反証を試みるための規律あるプロトコル。
この方法論は、機械が自らを欺くことを難しくし、獲得していない権限を自らに与えることを不可能にするよう設計されています。
研究中
原則
7つのコミットメント。
- 01
モデル化の前に定式化する
事象、期間、母集団、許容される前提、重要性は、モデルを選ぶ前に定義する。
- 02
異種のエンジンで検証する
統計的、確率的、記号的、ファジィ、学習型のファミリーがそれぞれ異なる性質を調べる。どれも自らを保証しない。
- 03
摂動の集合をあらかじめ固定する
都合のよいマルチバースを避けるため、ウィンドウ、頻度、リサンプル、シード、仕様、レジームは結果を見る前に宣言する。
- 04
評価してから統合する
持続的または条件付きと分類された候補だけが統合に入り、分類は見直し可能なままにする。
- 05
依存性を割り引き、対立を保持する
共有データと帰納バイアスは証拠としての重みを下げる。有益な不一致はアーティファクトに残す。
- 06
較正し、期限を設ける
確率は結果に照らして較正され、期限を過ぎると失効する有効期間を伴う。
- 07
モデラーに説明責任を持たせる
自動化は構造的な改訂を提案できる。昇格には説明可能性のチェックと明示的な承認が必要。
条件付きの複雑性
複雑さは、それに見合う価値を生まなければならない。
図を読み込んでいます: 複雑さは、それに見合う価値を生まなければならない。
L0–L9
原則が統治するアーキテクチャ。
図を読み込んでいます: 原則が統治するアーキテクチャ。
計算論的認識論
最も精巧なマシンではない。自らの推論を説明できる最小のマシン。
ワーキングペーパーより · ガバナンス原則
Beyond Ontology: Computational Epistemology as a Layered Inference Machine
Fernando Negrini 他 · Working Paper v1.1 · 2026
オントロジーは、機械が利用できるものを構造化します。計算論的認識論は、機械がそこから何を結論づけてよいかを構造化します。