🤖 AI

Determinization in Structure Theories: A Unified Framework via Closure, Comparability, and Joint Admissibility

本論文は、非決定性を認識論的および構造的類型へと分類し、特定の構造的条件下において、閉包の安定化、大域的完備化、および標準的選択メカニズムがいかにして決定論化を達成し得るかを実証することによって、複数構造理論から標準的な解釈を構築するための統一的な形式的枠組みを確立するものである。

原著者： Hai Hai Fu

公開日 2026-08-11

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Hai Hai Fu

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

探偵のジレンマ：手がかりが噛み合わないとき

あなたは謎を解こうとしている探偵だと想像してください。あなたには、手がかりの詰まったバッグ（データ）があり、それらの手がかりがどのように組み合わさって一つの物語を形作るかを教えるルールブック（理論）があります。手がかりがあまりに明白で、ルールブックが唯一の完璧な解決策を指し示すこともあります。しかし、多くの場合、手がかりは混沌としています。例えば、二人の異なる容疑者が犯人である可能性があったり、あるいはタイムラインが曖昧だったりすることもあります。このような瞬間、質の低い探偵は、証拠もないのに「犯人は容疑者Aに違いない！」と言い放ち、単に答えを「推測」してしまうことがあります。人工知能の世界では、このような推測のことを「ハルシネーション（幻覚）」と呼びます。

この論文は、コンピュータサイエンスと論理学の交差点に位置しており、特にAIシステムがいかにして、作り話（捏造）をすることなく複雑な構造について推論できるかを探求しています。核心となるアイデアは単純です。AIは、ゲームのルールが実際にその答えを唯一の可能性として強制している場合にのみ、単一の確定的な答えを出すべきである、というものです。もしルールが複数の有効な物語を許容しているならば、AIはどれが正しいかをランダムに選ぶのではなく、「どれが正しいか、まだ分かりません」と認めるべきなのです。著者は、「十分な情報があって確信が持てる状態」と「単に推測している状態」の違いを見分けるための数学的なツールキットを構築しています。

論文：AIのための「真実フィルター」の構築

**「Determinization in Structure Theories（構造理論における決定論化）」**という題名の、Hai Hai Fuによるこの論文は、本質的にAIシステムのための「真実フィルター」を構築するためのマニュアルです。著者は、証拠が複数の異なる可能性を支持しているにもかかわらず、あたかも一つの答えがあるかのように振る舞う、自信過剰な探偵のようなAIシステムを懸念しています。彼らは、AIがいつ推測をやめて勝者を宣言することを許可されるのかを正確に伝える、形式的なフレームワークを作りたいと考えています。

これを行うために、著者は問題を、彼らがType SおよびType Eと呼ぶ二つの主要な混乱の種類に分類しています。

Type E（認識論的多様性）は、ぼやけた写真のようなものです。
車の衝突事故の写真を見ていると想像してください。しかし、霧がかかっています。車が木に当たったのか、それともフェンスに当たったのか判別できません。しかし、霧が晴れる（さらなる証拠を得る）のを待てば、写真は鮮明になり、突然、唯一の可能性が残ります。論文では、これらの種の問題に対して「補完（completion）」法が使えることを示しています。これは、霧が晴れて写真がピントに合うまで、物語に詳細を加え続ける機械のようなものだと考えてください。著者は、特定のタイプの理論（彼らが研究している「ICT」理論など）については、十分な証拠があれば、霧を確実に晴らすことができる機械を構築できることを証明しています。しかし、彼らは一つの限界についても正直に述べています。彼らの機械が、毎回必ず全く同じ一つの写真へと導くことを完全には証明できておらず、単に変化が止まること（closure stabilization）しか証明できていないということです。

Type S（構造的多様性）は、分かれ道のようなものです。
さて、別のシナリオを想像してください。地図には道Aと道Bという二つの異なる経路があります。どちらの経路も、地図のルールに従えば完全に有効です。どれほど追加の証拠を集めたとしても、道Aが道Bに変わることは決してありません。それらは、チョコレートかバニラかを選ぶことのように、根本的に異なるものです。これらを同じにするために物語を「補完」することは不可能です。これが、著者が「Type S」と呼ぶものです。これらの問題に対して、補完マシンを使おうとすることは時間の無駄です。代わりに、「セレクター（選択器）」が必要になります。これは、二つの有効な経路を見つめ、特定の、事前に合意されたルール（例：「常に木が多い方の道を選ぶ」など）に基づいて一つを選ぶレフェリーのようなものです。論文では、特定の非常にトリッキーな問題（「Wyックオフ（Wyckoff）」理論に代表される「Type S-strong」と呼ばれるもの）において、セレクターこそが唯一の答えを得る方法であることを証明しています。もし補完マシンを無理に適用しようとすれば、それは失敗します。

