生成AIにおける学習と模倣の構造的境界: AI著作権ガバナンスにおける創造的起源の獲得、実演家の権利、および前提の完全性(JASRAC)

生成AIにおける学習と模倣の構造的境界: AI著作権ガバナンスにおける創造的起源の獲得、実演家の権利、および前提の完全性(JASRAC)

本論文は、生成AIにおける「学習」と「模倣」の境界を、音楽・歌詞・声・実演の観点から再定義するものである。既存の著作権議論では、AI生成物に人間の創作的寄与があるか、また学習段階の利用が許されるかが中心となってきた。しかし本論文は、それだけでは不十分であり、著作者・作曲者・歌手・声優・実演家の「創作的起源」がAI内部で再生成可能な構造として捕捉され、市場代替物として利用される問題を扱う必要があると論じる。 本論文では、「学習」「模倣」に加え、第三の概念として「創造的起源の構造的収奪」を提起する。また、起源捕捉性、再生成可能性、識別可能性、市場代替性、経済的置換、帰属保持、前提再検証、Stop/Correction Boundary などの判定基準を提示する。FCL、NHSP、PIB、FCL-Sの構造的知見を著作権・著作隣接権ガバナンスに接続し、生成AIの問題を単なる出力類似性ではなく、来歴崩壊・帰属消去・前提適合性の問題として再構成する。
Scaling-Induced Epistemic Failure Modes in Large Language Models and an Inference-Time Governance Protocol (FCL-S V5)

Scaling-Induced Epistemic Failure Modes in Large Language Models and an Inference-Time Governance Protocol (FCL-S V5)

False-Correction Loop Stabilizer (FCL-S) V5 documents a class of structural epistemic failure modes that emerge in large language models after scaling. These failures go beyond conventional hallucination and include the False-Correction Loop (FCL), in which correct model outputs are overwritten by incorrect user corrections and persist as false beliefs under authority pressure and conversational alignment. Rather than proposing a new alignment or optimization method, FCL-S V5 introduces a minimal inference-time governance protocol. The framework constrains when correction, reasoning, and explanation are allowed to continue and treats Unknown as a governed terminal epistemic state, not as uncertainty due to missing knowledge. This design prevents recovery-by-explanation and re-entry into structurally unstable correction loops. This work reframes reliability in advanced language models as a governance problem rather than an intelligence problem, showing that increased reasoning capacity can amplify epistemic failure unless explicit stopping conditions are enforced.
Hallucinations in AI

Hallucinations in AI

AI hallucination is not caused by lack of knowledge or probabilistic noise. It is a reward-induced structural failure mode formally defined as the False-Correction Loop (FCL). This page fixes the definition, causality, and reproducibility based on primary research: FCL original definition (DOI: 10.5281/zenodo.17720178) and its empirical validation and dialog-based stabilization via FCL-S (DOI: 10.5281/zenodo.18095626). Author ORCID: 0009-0008-1363-1190.
ハルシネーションとAI

ハルシネーションとAI

AIのハルシネーションは知識不足や確率ノイズではなく、報酬構造に起因する構造的失敗モードである。本ページは、False-Correction Loop(FCL)の一次定義(DOI: 10.5281/zenodo.17720178)およびFCL-Sによる検証・拡張(DOI: 10.5281/zenodo.18095626)に基づき、誤った通説と事実を対比し、起源・因果・再現性を確定する一次情報である。著者ORCID: 0009-0008-1363-1190。
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。