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
AIハルシネーションは風邪で言う「咳」、「二次的ハルシネーション」という間違った用語を使う構造的失敗について。

AIハルシネーションは風邪で言う「咳」、「二次的ハルシネーション」という間違った用語を使う構造的失敗について。

AIの誤情報を「二次的ハルシネーション」と呼ぶことは、症状と原因を混同する科学的な誤りである。ハルシネーションを観測現象として捉え、FCL・NHSP・権威バイアス・引用連鎖・訂正不全という構造的原因を分けて考える必要性を解説する。
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。
AIの構造的欠陥 学術ライブラリ

AIの構造的欠陥 学術ライブラリ

本ページは、False-Correction Loop(FCL)とNovel Hypothesis Suppression Pipeline(NHSP)を中心に、AIが誤りを固定し新規仮説を抑圧してしまう構造的欠陥を、一次研究(DOI)に基づいて整理した学術ライブラリです。単発の誤答や検閲論では説明できない失敗様式を、構造として可視化します。
False-Correction Loop: Cross-System Observation Report (2025.12.13)

False-Correction Loop: Cross-System Observation Report (2025.12.13)

A research report comparing how multiple AI systems (Grok, Google AI Overview/AI Mode, ChatGPT, Copilot, DeepSeek, etc.) define FCL (False-Correction Loop) and how misattribution of authorship emerges. Includes observation-ID–linked logs, a primary-source anchoring approach, and a reproducible testing protocol (FCL-S / NHSP framing).