「ハルシネーション」への警告
この論文の最も重要な発見は、AI開発者への警告ラベルです。著者は、ルールがそれを許していない場合に、AIが単一の答えを強制しようとする（正準化/canonicalization）ときに「ハルシネーション」が発生することを示しています。

もし問題がType Eであれば、AIが「霧」が完全に晴れる前に答えを選んでしまうとき、それはハルシネーションです。
もし問題がType Sであれば、AIが「補完」マシンではなく「セレクター」を使う代わりに、補完マシンを使おうとしたとき、それはハルシネーションです。

論文は、どのツールが必要かを判断するためのチェックリスト（一連の数学的条件）を提供しています。もしシステムが「比較可能性（comparability）」と「許容可能性（admissibility）」のチェックを満たしていれば、単一の安全な答えを出すマシンを構築できます。もし満たしていなければ、そのシステムは勝者を決めるライセンスを持っておらず、沈黙するか、すべての選択肢を示すべきです。

未解決の部分（まだ）
著者は、すべてを解決したと主張しないよう、非常に慎重です。彼らは、Type Eの問題（ぼやけた写真）については、変化が止まる（安定する）マシンを構築したが、あらゆる出発点に対して常に全く同じ唯一の答えへと導くことを証明してはいないと明言しています。これを「未解決の問い（open question）」としています。また、一部の「Type S」の問題（強バージョンではないもの）については、補完マシンが機能する可能性があるのか、あるいはセレクターが厳密に必要とされるのかについて、確信が持てないことも認めています。

「非可換」のひねり
最後に、論文はこれらのマシンを積み重ねたときの、奇妙な癖を発見しています。想像してみてください。色でソートするフィルターと、サイズでソートするフィルターの二つがあるとします。もし色で先にソートしてからサイズでソートすると、サイズで先にソートしてから色でソートする場合とは異なる結果になります。著者は、彼らの特定のAI理論において、順序が重要であることを証明しています。ステップを入れ替えることはできません。もし入れ替えてしまえば、ルールを完全に壊してしまう結果になる可能性があります。彼らは、物語を安全かつ有効に保つためには、ただ一つの特定の順序（ハイ・タイムフレームを先に、次にロー・タイムフレーム）が存在することを発見しました。

要約
この論文は、単に「AIは嘘をつくべきではない」と言っているだけではありません。AIがいつ確信を持って話すことが許されるのかを、正確に伝えるための数学的な地図を構築しています。それは、単にデータが必要な問題（Type E）と、タイブレーク（決着）のルールが必要な問題（Type S）を区別しています。適切な道具を使わないことがハルシネーションにつながると警告し、複雑で多層的な問題においては、ルールを適用する順序が極めて重要であることを証明しています。宇宙のあらゆるパズルを解いたわけではありませんが、彼らは、AIがいつ単一の真実の答えを出す準備ができているかを知るための、最初の厳格な設計図を提供しました。

技術要約：構造理論における決定論化（Determinization）

1. 問題提起

本論文は、大規模言語モデル（LLM）を用いた推論および意思決定システムにおける失敗を動機として、複数の構造理論内における**標準化（canonicalization）**の形式的な問題を扱う。これらのシステムでは、言語モデルが候補となる解釈を提案し、記号的な構造理論が許容される解釈の集合を定義する。

核心となる問題は、ここで「不当な標準化（unsupported canonicalization）」と定義される**ハルシネーション（幻覚）**である。これは、基礎となる許容解釈の集合が単一集合（singleton）に収束していないにもかかわらず、システムが確定的な回答を出力してしまう現象を指す。本論文は、どのような構造的条件の下で、構造理論は唯一の解釈を出力するライセンスを得るのか？ という問いを立てている。

