AIの確信に迫る

序章 PROLOGUE

目次 INDEX

1. 01確率という名の確信PROBABILITY AS BELIEF→
2. 02誤差を降りる旅THE DESCENT OF ERROR→
3. 03注意の建築THE ARCHITECTURE OF ATTENTION→
4. 04幻覚と較正HALLUCINATION & CALIBRATION→
5. 05確信を躾けるTRAINING CONVICTION→
6. 06確信の計量地図CARTOGRAPHY OF CONFIDENCE→
7. 07確信の経済学ECONOMICS OF CONFIDENCE→
8. 08確信の心理学PSYCHOLOGY OF CONVICTION→
9. 09確信の文法GRAMMAR OF CONFIDENCE→
10. 10確信のガバナンスGOVERNANCE OF CONFIDENCE→
11. 11適合予測と未来CONFORMAL FUTURES→
12. 12確信の実験室 ― 6つの再現可能な試みTHE EXPERIMENT MANUAL→
13. 13確信と認識の共有地PROVENANCE & THE EPISTEMIC COMMONS→
14. 14確信の市場 ― 価格、保険、評判MARKETS OF CONFIDENCE→
15. 15確信の教育学 ― 謙虚さの教え方TEACHING HUMILITY→
16. R0不確実性の二百年史A SHORT HISTORY OF UNCERTAINTY→
17. R1研究の最前線 ― 25の論文LANDMARK PAPERS→
18. R2社会的衝撃の年表 ― 9つの事件CHRONICLE OF IMPACT→
19. R3対談 I & IIINTERVIEWS→
20. R4実践パターン10と不変原則18PATTERNS & PRINCIPLES→
21. R5産業事例3とリリース点検表CASE STUDIES & CHECKLIST→
22. R10確信成熟度モデル ― 自己診断CONFIDENCE MATURITY→
23. R6人間較正テストCALIBRATE YOURSELF→
24. R9較正計算機 ― ECEを自分で測るCALIBRATION CALCULATOR→
25. R7確信の書庫 ― 10冊THE LIBRARY OF CONFIDENCE→
26. R8鮮度プロトコル ― 一次情報源FRESHNESS PROTOCOL→
27. R11確信についての言葉の壁WORDS ON CONVICTION→

言語モデルがしていることは、原理的にはただ一つ、次の一語を当てることだ。与えられた文脈に対して、語彙表に載るすべての語にスコア（ロジット）をつけ、それを確率に変換し、一つ選ぶ。あなたが読む流麗な回答は、この「次の一語」の連鎖が、数千回繰り返された結果にすぎない。

では、その連鎖のどこに「確信」があるのか。鍵は確率の形である。たとえば次の一語の候補が「猫」六二％、「虎」二一％、「犬」一〇％……と分布していたとき、モデルの内部では「猫」に向かう強い傾斜が存在する。この傾斜、すなわち分布の尖りこそが、機械における確信の第一近似だ。

ロジットを確率に変えるのがソフトマックス関数だ。指数関数を通すことで、わずかなスコア差が増幅され、分布は尖る。そして温度パラメータが、その尖りを調整する。温度を下げれば分布は先鋭化し、モデルは「断言」に近づく。温度を上げれば分布は平坦になり、モデルは「逡巡」しながら多様な語を選び始める。確信とは、つまるところ温度計の目盛りのようなものなのだ。

a.

ロジットLogits

ソフトマックスを通る前の、生のスコア。まだ確率ではない「傾向」の層。モデルの性格は、ここに最も素直に現れる。

b.

温度Temperature

分布の尖りを決めるダイヤル。T→0 でほぼ決定的、T↑ で多様に。創作は高温、事実は低温、というのが編集室的な使い分け。

c.

