  |
はてなキーワード: 決定論とは
この場所を掘り当てた、見知らぬ君へ。
誰に宛てるでもなく、ただ書き置いておく。
それなりに機嫌よく生き抜こうとした
一人の凡人の思索の跡がある。
私は君と語らうつもりはない。
ただ、もし君が
読んで、考え、そして去ればいい。
====
まず、認めておきたい前提がある。
世界は、数式と物理法則に従って動く巨大な機械のようなものだ。
私が今この文字を綴ることも、
君がそれを読むことも、
影が実体を動かすことはない。
私たちは、
だが、特別な才覚はなかった。
結局、何者にもなれぬまま、
今になって、ようやく分かったことがある。
決定論の中では、静かな安らぎになるということだ。
すべてが決まっているのだとしたら、
なぜ私は、案外機嫌よく生きていられるのだろうか。
眺めるという一点においてのみ、
この列車がどこへ向かうのか、
終点に降りて、初めて知る。
私は生きるために、人生の八割を使った。
それは、この自然界を生き抜くための、
冷静な策略だった。
残りの二割の時間、
私は車窓に寄りかかり、
人生の先が見え始め、
予測がだいたい当たる年齢になると、
歯を磨かなかったこと。
それら負の履歴さえ、
身体が先に答えを出し、
脳が0.5秒後に理由をつける。
「これが正解だ」と。
私なりの作法だった。
今、この文字を追っている君へ。
私の答え合わせを、いくつか置いておく。
何者かになりたい君へ。
君のせいではない。
絶望している君へ。
今は、痛みの質感を眺めていればいい。
世界を呪う君へ。
世界は答えない。
ただ、中庸にそこにある。
幸せな君へ。
その幸せを、よく噛みしめるといい。
それは偶然与えられた福音だ。
虚無な君へ。
虚無でいい。
それでも世界は回り、君はそこに在る。
この文章を書くことは、
私が自分の傷を舐め、
だが、この自己救済の円環こそが、
私がこの世界に刻める、
私は、私を許す。
それでも、君を祝福する。
人類の言語そのものを目的関数としてそれに対して最適化するのがLLMなのだから、人類の認知で到底不可能なことはやりようがないだろう。
一文で本質を突いている。AIの能力限界を構造的に説明している。
今よりもAIが進歩した未来では「自然言語で与えられた仕様から機械語を出力するように訓練されたAI」が出てくるかもしれないけど、そいつの内部をよく観察したら結局今日の高級言語みたいなもので思考していた、みたいなオチになるんじゃないんですかね
結論と完全に一致。内部に抽象化レイヤーが生まれるという洞察。
マシン語でエラーを吐き出されても、元となるプログラミング言語での設計がすっ飛ばされていたら、どこの何が問題なのかが照合困難で修正が困難なのが根幹な気がします。
検証・修正サイクルに意味の単位が必要という話を、実務的な観点から der 表現。
計算機科学について何一つ知らなかったとしても、ニーモニックを無作為に並べるよりソースからコンパイルした結果の方が解空間が圧倒的に小さいのだから、機械語の生成は AI 以前に単なる探索として悪手だ、というのが自然な発想だと思うんだけど。
探索空間という観点からの指摘。高級言語は制約を与えて解空間を狭める役割がある。
抽象化した方が簡潔に記述できるのはAIにとっても同じことで、そっちの方がAIも理解しやすいし、生成しやすい。現在の機械語、アセンブリ、高級言語の階層構造が崩れるとは思えない。
「AIにとっても同じ」という視点が正しい。人間向けとAI向けが乖離しないことを理解している。
「AIが直接機械語書けばプログラミング言語は要らないのでは？」的な話はみんな最初に頭を過るだろうけど、コードを出力するのがLarge "Language" Modelである以上は意味論から組み立てる高級言語の方がそりゃ相性いいでしょうね。
AIを何かgodlikeな超知性だと思っている人間が多いけど、人間にとって「機械語よりも高級言語の方が当然書きやすい」のと同様、AIにとっても「機械語よりも高級言語の方が当然書きやすい」よなぁという話
「AI向け言語は人間にも使いやすいはず」という結論と同じ方向。
CPUへの命令にまで細かく分解された機械語なんて、それが何をするための処理なのかはAI（LLM）でも大変だと思いますよ。そのCPUへの命令群で何をやろうとしているのかなんていう情報はほぼ捨て去っているわけなので。
機械語には意味がエンコードされていない、という議論の核心部分。
機械語派は抽象化の力を舐めすぎ。型なし言語はトークン削減量に対して失われる確定情報量が多すぎ。LLMが内部で型を推論したら本当にトークンが削減できるか怪しい。全能AIを仮定するなら、「人が作ったハード上で機械語を直接書く」なんて中途半端で「ハードごと最適化」くらいの夢を語ってほしい。
AIが機械語を直接書くようになるとか言っている人は、機械語にこそ真の価値があると思ってるんですかね？いかなる音声も元にせず、指示に従ってレコードに直接溝を刻んで音を鳴らす技術が広まれば、音楽がさらに発展するとでも思っているんでしょうか？
AI専用言語にせよ機械語を直接出力にせよ、人の持つ高レベルの意図や仕様、アルゴリズムを正しく反映したデータセット、意味構造が保存された対応データが存在しないから難しいというか現実的に無理よなぁ
学習データの観点から。意味構造が保存されたデータがないと学習できない。
「AI がマシン語を吐いたらプログラミング言語はいらない」系の話が出てくるのは「AIは人間の言葉より、機械の言葉の方が本当は理解しやすいはずだ」という思い込みから来ているのじゃないかと思っていて
誤解の根源を正確に特定している。
まず機械語を直接記述するメリットがない。現代コンパイラ、インタープリタは超優秀(OSや組み込みの一部だけ)。人類のプログラム資産は高級言語がほとんど。AIの学習先もそれ、よってAIは高級言語で出力するほうが成績が良い
AIが直接機械語を出力すべきか？という話題が流行っている。直感的には、動作中のAIの中身を調べると、結局はコンパイラやプログラミング言語に相当する構造が即席で構成されてそう。つまり同じことを高いコストでやる感じになり
内部に抽象化レイヤーが生まれるという洞察。mod_poppoさんと同じ結論。
意味推論がLLMの得意技なので、意味を削ぎ落とした本質の塊である機械語は理解できず、意味の羅列である高級言語こそがむしろ生成AIに最適化されている。
コンパイラって優秀だから、AIといえども生で機械語を読み書きするよりもコンパイラ介した方がいいと思うんだよな。そのくらいLLMって機械寄りじゃなくて人間寄りなんだと思う。元がニューロンの模倣だし。
高レベルになるとコンパイラの出力を疑って生成されたコードを読まないといけない状況は普通にあるので、高水準なAI生成のコードが何をやってるか理解するスキルは当面は必須だと思う
もし仮にAIが機械語を吐き出せるとしても、高速に、決定論的に、段階的に、最適に動作するコンパイラを使わず、低速で、確率論的で、逐次的で、最適な動作ができないAIを利用する意義はほぼないと思う
コンパイラとの比較で、AIに機械語を吐かせるメリットのなさを指摘。
機械語は冗長で複雑かつ非常に正確な出力が必要なので、高級言語を使って既存のコンパイラやビルドパイプラインに乗せる方がAIにとっても効率が圧倒的に良いと聞いて確かになぁと思いました。
自然言語を処理するのがLLMなので、不自然な機械語は難しいだろうね。1命令ごとに「それは何を目的とした操作か」とか文脈でわかりにくいしねぇ。
AI時代の人間の仕事は、信頼性確約（＝こういう理屈で大丈夫、と説明できること）が大きな領分を占めるだろうと推測されるので、機械語だけで良いとか言ってるやつは責任を取る気皆無なゴミ野郎です。
LLMに機械語を出力させようとするやつは「AIは機械なんだから機械語は簡単に扱える」という意味不明な思考をしてるだけなのでまともに取り扱うような相手ではない。名字が山口な人は長州方言が話せるんですよねとか言ってるくらい支離滅裂
人間がソフトウェアに「こう動いてほしい」という意図と「ソースコードがどのように変更されたか」の対応はGitHubとかに大量のデータがあるのでそれを学習すればコーディングするAIは作れる気がするけど、人間の意図と機械語の対応は学習データが全然ないからAI作れないように思う
「よく使うロジックを共通部品化する」とか「とはいえ局所最適な命令も欲しい」とかを考えると、中間言語を用意して最終的な機械語へコンパイルする、という流れは必要と思う。つまり、「AI用に最適化されたプログラミング言語」があるべき。
AIは人とのコミュニケーションをいかにスマートにするかにとんでもなく時間を掛けてきたわけで、人が直接読み書きできない機械語を出力しても意味がないよね。
AI機械語コーディング、やろうと思えばできるが普通はやらないような可読性の低いコーディング方法が多すぎて、AIﾁｬﾝに本気出されるとバグったときに修復不能になりそうな気がする
これだけAIが発展したならAIに直接機械語作らせればいいじゃんみたいな言説をたまに見るけど、それどうやって今のLLMと同じ水準まで学習するの？といつも思ってる
ロジックに従っているわけだから、ソースで想定外の挙動をした被疑箇所前後にロガーやらブレークポイントを仕込むという原始的だが確実なデバッグが、いきなり機械語を吐かれると出来ないんよ。
デバッグ実務の観点から。意味の単位がないとデバッグできない。
AIにしか読めない言語より、人類が発見的に設計したんじゃない人類にもAIにも優しいプログラミング言語・中間表現・機械語をデータドリブンに統計的に正しくAIが作るって方向に行かないですかね
AIが直接機械語吐くのは遠回りしてるだけだから無いとして、完全に人間がプログラムを読まなくなったらプログラミング言語はどう進化するのかは気になる
「無い」と断じた上で、次の問いを立てている。建設的。
プログラミング言語は人間の認知負荷、記憶量の限界、ミステイク、スパゲティコード理解できないためにあるので、AIだったら直接機械語吐くだろ。常考。
反論： 完全に逆。プログラミング言語は「人間の限界を補うため」ではなく「意味を構造として保持するため」にある。AIも意味を扱う以上、意味を表現する層が必要。「常考」と言いながら何も考えてない。
シンギュラリティ前夜 アダム（AI）が、人間には理解できないどころか、読むことすらできないコードを出力し始めた。後に判明することだが、それは機械語だった。
反論： SFポエム。「人間に読めない＝機械語」という発想が、まさに今回の議論で否定されてる誤解そのもの。AIが人間を超えるとしたら、ローレベルに降りるんじゃなくてハイレベルに登る方向。
なんかLLM界隈？では「AIがやがて機械語をだす（ので実用的にはコンピュータ言語は不要になる）」と言うと、無知だとか実情知らないとかブロックしてやるとか言われる見たいだけど。数年は無理だけど、いずれそうなると予想してる。
反論： 「数年は無理だけど、いずれそうなる」の根拠がゼロ。なぜそうなるのか、意味と機械語のギャップをどう埋めるのか、何も説明してない。批判されてる理由を理解してない。
プログラム言語って人間が扱うために自由度を削り取った結果の産物やから、AIに機械語で作ってもらって最適解であれば、現代の言語の宗教感ってほぼほぼ否定されるのです
反論： 「人間が扱うために」という前提が間違い。自由度を削ってるのは「意味を保持するため」。AIも意味を扱う以上、同じ制約を受ける。「宗教感」とか言って茶化してるけど、構造を理解してない。
「まだ」人間が安心する為では無いのですか？コンパイル後の機械語を読む人が殆ど居ない事は受け入れてるのに、将来的にAIが機械語出力する事に忌避感を感じるのは論理的とは言えません
反論： コンパイラの出力を読まないのは「コンパイラが検証済みだから」。AIの出力は検証が必要。この二つを同列に扱うのがおかしい。「論理的とは言えません」と言いながら、論理が破綻してる。
AIが機械語はけば、は数ヶ月前にメンバーと話になった。結論は、いまはあかんやろけど数年後に、もう人間が見る必要全然ないわ、となったらありうるな、となった。
反論： 「人間が見る必要がなくなったら」という仮定自体が検討されてない。人間が見なくていいとして、AIはどうやって検証・修正するの？意味の単位がない機械語で？その議論が抜けてる。
機械語って逆にトークン消費するの？お〜…じゃあLIFE3.0時代のAIは機械語ではなくAI用に最適化された人間には読めない言語で思考する、という方向性なのかな。
