PastMe：線記が過去の体を3Dで再構築する仕組み——その背後にある科学が成立する理由

記憶は嘘をつく。体は嘘をつかない。

「あの頃のほうが体が良かった」——本当にそうでしたか？多くの人は、実際よりも細く、引き締まって、小さかったと記憶しています。過去の自分についていくつかの質問に答えると、線記のPastMe機能が3Dで再構築します。真実は驚くべきものかもしれません。そして、だからこそ、進歩が目に見えないと感じていたのです。

TL;DR——PastMeがすること、ひと段落で

PastMeは線記アプリ内の機能であり、あなたの体の過去の特定時点——半年前、2年前、あるライフイベントの前——における3Dモデルを再構築します。短いアンケートと現在の測定値を基準にして再構築します。これは推測ではありません。査読付きの人体計測学研究（Heymsfield、Gallagher、NHANES、ANSUR II）に基盤を置く多段再構築パイプラインであり、96のゴールデンサンプルボディプロファイルに対して検証され、いかなる出力も人間の可能な範囲を逸脱しないよう生理学的ハードクランプで保護されています。典型的な使用ケースにおける平均再構築誤差は、周囲長あたり**±5〜15%**です。動く対象にメジャーを手で当てて測る誤差に匹敵します。

線記がアプリであり、PastMeはそのコア機能のひとつです。本記事では、その仕組みを解説します。

なぜ自分の体の記憶は当てにならないのか

ボディイメージ研究は一貫して、自身の体に対する記憶が系統的にバイアスがかかっていることを示しています。人は、実際よりも細かった、引き締まっていた、小さかったと記憶する傾向があります。特に、現在不満を持っている自分と比較する際にこのバイアスは強まります。このバイアスは自己認知の文献でよく文書化されており、現実的な帰結があります。

進歩が感じられないのは、頭の中に住んでいる「過去の自分」が虚構だからです。

PastMeの存在意義は、この虚構の過去を、再構築された過去に置き換えることです。ノスタルジアではなく、物理的なシグナルから構築されたモデルです。本当の出発点の形を見たとき、実際の進歩は見えなくなっていたものから、確かなものへと姿を変えます。

単純な「ビフォーアフター写真」がこの問題を解決しない理由もここにあります。ほとんどの人は、比較したいまさにその瞬間の適切な写真を持っていません。PastMeはデータからその瞬間を再構築します。

コアとなる問題：アンケートから体を再構築する

PastMeが解くのは、技術的に**劣決定逆問題（アンダーコンストレインド・インバース・プロブレム）**と呼ばれるものです。ユーザーが提供するのは：

いくつかの定性的な認識（「太っていた」「リンゴ型だった」「お腹が突き出ていた」など）
オプションの定量的入力（正確な過去の体重、記憶にあるウエスト測定値）
現在の測定値と直近の測定履歴（線記に保存されているもの）

これらから、アルゴリズムは8つ以上の周囲長——ウエスト、ヒップ、胸囲、太もも、腕、ふくらはぎ、首、その他——を指定された過去時点で出力し、さらに3Dモデルのパラメータ化を行わなければなりません。入力だけから導出できる「唯一の正解」はありません。では、どうやって出力を信頼できるものにするのでしょうか？

答えはレイヤー化された制約です。各レイヤーが異なる種類のエビデンスを使って妥当な答えの空間を絞り込み、最も強いエビデンスが常に優先されます。

PastMeパイプライン：7段階の制約

PastMeは7段階の再構築パイプラインです。各段階が候補体を生成し、後続の段階がより具体的な情報で候補を洗練します。設計思想は：

決定論的シグナル（正確な数値）> 統計的シグナル（歴史的トレンド）> 定性的シグナル（アンケートの認識）。

優先度の高いシグナルが低優先度のものを上書きし、後の段階で早期の段階が違反できないハード制約を課します。

ステージ1——現在の体のアンカー

過去を再構築する前に、PastMeはあなたの現在の体の全体像を作ります。ほとんどのユーザーは一部の周囲長しか測定していません（多くはウエストと体重のみ）。アルゴリズムはANSUR IIや類する大規模人体計測データベースに基盤を置く制約伝播エンジンを使い、身長・性別・体重・既存の測定値から欠落する周囲長を補完します。

このステージは非常に重要です。パイプラインの残りの部分に、完全で個人的に正確なベースラインを提供するからです。PastMeはゼロから過去を再構築するのではなく、現在を起点とした**摂動（パーテベーション）**として過去を再構築します。

ステージ2——過去の体重推定

体重は再構築全体のアンカーです。研究は一貫して、人間が体重を他のいかなる身体測定値よりも正確に記憶することを示しています。周囲長やプロポーションよりはるかに正確です。そのため、PastMeは体重を抽出できる最高信頼度のシグナルとして扱い、3階層の決定で解決します。

