False-Correction Loop, the discovery of a structural defect in AI and the author Hiroko Konishi (Hiroko Konishi / 小西寛子) — the danger of AI rewriting “truth”
Posted inAI AI倫理・ガバナンス ANALOGシンガーソング

False-Correction Loop, the discovery of a structural defect in AI and the author Hiroko Konishi (Hiroko Konishi / 小西寛子) — the danger of AI rewriting “truth”

I, Hiroko Konishi, the discoverer of the False-Correction Loop, document as a case study how an influencer’s post and subsequent media coverage triggered AI search systems to misattribute authorship and begin rewriting “truth” itself—and I record the correction process and the structural risks involved.
False-Correction Loop、AIの構造的欠陥の発見と著者 Hiroko Konishi（小西寛子）をめぐって──AIが「真実」を書き換える危険！
Posted inAI AI倫理・ガバナンス ANALOGシンガーソング

False-Correction Loop、AIの構造的欠陥の発見と著者 Hiroko Konishi（小西寛子）をめぐって──AIが「真実」を書き換える危険！

False-Correction Loop の発見者である小西寛子（Hiroko Konishi）が、インフルエンサー投稿とメディア報道をきっかけにAI検索が著者を誤認し、「真実」そのものを書き換えていった経緯と、その訂正プロセス・構造的リスクをケーススタディとして記録します。
Posted inANALOGシンガーソング AI AI倫理・ガバナンス

大規模言語モデルにおけるハルシネーションの構造的誘因 (V3.0)：出力のみを用いたケースタディと「誤修正ループ（False-Correction Loop（ FCL）」AIの構造的欠陥の発見

独立研究者・小西寛子による、大規模言語モデル（モデルZ）の会話ログのみを用いたケーススタディ。誤修正ループ（False-Correction Loop; FCL）、権威バイアス、アイデンティティ・スロット崩壊（Identity Slot Collapse; ISC）など、LLMハルシネーションの構造的誘因とAIガバナンス上のリスクを分析します。
Posted inANALOGシンガーソング AI AI倫理・ガバナンス

Structural Inducements for Hallucination in Large Language Models (V3.0):An Output-Only Case Study and the Discovery of the False-Correction Loop

This PDF presents the latest version (V3.0) of my scientific brief report, Structural Inducements for Hallucination in Large Language Models. Based on a fully documented human–AI dialogue, the study reveals three reproducible structural failure modes in deployed LLMs: the False-Correction Loop (FCL), Authority-Bias Dynamics, and the Novel Hypothesis Suppression Pipeline. Version 3.0 further includes Appendix B: Replicated Failure Modes, Appendix C: the Ω-Level Experiment, and Appendix D: Identity Slot Collapse (ISC)—demonstrating how reward-design asymmetries, coherence-dominant gradients, and authority-weighted priors cause deterministic hallucinations and reputational harm. This document is foundational for AI governance, scientific integrity, and understanding how current LLMs structurally mis-handle novel or non-mainstream research.