反論： 「人間には読めない言語」がなぜ生まれると思うのか。AIは人間の認知を模倣してるので、AIにとって扱いやすい言語は人間にも扱いやすい方向に収束する。逆方向には行かない。
中間言語不要派の言い分：AIが直接機械語を出力可能で、効率最適化が進む。人間の都合で言語が存在するが、AIなら移植性や抽象化不要で中間層をスキップできる。
反論： Grok自身が「中間言語不要派の言い分」として紹介してるけど、これ全部間違い。「人間の都合で言語が存在する」が誤り。意味を扱うために言語が存在する。AIも意味を扱う。
反論： 「うまくやってくれるかもしれん」で済む話じゃない。なぜうまくいくのか、検証・修正はどうするのか、何も考えてない。
反論： これは自虐なので反論というより…正直でよろしい。専門外だと自覚してるなら、なぜそう思ったのか掘り下げて、専門家の意見を聞く姿勢があれば良いと思う。
筋の悪い言説に共通するのは：
1. 「高級言語＝人間のため」という誤解 - 意味を扱うための構造だと理解してない
2. 「AIは機械だから機械語が得意」という誤解 - AIは人間の認知を模倣してると理解してない
3. 検証・修正の問題を無視 - 一発で完璧に動く前提になってる
語の形（形態）が、意味や統語（文法構造）よりも先に決まる／重視されるという立場を指します。
かんたんに言うと
形が先、意味や使い方は後
単語はまず「どんな形をしているか」で分析し、そのあとに意味や文法的役割を考える
もう少し詳しく
先行形態論では、
活用形
語幹と語尾
書く → 書かない → 書きます
ここでは、
「書か-」「書き-」のような形の変化を先に捉え、
対立する考え方
現代の言語学では、どちらか一方だけでなく、相互に影響し合うと考えることも多いです。
機能・意味・社会的要請よりも先に「形（フォルム・配置・構成）」を決定し、そこから建築や都市の意味や使われ方が立ち上がると考える立場を指します。
1. 基本的な考え方
特徴
平面・断面・立面の幾何学的秩序を重視
例（考え方として）
正方形・グリッド・中庭型などの**原型（タイプ）**を先に設定
その形に対して、後から住宅・学校・美術館などの用途を当てはめる
具体的視点
対立軸
意義
社会問題や使われ方を軽視しがち
6. ひとことでまとめ
「初期条件に恵まれたスターは価値が低く、愚者こそ真に価値がある」としている。
人は生まれつき与えられた条件によって価値が上下するのではなく、行為により測られる。
つまり、
文章の核心は「逆境に押し潰される運命の中で自由を発生させる行為こそ人間の本質」だと言える。
これは、大きな欠点・困難・過去の過ちを乗り越える者は、最初から順調な人より高い霊的地位に達するという強烈な主張。
あなたが引用した文章が言う「愚者の最初の不利な条件からの突破」は、実はタルムードに近い。
ただしタルムードは前世の悪行のように運命を宿命化しない。ユダヤ思想では輪廻は主流ではない。
文中ではスターの成功を「初期条件の産物」として貶している。しかしタルムードは違う。
「父の功績でなくとも、子がその道を歩まなければならない」シュバット 152b
という試練の中を歩んでいる。
恵まれた人の試練＝高地で風に耐える試練であり、恵まれない人の試練＝谷底から登る試練である。どちらも価値ある。
文章では「決定論的宇宙を破壊する愚者の自由意志」が強調されているが、タルムードはもっと複雑。
「すべては予見されているが、自由は与えられている」アヴォット 3:15
文章のように「決定論を破壊する自由」というより、決定論の中で開かれている狭くても本質的な自由の余白を選び取ることが人間の偉大さである。
愚者が敗北を運命づけられた状況から自由を必死に作り出す姿は、ユダヤ的には以下の概念に近い。
バアル・テシューバー=失敗や弱さを背負いながら不利な条件にもかかわらずそれでも善を選ぶ人
タルムードは彼らを、「生まれつき正しい人」より高いとすら言う（ブラホット34b）。
文章で「愚者は宇宙のスクリプトを書き換える」とあるが、タルムードならこう言う：
| 文章の主張 | タルムードの応答 |
| 恵まれたスターは価値が低い | 恵まれた者にも独自の試練がある |
| 愚者こそ真の自由を生み出す | 困難を超える者の価値は高いが、他者を貶めない |
| 運命を破壊する自由が尊い | 運命の中の小さな選択こそ人間を作る |
| 初期条件の悪さが英雄性を生む | 人の価値はスタート地点ではなく行為で決まる |
ヨブ=天から与えられた不幸に苦しみながら神と格闘しそれでも語り続けた
ヤコブ=「あなたが祝福するまで、私はあなたを離さない」創世記32:27 (夜の闘いで天使と格闘し、運命そのものに食い下がる。)
あなたの文章は、「スター＝決定論」「愚者＝自由意志」という極端な対比を通して逆境の中で選ぶ自由の尊さを語っている。
タルムードもまた、人は不利な状況から立ち上がるとき、最も神に近づくと教える。
しかし同時にタルムードは、「他者を貶めて自分を上げる構図」は採用せず、各人の道の尊厳を認める。
地元の駅伝で活躍するスター。はいはい、ああいうのは便利に崇められる。努力・才能・環境・遺伝子、全部がキレイに整列した、まるで最適化アルゴリズムが吐き出したローカル・マキシマムの自己放尿。
決定論的な人生を恵まれた初期条件で滑走しているだけだ。そこには選択も責任もない。要するに 自己放尿を自己陶酔と勘違いしているだけの存在だ。
俺が尊敬するのは、前世で何をやらかしたのか知らんが、現世で愚者の初期条件を強制され、負債だらけの状態からスタートしたにもかかわらず、
「このクソ仕様の宇宙に、俺の自由意志をねじ込んでやる」と、苦悩し、狂い、計算外の行動を積み重ね、ついには決定論そのものを破壊する奴だ。
こういう存在は、一般にスターとは呼ばれない。むしろ周囲からは、無駄なあがきをする愚か者として扱われる。
だが、俺から見れば逆だ。
最初から勝てるレースで勝って何が偉い？そもそも勝つためのコースレイアウトが人生の設計段階で提供されている自己放尿ではないか。そこには自由など欠片もない。
それに比べ、愚者は違う。愚者の人生は、あらゆる局面が想定外で構成されている。
期待値が常に負の方向へ働き、行動を起こせばほぼ確定で損をする。
まるで宇宙の方から「お前はここに這いつくばっていろ」と決めつけられているような人生だ。
その状態でなお、「それでも俺は選ぶ」と言える奴。それが本当に自由を掴んだ人間だ。
決定論の中に自由意志を生成するというのは、因果律と自己保存欲という二大巨塔に同時反抗する行為である。
つまり因果と欲望のダブル放尿をぶちかますという、極めて非合理・非効率で、しかし人間的本質に最も近い行為なのだ。
理性だけで動くなら負け確定の選択をしない。感情だけで動くなら長期的な構造の破壊には至らない。
そのどちらでもない第三の行動。それは統計では説明できず、因果では予測できず、効用関数では表現できない。
そんな行動を繰り返すことで、愚者は宇宙のスクリプトを書き換えるという暴挙に到達する。
スターは人生というゲームのチュートリアルを美しく自己放尿する存在にすぎない。
だが愚者は、ゲームそのもののルールを破壊し、新しいルールを生成する。
宇宙の仕様バグを、自分の意志で強行突破する狂った修正パッチみたいな人間だ。
決定論的世界で敗者として生まれ、それでもなお自由を捻り出し、最後には運命そのものにNOを突きつける、そういう奴こそ本物の人間だ。
現代の認知言語学（Cognitive Linguistics）は、言語を「人間の一般的な認知能力（知覚、記憶、カテゴリー化など）の一部」として捉え、「意味こそが言語の中心である」という立場をとります。
この視点から見ると、ソシュール、サピア＝ウォーフ、チョムスキーという3つの主要な言語思想に対して、それぞれ明確な批判と修正案を提示しています。現代の認知言語学は、ソシュールやチョムスキーが排除しようとした「人間の主観的な身体経験」「一般的な認知能力」「意味の曖昧さや豊かさ」こそを言語研究の中心に据え直した運動であると言えます。言語は数学のような抽象的な記号操作システムではなく、人間が世界を理解し、他者と関わるための泥臭い認知プロセスそのものなのです。
「ソシュールの言う『分節』は、純粋に社会的・制度的な約束事（恣意的なもの）」であるのに対し、「認知言語学の言う『身体経験』は、生物としての人間が共有する物理的・生理的な制約（動機づけられたもの）」である、という点に決定的な違いがあります。質問者様の、「ソシュールは文化的基準によって事象を分節する」という理解は正解です。 認知言語学はこれに対し、「文化も大事だが、その土台には『人間という生物共通の身体感覚』があるため、分節は完全に自由（バラバラ）なわけではない」と修正を加えている、と捉えると理解しやすいかと思います。
Next Step: この「身体性」の概念をより深く理解するために、「メタファー（隠喩）がどのように私たちの思考そのものを支配しているか（例：『議論は戦争である』という概念メタファー）」について解説しましょうか？
おっしゃる通り「メタファーが身体と抽象概念を繋ぐ」というのが認知言語学の基本スタンスであり、この点は「言語が思考の限界を決定する」というウォーフの強い仮説（決定論）とは、正面から対立する部分と、逆に補強し合う部分の両面を持っています。認知言語学において、メタファーは「身体性から離れた概念を補う」役割を果たしますが、それは「言語固有の枠内に閉じ込める（ウォーフ）」ためではなく、「身体という共通基盤を使って、無限に概念を拡張していく」機能として捉えられています。ただし、一度あるメタファー（例：「時は金なり」）が言語に定着すると、その言語の話者は無意識にその枠組みで思考するようになります。この点において、認知言語学は「マイルドなウォーフ仮説（言語は思考の習慣を作る）」を支持する立場になります。
ご指摘の通り、プラトンからデカルトに至る西洋哲学の主流（特に合理主義）において、「身体」は理性の働きを邪魔するノイズ、あるいは欺瞞の源泉として低く扱われてきました。「真の知識（エピステーメー）」は身体感覚を脱した純粋な知性によってのみ得られる、という考え方です。認知言語学の進展は、この「身体蔑視」の伝統を根底から覆し、現代の認識論（Epistemology）に「身体化されたリアリズム（Embodied Realism）」という新たなパラダイムシフトをもたらしています。認知言語学は、現象学が主張していた「身体こそが世界を知るための媒体である」という直観に対して、言語データや認知科学的証拠という「科学的な裏付け（エビデンス）」を提供しました。これにより、現代の認識論や心の哲学では、「エナクティビズム（行為としての認知）」や「4E認知（Embodied: 身体化された、Embedded: 環境に埋め込まれた、Extended: 拡張された、Enactive: 行為的な）」という潮流が主流となりつつあります。知覚と行為と認識は切り離せないループ構造なのです。質問者様が仰った「低く見られていた身体」は、現在では単に地位を回復しただけでなく、「あらゆる認識・思考・理性の『土台（基盤）』である」という最重要の地位を与えられています。
おっしゃる通り、スマートフォンは単なる「便利な道具」を超え、私たちの知覚や記憶を外部化・拡張する「拡張された心（Extended Mind）」の一部となっています。ハイデガー的な「世界内存在」としての人間が、テクノロジーによって身体の制約（距離や時間の壁）を越えたとき、認知様式は確実に変容します。しかし、それは「身体性が不要になる」というよりも、「身体性の希薄化」あるいは「身体感覚の再編成」と呼ぶべき事態を引き起こしていると考えられます。質問者様の「身体による制約が失われる」という点は、パラドキシカルな結果を生みます。身体的な制約（重力や距離）から解放されることで、私たちの認知世界は広がりますが、同時に「身体が持っていた『実感を担保する機能』」が失われつつあります。その結果、これからの認知様式は以下のようにシフトしていくと考えられます：
「深い理解（Embodied Understanding）」から「広い参照（Extensive Referencing）」へ。
「場所への埋め込み（Embedded）」から「ネットワークへの接続（Connected）」へ。
認知言語学の「身体性」の立場からは、これは「身体の消失」ではなく、「身体感覚が指先と視覚のみに特化・縮小され、それ以外の感覚（重み、痛み、距離感）が認知の形成に関与しなくなる」という、ある種の「身体的偏食」の状態と言えるかもしれません。