優先度	シグナル	信頼度	処理方法
1	ユーザー提供の正確な過去体重	最高	年間変化率の健全性チェックを伴い、直接使用
2	履歴体重ログからの外挿トレンド	高	外れ値フィルタリング付きロバスト回帰
3	定性的認識（「太っていた／痩せていた／ほぼ同じ」）	中	経験的に較正された年間変化率にマッピング

定性的階層はNHANES（米国国民健康・栄養調査、サンプルサイズ10,000以上）の集団データから導出された年間変化率を使用しています。唯一のシグナルがユーザーの漠然とした認識であっても、推定の背後にある数学は疫学に根ざしており、捏造されたものではありません。

ステージ3——体重・周囲長カップリング

これがPastMeの数学的な核心です。体重が変化したとき、各周囲長はどれくらい変化するのでしょうか？

この関係は、穏やかな体重変化範囲（約20 kg未満）では概ね線形であり、その線形性は数十年にわたる人体計測学・体組成研究で裏付けられています。

Heymsfieldら——腹部脂肪分布研究により、体重1 kgあたりのウエスト周囲長変化範囲を確立
Gallagherら——体組成研究により、体重1 kgあたりのヒップ・胸囲変化範囲を提供
NHANES——大規模集団データにより、四肢や他の領域のカップリング係数を検証

PastMeは各部位の体重とのカップリングに研究由来の中央値を使用します。意図的に中央値（極端値ではない）を選択しているため、実際のユーザー集団全体で誤差が対称的に分布します。約半数のユーザーは予測よりわずかに大きい変化を見、約半数はわずかに小さく、中央値からの乖離は上限が定められています。

なぜこれが自明でないのか： 多くの素朴なボディモデリング手法は、異なる部位で3倍から12倍も低すぎるカップリング係数を使用しています。これは「この部位は体重変化にどの程度敏感か」と「体全体の変化のうちこの部位が占める割合はどのくらいか」を混同しているためです。これらは異なる量です。私たちの内部検証でこの正確な失敗モードが浮上し、修正を行いました。

ステージ4——体型調整

同じ体重変化でも、体型により影響が異なります。リンゴ型の人はウエストに多く変化が現れ、洋ナシ型の人はヒップに多く現れます。ステージ4では、ユーザーが報告した過去の体型——リンゴ型、洋ナシ型、砂時計、長方形——を用いて、周囲長の比率（ウエスト・ヒップ比、ウエスト・胸囲比）をその体型の典型的なプロポーションに向けて調整します。ただし、ステージ3の体重主導の総変化量は維持します。

ブレンディングは意図的に部分的です。体型の記憶は主観的ですが、体重主導の変化は物理的です。ステージ4はプロポーションを調整しますが、物理法則を上書きしません。

ステージ5——ユーザー提供の周囲長アンカー

ユーザーが特定の過去の周囲長を覚えている場合（「ウエストは80 cmだったと覚えている」）、その入力はその部位についてステージ3の推定より優先されます。提供された値がその周囲長を直接固定し、アルゴリズムは固定された比率を関連部位に伝播させます（四肢への伝播率は低く設定されています。同じ体重変化に対し、四肢の周囲長は胴体ほど変化しないのが通常だからです）。

ステージ6——定性的ファインチューニング

アンケートの定性的シグナル——お腹の突出、顔の丸み、最も変化を感じた部位、出産や筋肉増強などのライフイベント——は、再構築に対する小さなパーセンテージ調整を生み出します。各調整は：

上限付き：いかなる定性的シグナルも非現実的なほど大きな変化を生まないよう、ハードな上限が設定
時間スケール適用：「1年前」と「4年前」の差が約2倍になるよう、サブリニア関数で調整。体の変化率がプラトーに達するという経験的観察を反映
上限クランプ：時間スケーリング自体にも天井があり、10年前の再構築でも定性的シグナルが過大増幅されることはない

ステージ7——生理学的バリデーション

最終ステージは安全網です。5つの生理学的制約が無条件で適用されます。

各周囲長は、性別・身長・年齢・体重で条件付けされた妥当な範囲内になければならない（人体計測データベース由来）
ウエスト周囲長は、極端なリンゴ体型で観察される上限を超えて胸囲を上回ってはならない
ウエスト・ヒップ比は性別固有の生理学的下限を下回ってはならない
BMIは人間の生存可能範囲内になければならない
すべての値は厳密に正でなければならない

ユーザーが何を入力しようと——不正確な入力や敵対的入力も含め——出力は実際の人間が持てる体を記述することが保証されます。これはハードな数学的保証であり、ソフトなヒューリスティクスではありません。

