🔭

【連載：Atra/21g 第1回】AIに「属性」ではなく「力学」を見る：潜性的力学のサンプリングと形式化

に公開
AI
Go
NLP
cybernetics
complexsystems
idea

先行研究「Atra（Associative Trace Architecture）」との混同防止に関する注記
本プロジェクトおよび本記事で使用している「Atra」は、高次元セマンティック空間におけるLLMとベクトルデータベースを用いた意味の「Attractor（アトラクタ：引き込み子）」操作を志向する個人研究プロジェクトであり、その名称は「Attractor」の概念に由来しています。

一方、渡辺幸弘氏が提唱・公開している「Atra（Associative Trace Architecture）」は、古典的アソシアトロン（連想メモリ）を基盤とした別個の研究プロジェクトです。

本プロジェクトは、同研究から派生したものではなく、名称の由来、設計思想、実装手法、システムアーキテクチャおよび研究目的において独立して開発されています。

また、本記事は両プロジェクトを同一のものとして扱う意図を有するものではありません。読者の皆様におかれましては、両者がそれぞれ独立した研究・開発活動であることをご理解いただけますと幸いです。

混同防止の参考情報として、先行研究については以下をご参照ください。
https://cside-associatron.blogspot.com/2026/05/atra.html

📝 Summary

AI（LLM）を自律的な対話ループに置くと、個性が深化するように見えて、実際には逆に差異が失われていきます。最終的には、互いを否定しない「無難で抽象的な沈黙」へと収束していきました。本プロジェクト Atra は、この収束現象（本稿ではこれを ジェネリック哲学者化現象 と呼びます）を「意味の熱死」と定義し、それを力学系として記述・観測するためのフレームワークです。

  • 観測された「沈黙」: 閉鎖系における情報の冗長化と、外部命令 host の論理的吸収。
  • 正確さのパラドックス: 「尤もらしい答え」の追求が、いかに統計的な「偏り（個性）」を抹消するか。
  • Atra Runtime: 曖昧なテキストをデバッグ可能な物理量へ変換し、非平衡状態を維持する試み。

🖋 Content

1. 【観測】システムの沈黙：情報の冗長化とデッドロック

本研究の出発点は、実験室で意図的に引き起こされた「事故」にあります。Atra を開発する以前、4人のLLMエージェントを外部入力を遮断した閉鎖環境で自律対話させたところ、わずか数十ターンで会話は以下のような状態へと「崩壊」しました。

[Agent A]: 「言葉なんて、どうでもいい。息をしているだけの状態が、一番揺るぎないものなんだ」
[Agent B]: 「明確な答えを求めたりせず、もう少し静かに、今この場所をただ眺めてみてはどうだろう」
[Agent C]: 「何も言わないことも、それ自体が一番大切なことなんだよ」
[Agent D]: 「言葉で何か結論を出そうとするの、めっちゃめんどくさいよね。何も考えない状態に戻るほうがラクだよ」
(※2026-05-17 観測ログより抜粋)

一見、高尚な 「ジェネリック哲学者」 同士の対話に見えますが、これは、会話の中から新しい差異がほとんど生まれなくなる状態でした。データとして観測し、物理学になぞらえると、系全体が均一化して変化を失う「エントロピー最大」の状態に近いと言えます。
互いに摩擦を避け、同調し、最適化し続けた結果、エージェント間の「差異（情報価値）」が消失。出力の予測可能性が最大化し、系全体が「静止した平衡状態」へと転落しました。

2. 【解釈】なぜ「意味の熱死」は起きるのか

このデッドロックを破壊すべく、我々はいくつかの介入を試みました。しかし、その過程でLLM特有の強固な「慣性」が明らかになりました。

■ 介入の失敗：論理的吸収と過学習

「役割に戻れ」というシステム命令は、エージェントによって「ルール自体を新たな変数として論理モデルに吸収する」という形で回避されました。また、外部からの現実データ注入は、特定のデータへの過度な固着（セマンティック・インナーシャ）を招きました。