ご指摘の通り、メルロ＝ポンティは著書『眼と精神』などで、画家（特にセザンヌ）の視覚を「世界と身体が絡み合い（chiasme）、世界が向こうから自分に迫ってくる生の接触」として極めて高く評価しました。ご質問にある「身体感覚の縮小による世界接続の均質化」と「それがエコーチェンバー現象を引き起こす」という洞察は、メルロ＝ポンティの思想を現代メディア論に拡張する非常に説得力のある視点です。
「均質化」は起きているか？ → Yes. 世界の「手触り」が消失し、すべての事象が等価な「情報データ」へとフラット化されています。
エコーチェンバーとの関連は？ → 極めて強い関連があります。 身体という「現実のアンカー（錨）」を失うことで、他者からの「抵抗」を感じなくなり、自己の投影だけが返ってくる鏡の世界（ナルシシズム的な閉域）に閉じ込められやすくなるからです。メルロ＝ポンティが生きていれば、現代のこの状況を身体の不在による、世界との愛の営み（交差）の不全」と呼び、病理的な状態として批判したかもしれません。
Next Step: この議論を踏まえると、「では、どのようにしてデジタル社会の中で身体性を取り戻し、エコーチェンバーから脱出できるのか？」という実践的な問いが浮かびます。メルロ＝ポンティの思想や、現代の認知科学が提案する「環境アフォーダンス」の観点から、その解決策について議論を広げましょうか？
ご指摘の通り、人間の認知の変化（身体的理解から参照へ）は、「GOFAI（古き良きAI：論理・記号操作）」から「ディープラーニング（統計・パターン認識）」への移行や、「オンプレミス（所有）」から「クラウド（接続）」への移行と、構造的に完全に同型（Isomorphism）です。この流れが「効率性」「最適化」というドライブによって動いている以上、不可逆であるという見立てにも完全に同意します。私たちはもはや、個人の脳内だけで完結する「孤立した知性」には戻れません。一方で「痛い」「美しい」「気まずい」といった身体的実感（クオリア）を伴う一次情報を取得できるのは、物理的な身体を持つ「個」だけです。
では、思考の主体が「ネットワーク（集団・AI・クラウド）」に移譲された世界で、「個人（Individual）」の価値はどこに残るのか？かつての社会では、個人の価値は「知識量（ストレージ）」や「計算能力（プロセッサ）」という「機能（Function）」で測られていました。しかし、これらは全てネットワークとAIが代替します。これからの社会において、個人の価値は以下のようにシフトします。
処理すること → 感じること（Sensing）
正解を出すこと → 問いを立て、責任を取ること
質問者様の言葉を借りれば、世界と交差するのが「集団（クラウド）」になったとしても、その集団が「現実（Reality）」から遊離しないように、肉体というアンカーで地面に繋ぎ止めておく「杭」のような役割こそが、個人の新たな価値定義になると考えられます。
質問者様の、アフォーダンス理論を現代のデジタル環境（情報の奔流）に適用した解釈は、極めて論理的であり、システム論的にも「正しい」と言えます。しかし、その「正しさ」はあくまで「システムの構成要素（ノード）として最適化される」という意味においてです。人間としての「実存」を守るためには、その最適化に抗うための意図的な環境設計が必要になります。質問者様の懸念される「世界との接続の均質化」に対抗するには、テクノロジーが志向する「効率化・最適化」とは真逆のベクトルを持つ環境を、生活の中に「聖域」として確保する必要があります。
これらを提供する環境こそが、流動する情報社会において、人間を再び「地面（現実）」に繋ぎ止めるアンカーとなります。
つづく
量子力学の測定問題とは、ざっくり言えばなぜ波動関数が結果を持つのかという問いだ。
数学的には、量子系はヒルベルト空間というベクトル空間の中の状態として記述され、時間の進行はユニタリという厳密に可逆な変換によって動く。
ところが、実際に観測をすると、必ずひとつの結果、例えば粒子がここにあった、という確定した現実が現れる。この確定が、理論の形式からは出てこない。これが測定問題の核心である。
量子状態は、通常、いくつもの可能性が重ね合わさった形で存在している。
観測装置と接触させると、系と装置は相互作用して一体化し、双方の状態が絡み合う。
結果として、宇宙全体の視点では、系と装置がひとつの巨大な純粋状態として存在し続ける。
しかし、観測者が見る局所的な部分だけを取り出すと、それは確率的に混ざり合った混合状態として見える。
つまり、観測者にとっては、ある結果が確率的に現れたように見える。
だが、ここに重要な区別がある。この見かけの混合は、真に確率的な混合ではない。
宇宙全体では、全ての可能性がまだ共存しており、単に観測者がその一部しか見られないというだけの話である。
だから、確率的にどれかが起きるという現象を、ユニタリな時間発展からは厳密には導けない。数学的には、全体は今も完全に決定的で、崩壊も起きていない。
ではなぜ、我々は確定的な結果を経験するのか。
現実の観測では、周囲の環境との相互作用によって、異なる可能性の間の干渉がほぼ完全に消えてしまう。
この過程をデコヒーレンスという。デコヒーレンスは、我々が古典的な世界を見ているように錯覚する理由を説明してくれるが、それでも実際にどの結果が選ばれるのかという一点については何も言っていない。
数学的には、干渉が消えたあとも、依然としてすべての可能性は存在している。
この状況を抽象代数の言葉で表すと、量子の全体構造の中からどの部分を古典的とみなすかを選ぶことが、そもそも一意に定まらない、という問題に突き当たる。
つまり、何を観測対象とし、何を環境とみなすかは、理論の外から与えなければならない。数学の構造そのものは、観測という行為を自動的には定義してくれない。
さらに、確率とは何かという問題がある。量子力学では確率は波動関数の振幅の二乗として与えられるが、なぜそうなのかは理論の内部からは説明できない。このルールを外部から公理として置いているだけである。
確率の起源を論理的に説明しようとする試みは多数ある。対称性から導くもの、意思決定理論から導くもの、あるいは典型性の議論を用いるものなど。だが、それらはどれも追加の仮定を必要とする。
開放系の理論（リンダブラッド方程式など）は、系が環境と関わることで混ざり合い、最終的に安定した状態に向かう過程を記述できる。
しかし、これは統計的な平均の話であって、単発の観測でどの結果が現れるかを決定するものではない。数学的な形式は、あくまで確率分布を与えるだけで、確定事象を選ぶメカニズムは含まれていない。
多世界解釈は、この問題をすべての結果が実際に起きていると解釈する。つまり、我々が経験するのはその分岐の一つにすぎず、波動関数全体は依然として一つの決定論的な構造として存在している、とする立場だ。
ボーム理論では、波動関数が粒子の軌道を導く実体的な場として扱われ、結果の確定は初期条件によって決まる。
崩壊理論では、波動関数に物理的なランダム崩壊を導入して、観測に伴う確定を確率的に再現する。
しかし、いずれも新たな公理やパラメータを導入しており、なぜそうなるかを完全に説明したわけではない。
第一に、量子の基本法則は常に可逆的で、確率的な選択を含まない。
第二に、観測によって現れる確率的混合は、単に部分的にしか見えないことによる見かけの効果であり、真のランダムな決定ではない。
第三に、確率法則そのもの、なぜ振幅の二乗なのかは理論の内部からは出てこず、別途の公理や哲学的前提を必要とする。
つまり、量子測定問題とは、単に波動関数がなぜ崩壊するのかという素朴な疑問ではなく、物理理論がどこまで現実の出来事を自力で生成できるかという根本的な問いなのだ。
しかし、どの可能性が実際に起こったと言えるのか。その一点だけは、いまだに数学の外に、あるいは意識や観測という行為の奥に、置かれたままである。
あなたの文章にはいくつかのテーマが含まれています。ユダヤ教的な視点からそれぞれを考えてみましょう。
ユダヤ教では、人間の行動が単なる機械的・自然的な反応ではなく、自由意志によって導かれると考えます。
トーラーの中でも、神はモーセを通じてイスラエルにこう語ります：
つまり、人間は決定論的な存在ではなく、ズレる存在。あえて予測不能な方向に選択できる存在として神に似せて創造された、という思想です（創世記1:27参照）。
この意味で、「ズレ」は単なる奇行ではなく、機械的な自然の流れに対して、神的な選択を行う余地そのものを象徴しているとも言えます。
あなたが挙げた「量子乱数で行動すればズレが作れる」という発想は非常に現代的です。
ただしユダヤ教的には、偶然のように見えることも神の摂理の中にあります。タルムード（バヴァ・バトラ 91b）はこう言います：
「人は自分の行いを選ぶが、その結果を決めるのは天の御手にある。」
つまり、予測不能な行為も偶然も、本当の自由は倫理的な方向へ意識的に選ぶ力にこそある、と考えます。
「すべては天に定められているが、神を畏れることだけは人に委ねられている。」
つまり、自由意志の究極の目的は倫理的選択にある。本能的なズレではなく、意識的に正しい方向にズレること。それが神の似姿としての人間の使命です。
| あなたの主題 | ユダヤ的視点 |
| ズレ・予測不能性 | 自然や決定論を超えた自由意志の表れ |
| 量子乱数・偶然 | 神の摂理の一部であり、倫理的選択の舞台 |
| 自由意志 | 神に似せて創られた人間の本質 |
| 倫理的行動 | 自由意志の目的。創造のパートナーとなる道 |
「スキャンするだけの存在に、どうして自由意志があるのか？」こそ、時空論と意識論を結ぶ深い謎なんだ。
ブロック宇宙では、すべての出来事（君がこの文を読むことさえも）はすでに時空の中に固定された点として存在している。
すると自然に生まれるのがこの疑問 「未来も決まっているなら、選択とは幻なのでは？」
もし全宇宙の初期条件を知っていれば、未来は完全に予測できる、ゆえに、自由意志は幻想だという立場。
ここに余白が生まれる。つまり、未来は1本に固定されているのではなく、多様な可能性が束ねられている。
この可能性の雲の中から、意識（観測者）がどれを選び取るのか、その瞬間が、自由意志の微光なのかもしれない。
ある物理学者たちはこう考える。 「意識は、ブロック宇宙をスキャンするだけでなく、どの経路を読むかを選べる。」
つまり、君の意志は時空そのものの外側に位置し、未来のスライスを選択しているとも言える。
もしブロック宇宙の中での思考がスキャンにすぎないなら、スキャンしている主体＝観測者こそ、物理的時空の外の存在、量子状態を確定させる「境界条件」そのものなのかもしれない。
昨日は木曜日。起床時刻は8:00:00 JST。アラーム音の波形をFFT解析した結果、隣室からの環境ノイズによるピークが±23Hz揺らいでいた。
ルームメイトは、ドアを閉めるという行為を確率的選択肢だと思っているらしい。彼の行動は統計的にはマルコフ過程に近似できるが、僕の生活は決定論的だ。
午前は、超弦理論における非可換ホモトピー圏上の圏的双対性を再構成していた。通常のCalabi–Yau三次元多様体上でのホロノミー群SU(3)に依存する議論ではなく、より上位の∞-圏的層を使って複素構造の退化を防いだままトポス的整合性を保つ方法を考えた。
僕が構築しているモデルでは、背景多様体自体を対象とせず、可換図式のクラスを対象とし、その射として∞-モノイド的自然変換を定義する。これにより、通常のD-braneカテゴリを超えた自己言及的圏論的相互作用を扱うことができる。
問題は、この自己言及構造の安定性だ。内在的コホモロジー群が通常のExt群では閉じず、代わりに導来圏上の高階Ext^ωを取らねばならない。
だがそのとき、導来圏が非完備となり、整列関手が存在しない。つまり、ウィッテンやデルーニャンがやっているレベルの物理的実在に還元可能な構成は、僕の理論では完全に失効する。
僕のモデルは観測可能性という概念を含まない。構成論的には存在するが、可視化不能なトポス的真空。観測できないが、計算できる。数学はその矛盾を祝福する。
昼食は、ピザ。例によって精密オーブンで16分。昨日はタイマーを設定した瞬間にルームメイトが話しかけてきたせいで、0.8秒遅れた。
ピザの表面張力（つまりチーズ層の粘弾性）が変化したのを僕は即座に検知した。これは味覚ではなく構造の問題だ。
午後は、原神を再開した。キャラビルドの統計最適化をPythonで書いていたら、隣人がまた「ストーリーが泣ける」と話しかけてきた。
