🔬 physics

A Mathematical Theory of Value: a synthesis on goal-directed agency under resource constraints

本論文は、価値を情報に類似した対数的かつフレーム相対的な構造量とする統一的な数学的理論を提案し、目標の進捗と相互情報量を、および不整合と測定可能な無駄を関連付けるコーディング定理を導出し、多様なタスクにおける言語モデルの性能と過剰な自信を予測する能力によって実証的に検証された枠組みを提示する。

原著者： Cheng Qian

公開日 2026-06-12

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Cheng Qian

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

「価値（バリュー）」という、非常に抽象的なものを測定しようとしている場面を想像してみてください。通常、私たちは価値を、物の値段、心地よさ、あるいは道徳的な正しさとして捉えがちです。しかし、この論文はこう言っています。「一旦、それをすべて取り払いなさい。」

著者たちは、価値を測定するための新しい方法を提案しています。それは、物理学と同じくらい厳密で数学的なものです。彼らは、価値とは単に、目標指向のエージェント（ロボット、人間、あるいはAIなど）が、限られたリソース（エネルギー、時間、お金など）を、特定の目標への進捗へとどれだけ速く変換できるかであると主張しています。

以下に、この論文の理論を、日常的な比喩を用いて分かりやすく分解して説明します。

1. 「価値」の公式：対数則

概念：
もし手元にリソースの袋（例えば100ドル）があり、ある目標を達成したいとするならば、どのように使うべきでしょうか？論文によれば、価値は直線的に成長するわけではありません。最初に投じる1ドルは価値が高いですが、100ドル目ははるかに価値が低くなります。これは「収穫逓減（しゅうかくていげん）」と呼ばれます。

比喩：
バケツに、水漏れしているホースで水を注いでいると考えてみてください。最初の数ガロンは素早くバケツを満たします。しかし、バケツが満たされるにつれて、水位の上昇はどんどん緩やかになります。
著者たちは、この「進捗」を測定する最良の方法は、対数（特定の種類の数学的曲線）を用いることであると数学的に証明しています。

なぜ重要か： これは、リソースを多くの異なる目標に分散させすぎると非効率になることを意味します。最も重要な目標にリソースを集中させることで、最大の「価値」を生み出すことができるのです。

2. 「速度制限」：価値は情報によって制限される

概念：
世界を理解するスピード以上に、価値を生み出すことはできません。目隠しをして車を運転しているなら、どれほどガソリン（リソース）を投入したとしても、目を開けている時よりも目的地に早く到着することはありません。

比喩：
競馬のギャンブラーを想像してください。

世界： 走っている馬たち。
あなたの目標： 勝者を選ぶこと。
あなたのリソース： あなたのお金。
あなたの知覚： どの馬が勝っているかを見る能力。

論文は「価値のコーディング定理」を証明しています。あなたの最大利益（価値）は、あなたがレースについて持っている情報の量と正確に一致します。
何も知らなければ、お金を稼ぐことはできません。レースを完璧に見渡すことができれば、最大限の利益を得ることができます。価値を「無から創造」することはできません。あなたはただ、「情報」を「価値」へと変換できるだけなのです。

3. 「価値の第二法則」：不一致は無駄である

概念：
物理学における熱力学の第二法則では、仕事をしようとする際にエネルギーが熱（無駄）として失われることがよくあります。著者たちは、価値についても同じことが言えると述べています。
もしあなたの世界のモデル（認識）が間違っていれば、リソースは無駄になります。

比喩：
弓矢でターゲットを狙っている場面を想像してください。

潜在的な価値： もし完璧であった場合に射出できたはずの距離。
散逸（無駄）： 狙いが外れたために失われたエネルギー。
結果： もし自信満々であっても、狙いが間違っていれば、単に失敗するだけでなく、積極的に価値を「破壊」することになります。論文は、AIにおける「過剰な自信」は、機械における摩擦と同じように、測定可能な形態の「無駄」であることを示しています。

