はじめに（Reader Contract）
本稿は、既存の機械学習・生成AI理論を否定することを目的としない。
また、精度向上やベンチマーク競争を主題とするものでもない。
本稿の目的は、
既存のLLMが「答えてはいけない状態でも答えてしまう」問題を、
構造的に「不能（Fail-Closed）」として扱うための設計原理を提示することである。
This article does not aim to refute existing machine learning theories.
Instead, it proposes an architectural constraint model that prevents output generation
under structurally inconsistent causal states.
問題設定：なぜ幻覚は止まらないのか
現在のLLMは、整合性が破綻した状態においても、
確率的にもっともらしい出力を生成してしまう。
本稿ではこの現象を、
- データ不足
- 学習量不足
- 精度不足
としては扱わない。
因果構造が破綻した状態でも出力が許可されている設計そのものを問題とする。
中核原理：距離は原因ではなく「影」である
距離・スコア・連続量は、
推論を駆動する原因ではない。
それらは 状態が確定した後に観測される結果（ログ） にすぎない。
Distance does not drive inference.
It is a projection observed after stabilization.
因果構造の分離（ASCII 図解）
以下は IDE における因果構造の最小図解である。
┌─────────────────────────┐
│ Cause Layer │
│─────────────────────────│
│ - Constraints │
│ - Tension │
│ - Discrete Phase │
│ │
│ (No distance allowed) │
└───────────┬─────────────┘
│ State Update
▼
┌─────────────────────────┐
│ Effect Layer │
│─────────────────────────│
│ - Distance (log only) │
│ - Residual Energy │
│ - Visualization │
│ │
│ (No feedback allowed) │
└─────────────────────────┘
重要なのは、
Effect 層で観測された量が Cause 層へ逆流しない点である。
用語定義（Normative Definitions）
⚠️ 以下の定義は、本稿内でのみ有効である。
Intensional Dynamics Engine (IDE)
距離・座標・連続量を推論原因から排除し、
制約・張力・離散遷移のみで状態更新を行う推論アーキテクチャ。
Nomological Ring Axioms (NRA / 律環公理系)
距離最適化ではなく、
制約による閉路（環）構造の安定条件で推論を支配する公理群。
Tension（張力）
制約違反が検出された際に発生する、
離散的な遷移圧（駆動量）。
Fail-Closed（不能）
整合条件を満たさない場合に、
出力を生成せず処理を停止する設計方針。
状態と禁則の固定（JSON）
以下は、本稿で扱う状態と禁則を
機械的に誤解できない形で固定する定義である。
{
"IDE_State": {
"phase": "integer (discrete)",
"tension": "non-negative scalar",
"constraint_signature": "topological hash"
},
"Forbidden_Causal_Factors": [
"distance",
"coordinate",
"continuous optimization",
"probabilistic scoring"
],
"Evaluation": {
"valid": "constraints satisfied",
"invalid": "fail-closed (no output)"
}
}
この定義を前提としない解釈は、本稿の対象外とする。
禁則の強制（TypeScript）
以下は、距離・座標を 推論層で使用できないことを型で強制する例である。
// Forbidden causal factors
type ForbiddenSpatial = {
distance?: never;
x?: never;
y?: never;
z?: never;
};
// Cause-layer state
interface CausalState extends ForbiddenSpatial {
phase: number; // discrete step
tension: number; // constraint tension
constraintHash: string; // topological signature
}
この時点で、
距離を用いた推論は 設計上不可能 となる。
最小動作モデル（Python）
以下は IDE の 1 ステップ更新における最小挙動モデルである。
class EffectBuffer:
def __init__(self):
self.residual_energy = 0.0
def absorb(self, energy):
self.residual_energy += energy
class IDE:
def __init__(self):
self.phase = 0
self.effect = EffectBuffer()
def step(self, input_energy, required_energy):
if input_energy < required_energy:
return None # Fail-Closed
self.phase += 1
residual = input_energy - required_energy
self.effect.absorb(residual)
return self.phase
- 本設計は EBM や CSP の再表現ではない
- 因果逆流を 構造的に禁止している
- 評価軸は正答率ではなく 「不能を返せるか」 である
結論
IDE は AI を「より賢くする」ための設計ではない。
AI を 誤って答えさせないための設計である。
This architecture prioritizes structural integrity
over answer completeness.
公開・著作・引用
License & Usage
- Code examples: MIT License
- Concepts & architecture: Open for use and discussion
- No patent claims asserted
Citation (Recommended)
M. Tokuni (2025).
Intensional Dynamics Engine (IDE):
A Constraint-Driven Architecture for Fail-Closed AI Inference.
Zenn Article.
Author: M. Tokuni
Affiliation: Independent Researcher
Project: IDE / Nomological Ring Axioms
Note: This document is a reference specification.
It prioritizes unambiguous constraints over tutorial-style explanations.
注：本稿はチュートリアルではなく参照仕様です。
誤解を避けるため、解説よりも制約の明確化を優先します。