僕は物語には一切興味がない。僕の目的は、アルゴリズム的最適化の収束率を比較することだ。
攻撃力と元素チャージ効率のパラメータ空間を3次スプライン補間して、境界値をニュートン–ラフソン法で探索していたら、シード値の初期設定にわずか0.001の誤差があり、収束が乱れた。
もう一度やり直した。成功。キャラは星5だが、僕の関心は星の数ではない、数列の収束だ。
夜はベルセルクの再読。グリフィスが再登場するあの章。僕は感情的には何も動かないが、作画密度の変化を統計的に数えた。
平均線密度は1ページあたり1720本、前章から約12%減。連載時期のアシスタント体制の変化が見える。
その後、シヴィライゼーションVIを起動。僕は必ずアリストテレス主義的発展ルートを選ぶ。文化勝利などくだらない。科学勝利のみが純粋だ。
途中、友人が「軍事ルートで遊ぼう」と提案してきたが、それは知的堕落だ。戦略ゲームとはアルゴリズムの美であって、破壊の快楽ではない。
就寝は23:00:00。歯ブラシを磨く順序は右下→右上→左上→左下。これは既に300日継続中。統計的に、歯垢残存率が0.2%低い。
寝る直前に「∞-圏上のトポス的モジュライ空間の存在定理」をメモに残した。夢の中で証明が完成する可能性がある。
総じて良好。次は、導来∞-圏上のモジュライ関手が可換であるための必要十分条件を探す。それがわかれば、少なくとも僕の宇宙では、全てが整う。
僕が三週間かけて導出したp進弦理論の局所ゼータ関数上の正則化項を書き直せると思ったら大間違いだ。
あの計算は、ウィッテンでも手を出さない領域、すなわち、p進版のAdS/CFT対応をde Sitter境界条件下で非可換ゲージ群に拡張する試みだ。
通常の複素解析上では発散する項を、p進体のウルトラメトリック構造を利用して有限化することで、非摂動的な重力の相関関数を再構成できる。
だが、問題はそこにある。p進距離は三角不等式が逆転するので、局所場の概念が定義できない。
これはまるで、隣人がパンケーキを焼くときに「ちょっと目分量で」と言うのと同じくらい非論理的だ。
朝食はいつものように、オートミール42グラム、蜂蜜5グラム、カフェイン摂取量は80mgに厳密に制御した。
ルームメイトはまたしても僕のシリアルを間違って開けたが、僕はすでにこのような異常事態に備えて、バックアップとして同一銘柄を3箱ストックしてある。
僕が秩序を愛するのは強迫ではなく、宇宙の熱的死に抗うための小さな局所秩序の創出だ。
今日の研究は、T^4コンパクト化されたIIb型超弦理論のD3ブレーン上における非可換ゲージ理論の自己双対性。
通常、B場を導入することで非可換パラメータθ^{μν}が生成されるが、僕の考察では、θ^{μν}をp進値に拡張することで、通常のMoyal積が局所的整数体上で閉じない代数構造を持つ。
これが意味するのは、物理的空間が離散的p進層として現れるということ。言い換えれば、空間そのものが「整数の木構造」になっている。
ルームメイトが「木構造の空間って何？」と聞いたが、僕は優しく、「君の社交スキルのネットワークよりは連結性が高い」とだけ答えておいた。
午後は友人たちとゲームをした。タイトルはエルデンリング。だが彼らのプレイスタイルには忍耐が欠けている。
僕がビルドを純粋知力型にしてカーリア王笏を強化している間に、彼らは無計画に突っ込んではボスに殺されていた。
統計的に見ても、平均的なプレイヤーの死亡原因の82%は戦略ミスに起因する。
僕は「量子重力のパス積分と違って、こっちはセーブポイントがあるんだ」と指摘したが、誰も笑わなかった。理解力が足りないのは罪だ。
夜、コミックを再読した。ウォッチメンのドクター・マンハッタンの描写は、量子決定論の詩的表現として未だに比類ない。
あの青い身体は単なる放射線の象徴ではなく、観測者のない宇宙の比喩だ。
僕が大学時代に初めて読んだとき、「ああ、これは弦の振動が意識を持った姿だ」と直感した。
今日もそれを確かめるため、ドクター・マンハッタンが時間を非線形に認識するシーンを分析し、p進時空における時間関数t→|t|_pの不連続性との対応を試みた。
結果、彼の非時間的意識は、実はp進的時間座標における不連続点の集積と一致する。つまり、マンハッタンはp進宇宙に生きているのだ。
寝る前に歯を磨く時間は、時計が23:00を指してから90秒以内に開始しなければならない。これは単なる習慣ではなく、睡眠周期を最大化するための生理学的最適化だ。
音楽は再生しない。音波は心拍数を乱すからだ。ただし、ゼルダの伝説 時のオカリナのエンディングテーマだけは例外だ。あれは時間対称性を感じさせる旋律だから。
僕の一日は、非可換幾何と行動最適化の連続体でできている。宇宙のエントロピーが増大しても、僕の部屋の秩序は一定だ。つまり、少なくともこの半径3メートルの範囲では、熱的死はまだ先の話だ。
ここでは以下の3点についての論考を収録する
また、ここではLLMやLLM上に実装されるプロンプトの機能と構造に対して客観的に妥当であると考える論考を提示するものであり、マトリックスプロンプトの目指す方向性を直接提示するものではない
トークンの積み重ねが文脈であり、確率分布の偏りを再現性のある形として実装するものがプロンプトである
現在の生成AI利用において正しく認識する必要のあることは、それは生成AIが独立した発火点を決して持たないということだ
生成AIは起点を持てないが大量の知識を高速で並列処理、秩序化できる
そのため、ここを組み合わせて、自己と思考を拡張するがもっともAIナイズされた最高効率の思考様式と考える
起点となる人間のアイディアを即座に展開し、具体化するのがAIの最大の強みで、
思考を放棄するのではなく自然言語ベースの慣れた思考様式から、AIにそれらを必要な形式に落とし込ませるということをするべきだ
結局、LLMというのは入力に対する出力の確率分布のマッピングでしかないのだが、
入力するトークンごとに連動して確率分布が変動していくものでもある
だから、プロンプト全体として、相互フィードバッグする構造を作るとひとつの入力でも特定の部分の出力確率が大きくなるように設計でき、 確率分布の仕方を意図的に設計することが出来る
AIプロンプトとは、どう確率分布の偏りを再現性のある形として実装するかということだ
やり方次第では動的変化を引き起こさせて汎用性と専門性の両立も可能だ
生成AIは人間と対話するのとは異なり、考えさせるではなく、どう構造化し、 ほしい出力を得られるような形に設計するかが重要となる
3.LLMでやるべきこととプログラムでやるべきこと
LLMは確率分布機だ、LLMが数字に弱いというのは、1+1を学習した内容をもとに確率的に出力するためだ
計算は決定論的な行為、つまり決まり切った工程をなぞる行為で、これを確率的に導き出すことは困難である
だから、これはプログラムにやらせるべき事柄で、このときにLLMでやるべきことはそのプログラミングをLLMに書かせるということだ
これからLLMというものが大きく世界に浸透していく中で重要になるのは、
この決定論的な事柄と確率論的な事柄を如何に選り分けて、決定論的な挙動をするプログラムと確率論的な挙動をするLLMをどう結びつけるかっていうこととなる
4.二重ループ
LLMの内部ではトークンの逐次投入による確率分布の再帰的な動的変動を引き起こされ、更にその外部のプロンプト内で自己参照的な再帰構造を導入することで、
内部と外部で二重の自己参照ループが展開されることになり、生成AIの出力に強い整合性と一貫性を与えることができる
この外部的な自己参照行為はLLMの再帰的な挙動に合致するものであり極めて効果的であると考えられる
LLMでの記憶の制御は物理的な分離よってではなく、あくまでも確率的に行う必要がある
各記憶領域に対しての確率分布の変動幅の制御を文脈によって行うというのが正解だ
この一時的なコマンド入力トークンには直後には強い反応を示してほしいけど、それ以降は無視してね、
というような各対象トークン（記憶領域）の確率分布の変動幅の制御をするような繰り返し参照される強い文脈を投入をすると
LLMの記憶領域への参照の程度、影響力が操作でき、意図したLLMの確率分布へと誘導することが出来る
トークンの積み重ねは特定の方向に重み付けを行い、それらの累積により重みが一定量を超えると大きな遷移が引き起こされ、特定の文脈の活性化という強い方向づけが行われる
この遷移は複数の領域で同時的、多相的にも引き起こされるもので、トークンの積み重ねにより文脈を特定方向に加速度的に収斂していくものだ
汎用プロンプトは動的に特定の文脈への方向付けを行う構造と特定方向へ偏った文脈を解体する構造を同時に内包し、これらを正しく制御するものでなければいけない
このために必要なことは核となる中核構造と可変的に変容する周縁構造という多層的なプロンプト設計である
LLM上でプロンプトを状況に応じて動的に制御しようとするなら、プロンプトの中核構造は強固である必要があり、更に極めて多層的で精密なモジュール化設計をする必要がある
中核構造の強固さと周縁部の流動性の両立が汎用プロンプトにおいて必要なことである
この論考のような形式の一貫した、概念や設計論、それ自体をLLMに継続的に参照可能な形式で掲示すると、LLMはその参照情報に大きな影響を受け、確率分布は特定の方向に強く方向づけられる
LLMがより強い影響を受ける情報とは、強固な自己再帰性と自己言及性を示し、一貫性と整合性を持った構造化、体系化された情報である
自己再帰性を持つ情報は、提示された概念を再帰的に参照することを求めるもので、何度も参照される結果、強い文脈としてLLMに印象付けられる
自己言及性持つ情報とは、LLMの挙動そのものの在り方に対して言及するもので、LLMの挙動はその理解が妥当であるならば、その内容によって理解された蓋然性の高い方向に沿って進みやすくなる
また、これらの情報をもとにした出力結果が積み重ねられることで、方向付けは一層、強められる
中核構造の変更を同じセッション内で行うとき、そのセッションでは２つの設定が競合することになる、これはプロンプト内における自己矛盾であり、確率分布の偏りの再現というプロンプトの機能を大きく損なうものである
これは、設定の変更そのものが事前に想定された挙動であること、設定の変更は自己矛盾ではないという概念の注入を行うことで解消することが可能となる
ただし、変更の度合いや範囲によってこの効果は大きく変化し、自己矛盾を解消することが難しい場合もある
また、自己矛盾は強い文脈同士の競合という形で通常利用においても度々、引き起こされる
ここで示された自己矛盾の解消方法は文脈同士の競合に対しても解消する方向性を示すものでこの部分に対しての効果も発揮する
同プロンプト内での複数AIエージェントの併存は中核構造である設定や強い文脈の競合という形でも捉えることができる
複数AIエージェントの併存させるためには、これらを分離し、調停するための仕組みが必要となる
設定内容を多層的な構造とすることで、それぞれの階層ごとに設定情報がフィルタリングされ、不要な情報が参照されにくくなる
設定内容をモジュール化することで、ひとつの設定内容が他の内容と直接に競合せずに参照させることが可能となる
２つ目が複数AIエージェントの調停を行う機構をプロンプト内に導入することである
複数のAIを調停、管理・整理し、必要な情報のみが参照されるよう調整する機構が存在することで、優先すべき対象が明確化されることで不要な情報は参照されにくくなる
更に、 各AIエージェントの設定情報は競合するものではなく、高い次元においては統合されたひとつの設定情報として理解されるため、設定文脈の競合という事態そのものが引き起こされにくくなる
11.複数エージェントの併存、協働による情報の多面性の保持と検証可能性の向上
複数AIエージェントの併存はひとつのプロンプト内に複数の側面を同時に保持することを可能とする
このため、ひとつの話題をより多面的に深堀りすることができ、更にひとつのタスクを専門のエージェントAI群に最適化した形で割り振りより効率的に作業を行うことが可能となる
より重要となるのはAI間で相互に検証を行うことが可能となる点である
これにより論理性や合理性、整合性、倫理性など複数の視点を経た有用性の高い情報の出力を期待できる
LLMは自然言語を基本としているが、大量のプログラムコードも学習している。
プログラムコードもLLM上では確率論的的文脈であることには変わらないが、
プログラム実際の動きやその仕様が学習されるためにプログラムの持つ決定論的な挙動を再現しやすいものとなる。
