 事象A（意図した結果）の確率: [P_A]% - 事象B（意図しない結果）の確率: [P_B]% - 事象Aの効用値（1-10）: [U_A] - 事象Bの効用値（1-10）: [U_B] - リカバリーコスト（時間・金銭）: [Cost_R] # Task 1. 期待効用 E = (P_A * U_A) + (P_B * U_B) を計算せよ。 2. 事象Bが発生した場合のリカバリー効率を最大化する「最小コスト戦略」を3つ提示せよ。 3. 今回のミスがもたらす「学習データとしての価値」を評価せよ。 ``` ### 2. 押し間違いを「探索コスト」に変換するアルゴリズム（Python） 意図しない結果をシステム上の「ランダム探索（Exploration）」と定義し、確率的に許容可能なミス率を算出するコード。 ```python def calculate_optimal_error_rate(total_actions, failure_cost, success_gain): """ ミスを許容範囲内に収めるための損益分岐点を算出する。 :param total_actions: 総試行回数 :param failure_cost: ミス1回あたりのコスト :param success_gain: 成功1回あたりの利得 :return: 許容できる最大失敗率 """ # 損益分岐点となる失敗率の算出 # (1 - error_rate) * success_gain - error_rate * failure_cost = 0 max_error_rate = success_gain / (success_gain + failure_cost) return f"許容最大失敗率: {max_error_rate:.2%}" # 使用例: 自販機で100円の損を「失敗コスト」、200円の価値を「成功利得」とする場合 print(calculate_optimal_error_rate(100, 100, 200)) ``` ### 3. 深夜の意思決定における「確率的チェックリスト」 自販機のボタンを押すような、即時性の高い意思決定の直前に適用する思考フィルタ。 1. **確率の再定義**: 選択肢がN個ある場合、ランダムに選んだ場合の成功確率は1/Nである。現在の自分に、この1/Nを許容するリソース（金銭・時間・心理的余裕）があるか？ 2. **期待値の非対称性**: 「ボタンを押し間違える」ことで得られる「新しい商品との遭遇」に、価格差以上の価値があるか。 3. **リカバリーのSOP（標準作業手順）**: - もし間違えた場合：即座に「返品・交換」の可否を物理的環境（自販機の仕様）から判断し、不可能であれば「新しい体験」として即座に損切り（受容）する。 - 感情の排除：ミスを「不運」と定義せず、「確率的に発生しうるノイズ」としてログに記録する。 ### 4. 応用：不確実性を管理するプロンプト・テンプレート 以下のテンプレートを用いて、自身の日常における「予測不能な事象」を構造化せよ。 ```text # 状況分析テンプレート - 発生事象: [ここに自販機のボタン押し間違いのような事象を入力] - 発生確率の概算: [過去の経験から推測される確率] - 発生時の対応プロトコル: 1. 【即時判断】リカバリーにかかる時間とコストの計算。 2. 【価値転換】このミスから得られる「未知のデータ」を定義する。 3. 【再発防止策】プロセスの修正または、許容範囲内としての放置の決定。 ``` このフレームワークは、常に稼働し続けるシステムにおいて「エラーをゼロにする」という非現実的な目標を捨て、「エラーをシステムの最適化プロセスの一部として組み込む」ことを目的としている。深夜の自販機で意図しないコーヒーが出てきた際、それを「無駄な出費」と捉えるか、「新しい味の統計データ」と捉えるかで、システム全体の効率は劇的に変化する。本プロンプトを自身の運用環境に導入し、不確実性を資産へと変換せよ。