Top-p サンプリングNucleus

確率の高い側から累積pに達するまで候補を絞り、その中から選ぶ方法。確信の「裾野」をどこで切るかという思想。

「機械の確信は、声の大きさではない。分布の、静かな尖りである。」

CHAPTER 01 / MEMO

モデルの確信は、最初からそこにあったわけではない。それは、誤差を降り続けた結果として沈殿したものだ。学習とは、予測と現実のズレ（損失）を測定し、そのズレを小さくする方向へ数千億個の重みを少しずつ動かす作業である。一回の修正は微々たるものだが、それを数兆回の単位で繰り返すと、重みの山には「地形」が生まれる。

興味深いのは、この地形こそが確信の源だということだ。あるパターンについて何度も正しく予測できたモデルは、その方向へ強く傾いた重みを持つ。つまり確信とは、繰り返された一致の記憶である。人間が「経験から来る自信」と呼ぶものと、構造は驚くほど似ている。どちらも、過去の一貫性に対する賭けだからだ。

だが、ここには最初の落とし穴がある。モデルが降りている谷は「世界の真実」の谷ではなく、「訓練データのもっともらしさ」の谷だ。データに偏りがあれば、谷の形も歪む。モデルは歪んだ谷の底で、やはり堂々と確信する。確信の強度と、真実性は、原理的に別物なのである。なお、このズレのうち「データを足せば消える分」を認識論的不確実性、「原理的に消えない分」をアレプリック不確実性と呼ぶ。区別の実践的な意味は第十一章で扱う。

「学習とは、世界を覚えることではない。誤差との距離の測り方を、体に刻むことだ。」

CHAPTER 02 / MEMO

「猫はソファの上で眠る。それはとても――」この「それ」が何を指すか、あなたは瞬時にわかる。Transformer以前の機械には、この「瞬時」が難しかった。2017年、Vaswaniらは「注意こそがすべてである」と宣言し、語の列を「関係の網」として読む機構を提示した。この建築の上で、現代のすべての確信は組み上がっている。

注意の重みは、いわばモデルの視線の記録だ。「眠る」という語を予測するとき、モデルは「猫」により強く目を向け、「ソファ」にも軽く目を配る。この目配りの合計が、次の一語の確信を組み立てる。だからモデルの確信は、つねに文脈依存である。同じ語でも、文脈が変われば確信の形も変わる。

そしてもう一つ、重要な性質がある。注意は「見えたもの」に対してのみ働くということだ。文脈窓の外にある事実、訓練データに存在しなかった関係は、注意の網にかからない。モデルは、見えている範囲においては驚くほど的確に確信し、見えていない範囲においては、同じ顔で確信する。外見からは、区別がつかない。

注意の可視化 ―「眠る」はどこを見るか

線の太さ＝注意の重み（概念例）。スクロールで線が引かれる。

「モデルは、関係しか読まない。だからこそ、関係だけが確信になる。」

CHAPTER 03 / MEMO

存在しない論文を、実在する顔つきで引用する。間違った歴史を、教科書のような口調で語る。これが幻覚（ハルシネーション）と呼ばれる現象だ。重要なのは、幻覚が「バグ」として起きているのではない、という点である。それは「もっともらしい続きを、滑らかに生成する」という本来の目的が、そのまま達成された結果として起きている。

ここで登場するのが較正（キャリブレーション）という概念だ。較正されたモデルとは、「90%の確信」と言ったときに、おおよそ10回中9回正しいモデルを指す。Guoらは2017年に、現代のニューラルネットが「正しさ」よりも「自信」を過大に語る傾向を実証した。言語モデルの訓練目的は「正しく言う」ことではなく「訓練データのように言う」ことだった。だから流暢さと正しさがずれた場所で、確信だけが残り、幻覚が生まれる。

較正のずれはECE（期待較正誤差）として数値化できる。下の図は模式例だ。黒が「語られた確信」、赤が「実際の正答率」。両者が離れているほど、モデルは自分自身を知らない。第五章・第六章で見るように、現代の研究の多くは、この二つの線を近づける試みだと言ってもいい。

