コインフリップ

画面上で説得力のあるコインフリップに見えるものと、実際に公正なものは、まったく別のエンジニアリングの問題であり、後者を伴わずに前者だけを実現することは十分に可能です。一見単純に見えるアプローチ — コインの画像をもっともらしい時間だけ回転させ、止まったときに表示されている面を読み取る — は、結果をアニメーションのタイミングとイージングカーブに依存させてしまい、本物のランダムな抽選には依存しません。実装の細かな部分が、日常的な利用からは誰も気づかないまま、一方の面をもう一方より頻繁に出すよう歪めてしまうことがあります。このツールはまず`crypto.getRandomValues`を使って偏りのない1ビットを抽出して結果を決め、その後ですでに選ばれた結果に着地するフリップアニメーションを再生します — アニメーションは純粋な演出であり、どちらの面が出るかにはまったく影響しません。

ランダム性についての人間の直感は、一つの特定の方向に系統的に狂っています: 人は公正なプロセスが本物のランダム性よりも頻繁に切り替わることを期待するため、同じ結果が何回も連続することは、それが偏りのないランダム性がまさに生み出すものであっても、何かがおかしいという証拠のように感じられます。公正なコインで表が5回連続する確率は32分の1です — 特定の1回の系列としては低いものの、十分な数のフリップを重ねればありふれたものになります。数百回のフリップがあれば、その長さかそれ以上の連続がどこかに現れることはほぼ確実だからです。これは「ギャンブラーの誤謬」の背後にある認知パターンと同じものです — 一方の結果が続くと反対の結果が「そろそろ来るはず」だという誤った信念です。各フリップは、それ以前のすべてのフリップから完全に独立しているため、たった今表が5回連続で出たコインが6回目も表になる確率は、最初のフリップのときとまったく同じです。

物理的なコインフリップの研究では、本当に空中に投げ上げられて受け止められたコインは極めて公正な50/50のプロセスに近いことがわかっています。関わる時間スケールと力においては、着地するまでの回転数が事実上予測不可能だからです。テーブルや硬い面の上で平らに回転させたコインはまったく異なる振る舞いをします: ほとんどのコインでは、重心はより重く、模様の多い面の方へごくわずかにずれており、その非対称性が回転させたコインを、確率が予測するよりも頻繁に軽い面を上にして落ち着かせる方向に偏らせます。その偏りの大きさは、コインによっては1パーセントポイント程度かそれ以上と測定した研究もあります。暗号学的にランダムなデジタルフリップは、この問題全体を回避します。そもそも質量が偏った物理的な物体が存在せず、偏りを生む余地がないからです — 結果は毎回、数学的に偏りのないコイントスであり、これは注意深く投げられた物理的なコインでさえ提供できないほど強力で検証可能な保証です。

1回のフリップは、表か裏か、今回だけという一つの問いにしか答えず、根底にあるプロセスが本当に公正かどうかについては何も語りません。かなり偏ったコインでも、たまには出にくい面が出ることがあるからです。大量のバッチでフリップを行うことこそが、実際に公正さを証明します: フリップの回数が10から100、10,000へと増えるにつれて、集計された表裏の割合は、根底にあるソースが本当に偏りのない場合に限り、確実に均等な50/50の比率へと収束していきます。これは偶然ではなく、大数の法則が働いている結果です。これはまさに、統計学者や品質保証のエンジニアが、少数の試行ではなく大きなバッチでランダムソースをテストする実用的な理由でもあります。小さなサンプルは単なる偶然で公正にも不公正にも見えることがありますが、十分に大きなバッチは本物の偏りをいつまでも隠すことはできません。