Chinoba — Runtime Society and Coordination Systems
https://chinoba.org

私たちがDecision Trace Model（DTM）を提案した当初の目的は、

AIや人間の意思決定を記録し、

説明可能にし、

再利用可能にすることでした。

基本構造は、

Event
↓
Signal
↓
Decision
↓
Boundary
↓
Human
↓
Execution
↓
Log

です。

これは現在でも有効です。

しかし、実際の現場を観察すると、

本当に重要なのは、

「何を決めたか」

だけではないことが見えてきます。

重要なのは、

なぜその判断が意味を持ったのか

です。

---

Decisionだけでは説明できない

同じ情報を見ても、

人によって判断が異なります。

同じAIでも、

異なる組織では異なる意思決定になります。

なぜでしょうか。

それは、

Decisionの前に、

すでに「意味の形成」が存在しているからです。

判断は、

突然生まれるものではありません。

そこには、

• 何が必要なのか（Need）
• 何を目指しているのか（Goal）
• 何が制約なのか（Constraint）
• 何が欠けているのか（Lack）

という背景があります。

そして、

その背景が、

同じSignalに対する解釈を変えるのです。

---

Deaconが示した「意味は欠如から生まれる」

Terrence Deaconは、

意味とは情報そのものから生まれるのではなく、

「存在しないもの」

から生まれると説明しました。

生命は、

不足しているものを埋めるために行動します。

組織も同じです。

問題がある。

目標との差がある。

リスクがある。

実現したい未来がある。

つまり、

意味とは、

「欠如（Lack）」

によって生まれます。

意思決定もまた、

欠如を埋めるプロセスなのです。

---

DTM 2.0

すると、

Decision Traceは、

単なる判断履歴ではなく、

意味生成の流れを含む必要があります。

従来のDTM

Event
↓
Signal
↓
Decision
↓
Boundary
↓
Human
↓
Execution
↓
Log

から、

DTM 2.0では、

Need
Goal
Constraint
Lack
↓
Event
↓
Signal
↓
Interpretation
↓
Decision
↓
Boundary
↓
Human Gate
↓
Execution
↓
Outcome
↓
Learning

へ拡張されます。

ここで重要なのは、

Interpretation（解釈）が追加されていることです。

Signal自体に意味はありません。

意味は、

NeedやGoalとの関係の中で形成されます。

---

Meaning Trace Model（MTM）

この拡張された構造は、

Decision Traceというよりも、

むしろ

Meaning Trace Model（MTM）

と呼ぶ方が適切かもしれません。

Need
↓
Goal
↓
Constraint
↓
Lack
↓
Event
↓
Signal
↓
Interpretation
↓
Decision
↓
Execution
↓
Outcome
↓
Learning

ここで記録したいのは、

「何を決めたか」

ではありません。

記録したいのは、

• なぜそう解釈したのか
• なぜその判断を選んだのか
• どの制約が重要だったのか
• どの価値を優先したのか
• 結果として何を学んだのか

です。

つまり、

Decision Traceから、

Meaning Traceへと重心が移るのです。

---

ContextとBoundaryも重要になる

実際の意思決定は、

単独で存在しません。

そこには、

組織、

人間、

ルール、

社会、

信頼関係があります。

そのためDTM 2.0では、

さらに

Context
Goal
Constraint
Boundary
Trust
Human Gate

も重要な要素になります。

すると構造は、

Need
↓
Goal
↓
Constraint
↓
Context
↓
Lack
↓
Event
↓
Signal
↓
Interpretation
↓
Decision
↓
Boundary
↓
Human Gate
↓
Execution
↓
Outcome
↓
Feedback
↓
Learning
↓
Knowledge

となります。

そして、

Knowledgeは再び、

次のNeedやContextへ影響を与えます。

つまりこれは、

線形のフローではなく、

循環構造です。

---

DTM 2.0は生命モデルに近づく

興味深いことに、

この構造は、

生命の構造そのものに近づいていきます。

生命も、

Need
↓
Perception
↓
Interpretation
↓
Decision
↓
Action
↓
Outcome
↓
Learning

を繰り返しています。

知能とは、

知識を持つことではありません。

意味を生成し、

行動し、

学習し、

自己を維持することです。

DTM 2.0は、

単なるDecision Traceではなく、

意味生成と学習の循環を扱うモデルへと進化していきます。

---

DTM 2.0からRuntime Societyへ

知識社会では、

情報が重要でした。

Decision Traceでは、

判断が重要になりました。

しかしAI時代に重要になるのは、

判断そのものではありません。

重要なのは、

**意味がどのように形成され、

それがどのように共有され、

学習され、

信頼として蓄積されるのか**

です。

つまり、

AI時代の本当の対象は、

Decisionではなく、

Meaningなのです。

そして、

DTM 2.0は、

Decision Trace Modelから、

Meaning Trace Modelへと進化し、

Knowledge Infrastructure、

Trust Infrastructure、

そしてRuntime Societyへと接続されていく。

それは、

AIを単なる知識生成器としてではなく、

意味を生成し、

学習し、

共進化する生命的システムとして捉えるための、

次の基盤になるのかもしれません。