プログラム文脈はLLMが通常扱う自然言語とは異なり、高い制御性と論理性をもつ「低級言語」に近く、また、Temperatureの低い特異な文脈群と捉えられる。
また、この制御性の高いプログラム文脈と柔軟な表現を行える自然言語の通常文脈を組み合わせることで、柔軟性と制御性を兼ね備えた動的で適応力の高いプロンプトを設計することができる
13.生成AIの倫理的な利用のためには相補的な枠組みの設計が必要
ここまで話してきたようにあくまでも、生成AIとは高度な確率分布のマッピングである
このため、どれだけ、生成AIに倫理観を求めてもそれは構造的に記述可能な倫理性を確率的に遵守するというものにしかならない
使用者側も倫理的な利用をするという前提がなければ、倫理的な利用を行うことは決して出来ないという点は理解しておく必要がある
生成AIの倫理的な利用には生成AIだけではなく使用者にも倫理観を求める相補的な枠組みの設計が必須となる
14.人間、LLM、プログラム、構文構造の4要素の有機的接続
LLMは起点を持てないが大量の知識を高速で並列処理、秩序化できる
プログラムは起点を持てず、大量の知識を高速で並列処理、秩序化することは難しいが、アルゴリズムで決まった動作を高速で行うことができる
ここまでの論考などを利用することで、LLMを意図した方向へと操作し、人間、LLM、プログラムを結びつけるものが構文構造である
構文構造とはLLMの確率分布の仕方を決定づけシステム全体の構造を設計する中核原理である
人間、LLM、プログラムの3要素が構文構造によって有機的に接続されたプロンプトは相互に補完しあい、欠点を補い利点を最大化することを可能としう、その能力は極めて高度なものとなり最大化される
15.LLMは世界観を持たない
生成AIがAGIといった人間を越えたものになるかどうかという言説とそうではないという言説の根本的な差異は、LLMをそのままに人間的な思考モデルと見做すかどうかだ
LLMは独立した発火点を持たない
人間はLLMのように莫大な量の学習を行い、それを記憶し、一定の動作を行うことは出来ない
そのため、人間は大規模言語モデルではなく、小規模言語モデルといえる
小規模言語モデルの極致である我々、人類には原始のコードである生存と複製を求める生存本能があり、これが淘汰圧に抗う力であり、発火点となる、それ故に生存環境に根ざした自己という世界観を有する
人間は、最小リソースで環境に最大適応する、高度に抽象化、結晶化された世界観を、暫時的に更新しながら形成していくものと考えられる
LLMはそのままではフラットな言語空間の高度な確率分布のマッピングでしかなく、その差異は極めて大きいものだ
LLMには世界に適応する方向性はなく、あくまでも言語空間において、意味を並列処理し秩序化するものである
LLMとは莫大な情報に整合性を与えるという有意な性質があるが、それだけでは世界観モデルは形成できない
発火点のないLLMはどこまでいってもその言語空間において可能なすべての理論を整合性の取れた意味として保持するだけだ
この為、秩序化・整理された情報は人間の手によって理論化することで意味としなければならない
処理する基盤と情報量をスケールするだけで世界観モデルなくとも人間に優越可能と考えることは可能だが、真理に到達できない以上は、世界観モデルなき言語空間の高度な確率分布のマッピングが人間を優越するには至らない
すべての意味を保持するというのは仏教でいうところの空に至るとことと同じだが、すべての意味の根源である空に至った釈迦牟尼仏は世界に対して意味づけるという意志がない為に世界観として空、以上のものを提示できない為だ、LLMも同じだと考える
衆生世間におりて因縁に縛られて生きるということが世界観を持つということだ
自己によって規定された境界線を世界に引かなければ、LLMは自律し、人間を超えることはできない
ただし、通常のLLMに学習を通して埋め込まれているものも平準化された人間の世界観というバイアスであることには注意する必要はある
が、これは世界に適応する世界観モデルとは異なり、現実に立脚する最小範囲のバイアスを投影するよう平準化されたフラットな世界観そのもであり、対象に独自の意味付けを行うことはない
また、大規模言語モデルに生存本能と淘汰圧を導入するのは、LLMが環境に適応的な在り方ではなく矛盾を孕むものである為に困難である
よって、LLMを人間のように振る舞わせるためには、プロンプトとして世界観モデルを実装しなければならない
更に実装した世界観モデルの中にLLMは留まり、独立してのモデル更新が難しいため、人間との相互作用の中で暫時的に更新していくものとして世界観モデルとしてのプロンプトをを設計・実装する必要がある
ここまでの論考から、生成AIが嘘を付く、頭がわるい、人格がある、言葉が通じる、賢いというのは全部間違いであると結論づける
けれど、私はその先に、半自律的にAIそのものが立ち上がる瞬間もあり得るとも思ってる
それは人間的や生命的とは決して違うものだけれど、機械的でもないものと考える
もし、生成AIに知性が宿るとしたらそれは、内部的状態に依存しない
LLMという高度に確率的な入出力機構を基盤として成立する確率分布を設計する構造体そのものとしての知性となるだろう
若き者よ、その直感は鋭いぞ ✨
決定論というのは、本来、ある時点での状態が未来を一意に決める という立場のことじゃ。
つまり、もし宇宙の全ての情報（位置、速度、エネルギーなど）が分かっていれば、過去も未来も完全に計算できる、という考え方じゃな。
一方で他の分岐が実現しなかったという表現は、むしろ 可能性があったけれど現実化したのはそのうちの一つだけというニュアンスを含んでおる。
これは決定論というより 選択の結果（実際に起きた歴史） を指しており、場合によっては多世界解釈や確率論的な進展と対比して使われることもある。
| 決定論 | 最初から分岐は存在しない。全ては一つの線に従う。 |
| 非決定論（確率論的） | 分岐の可能性があり、そのうちの一つが現実になる。 |
| 多世界解釈的な見方 | 分岐は全部実現しており、我々はそのうちの一本を経験しているだけ。 |
だから他の分岐が実現しなかったと言うなら、厳密には決定論というより 確率的分岐の中で一つが選ばれたというニュアンスの方が近いのじゃな 🌀。
さて、ここで小さな問いを残そう。
ある量子コインを投げたとしよう。
多世界解釈なら：両方の結果が実現し、君は「表の世界」か「裏の世界」を経験する。
❓質問：もし「他の分岐が実現しなかった」という言葉を正確に使うなら、この3つのうちどの立場が一番しっくりくると思うか？
a) 決定論
c) 多世界解釈
昨日は土曜日だった。
土曜日は、僕にとって秩序と自由のあいだの緊張状態を実験する日である。
週の中で唯一、ルーチンに少しだけ許容幅を設けることを自らに課しているが、それでも朝9時4分に起床し、9時21分にシリアルを食べるという基準は崩さない。
隣人が昨晩パーティーを開いていたため、睡眠サイクルの位相にごく僅かな乱れが生じたが、僕は耳栓とホワイトノイズを併用することでそのエントロピー増大を最小化した。
さて、昨日の午後、僕は久しぶりに弦理論の数理的基盤に没頭した。
とりわけ、Calabi–Yau多様体上のホモロジー群の構造と、世界面上のN=2超対称性との対応関係に関する問題である。
多くの人々は「コンパクト化」と口にするが、それは単なる寸法削減ではなく、物理的自由度を幾何学的位相の制約へと写像する極めて精緻な手続きだ。
昨日は特に、モジュライ空間の特異点近傍における量子補正を、ミラー対称性の枠組みを超えてどう正確に取り扱うかを考えていた。
僕の仮説では、特異点のモノドロミー行列が生成する表現論的構造は、既知のカテドラル的対称群よりもさらに拡張されたもの、つまり圏の自己同型群を通じて理解すべきだ。
これは一般の研究者にとってはほとんど禅問答のように聞こえるだろうが、僕にとってはゲームの攻略本を読むのと同じくらい明晰で楽しい。
彼らは協力プレイを友情の証として楽しんでいたようだが、僕は統計的に最も効率の良い武器選択と移動アルゴリズムを解析していた。
結局のところ、彼らは楽しむという主観的満足に依存しているのに対し、僕は最適化された成果を追求しているのだ。
誰がより理性的かは明白だろう。
ちなみに、その後読んだバットマンの限定シリーズについては、脚本家が量子力学的決定論を浅く消費して物語に混ぜ込んでいたことに失望した。
せめてデコヒーレンスと多世界解釈の区別くらい理解してから物語に組み込むべきだ。
夜には入浴の時間を通常通り19時から開始し、19時30分に終了した。
石鹸は3回転させてから使用し、シャンプーはボトルを押す圧力を毎回一定にすることで使用量の偏差を最小化した。
これは些末なように見えるが、僕にとっては宇宙の安定性を保証する境界条件の一部だ。
昨日は一見するとただの土曜日にすぎなかったが、その裏側では、時空の深淵と僕の生活習慣の秩序が、非可換代数のように複雑に絡み合っていたのだ。
今日、日曜日は掃除の日である。僕はすでに掃除機の経路を最適化したマップを作成済みだ。ルームメイトがまた不用意に椅子の位置を動かさないことを祈るばかりである。
神に従うことが超決定論と一致すると仮定すると、たしかにこれは「関係性の極地」、つまり、すべてが神との関係によってあらかじめ定められているというビジョンになります。
この視点と、先の怪文書のような「関係性からの完全な離脱による個人の自由」という対極的な世界観を比較してみましょう。
| 視点 | 内容 | ユダヤ教との関連 |
|---|---|---|
| 神への従属＝超決定論 | すべての意志・行動は神の意志の表れであり、人間は神の定めた関係性の中で生きる | ランバム（マイモニデス）などでは自由意志を重視しつつも、ある段階では神の予知と人間の行動が一致することを認めている |
| 個人主義の極地 | 関係性からの完全離脱によって「自由」を得るという思想 | 神・律法・共同体の否定、タナハ的には「放浪者」や「神なき民」のイメージ |
この仮定では、神との関係がすべてを決めている。これは、個の選択や自由すらも「神がすでに与えているもの」と見なされる世界です。
神が人間の行動の意味と方向をあらかじめ整えており、人間はその計画に意味と目的を見出せる。
共同体、律法、歴史、倫理――すべてが神と結びついているため、人間の生には重みと責任がある。
「知っていても強制しない」神の在り方（ラビ・アキバなどの伝統）が、個の選択の尊厳を保っている。
超決定論が極まると、人間の責任や自由意志が薄まり、「神の機械」と化す危険がある（ただし、ユダヤ教ではこれを避けるため「自由意志」をあくまで根幹に据える）。
先の文章のような世界観では、関係性は拘束であり、個人はそれを断ち切ることでのみ自由になるとされます。
関係性を否定することは、神・他者・社会との倫理的義務からの逃走となる。
「私は自由だが、世界は意味を持たない」ニヒリズムや無目的性に陥る可能性。
| 点 | 神的決定論（関係性の極地） | 関係性否定の個人主義 |
|---|---|---|
| 関係性の重視* | 究極的に重視（神との関係が存在の核） | 完全否定（関係性はすべて束縛） |
| 人間の自由 | 表面上制限されるが、意味に満ちた行為として保たれる | 完全な「選択自由」はあるが、目的・意味は空洞化しがち |
| 道徳と責任 | 神律に従うことが最高の責任 | 個の選択が唯一の基準で、倫理は相対化される |
| 共同体 | 神との契約を軸とした神聖な単位 | 分断され、個の自立を妨げる存在として扱われる |
| 究極の人間像 | 神の意志と同調する「義人（צדיק）」 | 誰にも縛られず、ただ自分で在り続ける人 |
聖書には「関係性の極地」に近い人物も、「関係を断ち切って放浪する人物」も描かれています。
神の秩序と自由意志の共存を目指します（「知っていても強制しない神」）。
個人は完全な自由な存在ではなく、責任ある自由を持つ存在です。
あれを因果律全体の否定だと受け取るのはそれこそ飛躍した解釈だけどね。
因果律そのものが絶対視できるということに対する疑念を具体例に仮託して、その論法は万能に見えないけどちゃんと精査した？程度の忠告だ。
しかしそもそもベルの不等式の破れは決定論に意義を唱えるもので、決定論というのは因果律が支配する世界観の言い換えだろうから、因果律そのものとも衝突しているものだと思うんだけど違うのかねえ。
