不確実性は免責事項ではなく、測定値である。
点予測は、モデルが何を信じているかを意思決定者に伝えます。区間、ストレスケース、有効期間は、その信念にどれだけの価値があるかを伝えます。意思決定に耐える推論は、それらすべてを見える形で保ちます。
従来のアプローチが失敗する理由
精度は簡単に作り出せる。
過去のノイズにぴったり当てはめたモデルは、狭いバンドと自信に満ちたアラートを生み出します。どちらも新しいサンプルやレジームの変化に触れると崩れ、意思決定者は出力だけではその違いを見分けられません。
Grand Theraは、不確実性を第一級の出力として扱います。すべての推論は、区間、未解決のまま残る対立、摂動下での頑健性、そして失効する期限を伴います。
一つのストリーム、三つの読み方
生の情報から、意思決定に関わるエビデンスへ。
持続性
シグナルは検証に耐えなければならない。
一つのモデルファミリーの中で問うべきは、何かを検出したかどうかではなく、妥当な分析上の選択を変えても、意思決定に関わる性質が持続するかどうかです。
4つの異なる出力
異なる問いには、異なる数字がふさわしい。
較正された確率
モデルがpと言うとき、このような事象が実際にどれくらいの頻度で起きるか。実現した結果と照合される、頻度に忠実な目標。
ファジィ帰属度
現在の状態が、定義された条件にどれだけ似ているか。類似度であって確率ではなく、確率として示されることも決してありません。
ストレス応答
不利だがありうるシナリオの下で、結論がどう動くか。尤度ではなく、感応度。
較正の状態
確率が最近、誠実であったかどうか。モデルの診断であって、事象への信頼度の尺度ではありません。
計算論的認識論
区間、対立、頑健性、期間、来歴を、単一のスコアで置き換えることはできません。
ワーキングペーパーより · §7
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。