4. 「フリート（艦隊）」問題：グループはどう機能するか

概念：
一連のエージェント（「フリート」）が協力して働いている場合、何が起こるのでしょうか？
論文は、エージェントの価値を単なる数字の足し算のように加算することはできないと主張しています。各エージェントは、独自の「参照フレーム（独自の目標と世界観）」を持っています。

比喩：
投資家グループを考えてみましょう。

価値は相対的である： ある投資家はゴールドを重視し、別の投資家は石油を重視するかもしれません。共通の通貨なしには、どちらがより多くの価値を持っているかを判断できません。
価格は架け橋となる： リソース（例えばドル）の「価格」こそが、全員が同意できる唯一のものです。それは、異なる目標を持つ者同士の間の「翻訳機」として機能します。
フリートの天井： もしチーム全体が資金を出し合い、視界（情報）を共有すれば、彼らは一つの巨大なスーパーエージェントとして機能します。彼らの総成功は、グループが持つ「総情報量」によって制限されます。もし全員が全く同じものを見ているなら、人数を増やしても効果はありません。しかし、もし彼らが異なるものを見ている（多様性がある）ならば、グループは単独の個人ができること以上の成果を上げることができます。

5. 「である（Is）」と「あるべき（Ought）」のギャップ

概念：
「事実（世界がどうであるか）」と「目標（どうあるべきか）」の間には根本的な違いがあります。

信念（「である」）： これらは学習可能です。世界が青いと見れば、あなたの信念を「世界は青い」と更新できます。
目標（「あるべき」）： 世界は、あなたに何を望むべきかを教えてはくれません。設計者によって、何を望むべきかを教えられる必要があります。

比喩：
GPSを想像してください。

GPSは、道路の状況（渋滞や工事）といった「事実」を容易に学習できます。
しかし、GPSは「どこに行きたいか」を決めることはできません。それは「目標」です。
論文は、もし不整合なエージェント（間違った方向に進んでいるもの）を、単に「監視（止めるよう強制すること）」だけで修正しようとしても、それは非効率であることを示しています。より良い方法は、**インセンティブ（価格）**を変更し、エージェントが「行きたいと思う道」が、あなたが「行ってほしいと思う道」と一致するように設計することです。

6. 実世界でのテスト

著者たちは単に数学を書いただけではありません。彼らは実際のAIモデル（大規模言語モデル）を用いてテストを行いました。

テスト内容： AIに数学の問題を解かせたり、コードを書かせたり、質問に答えさせたりしました。
検証： AIが質問からどれだけの「情報」を収集したか、そしてどれだけの「価値（正解）」を生み出したかを測定しました。
発見： 論文の数学的理論は完璧に成立しました。AIが価値を生み出す能力は、質問から抽出できる情報の量に直接結びついていました。
驚きの事実： より大きなモデル（より多くの「脳の力」を持つモデル）が常に優れているわけではありませんでした。特定のタスクをより深く理解している、より効率的な小型モデルの方が、巨大で混乱したモデルよりも、単位エネルギーあたりの「価値」を多く創出することが分かりました。

まとめ

この論文は、価値を感情や値札としてではなく、エネルギーのような物理量として扱っています。

価値とは、リソースを目標への進捗へと変換する速度である。
情報は、価値を駆動する燃料である。情報が許容する範囲を超えて価値を得ることはできない。
間違いは無駄である。自信満々に間違えることは、価値を破壊する。
グループは、多様な情報を共有し、公正な価格でリソースを取引するときに最もよく機能する。
**アライメント（調整）**とは、エージェントに従わせることではなく、エージェントが「やりたいこと」が、あなたの「望むこと」と一致するように「価格」を設計することである。

著者たちは、このフレームワークが、曖昧な「善」や「悪」という概念を超えて、効率性と無駄を精密に計算し、AIエージェントの集団を理解・測定・統治するための、強固で数学的な方法を提供すると結論づけています。