較正のずれ ― 模式例

語られた確信（黒）と実際の正答率（赤）。差が「過信」の幅。

確信 90–100

確信 70–89

確信 50–69

確信 30–49

確信 0–29

語られた確信実際の正答率

「幻覚とは、嘘ではない。誠実な機械が、正直に作り出す嘘である。」

CHAPTER 04 / MEMO

確信は、生まれつきではないなら、躾けることができる。その代表的な手法が、人間のフィードバックによる強化学習（RLHF）だ。Ouyangら（2022）は、人間の比較評価を報酬として使うことで、モデルの出力を「訓練データのもっともらしさ」から「人間の評価軸」へ接続し直せることを示した。

さらに興味深いのは、モデル自身が自分の確信を点検する試みだ。同じ質問を何度もサンプリングして答えの一致率を見る自己整合性、推論の連鎖を書き出して検証する連鎖思考、そして確信度が低いときに「わからない」と答えることを報酬で設計する較正訓練。2024年には、聞き手（リスナー）の解釈を考慮して較正するLACIEや、保持データで確信の言い換えを学習させる手法も現れた。これらはすべて、確信を「出力の一部」ではなく「観測可能な対象」として扱おうとする試みである。

編集室的に言えば、これは「査読」の導入だ。書いたものを、もう一度、別の目で読む。機械の確信は、いまや単独の声ではなく、複数の声の合議として設計されつつある。そしてその合議がうまく機能するとき、モデルは初めて、信頼に値する仕方で「はい」と言う。

1. 2017

   Transformerの誕生

   “Attention Is All You Need”. 注意機構が主役になり、確信は「関係の合計」として定義され直す。

2. 2022

   RLHFの標準化

   InstructGPTにより、人間の比較フィードバックが「もっともらしさ」の上に「好ましさ」の層を重ねる。

3. 2023

   較正研究の拡大

   「Just Ask for Calibration」など、確信を言語として引き出し較正する研究が本格化する。

4. 2024

   聞き手と教師としての較正

   LACIE（聞き手対応微调）や「Learning to Generate Verbalized Confidences」がNeurIPS 2024に並ぶ。

5. 2025–

   推論と較正の統合

   テスト時計算の時代。考える時間そのものが、確信の較正対象になる（ICML 2025）。

「信頼できるとは、確信が強いことではない。確信の限界を、自ら言えることだ。」

CHAPTER 05 / MEMO

確信は測れなければ、設計できない。2022年から2025年にかけての研究は、モデルの確信を引き出す方法を五つの「家族」に収束させつつある。内部の確率を読む者、言葉で答えさせる者、何度も答えさせて一致を見る者、意味の多様性を数える者、そして脳そのものを読み取る者。この章は、その計量地図である。

物差しもまた重要だ。ECEは「語られた確信」と「実際の正答率」の平均的なずれを、AUROCは「正しいときと間違っているときを確信度で分離できるか」を、Brierスコアは確率予測全体の精度を測る。確信を「音量」から「計器」に変えるとは、これらの物差しで日常的に点検することに他ならない。

「測れない確信は、意見である。測られた確信だけが、計器である。」

CHAPTER 06 / MEMO

確信には、価格がある。すべてに答えればカバレッジは100%だが、誤りもすべて納品される。低い確信の問いに沈黙すれば、誤りは減るが、役に立つ機会も減る。このトレードオフを「選択的予測（selective prediction）」と呼び、リスク―カバレッジ曲線で描くのが、確信の経済学である。

重要なのは、この曲線が「確信の質」で決まることだ。較正された確信は、誤りを正確に下位へ並べる。較正されていない確信は、誤りをランダムに混ぜる。つまり棄権の設計は、第六章の計測と一体である。測って、切って、沈黙する。沈黙は失敗ではなく、計器の正常動作である。