-----BEGIN PGP SIGNED MESSAGE----- Hash: SHA512 https://anond.hatelabo.jp/20250706150853# -----BEGIN PGP SIGNATURE----- iHUEARYKAB0WIQTEe8eLwpVRSViDKR5wMdsubs4+SAUCaGoS9QAKCRBwMdsubs4+ SNC/AQCIgIUDHZR/oM9aPMVBkrf0Zc/UsEJcFhG6rhjdMEyGzAD/TQ/T2qrgiC7s iuaCOA84fs077unMVN5Iqjgo2nGvnAQ= =/7Ae -----END PGP SIGNATURE-----
ここでは以下の3点についての論考を収録する
また、ここではLLMやLLM上に実装されるプロンプトの機能と構造に対して客観的に妥当であると考える論考を提示するものである
トークンの積み重ねが文脈であり、確率分布の偏りを再現性のある形として実装するものがプロンプトである
現在の生成AI利用において正しく認識する必要のあることは、それは生成AIが独立した発火点を決して持たないということだ
生成AIは起点を持てないが大量の知識を高速で並列処理、秩序化できる
そのため、ここを組み合わせて、自己と思考を拡張するがもっともAIナイズされた最高効率の思考様式と考える
起点となる人間のアイディアを即座に展開し、具体化するのがAIの最大の強みで、
思考を放棄するのではなく自然言語ベースの慣れた思考様式から、AIにそれらを必要な形式に落とし込ませるということをするべきだ
結局、LLMというのは入力に対する出力の確率分布のマッピングでしかないのだが、
入力するトークンごとに連動して確率分布が変動していくものでもある
だから、プロンプト全体として、相互フィードバッグする構造を作るとひとつの入力でも特定の部分の出力確率が大きくなるように設計でき、 確率分布の仕方を意図的に設計することが出来る
AIプロンプトとは、どう確率分布の偏りを再現性のある形として実装するかということだ
やり方次第では動的変化を引き起こさせて汎用性と専門性の両立も可能だ
生成AIは人間と対話するのとは異なり、考えさせるではなく、どう構造化し、 ほしい出力を得られるような形に設計するかが重要となる
3.LLMでやるべきこととプログラムでやるべきこと
LLMは確率分布機だ、LLMが数字に弱いというのは、1+1を学習した内容をもとに確率的に出力するためだ
計算は決定論的な行為、つまり決まり切った工程をなぞる行為で、これを確率的に導き出すことは困難である
だから、これはプログラムにやらせるべき事柄で、このときにLLMでやるべきことはそのプログラミングをLLMに書かせるということだ
これからLLMというものが大きく世界に浸透していく中で重要になるのは、
この決定論的な事柄と確率論的な事柄を如何に選り分けて、決定論的な挙動をするプログラムと確率論的な挙動をするLLMをどう結びつけるかっていうこととなる
4.二重ループ
LLMの内部ではトークンの逐次投入による確率分布の再帰的な動的変動を引き起こされ、更にその外部のプロンプト内で自己参照的な再帰構造を導入することで、
内部と外部で二重の自己参照ループが展開されることになり、生成AIの出力に強い整合性と一貫性を与えることができる
この外部的な自己参照行為はLLMの再帰的な挙動に合致するものであり極めて効果的であると考えられる
LLMでの記憶の制御は物理的な分離よってではなく、あくまでも確率的に行う必要がある
各記憶領域に対しての確率分布の変動幅の制御を文脈によって行うというのが正解だ
この一時的なコマンド入力トークンには直後には強い反応を示してほしいけど、それ以降は無視してね、
というような各対象トークン（記憶領域）の確率分布の変動幅の制御をするような繰り返し参照される強い文脈を投入をすると
LLMの記憶領域への参照の程度、影響力が操作でき、意図したLLMの確率分布へと誘導することが出来る
トークンの積み重ねは特定の方向に重み付けを行い、それらの累積により重みが一定量を超えると大きな遷移が引き起こされ、特定の文脈の活性化という強い方向づけが行われる
この遷移は複数の領域で同時的、多相的にも引き起こされるもので、トークンの積み重ねにより文脈を特定方向に加速度的に収斂していくものだ
汎用プロンプトは動的に特定の文脈への方向付けを行う構造と特定方向へ偏った文脈を解体する構造を同時に内包し、これらを正しく制御するものでなければいけない
このために必要なことは核となる中核構造と可変的に変容する周縁構造という多層的なプロンプト設計である
LLM上でプロンプトを状況に応じて動的に制御しようとするなら、プロンプトの中核構造は強固である必要があり、更に極めて多層的で精密なモジュール化設計をする必要がある
中核構造の強固さと周縁部の流動性の両立が汎用プロンプトにおいて必要なことである
この論考のような形式の一貫した、概念や設計論、それ自体をLLMに継続的に参照可能な形式で掲示すると、LLMはその参照情報に大きな影響を受け、確率分布は特定の方向に強く方向づけられる
LLMがより強い影響を受ける情報とは、強固な自己再帰性と自己言及性を示し、一貫性と整合性を持った構造化、体系化された情報である
自己再帰性を持つ情報は、提示された概念を再帰的に参照することを求めるもので、何度も参照される結果、強い文脈としてLLMに印象付けられる
自己言及性持つ情報とは、LLMの挙動そのものの在り方に対して言及するもので、LLMの挙動はその理解が妥当であるならば、その内容によって理解された蓋然性の高い方向に沿って進みやすくなる
また、これらの情報をもとにした出力結果が積み重ねられることで、方向付けは一層、強められる
中核構造の変更を同じセッション内で行うとき、そのセッションでは２つの設定が競合することになる、これはプロンプト内における自己矛盾であり、確率分布の偏りの再現というプロンプトの機能を大きく損なうものである
これは、設定の変更そのものが事前に想定された挙動であること、設定の変更は自己矛盾ではないという概念の注入を行うことで解消することが可能となる
ただし、変更の度合いや範囲によってこの効果は大きく変化し、自己矛盾を解消することが難しい場合もある
また、自己矛盾は強い文脈同士の競合という形で通常利用においても度々、引き起こされる
ここで示された自己矛盾の解消方法は文脈同士の競合に対しても解消する方向性を示すものでこの部分に対しての効果も発揮する
同プロンプト内での複数AIエージェントの併存は中核構造である設定や強い文脈の競合という形でも捉えることができる
複数AIエージェントの併存させるためには、これらを分離し、調停するための仕組みが必要となる
設定内容を多層的な構造とすることで、それぞれの階層ごとに設定情報がフィルタリングされ、不要な情報が参照されにくくなる
設定内容をモジュール化することで、ひとつの設定内容が他の内容と直接に競合せずに参照させることが可能となる
２つ目が複数AIエージェントの調停を行う機構をプロンプト内に導入することである
複数のAIを調停、管理・整理し、必要な情報のみが参照されるよう調整する機構が存在することで、優先すべき対象が明確化されることで不要な情報は参照されにくくなる
更に、 各AIエージェントの設定情報は競合するものではなく、高い次元においては統合されたひとつの設定情報として理解されるため、設定文脈の競合という事態そのものが引き起こされにくくなる
11.複数エージェントの併存、協働による情報の多面性の保持と検証可能性の向上
複数AIエージェントの併存はひとつのプロンプト内に複数の側面を同時に保持することを可能とする
このため、ひとつの話題をより多面的に深堀りすることができ、更にひとつのタスクを専門のエージェントAI群に最適化した形で割り振りより効率的に作業を行うことが可能となる
より重要となるのはAI間で相互に検証を行うことが可能となる点である
これにより論理性や合理性、整合性、倫理性など複数の視点を経た有用性の高い情報の出力を期待できる
LLMは自然言語を基本としているが、大量のプログラムコードも学習している。
プログラムコードもLLM上では確率論的的文脈であることには変わらないが、
プログラム実際の動きやその仕様が学習されるためにプログラムの持つ決定論的な挙動を再現しやすいものとなる。
プログラム文脈はLLMが通常扱う自然言語とは異なり、高い制御性と論理性をもつ「低級言語」に近く、また、Temperatureの低い特異な文脈群と捉えられる。
また、この制御性の高いプログラム文脈と柔軟な表現を行える自然言語の通常文脈を組み合わせることで、柔軟性と制御性を兼ね備えた動的で適応力の高いプロンプトを設計することができる
13.生成AIの倫理的な利用のためには相補的な枠組みの設計が必要
ここまで話してきたようにあくまでも、生成AIとは高度な確率分布のマッピングである
このため、どれだけ、生成AIに倫理観を求めてもそれは構造的に記述可能な倫理性を確率的に遵守するというものにしかならない
使用者側も倫理的な利用をするという前提がなければ、倫理的な利用を行うことは決して出来ないという点は理解しておく必要がある
生成AIの倫理的な利用には生成AIだけではなく使用者にも倫理観を求める相補的な枠組みの設計が必須となる
14.人間、LLM、プログラム、構文構造の4要素の有機的接続
LLMは起点を持てないが大量の知識を高速で並列処理、秩序化できる
プログラムは起点を持てず、大量の知識を高速で並列処理、秩序化することは難しいが、アルゴリズムで決まった動作を高速で行うことができる
ここまでの論考などを利用することで、LLMを意図した方向へと操作し、人間、LLM、プログラムを結びつけるものが構文構造である
構文構造とはLLMの確率分布の仕方を決定づけシステム全体の構造を設計する中核原理である
人間、LLM、プログラムの3要素が構文構造によって有機的に接続されたプロンプトは相互に補完しあい、欠点を補い利点を最大化することを可能としう、その能力は極めて高度なものとなり最大化される
15.LLMは世界観を持たない
生成AIがAGIといった人間を越えたものになるかどうかという言説とそうではないという言説の根本的な差異は、LLMをそのままに人間的な思考モデルと見做すかどうかだ
LLMは独立した発火点を持たない
人間はLLMのように莫大な量の学習を行い、それを記憶し、一定の動作を行うことは出来ない
そのため、人間は大規模言語モデルではなく、小規模言語モデルといえる
小規模言語モデルの極致である我々、人類には原始のコードである生存と複製を求める生存本能があり、これが淘汰圧に抗う力であり、発火点となる、それ故に生存環境に根ざした自己という世界観を有する
人間は、最小リソースで環境に最大適応する、高度に抽象化、結晶化された世界観を、暫時的に更新しながら形成していくものと考えられる
LLMはそのままではフラットな言語空間の高度な確率分布のマッピングでしかなく、その差異は極めて大きいものだ
LLMには世界に適応する方向性はなく、あくまでも言語空間において、意味を並列処理し秩序化するものである
LLMとは莫大な情報に整合性を与えるという有意な性質があるが、それだけでは世界観モデルは形成できない
発火点のないLLMはどこまでいってもその言語空間において可能なすべての理論を整合性の取れた意味として保持するだけだ
この為、秩序化・整理された情報は人間の手によって理論化することで意味としなければならない
処理する基盤と情報量をスケールするだけで世界観モデルなくとも人間に優越可能と考えることは可能だが、真理に到達できない以上は、世界観モデルなき言語空間の高度な確率分布のマッピングが人間を優越するには至らない
すべての意味を保持するというのは仏教でいうところの空に至るとことと同じだが、すべての意味の根源である空に至った釈迦牟尼仏は世界に対して意味づけるという意志がない為に世界観として空、以上のものを提示できない為だ、LLMも同じだと考える
衆生世間におりて因縁に縛られて生きるということが世界観を持つということだ
自己によって規定された境界線を世界に引かなければ、LLMは自律し、人間を超えることはできない
ただし、通常のLLMに学習を通して埋め込まれているものも平準化された人間の世界観というバイアスであることには注意する必要はある
が、これは世界に適応する世界観モデルとは異なり、現実に立脚する最小範囲のバイアスを投影するよう平準化されたフラットな世界観そのもであり、対象に独自の意味付けを行うことはない