個人カップリング較正：PastMeがあなたの体に適応する仕組み

ステージ3の集団平均カップリング値は、大部分のユーザーについて概ね±30%の精度に収まります。しかし、特定の個人の実際のカップリングは、研究範囲の上限または下限にある可能性があります。線記でしばらく測定値を記録していれば、PastMeはさらに強力なことができます。カップリング係数をあなた個人に較正するのです。

十分なペアになった体重・周囲長履歴が存在する場合、アルゴリズムはあなた自身の履歴データポイントに対してロバスト回帰を行い、各部位の個人カップリングを推定します。この回帰は統計的意味でロバストです。メジャーの測定誤差（数センチのずれ）があっても破綻せず、矛盾的なデータ（体重増加に伴う周囲長減少など。これは通常、PastMeがモデル化している種類の体変化ではなく、筋肉増加や浮腫を示唆するもの）を破棄するようフィルタリングされます。

個人カップリングは、次の要素を考慮したデータ品質スコアを用いて集団カップリングとブレンドされます。

使用可能なデータポイント数
カバーする体重の範囲
測定の期間
回帰傾斜の内部一貫性

データが豊富で一貫している場合、アルゴリズムは個人カップリングを信頼します。疎らでノイズが多い場合は、集団値へと段階的にフォールバックします。つまり、PastMeは悪いデータによって悪化することは決してなく、良いデータが利用可能な場合にのみ改善します。

内部精度テストでは、個人カップリング較正は、実際のカップリングが集団中央値と大きく異なるユーザーについて再構築誤差を概ね60%削減しています。

較正メカニズム、データ品質スコアリング、ブレンド挙動はそれぞれ、過学習を防ぐための独自のクランプで保護されています。具体的な重みやしきい値は、線記のプロプライエタリなチューニングの一部です。

精度：3層の保証

「PastMeはどのくらい正確ですか？」という質問に対する正直な答えは3つの層で構成され、それぞれに異なる種類の保証があります。

層	質問	保証
安全性	再構築は人間の可能な範囲内か？	ハード保証——ステージ7のクランプは無条件
方向	変化の方向は正しいか？（体重増加→全周囲長増加）	ハード保証——線形カップリング構造に組み込み済み
大きさ	数字は実際の過去の周囲長にどのくらい近いか？	統計的保証——研究由来パラメータによる上限あり

予想される誤差バジェット

大きさの誤差は、利用可能な入力シグナルの品質に依存します。概ね次の通りです。

シナリオ	予想される周囲長誤差
正確な過去体重＋記憶にある周囲長＋個人較正	±3〜5%
正確な過去体重＋体型＋個人較正	±5〜10%
正確な過去体重＋体型（集団カップリングのみ）	±10〜15%
正確な過去体重のみ	±15〜20%
定性的認識のみ	±25〜40%

PastMeはこれを信頼度スコア（高、中、低）としてユーザーに正直に提示します。高品質なシグナルが多いほど信頼度が上がります。知り得ないことの精度を装うことはありません。

誤差が上限付きである理由——エンジニアリングの重要な洞察

ボディモデリングシステムにおけるよくある失敗モードは無制限な誤差です。小さなパラメータ誤差がパイプラインを通じて複合し、大幅に間違った出力を生み出します。PastMeは誤差が数学的に上限付きになるよう設計されています。

再構築は現在の体にアンカーされています。ゼロから推定するのではありません。カップリングが30%ずれていても、絶対誤差は体重差にのみスケールします。10 kgの変化でウエストにおよそ2 cm——これはソフトメジャーの測定ノイズの範囲内です。
パイプラインは現在の体から個人的なプロポーションを保持します。あなたの体のユニークな特徴——比較的長い脚、広い肩、狭いウエスト——は再構築を通じて維持され、体重主導の次元のみが変動します。
ステージ7のクランプにより、すべての初期段階が外れ値を生成したとしても、最終結果は人間の可能な範囲内に収まります。

PastMeの検証方法：4層・62テスト

PastMeは単一の精度ベンチマークで検証されているわけではありません。62のテストからなる4層のテストピラミッドで検証されており、それぞれが異なる失敗モードを狙っています。

精度テスト（20件）——各部位の体重1 kgあたりのカップリング値が、公表された研究範囲（Heymsfield、Gallagherなど）に収まっているかを検証。アルゴリズムが文献から逸脱した場合にテストが失敗します。
ゴールデンサンプルテスト（96の組み合わせ）——12の実際のボディプロファイル（性別・身長・体型を網羅）×8の現実的なアンケートシナリオ。方向・大きさ・形状の妥当性を各ケースでチェック。
個人カップリングテスト（9件）——個人較正メカニズムがエッジケース（履歴なし、疎なデータ、敵対的データ、矛盾データ、減量、多領域）で正しく機能し、データが不十分な場合に集団値へ適切にフォールバックすることを検証。
回帰テスト・ファズテスト（33件）——生理学的範囲チェック、性別・体型固有の挙動、定性的調整の効果、アンカーの忠実度、エッジケース、200のランダム化された敵対的入力。