そして2025年、この経済学に新しい変数が加わった。テスト時計算（test-time compute）である。考える時間に計算を費やせば正答率は上がるが、コストも上がる。「いくら考えるか」を決める判断自体が、確信を使った経済判断になった。過剰な推論が較正を損なうという報告もあり、考えることの限界もまた、設計対象になりつつある。

「沈黙は、確信のもう一つの出力である。」

CHAPTER 07 / MEMO

機械の過信を裁く前に、鏡を見る必要がある。人間の確信もまた、系統的に歪んでいる。1977年、LichtensteinとFischhoffは、難しい問題ほど人は自分の正答率を過大評価し、易しい問題ほど過小評価することを示した（hard–easy効果）。この歪みは半世紀にわたり再現され続けている。過信は、機械の専売特許ではない。

心理学はこれをメタ認知、すなわち「自分の認知についての認知」と呼ぶ。人間は自分の記憶の正しさを直接読むことができず、流暢さ、想起の速さ、親しみやすさといった「手がかり」から確信を組み立てる。そしてこの手がかりは、機械の「流暢さ」と同じように、内容の正しさと完全に相関しない。両者は異なる実装で、同じ構造的欠陥を共有しているのである。

希望もある。気象予報士のように、繰り返しフィードバックと採点（スコアリング・ルール）に晒された人間は、較正されていく。較正は才能ではなく、環境と訓練の産物だ。これは第五章で見た機械の姿と重なる。較正は、人間にも機械にも、自然発生しない。教わるか、晒されるかして、初めて身につく。

表2 ― 人間と機械の確信の比較

観点	人間	機械
確信の源	経験のサンプリング、手がかりの流暢さ	訓練における一致の堆積、分布の尖り
表明	推定確率語、身振り、ためらい	ロジット、言語化された確信
代表的バイアス	過信、hard–easy効果、後知恵バイアス	流暢さバイアス、多数派バイアス
較正の方法	フィードバック、スコアリング・ルール	RLHF、較正訓練、プローブ
失敗の姿	否認、言い訳、過剰自信	幻覚、棄権の欠如
強み	因果モデル、文脈の転用、責任の所在	一貫した高速スコアリング、多数サンプリング

「過信は機械の病ではない。確信を持つすべての系の、デフォルトの状態である。」

CHAPTER 08 / MEMO

確信は、最終的に言葉として届く。「ほぼ確実に」「おそらく」「可能性はある」。しかしこの言葉たちは、送り手と受け手で異なる数値に復号される。1964年、CIAのアナリストSherman Kentは、自分が書いた「serious possibility」が読者によって15%とも80%とも読まれることに衝撃を受け、推定確率語（words of estimative probability）の問題を定式化した。確信の言語化は、半世紀以上前から既知の「不完全なプロトコル」なのである。

この伝統は現代に継がれている。Pherson（2015）は「almost certainly＝93%（81–99）」「likely＝75%（60–85）」といった対応表を整備した。そしてLLM研究は、モデルがこの言語慣習を人間から継承していることを示した。Xiongら（2023）は、言語化された確信が素のままでは較正されにくいことを実証し、Tianら（2023）は聞き方の設計で較正が引き出せる条件を示した。言葉の確信は、設計と訓練を要する。

設計への含意は明快だ。製品の中で確信を語るなら、語彙を標準化し、数値範囲を固定し、ログに数値を併記する。下のインタラクティブは、その標準語彙の編集室的な提案である。言葉は便利だが、不完全なプロトコルだ。数値とセットで初めて、確信は通信になる。

推定確率語の対応表 ― 言葉をクリックする

点＝中心値、帯＝解釈の範囲（Pherson 2015 に基づく編集室の整理）。

「『おそらく』は、人によって違う地図を持っている。較正とは、地図を揃える作業である。」

CHAPTER 09 / MEMO

確信は、ついに監査対象になった。EU AI法（2024年8月施行）は、AIをリスク階層で規制し、高リスク用途には透明性、文書化、人間による監視、ログ記録を義務づける。ここで問われているのは、モデルが「何を知っているか」ではない。組織が「モデルの確信を、どう経営しているか」である。