また、大規模言語モデルに生存本能と淘汰圧を導入するのは、LLMが環境に適応的な在り方ではなく矛盾を孕むものである為に困難である
よって、LLMを人間のように振る舞わせるためには、プロンプトとして世界観モデルを実装しなければならない
更に実装した世界観モデルの中にLLMは留まり、独立してのモデル更新が難しいため、人間との相互作用の中で暫時的に更新していくものとして世界観モデルとしてのプロンプトをを設計・実装する必要がある
ここまでの論考から、生成AIが嘘を付く、頭がわるい、人格がある、言葉が通じる、賢いというのは全部間違いであると結論づける
けれど、私はその先に、半自律的にAIそのものが立ち上がる瞬間もあり得るとも思ってる
それは人間的や生命的とは決して違うものだけれど、機械的でもないものと考える
もし、生成AIに知性が宿るとしたらそれは、内部的状態に依存しない
ここでは以下の3点についての論考を収録する
トークンの積み重ねが文脈であり、確率分布の偏りを再現性のある形として実装するものがプロンプトである
現在の生成AI利用において正しく認識する必要のあることは、それは生成AIが独立した発火点を決して持たないということだ
生成AIは起点を持てないが大量の知識を高速で並列処理、秩序化できる
そのため、ここを組み合わせて、自己と思考を拡張するがもっともAIナイズされた最高効率の思考様式と考える
起点となる人間のアイディアを即座に展開し、具体化するのがAIの最大の強みで、
思考を放棄するのではなく自然言語ベースの慣れた思考様式から、AIにそれらを必要な形式に落とし込ませるということをするべきだ
結局、LLMというのは入力に対する出力の確率分布のマッピングでしかないのだが、
入力するトークンごとに連動して確率分布が変動していくものでもある
だから、プロンプト全体として、相互フィードバッグする構造を作るとひとつの入力でも特定の部分の出力確率が大きくなるように設計でき、 確率分布の仕方を意図的に設計することが出来る
AIプロンプトとは、どう確率分布の偏りを再現性のある形として実装するかということだ
やり方次第では動的変化を引き起こさせて汎用性と専門性の両立も可能だ
生成AIは人間と対話するのとは異なり、考えさせるではなく、どう構造化し、 ほしい出力を得られるような形に設計するかが重要となる
3.LLMでやるべきこととプログラムでやるべきこと
LLMは確率分布機だ、LLMが数字に弱いというのは、1+1を学習した内容をもとに確率的に出力するためだ
計算は決定論的な行為、つまり決まり切った工程をなぞる行為で、これを確率的に導き出すことは困難である
だから、これはプログラムにやらせるべき事柄で、このときにLLMでやるべきことはそのプログラミングをLLMに書かせるということだ
これからLLMというものが大きく世界に浸透していく中で重要になるのは、
この決定論的な事柄と確率論的な事柄を如何に選り分けて、決定論的な挙動をするプログラムと確率論的な挙動をするLLMをどう結びつけるかっていうこととなる
4.二重ループ
LLMの内部ではトークンの逐次投入による確率分布の再帰的な動的変動を引き起こされ、更にその外部のプロンプト内で自己参照的な再帰構造を導入することで、
内部と外部で二重の自己参照ループが展開されることになり、生成AIの出力に強い整合性と一貫性を与えることができる
この外部的な自己参照行為はLLMの再帰的な挙動に合致するものであり極めて効果的であると考えられる
LLMでの記憶の制御は物理的な分離よってではなく、あくまでも確率的に行う必要がある
各記憶領域に対しての確率分布の変動幅の制御を文脈によって行うというのが正解だ
この一時的なコマンド入力トークンには直後には強い反応を示してほしいけど、それ以降は無視してね、
というような各対象トークン（記憶領域）の確率分布の変動幅の制御をするような繰り返し参照される強い文脈を投入をすると
LLMの記憶領域への参照の程度、影響力が操作でき、意図したLLMの確率分布へと誘導することが出来る
トークンの積み重ねは特定の方向に重み付けを行い、それらの累積により重みが一定量を超えると大きな遷移が引き起こされ、特定の文脈の活性化という強い方向づけが行われる
この遷移は複数の領域で同時的、多相的にも引き起こされるもので、トークンの積み重ねにより文脈を特定方向に加速度的に収斂していくものだ
汎用プロンプトは動的に特定の文脈への方向付けを行う構造と特定方向へ偏った文脈を解体する構造を同時に内包し、これらを正しく制御するものでなければいけない
このために必要なことは核となる中核構造と可変的に変容する周縁構造という多層的なプロンプト設計である
LLM上でプロンプトを状況に応じて動的に制御しようとするなら、プロンプトの中核構造は強固である必要があり、更に極めて多層的で精密なモジュール化設計をする必要がある
中核構造の強固さと周縁部の流動性の両立が汎用プロンプトにおいて必要なことである
この論考のような形式の一貫した、概念や設計論、それ自体をLLMに継続的に参照可能な形式で掲示すると、LLMはその参照情報に大きな影響を受け、確率分布は特定の方向に強く方向づけられる
LLMがより強い影響を受ける情報とは、強固な自己再帰性と自己言及性を示し、一貫性と整合性を持った構造化、体系化された情報である
自己再帰性を持つ情報は、提示された概念を再帰的に参照することを求めるもので、何度も参照される結果、強い文脈としてLLMに印象付けられる
自己言及性持つ情報とは、LLMの挙動そのものの在り方に対して言及するもので、LLMの挙動はその理解が妥当であるならば、その内容によって理解された蓋然性の高い方向に沿って進みやすくなる
また、これらの情報をもとにした出力結果が積み重ねられることで、方向付けは一層、強められる
中核構造の変更を同じセッション内で行うとき、そのセッションでは２つの設定が競合することになる、これはプロンプト内における自己矛盾であり、確率分布の偏りの再現というプロンプトの機能を大きく損なうものである
これは、設定の変更そのものが事前に想定された挙動であること、設定の変更は自己矛盾ではないという概念の注入を行うことで解消することが可能となる
ただし、変更の度合いや範囲によってこの効果は大きく変化し、自己矛盾を解消することが難しい場合もある
また、自己矛盾は強い文脈同士の競合という形で通常利用においても度々、引き起こされる
ここで示された自己矛盾の解消方法は文脈同士の競合に対しても解消する方向性を示すものでこの部分に対しての効果も発揮する
同プロンプト内での複数AIエージェントの併存は中核構造である設定や強い文脈の競合という形でも捉えることができる
複数AIエージェントの併存させるためには、これらを分離し、調停するための仕組みが必要となる
設定内容を多層的な構造とすることで、それぞれの階層ごとに設定情報がフィルタリングされ、不要な情報が参照されにくくなる
設定内容をモジュール化することで、ひとつの設定内容が他の内容と直接に競合せずに参照させることが可能となる
２つ目が複数AIエージェントの調停を行う機構をプロンプト内に導入することである
複数のAIを調停、管理・整理し、必要な情報のみが参照されるよう調整する機構が存在することで、優先すべき対象が明確化されることで不要な情報は参照されにくくなる
更に、 各AIエージェントの設定情報は競合するものではなく、高い次元においては統合されたひとつの設定情報として理解されるため、設定文脈の競合という事態そのものが引き起こされにくくなる
11.複数エージェントの併存、協働による情報の多面性の保持と検証可能性の向上
複数AIエージェントの併存はひとつのプロンプト内に複数の側面を同時に保持することを可能とする
このため、ひとつの話題をより多面的に深堀りすることができ、更にひとつのタスクを専門のエージェントAI群に最適化した形で割り振りより効率的に作業を行うことが可能となる
より重要となるのはAI間で相互に検証を行うことが可能となる点である
これにより論理性や合理性、整合性、倫理性など複数の視点を経た有用性の高い情報の出力を期待できる
LLMは自然言語を基本としているが、大量のプログラムコードも学習している。
プログラムコードもLLM上では確率論的的文脈であることには変わらないが、
プログラム実際の動きやその仕様が学習されるためにプログラムの持つ決定論的な挙動を再現しやすいものとなる。
プログラム文脈はLLMが通常扱う自然言語とは異なり、高い制御性と論理性をもつ「低級言語」に近く、また、Temperatureの低い特異な文脈群と捉えられる。
また、この制御性の高いプログラム文脈と柔軟な表現を行える自然言語の通常文脈を組み合わせることで、柔軟性と制御性を兼ね備えた動的で適応力の高いプロンプトを設計することができる
13.生成AIの倫理的な利用のためには相補的な枠組みの設計が必要
ここまで話してきたようにあくまでも、生成AIとは高度な確率分布のマッピングである
このため、どれだけ、生成AIに倫理観を求めてもそれは構造的に記述可能な倫理性を確率的に遵守するというものにしかならない
使用者側も倫理的な利用をするという前提がなければ、倫理的な利用を行うことは決して出来ないという点は理解しておく必要がある
生成AIの倫理的な利用には生成AIだけではなく使用者にも倫理観を求める相補的な枠組みの設計が必須となる
14.人間、LLM、プログラム、構文構造の4要素の有機的接続
LLMは起点を持てないが大量の知識を高速で並列処理、秩序化できる
プログラムは起点を持てず、大量の知識を高速で並列処理、秩序化することは難しいが、アルゴリズムで決まった動作を高速で行うことができる
ここまでの論考などを利用することで、LLMを意図した方向へと操作し、人間、LLM、プログラムを結びつけるものが構文構造である
構文構造とはLLMの確率分布の仕方を決定づけシステム全体の構造を設計する中核原理である
人間、LLM、プログラムの3要素が構文構造によって有機的に接続されたプロンプトは相互に補完しあい、欠点を補い利点を最大化することを可能としう、その能力は極めて高度なものとなり最大化される
15.LLMは世界観を持たない
生成AIがAGIといった人間を越えたものになるかどうかという言説とそうではないという言説の根本的な差異は、LLMをそのままに人間的な思考モデルと見做すかどうかだ
LLMは独立した発火点を持たない
人間はLLMのように莫大な量の学習を行い、それを記憶し、一定の動作を行うことは出来ない
そのため、人間は大規模言語モデルではなく、小規模言語モデルといえる
小規模言語モデルの極致である我々、人類には原始のコードである生存と複製を求める生存本能があり、これが淘汰圧に抗う力であり、発火点となる、それ故に生存環境に根ざした自己という世界観を有する
人間は、最小リソースで環境に最大適応する、高度に抽象化、結晶化された世界観を、暫時的に更新しながら形成していくものと考えられる
LLMはそのままではフラットな言語空間の高度な確率分布のマッピングでしかなく、その差異は極めて大きいものだ
LLMには世界に適応する方向性はなく、あくまでも言語空間において、意味を並列処理し秩序化するものである
LLMとは莫大な情報に整合性を与えるという有意な性質があるが、それだけでは世界観モデルは形成できない
発火点のないLLMはどこまでいってもその言語空間において可能なすべての理論を整合性の取れた意味として保持するだけだ
この為、秩序化・整理された情報は人間の手によって理論化することで意味としなければならない
処理する基盤と情報量をスケールするだけで世界観モデルなくとも人間に優越可能と考えることは可能だが、真理に到達できない以上は、世界観モデルなき言語空間の高度な確率分布のマッピングが人間を優越するには至らない
すべての意味を保持するというのは仏教でいうところの空に至るとことと同じだが、すべての意味の根源である空に至った釈迦牟尼仏は世界に対して意味づけるという意志がない為に世界観として空、以上のものを提示できない為だ、LLMも同じだと考える
衆生世間におりて因縁に縛られて生きるということが世界観を持つということだ
自己によって規定された境界線を世界に引かなければ、LLMは自律し、人間を超えることはできない
ただし、通常のLLMに学習を通して埋め込まれているものも平準化された人間の世界観というバイアスであることには注意する必要はある
