💻 computer science

UAS-OS: An Operating-System-Level Control Plane for Autonomous AI Governance and Real-Time Execution Abstraction

本論文は、エージェント制御ブロックとゼロコピーメモリ管理を通じて自律的なAIワークロードを統御し、リアルタイムのミッションクリティカルな環境に適した50マイクロ秒未満のオーバーヘッドで堅牢な意図制御と障害隔離を実現する、新しいオペレーティングシステムレベルのコントロールプレーンであるUAS-OSを提示する。

原著者： TADAYUKI NISHIMURA

公開日 2026-09-11

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： TADAYUKI NISHIMURA

原論文は CC BY 4.0 (https://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

人工知能システムがより強力になり、現実世界で活動し始めるにつれ、それらは単なるツールから複雑で独立したアクターへと変貌を遂げつつあります。これらのシステムは自律的に意思決定を行うよう設計されており、そのミスが深刻な物理的結果をもたらす可能性のある環境で運用されることも少なくありません。しかし、これらのシステムを動かすコンピュータは、全く異なる目的のために数十年前に設計されたオペレーティングシステム（OS）上で構築されています。従来のOSは、あらゆるプログラムを標準的なタスクとして扱い、メモリや処理能力を管理しますが、行われている特定の作業の意図や安全要件を理解することはありません。従来のOSには、人工知能が実行しようとしていることを実行前に深く検査したり、誤作動を起こしたAIをシステム全体に被害が及ばないよう隔離したりする手段が欠けています。このギャップは、自律型マシンが重要インフラに不可欠となる未来へと向かう中で、重大なリスクを生み出しています。

これに対処するため、西村忠幸という研究者が、UAS-OSと呼ばれる新しいアーキテクチャ・フレームワークを提案しました。これは既存のソフトウェアのマイナーなアップデートではなく、オペレーティングシステムが人工知能をどのように管理すべきかという根本的な再考です。核心となるアイデアは、AIエージェントを単純なプロセスとして扱うのをやめ、独自のルール、安全限界、およびアイデンティティを持つ「統治された実体」として扱い始めることです。AIガバナンス専用のコントロールプレーンを構築することで、システムは自律エージェントの意図を監視し、その行動が安全ポリシーに適合しているかを検証し、もし一つのエージェントが失敗した場合でも、その失敗を即座に封じ込めることができます。このアプローチは、自律的な知能の独特かつ予測不可能な性質に合わせて調整された上で、私たちが重要インフラに期待するレベルの信頼性と安全性を提供することを目指しています。

この論文では、この安全性を実現するために2つの明確なレイヤーで動作するシステムを紹介しています。下層レイヤーは生のハードウェアを扱い、潜在的な量子コンピューティング要素を含む物理コンポーネントが正しく機能していることを保証します。上層レイヤーは、本研究の焦点であり、AIエージェント自体の厳格な監督者として機能します。OSが汎用的なコントロールブロックを用いてプログラムを追跡するという標準的な手法を用いる代わりに、この新しいシステムは「エージェント・コントロール・ブロック（Agent Control Blocks）」と呼ばれるものを使用します。これらは、各AIエージェントのための特別なIDカード兼ルールブックのようなものであり、その現在の状態、意図する目標、および従うべき特定の安全ポリシーが含まれています。エージェントがコマンドを実行することを許可される前に、システムはこの情報を許可された振る舞いのセットと照合します。エージェントの計画が安全境界内に収まっている場合は実行を継続し、境界を逸脱した場合は、システムは直ちにアクションを停止し、被害を防ぐためにエージェントを隔離します。

このガバナンスは、リアルタイムのアプリケーションに不可欠な驚異的なスピードで行われます。研究者たちは、この追加の安全レイヤーがシステムの動作にどれほどの時間を加えるかをテストするために、数千の同時実行エージェントを含む複雑な環境をシミュレーションしました。その結果、エージェントの意図をチェックし、安全性を検証し、リソースを管理するプロセス全体に要した時間は、平均わずか41.308マイクロ秒であったことが示されました。シミュレーション中に測定された最悪のシナリオにおいても、時間は46.31マイクロ秒未満に留まりました。これは、多くの重要なリアルタイム・ミッションで要求される100マイクロ秒の期限内に十分収まっており、厳格な安全チェックがパフォーマンスを犠牲にすることなく行えることを証明しています。システムは、厳格な門番であると同時に高速な実行者でもあり、安全性が後付けの機能ではなく、オペレーティングシステムの核となる組み込み機能であることを保証しています。