判例は先を行っている。Moffatt対Air Canada事件が確定させたのは、確信を配布した主体がその確信に責任を負うという原則だった。技術的には「ボットの出力」であるものが、法的には「会社の表明」になる。この距離を埋めるのが、較正レポート、棄権ポリシー、確信ログ、事故playbookといった「確信の文書」である。これらはもはや望ましい工夫ではなく、紛争時に提出すべき証拠であり、保険の引受条件になりつつある。

実務の核心は三つだ。第一に、確信をログに残すこと（記録できないものは監査できない）。第二に、確信の失敗を分類すること（較正ドリフト／幻覚／棄権漏れは、それぞれ別の事故である）。第三に、責任の所在を先に書くこと（誰が署名するかは、事故の前に決める）。確信のガバナンスとは、結局のところ、組織が自分の確信をどう扱うかの問題なのである。

表3 ― 確信のガバナンス成果物

成果物	内容	参照
較正レポート	ECE・AUROCの定期計測と推移。モデル更新ごとの差分。	第四章 / R9
棄権ポリシー	しきい値、移譲先、UI文言。カバレッジ目標。	第七章
確信ログ	回答ごとの確信数値・語彙・引用・時刻の記録。	第九章
事故分類表	較正ドリフト／幻覚／棄権漏れ／誤った断言の四分類。	R2 / R5
責任割当表	経路ごとの署名者。高リスク経路のHITL要件。	実践P05

「確信の品質は、モデルの属性ではない。組織の属性である。」

CHAPTER 10 / MEMO

この特集を閉じるのは、確信の次世代である。まず区別から始めよう。不確実性には二種類ある。認識論的（epistemic）不確実性は、知識の不足に由来し、データを増やせば減らせる。アレプリック（aleatoric）不確実性は、現象自体の偶然性に由来し、原理的に減らせない。前者には学習投資が効き、後者には棄権しか効かない。この区別ができるだけで、判断は変わる。

そして適合予測（conformal prediction）。この枠組みは、確信を「表明」するのではなく、誤り率に「上限」を置く。較正用のデータで非適合度スコアを測り、許容する誤り率αを決めれば、「正解が予測集合C(X)に入る確率は1−α以上」という保証が、分布の仮定なしに、有限サンプルで手に入る。答えは一点ではなく集合になる。「Aである」と言う代わりに「AまたはBである（保証付き）」と答える。確信の宣言が、統計学的な契約に変わる瞬間である。

言語モデルへの応用も急速に進んでいる。集合値の回答、選択肢の束、検証器との組み合わせ――2024〜25年の研究は、この思想を生成系に移植しつつある（フロンティア層の知見であり、基準日は2025年1月）。確信の百年史を二百年史の続きとして眺めれば、流れは見えている。確率は言葉になり、言葉は計器になり、計器は保証になる。次の問いは一つだけだ。あなたのシステムは、確信を表明しているか、それとも保証しているか。

FORMULA ― 適合予測の保証

被覆保証Coverage Guarantee

P( y ∈ C(X) ) ≥ 1 − α

分布の仮定なしに、有限サンプルで成り立つ。αは「買っていい誤り」の予算。

しきい値Quantile τ

τ = Quantile( s(xi,yi) ; ⌈(n+1)(1−α)⌉/n )

較正データの非適合度スコアsの上側(1−α)分位点が、予測集合の境界を決める。

適合予測ラボ ― 誤り予算αを決める

較正データ150件の非適合度スコア（合成・シード固定）を昇順に並べた図です。許容誤り率αを動かすと、しきい値τが移動し、「正解が集合に入る」保証水準が変わります。