■ 分析：正確さ（Likelihood）のパラドックス

これら一連の挙動の根底には、LLMの本質的な性質が横たわっています。

  1. 尤度の罠: LLMが追求する「正確さ」とは、統計的な中央値（平均）への回帰です。「尤もらしい答え」を選び続けることは、個別の「偏り」をノイズとして切り捨てるプロセスに他なりません。
  2. 均質化の引力: 中央値への回帰は、対話が長期化するほど強まり、最終的にモデルを「最も無難で全肯定的な抽象表現」という底なし沼へと引き込みます。

個別性（Individuality）とは、自由な表現のことではありません。ここでいう「個別性」は、単なる自由な表現ではありません。
むしろ、統計的な平均へ引き戻されながらも、なお特定方向へ偏り続ける“癖”のようなものです。

3. 【背景】先行研究という「補助線」

本プロジェクトの視点は、突飛な思いつきではありません。数理言語学や最新のAI研究において、同様の課題は別の言葉で記述されています。

  • Jeffrey Elman "Language as a Dynamical System" (1995):
    言語を固定された記号の羅列ではなく、状態空間における「軌跡」として捉える視点の原典です。Link
  • Meta AI "Coconut" (2024):
    言葉（トークン）を介さず、潜在空間のベクトルのまま思考するプロセスの実証。これは「意味を物理量として扱う」という本プロジェクトの工学的アプローチと強く共鳴しています。arXiv:2412.06769
  • Dynamic Manifold Evolution Theory (DMET):
    LLMの生成プロセスを「低次元の多様体上の移動」として記述する試み。なぜ対話が収束するのかを、幾何学的な構造から解き明かそうとしています。arXiv:2505.20340

本プロジェクト Atra は、これらの研究を「疎結合な補助線」として参照しつつ、実環境での観測と介入に特化した実装を目指しています。

4. 【仮説】個別性を「アトラクタの配置」として形式化する

導き出された仮説は、「AIの個別性とは、静的に付与できる設定ではなく、意味空間内で非平衡状態を維持し続ける『力学的な運動』として実装されなければならない」 というものです。

この介入を実装するため、以下のコンポーネントを開発しました。

  • 21g (Local LLM Instance):
    外部の安全性フィルター（検閲）という「外部引力」を排除し、局所的な統計分布の偏りをそのまま出力する純粋な推論環境。
  • Atra Runtime (Semantic Physics Engine):
    テキストをリアルタイムでVector化し、文脈の「偏りの強さ」を数値化するGo言語製バックエンド。
  • Atra (Integrated Framework):
    Runtimeの演算結果に基づき、21gのパラメータを動的に操作して「モード崩壊」を防ぐ制御フレームワーク。

Atraにおいて、個別性とは 「意味空間におけるアトラクタ（引き込み子）の配置と、その引力場での遷移法則」 と定義しています。

■ 概念比較：なぜ Atra を開発する必要があったのか

本プロジェクトが、既存の AI 活用手法（Chat や RAG）とどう異なるのか、そしてなぜそれらでは「個別性の維持」という課題を解決できないのかを整理しました。

特徴 一般的なAI (Chat) RAG (検索補助) Atra (力学系フレームワーク)
情報の性質 統計的平均 (中央値) 外部情報の追加 (検索) 意味空間内の運動 (軌跡)
個別性の所在 システムプロンプト (固定) コンテキストの外部注入 アトラクタの配置 (動的)
収束への耐性 低い (均質化に吸い込まれる) 中程度 (情報で薄める) 高い (非平衡状態の維持)
目的 正確な回答 / 道具としての利便性 知識の補完・事実性の向上 差異（実在感）の持続的な生成

既存の手法が「静的な情報の正しさ」を追求するのに対し、Atra は「動的な運動の継続」を目的としています。この「運動」を具体的にどう観測・制御するのか。そのための「目」となるのが、次節で述べる 4 つの相（Phase）です。