このアーキテクチャの重要な部分は、システムがメモリとデータをどのように扱うかに関わります。現在の多くのセットアップでは、メインメモリから専用のAIアクセラレータなどのコンピュータの異なる部分へデータを移動させる際、情報のコピーが必要となり、それが処理を遅延させます。UAS-OSのデザインは、異なるハードウェアコンポーネントがデータの複製なしに同じデータに直接アクセスできる「ユニファイドメモリ空間」を作成することで、このコピー手順を排除します。このゼロコピー・アプローチは、データが移動する際に安全かつ改ざんされないことを保証する、特殊なハードウェア接続によってサポートされています。さらに、システムにはデータ自体の完全性をチェックするメカニズムが含まれており、AIの意思決定を導く数学的な重みが破損したり、改ざんされたりしていないことを確認します。この多層的な防御により、AIがルールに従っているだけでなく、正確で信頼できる情報に基づいて動作していることが保証されます。

また、この研究は、複数のAIエージェントが中央のボスなしにアクションへの合意形成を行う必要がある分散ネットワークにおいて、これらのシステムがどのように連携できるかについても探求しています。提案されたフレームワークは、鍵確立のためのQKD（量子鍵配送）によって保護された認証チャネルを使用し、コンセンサス・プロトコルを併用することで、ネットワーク内のエージェントの一部が悪意を持って行動したり故障したりした場合でも、ネットワークが正しく機能し続けるように分散エージェントノードを調整します。シミュレーションにより、ネットワークの一部が侵害された場合でも、このアプローチが安全性と信頼性を維持できることが確認されました。

結局のところ、本論文で提示された研究は、自律的なAIに対して、私たちが物理的な重要システムに適用するのと同レベルの精査と制御を行うオペレーティングシステムを構築することが可能であることを示しています。エージェントの管理、検証、および隔離の方法を再定義することで、UAS-OSフレームワークは、高いリスクを伴う環境への強力なAIの展開に向けた道筋を示しています。マルチスレッドのエンタープライズ・テストベッドによる詳細なシミュレーションから得られた知見は、このガバナンスによるオーバーヘッドが、それが提供する安全性と比較して無視できる程度であることを示唆しています。現在、この研究はシミュレーション段階にあり、仮特許出願によって裏付けられていますが、人工知能が意図を保証し、壊滅的な失敗を防ぐ厳格なリアルタイム・コントロールプレーンの下で動作する未来に向けた明確なブループリントを描いています。

技術要約：UAS-OS – 自律型AIガバナンスのためのオペレーティングシステム・レベルのコントロールプレーン

問題提起

自律型人工知能システムがミッションクリティカルかつ分散型の環境へとスケールアップするにつれ、従来のオペレーティングシステムは不十分であることが露呈している。現在のOSアーキテクチャは、AIワークロードを単なる標準的なプロセスとして扱っており、「意図制御（intent control）」、「振る舞いのガバナンス（behavioral governance）」、および「物理層のフォールト隔離（physical-layer fault isolation）」に必要な保証を提供できていない。自律型AIインフラストラクチャにおいて、高信頼性を確保するために、リソースのオーケストレーションと実行時のガバナンスを分離するアーキテクチャが切実に求められている。

手法およびアーキテクチャ

本論文では、上位層のガバナンス・コントロールプレーンとして設計された包括的なフルスタック・アーキテクチャであるUAS-OS（Unified AI Controlling Operating System）を提案する。このシステムは、下位のリソースおよび量子オーケストレーション層として機能するQID-OS（Universal Operating System Architecture）と連携して動作する。本アーキテクチャは、厳格な2層のコントロールプレーン階層によって定義される：

UAS-OS (自律型ガバナンス層): エージェントのライフサイクル、意図の解析、ガバナンス・ポリシー、仮想リソースのマッピング、および熱・電力ポリシー・エンベロープを管理する。
QID-OS (信頼実行層): 基盤となるハードウェア実行の完全性、量子誤り訂正（QEC）シンドローム・ループ、テンソルメモリ・パリティ、およびヘテロジニアスなリソース割り当てを管理する。

中核となる抽象化：エージェント制御ブロック (ACB)
従来のOSがプロセス制御ブロック（PCB）を介してワークロードを管理するのと同様に、UAS-OSは**エージェント制御ブロック（ACB）**を通じてAIエージェントを管理する。ACBは、以下のコア・メタデータをカプセル化したタプルとして形式的に定義される：
$ACB(ID, State, Intent, Policy, Resource, Trust)$