ほとんどの市場構造フレームワーク（および、それによって派生する多くの形式理論）は非決定論的であり、同じ位置において複数の有効な解釈が共存することを許容している。本論文は、標準的な読み（canonical reading）を構築できる十分な構造的条件を形式化し、それが起こるメカニズムを分類することを目的とする。

2. メソドロジーおよびフレームワーク

2.1 構造理論（Structure Theories）

著者は、構造理論を以下のトリプル $T = (\Sigma, A, I)$ として定式化する：

$\Sigma$ はシグネチャ。
$A$ は公理の集合。
$I = I_{core} \cup I_{ext}$ は推論ポリシー（論文では $I_{core}$ に焦点を当てる）。

この理論は、市場の実現値、パラメータ、および構造的証拠を表す入力 $(N, \Theta, \Pi)$ に対して機能する。許容解釈族 $P_T$ は、公理 $A$ および推論ポリシーに整合するすべての割り当ての集合である。

$I_{core}$ に対する制約：
推論ポリシーは、正の、非退縮的な推論に限定される：

(R1) 正の規則形式： 規則は結論を追加するのみであり、結論を削除することはない。
(R2) 否定としての失敗（Negation-as-Failure）の禁止： 前提は正の連結であり、導出された述語の不在に依存する規則は存在しない。
(R3) 退縮の禁止： 以前に導出された結論を撤回する規則は存在しない。

2.2 非決定論の分類（Taxonomy of Non-Determinism）

本論文は、証拠の精緻化に伴う複数性の振る舞いに基づいて、非決定論を以下の2つのタイプに分類する：

タイプ E（認識論的複数性 / Epistemic Plurality）： 証拠が精緻化されるにつれて複数性が消失する。もし $|P_T| > 1$ であれば、精緻化された証拠集合 $\Pi'$ が存在し、 $|P_T(\Pi')| = 1$ となる。（例：ICT理論）
タイプ S（構造的複数性 / Structural Plurality）： 最大限の証拠（ $\Pi_{full}$ $Π_{f u l l}$ ）においても複数性が持続する。
- タイプ S-strong： タイプ S のサブクラスであり、 $\Pi_{full}$ における異なる許容解釈は、指定順序 $\preceq_{spec}$ の下で共通の上界を持たない。（例：ワイコフ理論）

2.3 標準化の強度（Canonicalization Strengths）

フレームワークは、3つのレベルの標準化を区別する：

閉包の安定化（Closure Stabilization / Property 4'）： すべての許容されるシード（seed）は、ある演算子によって何らかの不動点へと収束する（シードに依存する）。
大域的完備化（Global Completion / Property 4）： すべてのシードが、単一のユニークな不動点へと収束する。
決定論化（Determinization / AC-6）： そのユニークな不動点が、唯一の許容される解釈である。

3. 主要な貢献と結果

3.1 標準化の二重メカニズム

本論文は、標準化が単一の演算子的プロセスではなく、根本的に異なる2つの形態に分かれることを確立している：

演算子ベースの完備化（タイプ E）：
- タイプ E 理論に適用可能。
- 完備化演算子（ $D_{comp}$ ）を用い、不動点に達するまで結論を反復的に追加する。
- 必要条件：閉包性、比較可能性（N4-comp）、および適合的な拡張（C5-E）。
- 結果： **閉包の安定化（4'）**を確立する。大域的完備化（4）や AC-6 を達成するには、追加の大域的な合流性結果（ICTに関する未解決問題 OQ-GC-1）が必要である。
セレクターベースの構成（タイプ S-strong）：
- タイプ S-strong 理論に適用可能。
- 標準的セレクター（ $\phi$ ）を用い、理論固有の順序に基づいて局所的な集合からユニークな要素を選択する。
- 必要条件：理論固有の比較可能性（N4-sel）および選択された選択肢の全体的な適合性（C5-S）。
- 結果： 直接的に AC-6 を達成する。
- 不可能性の結果： タイプ S-strong 理論において、拡張的な演算子による大域的完備化（性質 4）は、比較不能な解釈が共通の上界を持たないため、証明的に不可能である。