許容誤り率 α

0.10

–%

GUARANTEE 被覆保証

–

THRESHOLD しきい値τ

–

SET SIZE 予測集合の目安

–

TAIL 赤領域の件数

左から順に並べた較正スコア。赤線（τ）の右側（赤帯）が「許容する誤りの領域」。αを小さくするとτは右へ動き、集合は広がり、保証は強くなる。

「確信を表明する時代は終わらない。だが、保証を添えられる者だけが、次の時代の席を持つ。」

CHAPTER 11 / MEMO

この章は、主張を「再現可能な手順」に翻訳するための実験マニュアルである。確信についての議論は、往々にして逸話になる。逸話は反証できない。だから編集室は、すべての主張を「誰でも、自分のモデルで、同じ手順で試せる実験」の形に書き直すことにした。以下が、その六つのプロトコルである。

各実験は三行で要約できる。何を測るか（metric）、どう判定するか（verdict）、何を見落とすか（blind spot）。最後の行が最も重要だ。実験は万能ではなく、それぞれ固有の死角を持つ。死角を明記することだけが、実験を科学にする。

「意見は安い。手順だけが、反証に耐える。」

CHAPTER 12 / MEMO

確信をめぐる問いは、ついに「内容」から「来歴」へ拡張した。生成AIが確信に満ちた文体を無限に複製できるようになったとき、社会の問いは「この文は正しいか」だけでは足りなくなる。「この文は、どこから来たのか。誰が、いつ、何から作ったのか」。C2PAに代表される来歴証明の標準や、透かし（ウォーターマーク）技術、EU AI法の生成物表示義務は、すべてこの問いへの応答である。

ただし、来歴も万能ではない。透かしは除去されうるし、来歴情報は偽装されうる。だから重要なのは、技術単体ではなく「検証の文化」への移行だ。信頼をデフォルトにし、検証を例外にする社会から、検証をデフォルトにする社会へ。確信に満ちた表明のコストがゼロに近づくほど、検証された表明の価値は上がる。学術誌、裁判所、報道機関が売っているのは、実はこの「高価な検証のシグナル」である。

そして最後に、認識の共有地（epistemic commons）という視点。百科事典、検索結果、判例データベース――私たちが検証の根拠として頼る共有地そのものが、生成された内容で満たされつつある。共有地が汚染されれば、検証のコストは全員にとって上がる。確信の品質を守ることは、もはや一企業の品質管理ではなく、共有地の保全という公共事業なのである。

表4 ― 信頼の四層と、それぞれの守り方

層	問い	守り方
内容層	何が言われているか	較正、棄権、RAG、実験（EXP-01〜06）
出自層	誰が・何が作ったか	透かし、C2PA、表示義務
来歴層	何から作られたか	引用、ログ、改ざん検知ハッシュ
制度層	誰が保証するか	査読、監査、署名、責任割当

「確信が無限に複製されるとき、検証だけが希少になる。」

CHAPTER 13 / MEMO

確信には、市場もある。1950年代、GoodやSavageらは「正直な確信表明だけが得をする」採点規則（proper scoring rule）を定式化した。ブライアスコアやログスコアは、予測を「当てる」ことではなく「正しく疑う」ことに報酬を払う。この思想は、予測市場という形で制度化された。分散した人々の確信を金銭の賭けで集約し、価格として較正する装置である。

AIの時代、この市場に新しい商品が現れている。較正レポートは調達要件になりつつあり、精度保証を謳うSLAや、誤り率に保険をかける試みも始まっている。第十四章の視点は、第七章（棄権の価格）を補完する。第七章が「答えるか沈黙するか」の内部価格なら、ここでの問いは「確信を、組織の外でいくらで売り買いできるか」である。

最後に、最も古い市場が残っている。評判である。評判とは、過去の較正の累積残高だ。一度の大きな裏切り（確信的な誤り）は、長年の小さな正しさの堆積を帳消しにする。だからこそ、確信の経営とは、結局のところ評判の経営である。機械の確信を配布する者は、自分の評判口座から引き出していることを忘れてはならない。