数学的モデリングと防御の深化（Defense-in-Depth）

本アーキテクチャは、4つのレイヤーにわたる形式的な定義に支えられた、厳格な防御の深化パラダイムを採用している：

レイヤー1 (セキュアブートおよびTPMベースのアテステーション): TPMベースのメジャードブートとリモートアテステーションを用いたハードウェア・ルート・オブ・トラスト（RoT）を実装する。プラットフォーム構成レジスタ（PCR）およびカーネルバイナリの測定値が、承認されたリファレンスポリシーに適合しない場合、ハードウェアによる強制執行により即座に実行を中断する（ $Attest(K, PCR_{target}) = True$ ）。
レイヤー2 (意図ガード・ガバナンス関数): コントロールプレーン・レベルでエージェントの実行パスをインターセプトする。実行意図ベクトル $I(A, t, x)$ と許容されるポリシー空間 $A_{allowed}$ を定義する。ガバナンス関数 $G(A, t, x)$ は、意図がポリシー内にあり、かつリスクが閾値 $\theta_R$ 未満である場合に**実行（Execute）するか、あるいはエージェントを隔離（Quarantine）**するかを決定する。
レイヤー3 (ゼロコピー仮想メモリおよびQEC整合性):
- IOMMUによるDMAを介して、ホストDRAM、アクセラレータHBM、および極低温QPU制御レジスタにわたる統一アドレス空間を実装し、AI重みテンソルや量子状態ベクトルにおけるユーザー空間からカーネル空間へのコピーオーバーヘッドを排除する。
- 表面符号（surface-code）ベースのリアルタイム・シンドローム測定ループと最小重み完全マッチング（MWPM）デコーダを用いて、QECテンソルメモリの整合性を管理する。ニューラル重みテンソルは、XORベースの整合性変換とリファレンス・チェックサム検証によって保護される。
レイヤー4 (BFTコンセンサスおよびQKDセキュア・メッシュ): QKD（量子鍵配送）によって保護された認証チャネルを用いた鍵確立とPBFTスタイルのビザンチン故障耐性を併用し、分散エージェントノードを調整する。 $n = 3f + 1$ 個のノードに対し、クォーラムサイズ $Q = 2f + 1$ が安全性とライブネスを保証する。

実験的検証および結果

マルチスレッドのエンタープライズ・テストベッド（64コア・ホスト、ハードウェア加速IOMMU/TPMエミュレータ、およびQPU状態ベクトルシミュレータ）をモデル化した離散イベント・カーネルシミュレータを用いて、パフォーマンス・ベンチマークを実施した。システムは、 $10^3$ 個の同時実行エージェントスレッドにおける $10^5$ 個の独立した非同期トランザクションを用いてストレス・テストを行った。

主要パフォーマンス指標:
総統合エンドツーエンド・コントロール・ライフサイクル（ $T_{total}$ ）は 41.308 µs（p99: 46.31 µs）と測定され、ミッションレベルの目標値である $D_{target} \le 100$ µs を十分に下回った。

セキュアブート・アテステーション ( $T_{boot}$ ): 平均 10.77 µs（目標 < 15.0 µs）。
意図ガード検査 ( $T_{proxy}$ ): 平均 22.847 µs（目標 ≤ 10.0 µs）。注：このコンポーネントはローカルの設計目標を超過したが、システム全体の予算内には収まっている。
QECテンソル整合性 ( $T_{qec}$ ): 平均 7.231 µs（目標 < 20.0 µs）。
テンソル・パリティ・チェック ( $T_{parity}$ ): 平均 0.23 µs（目標 < 10.0 µs）。
BFT/メッシュ・コンセンサス ( $T_{bft}$ ): 平均 0.23 µs（目標 < 15.0 µs）。

意義および主張

本論文は、UAS-OSが自律型AIガバナンスのための先駆的なアーキテクチャ・フレームワークを確立したと主張している。AIエージェントを、ACBを介して管理され、形式化された意図ガバナンスに裏付けられた「管理された実行エンティティ」として再定義することにより、本システムは堅牢な意図ガバナンスとフォールト隔離を実現している。

主な意義は、量子・古典ハイブリッド要素とゼロコピー・メモリ管理を統合したマルチレイヤー・コントロールプレーンが、リアルタイムのミッション・デッドラインとシームレスに共存できることを実証した点にある。本アーキテクチャは、リソースのオーケストレーションと実行時のガバナンスを効果的に分離し、従来のオペレーティングシステムには欠けている、意図制御および物理層のフォールト隔離のための必要な保証を提供している。本研究は、記述されたアーキテクチャおよび手法に関する関連する米国仮出願（第64/150,717号）によって支持されている。