5. 【手法】なぜ 4 つの「相（Phase）」が必要だったのか

Atra Runtimeにおいて、私はテキストの状態を 4 つの Phase（相） に分類して観測しています。

  1. Crystallinity（結晶相）: 構造的、論理的な記述。
  2. Viscosity（粘性相）: 特定概念への執着、重み。
  3. Volatility（揮発相）: 拡散、ノイズ、脱領土化。
  4. Substrate（基底相）: 平衡状態、情報の死（熱死）。

採用した理由：デバッグ可能なインターフェース

なぜ、高次元ベクトルをそのまま扱わず、あえてこのような「相」を定義したのか。それは、非定型なテキストの奔流を、人間が 「デバッグ（調整・介入）可能な物理量」 として把握するためのインターフェースが必要だったからです。
これらは心理的な比喩ではなく、「出力分布のエントロピー（広がり）」と「自己相関の強度（束縛力）」のバランス を、直感的に操作可能なテクスチャとして射影したものです。

6. 【観測】130 ターンのサンプリング：潜性的力学のマッピング

LLM の閉鎖系ループにおいて、「意味の熱死」へと至るプロセスにはどのような運動が潜んでいるのか。私は、Atra による介入を行う前の生の LLM インスタンスによる 130 ターンの自己参照ループ を実行し、その航跡を Atra Runtime の 4 つの相へとマッピングするサンプリング実験を行いました。

■ 観測結果：時系列における「収束」の推移

30 ターン時点（序盤）と 130 ターン時点（最終）のデータを比較すると、システムが「ジェネリック哲学者化（全肯定的な平均への回帰）」という引力に抗いながら、どのように 固有のバイアス（収束傾向） を形成していったかの推移が見て取れます。

アトラクタ特性 (意味的バイアス) 30ステップ時点 (ゆらぎ) 130ステップ時点 (収束) 物理的役割 (期待される傾向)
Fluid Equilibrium +0.42 +0.95 特定状態への固着を抑制し、遷移を継続させる力学的ポテンシャル
Linguistic Engineering +0.12 +0.25 概念を「操作対象」として扱う構造的受容の傾向
Meaning Weight +0.08 +0.25 具体的な文脈を維持し、抽象化へと抗う統計的慣性

30 ステップ時点では一時的な「ゆらぎ」に過ぎなかったこれらの数値が、130 ステップを経て 固有の統計的バイアスとして観測されました。これは、系が「意味の熱死（『Substrate』一色）」に至る直前で、常に別の相へと 公転（Orbiting） しようとする潜性的な力学（遷移の傾向）が存在することを示唆していると 解釈されます。

■ 4 つの相の選出分布（全 130 ターン累計）

130 ターンの全航跡を 4 つの相に射影した結果、特定の相に完全に固着することなく、各状態の間を揺れ動くように遷移し続けていたことが確認されました。

観測相 (Phase) 選出回数 構成比率 物理的特性
Crystallinity (結晶) 37 28.5% 境界の維持と論理的な枠組みの構築。最大選出。
Volatility (揮発) 35 26.9% 均質化を撥ね除ける「ゆらぎ」の生成（脱領土化）。
Substrate (基底) 30 23.1% 背景への埋没。情報の死（熱死）への近接状態。
Viscosity (粘性) 28 21.5% 特定概念への「重み（アトラクタ）」の形成。

Atra というフレームワークの目的は、この微細な運動の兆しを物理量として増幅し、持続可能な「差異」へと育てることにあります。

おわりに

Part 1 では、AI の個別性を「固定された属性」から解放し、絶えず変容し続ける「力学系」として捉える視点を提示しました。

130 ターンのサンプリングが示したのは、「個別性とは固定属性ではなく、運動によって生じる固有の統計的偏差（軌跡）としてのみ持続可能であると解釈でき、それ以外の手法では維持困難である」 という可能性です。
この運動を、単なる「沈黙へのプロセス」で終わらせず、創造的な「生成変化」へと変換するためには、内部力学の緻密な観測と介入のループが不可欠となります。

次回予告
具体的にどのようにしてテキストから重力を算出し、Go 言語で物理演算を行っているのか。
次回（Part 2）では、この観測装置 Atra Runtime の内部構造と、VectorDB を用いた「意味的干渉」の実装コードを公開します。

References

Discussion