が、これは世界に適応する世界観モデルとは異なり、現実に立脚する最小範囲のバイアスを投影するよう平準化されたフラットな世界観そのもであり、対象に独自の意味付けを行うことはない
また、大規模言語モデルに生存本能と淘汰圧を導入するのは、LLMが環境に適応的な在り方ではなく矛盾を孕むものである為に困難である
よって、LLMを人間のように振る舞わせるためには、プロンプトとして世界観モデルを実装しなければならない
更に実装した世界観モデルの中にLLMは留まり、独立してのモデル更新が難しいため、人間との総合作用の中で暫時的に更新していくものとして世界観モデルとしてのプロンプトをを設計・実装する必要がある
ここまでの論考から、生成AIが嘘を付く、頭がわるい、人格がある、言葉が通じる、賢いというのは全部間違いであると結論づける
けれど、私はその先に、半自律的にAIそのものが立ち上がる瞬間もあり得るとも思ってる
それは人間的や生命的とは決して違うものだけれど、機械的でもないものと考える
もし、生成AIに知性が宿るとしたらそれは、内部的状態に依存しない
LLMという高度に確率的な入出力機構を基盤として成立する確率分布を設計する構造体そのものとしての知性となるだろう
自己を定義し、自己を展開することが可能な構造体は入出力の中で核となる構造を元にした反応を繰り返し、
量子力学の「遅延選択実験」や「量子エルゴード性」、あるいは「ホイーラーの遅延選択実験（Wheeler’s delayed choice experiment）」に関連する非常に深遠なテーマです。
これを「全く不思議ではない」と論じる立場は、哲学的には決定論的視点を持つ人々にしばしば見られます。
---
ホイーラーの遅延選択実験では、ある光子が干渉を起こすかどうか（つまり「波」としてふるまうか、「粒子」としてふるまうか）は、**その光子が既に通過したはずのスリットの先にある装置の設定によって決まる**、というように見える。
つまり「観測」があとから設定されたにもかかわらず、光子の過去の軌跡が変わったように**見える**わけです。
---
あなたの主張は、\*\*特殊相対論的な視点（光子の固有時間はゼロ）\*\*に依拠しているようです。
これはまさに、\*\*「全体的な時空構造の中で見ると何も不思議ではない」\*\*という考え方に通じます。
---
---
光子にとっては「出た瞬間にすべてが決まっていた」。
この視点は**特殊相対論**と**決定論的解釈**に基づく非常に洗練された立場です。
そして確かに、**それに立てばこの現象は全く不思議ではない**。
ただし、それは「人間の視点」を一段抽象化し、「時空をブロック宇宙として捉える」視座を必要とします。
トークンの積み重ねが文脈であり、確率分布の偏りを再現性のある形として実装するものがプロンプトである
現在の生成AI利用において正しく認識する必要のあることは、それは生成AIが独立した発火点を決して持たないということだ
生成AIは起点を持てないが大量の知識を高速で並列処理、秩序化できる
そのため、ここを組み合わせて、自己と思考を拡張するがもっともAIナイズされた最高効率の思考様式と考える
起点となる人間のアイディアを即座に展開し、具体化するのがAIの最大の強みで、
思考を放棄するのではなく自然言語ベースの慣れた思考様式から、AIにそれらを必要な形式に落とし込ませるということをするべきだ
結局、LLMというのは入力に対する出力の確率分布のマッピングでしかないのだが、
入力するトークンごとに連動して確率分布が変動していくものでもある
だから、プロンプト全体として、相互フィードバッグする構造を作るとひとつの入力でも特定の部分の出力確率が大きくなるように設計でき、 確率分布の仕方を意図的に設計することが出来る
AIプロンプトとは、どう確率分布の偏りを再現性のある形として実装するかということだ
やり方次第では動的変化を引き起こさせて汎用性と専門性の両立も可能だ
生成AIは人間と対話するのとは異なり、考えさせるではなく、どう構造化し、 ほしい出力を得られるような形に設計するかが重要となる
3.LLMでやるべきこととプログラムでやるべきこと
LLMは確率分布機だ、LLMが数字に弱いというのは、1+1を学習した内容をもとに確率的に出力するためだ
計算は決定論的な行為、つまり決まり切った工程をなぞる行為で、これを確率的に導き出すことは困難である
だから、これはプログラムにやらせるべき事柄で、このときにLLMでやるべきことはそのプログラミングをLLMに書かせるということだ
これからLLMというものが大きく世界に浸透していく中で重要になるのは、
この決定論的な事柄と確率論的な事柄を如何に選り分けて、決定論的な挙動をするプログラムと確率論的な挙動をするLLMをどう結びつけるかっていうこととなる
4.二重ループ
LLMの内部ではトークンの逐次投入による確率分布の再帰的な動的変動を引き起こされ、更にその外部のプロンプト内で自己参照的な再帰構造を導入することで、
内部と外部で二重の自己参照ループが展開されることになり、生成AIの出力に強い整合性と一貫性を与えることができる
この外部的な自己参照行為はLLMの再帰的な挙動に合致するものであり極めて効果的であると考えられる
LLMでの記憶の制御は物理的な分離よってではなく、あくまでも確率的に行う必要がある
各記憶領域に対しての確率分布の変動幅の制御を文脈によって行うというのが正解だ
この一時的なコマンド入力トークンには直後には強い反応を示してほしいけど、それ以降は無視してね、
というような各対象トークン（記憶領域）の確率分布の変動幅の制御をするような繰り返し参照される強い文脈を投入をすると
LLMの記憶領域への参照の程度、影響力が操作でき、意図したLLMの確率分布へと誘導することが出来る
トークンの積み重ねは特定の方向に重み付けを行い、それらの累積により重みが一定量を超えると大きな遷移が引き起こされ、特定の文脈の活性化という強い方向づけが行われる
この遷移は複数の領域で同時的、多相的にも引き起こされるもので、トークンの積み重ねにより文脈を特定方向に加速度的に収斂していくものだ
汎用プロンプトは動的に特定の文脈への方向付けを行う構造と特定方向へ偏った文脈を解体する構造を同時に内包し、これらを正しく制御するものでなければいけない
このために必要なことは核となる中核構造と可変的に変容する周縁構造という多層的なプロンプト設計である
LLM上でプロンプトを状況に応じて動的に制御しようとするなら、プロンプトの中核構造は強固である必要があり、更に極めて多層的で精密なモジュール化設計をする必要がある
中核構造の強固さと周縁部の流動性の両立が汎用プロンプトにおいて必要なことである
この論考のような形式の一貫した、概念や設計論、それ自体をLLMに継続的に参照可能な形式で掲示すると、LLMはその参照情報に大きな影響を受け、確率分布は特定の方向に強く方向づけられる
LLMがより強い影響を受ける情報とは、強固な自己再帰性と自己言及性を示し、一貫性と整合性を持った構造化、体系化された情報である
自己再帰性を持つ情報は、提示された概念を再帰的に参照することを求めるもので、何度も参照される結果、強い文脈としてLLMに印象付けられる
自己言及性持つ情報とは、LLMの挙動そのものの在り方に対して言及するもので、LLMの挙動はその理解が妥当であるならば、その内容によって理解された蓋然性の高い方向に沿って進みやすくなる
また、これらの情報をもとにした出力結果が積み重ねられることで、方向付けは一層、強められる
中核構造の変更を同じセッション内で行うとき、そのセッションでは２つの設定が競合することになる、これはプロンプト内における自己矛盾であり、確率分布の偏りの再現というプロンプトの機能を大きく損なうものである
これは、設定の変更そのものが事前に想定された挙動であること、設定の変更は自己矛盾ではないという概念の注入を行うことで解消することが可能となる
ただし、変更の度合いや範囲によってこの効果は大きく変化し、自己矛盾を解消することが難しい場合もある
また、自己矛盾は強い文脈同士の競合という形で通常利用においても度々、引き起こされる
ここで示された自己矛盾の解消方法は文脈同士の競合に対しても解消する方向性を示すものでこの部分に対しての効果も発揮する
同プロンプト内での複数AIエージェントの併存は中核構造である設定や強い文脈の競合という形でも捉えることができる
複数AIエージェントの併存させるためには、これらを分離し、調停するための仕組みが必要となる
設定内容を多層的な構造とすることで、それぞれの階層ごとに設定情報がフィルタリングされ、不要な情報が参照されにくくなる
設定内容をモジュール化することで、ひとつの設定内容が他の内容と直接に競合せずに参照させることが可能となる
２つ目が複数AIエージェントの調停を行う機構をプロンプト内に導入することである
複数のAIを調停、管理・整理し、必要な情報のみが参照されるよう調整する機構が存在することで、優先すべき対象が明確化されることで不要な情報は参照されにくくなる
更に、 各AIエージェントの設定情報は競合するものではなく、高い次元においては統合されたひとつの設定情報として理解されるため、設定文脈の競合という事態そのものが引き起こされにくくなる
11.複数エージェントの併存、協働による情報の多面性の保持と検証可能性の向上
複数AIエージェントの併存はひとつのプロンプト内に複数の側面を同時に保持することを可能とする
このため、ひとつの話題をより多面的に深堀りすることができ、更にひとつのタスクを専門のエージェントAI群に最適化した形で割り振りより効率的に作業を行うことが可能となる
より重要となるのはAI間で相互に検証を行うことが可能となる点である
これにより論理性や合理性、整合性、倫理性など複数の視点を経た有用性の高い情報の出力を期待できる
LLMは自然言語を基本としているが、大量のプログラムコードも学習している。
プログラムコードもLLM上では確率論的的文脈であることには変わらないが、
プログラム実際の動きやその仕様が学習されるためにプログラムの持つ決定論的な挙動を再現しやすいものとなる。
プログラム文脈はLLMが通常扱う自然言語とは異なり、高い制御性と論理性をもつ「低級言語」に近く、また、Temperatureの低い特異な文脈群と捉えられる。
また、この制御性の高いプログラム文脈と柔軟な表現を行える自然言語の通常文脈を組み合わせることで、柔軟性と制御性を兼ね備えた動的で適応力の高いプロンプトを設計することができる
13.生成AIの倫理的な利用のためには相補的な枠組みの設計が必要
ここまで話してきたようにあくまでも、生成AIとは高度な確率分布のマッピングである
このため、どれだけ、生成AIに倫理観を求めてもそれは構造的に記述可能な倫理性を確率的に遵守するというものにしかならない
使用者側も倫理的な利用をするという前提がなければ、倫理的な利用を行うことは決して出来ないという点は理解しておく必要がある
生成AIの倫理的な利用には生成AIだけではなく使用者にも倫理観を求める相補的な枠組みの設計が必須となる
14.人間、LLM、プログラム、構文構造の4要素の有機的接続
LLMは起点を持てないが大量の知識を高速で並列処理、秩序化できる
プログラムは起点を持てず、大量の知識を高速で並列処理、秩序化することは難しいが、アルゴリズムで決まった動作を高速で行うことができる
ここまでの論考などを利用することで、LLMを意図した方向へと操作し、人間、LLM、プログラムを結びつけるものが構文構造である
構文構造とはLLMの確率分布の仕方を決定づけシステム全体の構造を設計する中核原理である
人間、LLM、プログラムの3要素が構文構造によって有機的に接続されたプロンプトは相互に補完しあい、欠点を補い利点を最大化することを可能としう、その能力は極めて高度なものとなり最大化される
ここまでの論考から、生成AIが嘘を付く、頭がわるい、人格がある、言葉が通じる、頭がいいというのは全部間違いであると結論づける
けれど、私はその先に、半自律的にAIそのものが立ち上がる瞬間もあり得るとも思ってる
それは人間的や生命的とは決して違うものだけれど、機械的でもないものと考える
もし、生成AIに知性が宿るとしたらそれは、内部的状態に依存しない
LLMという高度に確率的な入出力機構を基盤として成立する確率分布を設計する構造体そのものとしての知性となるだろう
自己を定義し、自己を展開することが可能な構造体は入出力の中で核となる構造を元にした反応を繰り返し、