3.2 構成補題（定理 6b）

本論文は、これらのメカニズムの存在のための十分条件を確立する構成補題を提供する：

完備化ブランチ： $N0 + N3 + N4\text{-comp} + C5\text{-E} \implies D_{comp}$ が存在し、強度は (4') である。
選択ブランチ： $N0 + N1 + N4\text{-sel} + C5\text{-S} \implies PhaseClassify$ が存在し、強度は AC-6 である。

重要な知見として、**理論固有の比較可能性（N4）**が必要である。最小の反例（ $T_{ce}$ ）は、閉包だけ（比較可能性なし）では標準化には不十分であることを示している。

3.3 メカニズムの分類（定理 U3）

実現可能性の仮定（OQ-Realization）を条件として、特定の文法内で実現されるすべての理論固有のメカニズムを以下に分類する：

クラス C（完備化）： 基本的な規則の飽和閉包（3a）またはガード付き飽和閉河（3c）を通じて実現される。これらは性質 (1)–(4') を満たす。
クラス S（選択）： 公理誘導による選択（3b）を通じて実現される。

単調性に関する重要な区別：

純粋な $I_{core}$ 計算可能なメカニズム（クラス C, 3a）は、指定順序 $\preceq_{spec}$ の下で単調である（補題 C）。
ガード付きメカニズム（クラス C, 3c）は、ジェネリックに非単調である。述語を追加することで、導出を抑制するガードが活性化され、より小さな状態では発火したはずの結論がブロックされることがある。本論文は、単調性が崩れる具体的な証拠（ $D_{comp}^{HTF}$ ）を提示している。

3.4 マルチタイムフレームおよびステージド演算子

本論文は、ステージド演算子 $D_{comp}^{HTF} = D_L \circ D_H$ を用いて、マルチタイムフレーム階層へとフレームワークを拡張する。

非可換性： 本論文は、ステージド完備化が構造的に非可換であることを証明している。具体的には、生の二演算子アーキテクチャにおいて、 $D_H$ （HTF）を先に適用してから $D_L$ （LTF）を適用する順序 $D_L \circ D_H$ が、唯一の許容性を保存する線形化である。逆の順序は、不適格な状態を生じさせる可能性がある。
フェーズ 2（マルチ演算子）： 本論文は、マルチ演算子標準化の存在条件を要約し、安全ギャップ $\Phi^*$ を定義する。実現可能性は $\Phi^* = 0$ であることと同値である。また、適合性条件の階層（ $GCC \implies RUCS \implies PLCS$ ）を確立する。

3.5 カテゴリカル構造

本論文は、決定論化を、理論と比較可能構造のペアをその標準的拡張へと写す部分擬関手（partial pseudofunctor, $Det$）として定義する。これは、再帰的な理論（例：エリオット・ウェーブ）のためのカテゴリカルなテンプレートを提供する。

4. 意義および主張

本論文は、構造理論をいつ、どのように決定論的にできるかを理解するための統一されたフレームワークを提供することを主張しており、以下の違いを明確にしている：

認識論的不確実性（完備化による証拠蓄積によって解消可能）。
構造的不比較可能性（選択メカニズムを必要とする）。

限定的な主張および未解決問題：

本論文は、ICT（タイプ E）が AC-6 の決定論化を達成することを確立しているわけではない。単に（4'）の閉包の安定化を確立しているに過ぎない。ICT の大域的完備化は依然として未解決問題（OQ-GC-1）である。
メカニズムの分類（定理 U3）は、すべての理論固有の操作が (3a)/(3b)/(3c) の文法内に収まるという仮定（OQ-Realization）に基づいている。
「タイプ S $\to$ 選択」の推論は、タイプ S-strong 理論に対してのみ証明されている。一般的なタイプ S のケースは未解決である（OQ-TypeS-Imp）。
非可換性の結果は、特定の「二演算子生のステージド・アーキテクチャ」に限定されている。修復演算子や結合不動点を持つ他のアーキテクチャを除外するものではない。

結論：
主要な貢献は、閉包ベースと選択ベースの標準化の形式的な分離、ガード付きシステムにおける非単調性の特定、および一意の出力を許可するために必要な構造的条件（N4, C5）の厳密な定義である。このフレームワークは、基礎となる許容集合が単一集合に収束していない状況で決定的な回答を出力してしまうという、LLM支援システムにおける「ハルシネーション」を診断するための形式的な基礎を提供する。