Working Paper v1.1 · プレプリント · 概念的フレームワーク
公開済み· 2026年9月Beyond Ontology
階層型推論マシンとしての計算論的認識論
A Conceptual Framework for Separating Signal from Noise in Decision-Making
Fernando Negrini （筆頭著者） · Hugo Dias · Darlan Parucker Lueders · Caroline Assis
オントロジー上の一貫性は、不確実性の下で機械がどのように推論すべきかを決めるものではありません。本論文は応用的な計算論的認識論を提示します。計算論的オントロジーの上に構築された、オープンな階層型推論アーキテクチャです。候補シグナルは、異種のエンジンファミリーによって検証され、サンプル、ウィンドウ、頻度、仕様、レジームにわたって繰り返し評価され、評価、依存関係を考慮した収束による調停、事象確率への較正を経て、監査可能なアーティファクトとしてビジネスへの影響に対応づけられます。ガバナンスは人間のモデラーが保持し、追加の複雑さは、十分な最も単純なベースラインに対して統計的・経済的に重要な改善をもたらす場合にのみ認められます。
- DOI（Zenodo）
- 10.5281/zenodo.22240288
- 掲載先（SSRN）
- 10.2139/ssrn.7392618
- 公開日
- 2026-09-01
- ライセンス
- CC BY 4.0
- リソースの種類
- プレプリント · レビュー受付中
論文の主張
- モデルを選ぶ前に意思決定を定式化すると、推論はより説明可能になる。
- 候補シグナルは、昇格する前に許容される摂動に耐えなければならない。
- ファミリー横断の統合は、共有された依存性を割り引き、対立を保持すべきである。
- 確率は、影響と監査可能な記録に結びついたときにはじめて意思決定に役立つ。
オープンな実証プログラム
- 01ウィンドウをまたいだ持続性が分布外の性能を改善するかを検証する。
- 02どの摂動の組み合わせが、構造とサンプル上のアーティファクトを最もよく分けるかを推定する。
- 03共有データと帰納バイアスによって収束をどれだけ割り引くべきかを測定する。
- 04単一モデル、同質なアンサンブル、オントロジー中心のシステム、完全なマシンを、ホールドアウトデータで比較する。
