在这里，笔者想解释一下将传感器的数据和心理问卷的问题联系起来的重要性。
传感器会客观地记录下每时每刻的测量数据。这些测量数据可以做成波形图，来表示每时每刻的数据变化。比如刚刚在实验中用到的加速度传感器，就可以每隔 1/50 秒记录一次在 x 轴、y 轴、z 轴所表示的空间方向上有多少加速度。
但是，我们无法直接解读出这些大量的、连续不断的数值究竟意味着什么。平均每人每天都会收集到超过 1,000 万个数值系列，这些大量的数字排列一方面以毫秒的速度变化，一方面因年龄增加等影响，以年为单位变化。解读这些复杂的数字排列，是一个很大的课题。
人的行动数据中包含了丰富的信息，可以表现不可见的内心。精神不振时，人连走路都垂着肩膀，举手投足也无精打采。而且对话时的身体活动也能表现出人内心的状态。例如，对话时如果你对对方抱有好感，身体运动就会很活跃。相反地，如果你不信任对方，身体运动就相对较少。
具体来看，包含幸福在内的人类所有的心理活动和情感，都可以用加速度传感器进行测量，并作为一种行动模式转化成各种各样的符号嵌入数据之中。但是，数据只不过是数字的排列，怎样才能解读其中的意义呢？
柳博米尔斯基教授等心理学家经过多年研究，开发出的检测心理状态的问题发挥了威力。例如下列问题：
你是幸福的人吗？请用数字 1～7 来回答。
（完全符合是 7，完全不符合是 1）
或者
过去 1 周内，你感到过不安和担心吗？
整体来说，你对工作满意吗？
你今天发挥出自己的能力了吗？
你积极解决业务上的问题了吗？
（均用数字 1～7 回答）
通过这样的问题，我们就能将人的心理状态转换为数值。如此一来，“幸福”“不安、担心”“对工作满意”“发挥出能力”“积极解决业务问题”等心理状态就各自转换成了数值。通过提出这样的问题，能用语言表达的心理状况，就全都可以用数字来表示了。
其中当然也包括误差。不过，如果我们将很多人的回答汇总在一起，就能在“幸福的人”“不安、担心的人”“对工作满意的人”“发挥出能力的人”“积极解决业务问题的人”身上找到共通的倾向，以此来减小误差。将这些数据与调查问卷中得出的大量行动数据结合起来，数据中隐藏的意义便自然会浮出水面。
用传感器测出的行动数据是数字的排列。此后，被测人的身体运动特点也可以用数字来表示。比如将面对面的红外线传感器和加速度传感器的数据结合起来，就可以对在与人见面（从对方身上接收红外线信号）时身体运动是否频繁（1 分钟身体运动几次）进行量化。即可以将“对话时的身体运动量”（每分钟身体运动几次）转化为一定数值。这一数值的大小因人而异。我们将数值大的群体与前文中回答问题的群体进行了对比，结果发现该人群与“积极解决问题的人群”十分一致。即对话时活动频繁是“积极解决问题的人”的共同特点。如果想要积极解决问题，就需要主动地进行对话，这时身体的运动也会活跃起来。
如果通过计算机从大量的行动数据和对问题的回答中搜索出上述对应关系，我们就能理解身体运动中隐藏的意义了。
传感器中记录的大量身体运动和行动数据的排列是一种暗号，我们想要解读这个暗号，却不知道解读暗号的规则。而调查问卷上的回答相当于解读暗号的提示。在有了这些提示后，通过认真调查大量数据，就可以发现解读暗号的规则。
在这个例子中，传感器测出的数字排列中包含的“积极解决问题”这一暗号，实际上可以按照“对话时的活动频率”这一规则来解读。
数据中除了“对话时的身体运动量”以外，还包含其他无数个特点。比如“1 天的活动总量”“每天上班时间的差异”“对话的人数”，等等。我们从数据中抽取了 1 万多个特点，借助计算机调查这些特点与问卷回答的对应关系，以解读人类行为中隐藏的信息。
如果一直推进这项研究，那么将人类行为数据中隐藏的意义全部解读出来，也不是不可能的。人类的遗传信息是大约 10 年前解读出来的，而解读人类行为的重要性不亚于遗传信息。
其中，有关幸福信息的解读价值颇高。如果我们解读出这些信息，就可以使用行动数据测量并控制幸福。这将给个人、商业和行政带来巨大的影响。