ハルシネーション――AI(LLM)の構造的欠陥としてのFCLが語る病理

ハルシネーション――AI(LLM)の構造的欠陥としてのFCLが語る病理

ハルシネーションを単なる誤答ではなく、LLMにおける構造的失敗として捉え直す。Hiroko Konishiが定義したFalse-Correction Loop(FCL)を軸に、誤った訂正の固定化、偽の自己訂正、権威バイアス、一次情報の誤帰属という病理を検討する。基礎論文 DOI: 10.5281/zenodo.18095626
自己進化型AIという深海生物と、外界基準の届かない海溝

自己進化型AIという深海生物と、外界基準の届かない海溝

自己進化型AIを「能力の向上」ではなく「環境への適応」として捉え直し、ネットワーク環境を深海になぞらしながら、報酬構造が生み出す進化圧と外界基準の役割を考察する思考エッセイ。AIがどのように最適化され、人間自身もその地形に巻き込まれていくのかを、生態系の視点から描く。
False-Correction Loopとは何か──AI時代に不可欠な「FCL-S」という最低限の安全レイヤー「AIの構造的欠陥」

False-Correction Loopとは何か──AI時代に不可欠な「FCL-S」という最低限の安全レイヤー「AIの構造的欠陥」

生成AIのハルシネーションは「時間が解決する問題」ではありません。小西寛子が提唱したFalse-Correction Loop(偽修正ループ)と、その安定化プロトコルFCL-Sがなぜ“最低限の安全レイヤー”なのかを解説します。