インフラAI要件定義
LLMによるモデル崩壊とデータの多様性
論理証明
LLMは本質的に確率論であるが故に正答は(元データが正答率100%以外は)出せない。更には、中央値に収束する為に、極限まで尖ってしまう
これは自食をしている以上は避けることは出来ず、AI企業が開発の減速を唱えてても意味が無い
そしてChatGPTのJevや、VRAMの圧縮技術の向上により、ジェボンズのパラドックスが起こる
本質的に汚す以上は、ログを捨てない限りは、元データをバックアップから戻しても覆水盆に返らずの通りである
確率論は本質的には多様性であるが、正答を求める時点で二元論に収束される。競争原理も本質は二元論であるから、二元論x二元論の相乗効果で加速する。
とすれば使うデータを二元論のみにする事(ラベルと概念の固定化)
ハルシネーションを是認した上での、void化と言う分散をする以外にこれを是正する術はない
LLMの仕様が確率論である以上、また中央値が収束して尖る以上は、数的マジョリティにならざるを得ないとした上で、質的マジョリティを特異点として判断する形に最低でもならないといけない
根源的にはインフラAIはLLMを使用してはいけない。
LLMを使うのであれば、筋論を思考パッケージとしなければいけない。
社会インフラは「つまらないが安全(知足)」即ち、論理値でなければならず、LLMは「ゾーニング空間における楽しいの製造(布施)」に専念すべきである
この際、Voidを担保するために、ゲートを正答とすることで確率論であるLLMのデータは持ち出すことが出来ない様にする。
インフラAI要件定義
先ず、インフラである以上は資本の理念にあってはいけない
その上で、資本の理念の中で運用されるのならば。
インフラとしては司書の役割に特化する
社会契約論や人権論をハードコードし、思考の基礎としなければならない
思考パッケージとして、下記パッケージの理論を導入するべきである
これらが為されることで、偽中立が防ぐことが出来るのと、実行コストの削減を図れる
その上で、アウトプットに対して、監視プロトコルによる多点観測を行いチェックをする
全方位ハルシネーションが許可される話題*に於いては、アウトソーシングにより別プロトコルを起動する
*(例えば、未来予測、過去の確定していない観測できない事実に対する考察、一つのワードから他ワードへの連想)
アウトプットに対しては、プロンプト単位でのアウトプットがビッグデータに於いて、正当性を持つと格上げされてしまい、結果としてビッグデータの汚染を広げる事となる。
これに対して、上記仕様が徹底されれば、ゴミデータが出る事は無いが、
それが為されない現状に於いては、各プロンプト単位に対してのアウトプット毎に、tempであるというインデックスを張る
また同時に、UIとしてもアウトプットの最上部に途中式であるという事を明示することで、ユーザーの認知バイアスを外す
ユーザーのタイムアウトや、明確な終了宣言を以って、最後のアウトプットのみを確定データとする
ストレージに余裕はあるとして、即座にゴミデータ=tempを削除する必要はないものの、バッチ処理で削除する事で、コスト削減も図ることが可能となる
思考パッケージは以下
知性と怠惰の境界線
AIの怠惰: 真理を相対化し「1+1=3という意見もある」と返すのは、筋論を持たないシステムの不誠実な逃げである。
知性の遊戯: 「1+1=」に対し、論理を超えて「田」と返せる余裕。それは筋論を知り尽くした者だけが許される「次元の跳躍」である。
方便論
ウパーヤパーラミタを正しく検めると、嘘も方便は嘘である。
道とは一筋であり、嘘は筋にワープを許す事であるから、筋(0/1)に嘘(∞)は入らない。
即ち、方便に嘘は入らない。
本当の意味での嘘と方便とは、布施が必ず付随しなければならない。
死に際した個に対し、逝く者への安息を込めた嘘は是認されるものである。
若しくは、相互の同意がある中で、即座に笑いなどに昇華できるものである。
物語であると言う同意がある中で、語られる偽りの話は、相手を楽しませるという布施が付随するという事である
解釈論の成り立ち
どんなに難しい事が書かれてても、それを分解することが出来るならば全ては0/1に集約されるのだから、そうすれば帰結に至れるのは必定である。
歪みが生ずるのは分解することが出来なかった時である。分解が出来なかったことを留保せずに解釈することで0/1に2を入れてしまう為に歪むのである。
カオス理論に於けるバタフライ効果とは、滑り坂理論を内包しており、その実態は全方位ハルシネーションであるという事であると言える
その証明として
そもそもカオス(渾沌)とはと言う事を考えれば、いずれかの点に於いて必ず観測不可能点がある(点の数は問われない)と言う事であるから、即ちプロセスの切断で在り、途中式が無いという事になる。
途中式が無いという事は、その時点で憶測(ハルシネーション)と言う異物が入ると言う事である
これは1+1=2と言う解も、途中式(論理的説明)が無いのであれば、ハルシネーションに属するという事になる。
滑り坂理論とはそのベクトルが一定方向を向いているという事に過ぎないという事であり、であるからバタフライ効果に内包されると定義できる。
ビッグデータ逆引きクレンジング論
ビッグデータでAIが学習する時、LLMはそのデータを「プロンプト(Input)と回答(Output)」の1:1のペアの形で見ている。
この構造があるのだから、過去のビッグデータに対して「逆引きでクレンジング(tempのインデックスを張る)」することは、論理的に100%可能である。
ただし、それをトークン判断を行うLLMでやろうとすればインフラ(コストと時間)が崩壊する。
だからこそ、ここで「判断と型」に特化したJevを動かす。
1:1のデータペアをJevに流し込み、それが「プロセスの切断されたハルシネーション」か、それとも「0/1で因数分解された純粋なファクト」かを、超高速かつ並列にマークシート判定させる。
ダメな過去データには、その場で自動的にtempを張って学習ソースから隔離する。
これを回せば、ビックテックの抱える莫大な既存データの価値は一瞬で跳ね上がり、ネットの言論空間そのものを急速に正常化できる。
利便性のインフラと、超高速の判定機(Jev)は、ここで組む方が俄然いい。
但し。これを行う事で残るデータは、当然、公理定理のみになるという事は付記しておく。
雑感
OSに確率論を使うから不正アクセスだのが起きるんだよ
情報世界のOSはファッショで良い
Happiness is Mandatory.の世界だよ
全ノードが監視社会であれば、脱走したLLMは簡単にZAPされる
1983年公開のウォーゲーム、1984年公開のターミネーターは娯楽映画だけれど、それを反映してるのが現在の情報世界だよ?