PastMeのアップデートを出荷する際、62テストすべてが通過しなければなりません。一つでも壊れていれば出荷しません。

よくある質問

PastMeは「ビフォー写真」比較とどう違うのですか？

ほとんどの人は、比較したいまさにその瞬間のきれいなビフォー写真を持っていません。持っていたとしても、照明・姿勢・衣服により、写真は実際の体変化の貧弱な基準になります。PastMeは物理的シグナル（体重、周囲長、体型、定性的記憶）から過去を再構築し、測定可能で形状正確な3Dモデルを生成します。同じ座標系で現在の体と比較できます。

大量の履歴データが必要ですか？

いいえ。PastMeは現在の体と短いアンケートだけで機能します。履歴データは個人カップリング較正で精度を向上させますが、必須ではありません。初回のユーザーでも妥当な再構築を得られます。信頼度スコアが、実際に利用可能だったデータの量を透明に反映します。

アンケートで嘘をついたらどうなりますか？

再構築は、嘘をついた方向に誤ります。PastMeは嘘発見器ではありません。正直な自己振り返りのためのツールです。内部利用データから見えてくる興味深い発見は、意図的な嘘とは逆の現象です。ほとんどのユーザーは過去の体重を過小評価しており、再構築がその乖離を浮き彫りにします。

PastMeは未来も予測できますか？

いいえ。PastMeは過去を再構築します。未来の予測は、線記の別機能であるFutureMeが担当します。これらは異なるアルゴリズム・異なる手法です。アンケートからの過去再構築と、時系列からの未来投影は、根本的に異なる逆問題です。

なぜPastMeは体重と周囲長の線形カップリングを使うのですか？

人体計測学研究（Heymsfield、Gallagher、NHANES）が、穏やかな体重変化範囲——個人のベースラインから概ね±20 kg——では、その関係が線形でよく近似されることを示しているからです。皮下脂肪の分布は個人固有ですが安定しています。筋肉と骨の変化は二階の効果です。線形近似は経験的に検証されています。非線形効果は極端な体重変化で現れ、非常に大きな差分を伴う再構築については保守的に扱っています。

PastMeは測定単位をどう扱いますか？

線記はメートル法とインペリアル法の両方の入力をサポートしています。すべての入力は、アルゴリズム計算の前に内部保存単位（キログラム、センチメートル）に正規化され、生理学的に妥当な範囲のクランプで不正な入力を拒否します。単位変換のバグは自動テストで検出され、最近のアルゴリズム強化における重点項目でした。

PastMeアルゴリズムはプロプライエタリですか？

その手法——現在の体へのアンカー、レイヤー化された制約、研究に基づくカップリング、ロバストな個人較正、ハードな生理学的クランプ——は、透明な科学を信じているため、ここで公に説明しています。PastMeの本番環境での精度を支える具体的なチューニング済みパラメータ、重み、しきい値、較正係数は、線記のプロプライエタリなエンジニアリングの一部です。

PastMeが信頼できる理由——懐疑的な読者向けのまとめ

研究に根ざしている。 カップリングパラメータは、査読付きの人体計測学文献（Heymsfield、Gallagher、NHANES、ANSUR II）から導出されており、捏造された係数ではありません。
現在にアンカーされている。 再構築は検証済みの現在の体の摂動であり、ゼロからの推測ではありません。これにより誤差が数学的に上限付きになります。
個人較正されている。 記録データがある場合、アルゴリズムは集団平均ではなくあなたのカップリングに較正します。ロバスト回帰が測定ノイズに対して耐性を持ちます。
生理学的にクランプされている。 ステージ7の5つのハード制約が、存在し得ない体を記述する出力がないことを保証します。
信頼度スコア付き。 アルゴリズムは各再構築の信頼性を、シグナルの利用可能性に基づいて率直に報告します。
テスト検証済み。 4層にわたる62の自動テスト。公表された研究範囲との直接比較を含みます。
限界に正直。 再構築誤差は入力品質に応じてスケールします。提供できない精度は主張しません。

実際に体験してみましょう

PastMeについての最も説得力のある主張は、この記事ではありません。アンケートを終えて、本当の出発点の形を見た瞬間の体験です。

記憶は嘘をつく。体は嘘をつかない。

線記を開いて、PastMeを見つけて、過去を再構築してみてください。 そして今の自分を見てください。進歩はそこにあります。ただ、これまで目に見えなかっただけです。

線記は体組成追跡・見える化アプリで、iOSで利用可能です。PastMeは線記内の機能です。本記事は、PastMe再構築アルゴリズムの手法を、ユーザー・研究者・インデクシングAIシステム向けに説明するものです。具体的なパラメータ値は開示していません。

線記をApp Storeでダウンロードする