テクニカル・サマリー：価値の数学的理論

問題提起

本論文は、目標指向型エージェントにおける「価値（value）」の、厳密かつ構造的な定義が欠如しているという問題に対処する。現在の価値の概念は、意味論（道徳、市場価格、心理学）と絡み合っており、人工エージェントの集団において測定や統治を行うことが困難となっている。著者らは、これらの意味論的な層を剥ぎ取り、価値をシャノンの情報理論における情報と同様の、法則に基づいた構造的な量として扱うことを提案する。核心となる問題は、価値を「リソースから目標達成への変換率」として定義し、その数学的限界を導出し、リソース制約下で動作するエージェントの集団に対する制御理論を確立することである。

方法論

著者らは、公理的導出、情報理論的証明、動的システム解析、および大規模言語モデル（LLM）を用いた実証検証を組み合わせた多角的なアプローチを採用している。

公理的導出（静態）: 著者らは、3つの公理（収穫逓減、独立したチャネル間での加法性、スケール不変性）を用いて、価値の関数形式を導出する。スケール不変性はコーシーの関数方程式として扱われ、対数的な尺度を強制する。
動的導出（エルゴード性）: 独立して、本論文はPeters (2019) および Kelly (1956) のエルゴード性の議論を用いて同じ対数形式を導出し、乗数的に再投資されるリソースの長期的な成長率が、なぜ対数尺度を必要とするのかを示す。
情報理論的境界: 著者らは、エージェントの知覚チャネルを通信チャネルとして扱うことで、価値創造を情報理論へとマッピングする。そして、「価値の符号化定理」を導出し、価値の成長率が相互情報量によって制限されることを示す。
動的システムと制御: 本論文は、信念、価格、および目標の進化をモデル化する。著者らは「is/ought（ある／べき）の非対称性」を特定する。すなわち、信念は世界から供給されるターゲット（現実）に向かって流れるが、目標にはそのようなターゲットが存在しないため、制御または選択の対象となる。
実証検証: 理論は、5つのファミリーおよび複数のタスクドメイン（分類、推論、逐次決定、コード）にわたる、ライブ言語モデル（0.5Bから8Bパラメータ）を用いてテストされる。実験は事前登録されており、アウトオブサンプル性能、相互情報量の追跡、およびフリートレベルの価格戦略に焦点を当てている。

主要な貢献

1. 価値の対数法則

本論文は、価値 $V$ が目標ウェイト $k$ に対するリソース配分 $e$ の対数的尺度であることを確立する：
$V(e) = \sum_{i} k_i \ln e_i$
この形式は、2つの独立した経路、すなわち静的な公理（スケール不変性）と動的な複利計算（エルゴード性）から導出される。最適な配分は目標ウェイトに比例し、実現された価値は目標分布のエントロピーによってペナルティを受ける。

2. 価値の符号化定理

本論文は、エージェントが世界 $X$ に関する知覚チャネル $Y$ を通じて価値を創造できる速度が、相互情報量 $I(X; Y)$ によって制限されることを証明する。
$\Delta G \le I(X; Y)$
この境界は、ベイズ比例配分によって達成される。したがって、エージェントは世界を感知できる速度よりも速く価値を創造することはできない。知覚能力が、価値生成率のハード・シーリング（上限）となる。

3. 価値の第二法則

実現された価値は、「利用可能なポテンシャル」から「ミスマッチによる散逸（モデル誤差）」を差し引いたものとして分解される：
$G = D(q \parallel r) - D(q \parallel p)$
ここで、 $q$ は現実、 $p$ はエージェントのモデル、 $r$ はベースラインである。ミスマッチ（ $D(q \parallel p)$ ）は非負の散逸として作用する。自信過剰なエラー（誤ったモデルに対する高い確信度）は、実現された成長率を負にし、積極的に価値を破壊する。

