人工知能:Artificial Intelligence

モデルサイズを上げても、判断は賢くならない ―スケール神話への違和感と、設計不在の巨大モデル AIは、巨大化してきた。パラメータは増え、学習データは拡張され、性能指標は次々と更新されていく。 そして、決まってこう言われる。 「もっと大...

AIは「決めない」ことで賢くなる ―勾配・確率・保留という態度と、決断を急がない設計 AIは速い。計算は一瞬で終わり、答えはすぐに返ってくる。 だから私たちは、無意識にこう期待してしまう。 「早く、はっきり、決めてほしい」 だが、その...

Human-in-the-loop が機能しない本当の理由 ―なぜ「最後に人間」は責任を失うのか、Human-as-Author への転換 Human-in-the-loop（HITL）は、AI時代の“安全装置”として語られてきた。 ...

合意しないマルチエージェントは失敗か？ ―合意不成立を成果として扱う設計と、「衝突ログ」の価値 マルチエージェントと聞くと、多くの人はこう期待する。 エージェント同士が話し合い 意見をすり合わせ 最終的に合意に至る そ...

Cold-startを「契約」として扱え — データ不足を設計問題に変換する — Cold-start問題は、技術的な問題だと思われている。 データが足りない モデルが学習できない 精度が出ない だから人は言う。 「デ...

判断を止める条件は、どこに書くべきか ―停止条件の外在化と、「人間に戻す」設計の重要性 AIは、止まらない。 最適化は続く 確率は更新される スコアは改善される これは欠陥ではない。計算とは、そういうものだからだ。 だ...

オントロジー・DSL・BTはどうやって効率的かつ正確に作るのか ― 判断構造を設計する実践的方法 ― これまでの記事では、なぜ判断を外在化する必要があるのかを説明してきました。 その中核となる三つの構造要素は： オントロジー DSL...

判断を外に出すAI基盤 — Ontology / DSL / Behavior Tree による Decision-Oriented Signal Platform — 多くのAI基盤は、「モデルをどれだけ賢くするか」に焦点を当てて設...

段階的信用スコアを「契約」として設計する — 信用を学習結果ではなく、解除可能な境界として扱う — 信用スコアは便利だ。数字があると、人は安心する。 だが信用スコアには致命的な誤解がある。 信用は“推定値”ではない。信用は 「許可範囲...

例外は失敗ではない ―例外処理をどう設計に組み込むか、例外が多いほど健全なシステムという視点 例外が多いシステムは、「未完成」「不安定」「設計が甘い」と思われがちだ。 だから多くのAI・業務システムでは、例外を減らそうとする。 ル...