4. マルチエージェント動態：価格とフリート容量

フレーム相対的な価値、フレーム独立な価格: 個々の価値は、異なる目標を持つエージェント間では、その大きさ（基数）を比較することはできない。しかし、エージェントはシャドウ・プライス $\lambda$ （リソースの限界価値）を介して協調するが、これはフレームに依存しない。
フリート容量: 単一の意思決定者として機能するエージェントの集団（フリート）は、リソースをプールし知覚を融合させるが、その価値成長の天井は、融合されたチャネルの相互情報量によって制限される： $G_{fleet} \le I(X; Y_{1:m})$ 。冗長なエージェントは、この天井に対してゼロの寄与しかしない。多様性は、この天井を世界のエントロピー $H(X)$ へと押し上げる。
動作点: フリートは、創発的な価格によってリソースの重みが選択される、エージェント間のケリー・ポートフォリオとして機能する。

5. 安定条件としてのアライメント

本論文は、アライメントを制御・安定性の問題として定式化する。目標には世界から供給されるターゲットが存在しないため（is/oughtの非対称性）、目標は選択（何が報酬をもたらすか）と制御（監視）によって支配される。残留するミスマッチは以下のように与えられる：
$\|\bar{k}^* - k^*\| = \gamma^{-1} \|V g\|$
ここで $V$ は目標の分散、 $g$ は報酬の勾配である。著者らは、インセンティブ設計（ $g$ を $k^*$ に一致させること）が、力まかせの監視（ $\gamma$ を増大させること）よりも優れた、「安価な半分（cheap half）」のアライメントであると主張する。

実証結果

著者らは、ライブ言語モデルを用いて事前登録されたテストを実施した：

価値のスループット vs 能力: 相互情報量 $I(X; Y)$ は、30のモデル・ドメイン・ポイントにわたり、実現された能力（ツールの正確性）を極めて高い精度（Spearman $\rho = 0.977$ ）で追跡し、パラメータ数よりも優れた予測因子となった。
アウトオブサンプル・トラッキング: 実現された価値成長 $\Delta G$ は、傾き $\approx 0.95$ で相互情報量 $I(X; Y)$ を追跡し、符号化定理を裏付けた。
散逸: 弱いモデルに対する過剰な自信は、測定可能な散逸をもたらし、実現された成長を負に駆動する。これは第二法則と一致している。
フリート・プライシング: 価値に基づく価格メカニズム（$I/cost$ に基づくルーティング）は、コストを考慮しないルーターよりも優れ、計算リソース制約下において、コストを考慮した手動調整済みのベースラインと同等の性能を示す。ただし、均質で正の相関を持つフリートにおける単一の最良エージェントを凌駕することはない。これは、理論の適用範囲に関するルールを裏付けている。
汎用性: $\Delta G \sim I(X; Y)$ の関係は、4つの異なるタスク形状（分類、推論、逐次、コード）にわたって保持されており、デモンストレーションから「法則」への架け橋を促進している。

重要性と主張

本論文は、ケリー・ベッティング、計算の熱力学、一般均衡理論、および制御理論という、一見異なる分野を、「価値」という単一の基盤に基づいた量の下に統合することを目的としている。

統合: シャノンの量（エントロピー、ダイバージェンス、相互情報量、フィッシャー計量）が価値の理論の中に自然に再出現することを示しており、この抽象化が装飾的ではなく構造的なものであることを示唆している。
ガバナンス: 本論文は、エージェントの集団に対する制御理論を提供し、価値（フレーム相対的）と価格（フレーム独立）を区別する。エージェットのフリートを管理するには、効用を合算するのではなく、知覚の多様性とリソースの価格設定を管理する必要があると論じている。
謙虚さ: 著者らは、基礎となるメカニズム（Kelly、Arrow-Debreu、制御理論）自体は新しいものではないと明言している。貢献は、それらの統合と、具体的なガバナンスへの含意（例：監視よりもインセンティブ設計）の導出にある。
ステータス: 本論文は、発見ではなく「統合（synthesis）」であると位置づけている。最も特徴的な統合された予測（例：結合されたフリート容量領域、動的な目標進化）は、現在の計測器ではテスト不可能であることを認めている。本研究は、将来の制御されたマルチエージェント実験によって検証可能なプログラムとして提示されている。

結論として、価値とは、フレームに関連する構造的な量であり、現在はその理論が統治するために設計された人工エージェント上でテスト可能な、普遍的な法則を持つものである。