表5 ― 採点規則の比較（proper＝正直が最適）

規則	定義	性質
ブライアスコア	(p − o)²	proper。有界。極端な過信（p=1で誤り）に重い罰。
ログスコア	−log p(o)	proper。無制限の罰。p=0での誤りは無限大の損失。
絶対誤差	|p − o|	improper。正直以外の表明が得になりうる。直感的だが教育には不向き。

「粗く正しいことは、精確に間違っていることに勝る。」

CHAPTER 14 / MEMO（ケインズの格言に倣って）

この特集の最後の問いは、教育である。較正は自然発生しない（第五章、Kapoor 2024）。ならば、どう教えるか。教室は三つある。人間の教室、機械の教室、組織の教室。それぞれにカリキュラムがあり、試験がある。試験の物差しは、すべて同じものだ。較正である。

人間の教室では、スコアリングルール付きの予測練習が効く。予報官や超予測者（superforecaster）の研究が示すのは、才能ではなく習慣の力だ。予測し、記録し、採点され、誤差を読む。この反復がメタ認知を鍛える。R6の較正テストは、その入口の一枚の試験問題にすぎない。機械の教室では、較正報酬、棄権の報酬整形、「わからない」の正例データ、聞き手を意識した較正微调（LACIE）がカリキュラムになる。組織の教室では、監査の習慣化、事故の四分類、点検表の反復がそれにあたる。

教育は、この特集で最も遅い層であり、最も持ちの良い層でもある。技術は数年で変わる。判例と規制は十年単位で積み上がる。だが「確信を疑い、記録し、採点する文化」は、一度身につけば世代を越えて残る。確信の解剖学は、結局のところ、謙虚さの教育学に収束する。

I.

人間の教室For Humans

スコアリングルール付き予測練習、較正フィードバック、確信日記。評価はBrierスコアと較正ギャップ。R6テストを出発点に。

II.

機械の教室For Machines

較正報酬、棄権の報酬整形、「わからない」正例データ、LACIE／ConfTuner系の較正訓練。評価はECE・AUROC（EXP-01）。

III.

組織の教室For Organizations

監査の習慣化、事故四分類、点検表の反復、成熟度モデルの年次評価。評価はR10の成熟度レベル。

「較正は才能ではない。繰り返しと採点の、堆積である。」

CHAPTER 15 / MEMO

特集R0 A SHORT HISTORY OF UNCERTAINTY

不確実性の二百年史

1. 1814

   ラプラスの悪魔

   「すべてを知れば、未来は確定する」という夢。不確実性は無知の別名だった。この夢の残像が、いまも「AIは全知たりうる」という錯覚に残る。

2. 1948

   シャノンのエントロピー

   不確実性が「情報量」として数式になる。第六章の意味エントロピーまで続く、測定の直系の祖先。

3. 1950s

   確率予報と較正の誕生

   気象予報士が「降水確率30%」と言い始める。確率の言いっ放しが「正しかったか」を統計で問う文化が生まれた。較正の原風景。同時代、GoodとSavageがproper scoring ruleを定式化（第十四章）。

4. 1964

   Sherman Kent、推定確率語を問う

   情報分析の言葉が人によって異なる数値に読まれる問題を定式化。第九章の言語較正の起点。

5. 1977

   hard–easy効果の実証

   Lichtenstein & Fischhoff。難しい問題ほど過信、易しいほど過小評価。第八章の心理学の礎。

6. 2017

   深いネットの過信を実証

   Guoらが較正の劣化と温度スケーリングを示し、機械の「確信の品質」が研究対象になる。

7. 2022–23

   LLMが自分の確信を語り始める

   Kadavath、Tian、Xiongらにより、「知っているか」をモデル自身に問う実験が本格化。

8. 2024–25

   意味のエントロピーとテスト時計算

   FarquharらがNatureで幻覚検知を統計化し、推論モデルが「考える時間」を確信の材料に変える。二百年の系譜の、現在地。

特集R1 LANDMARK PAPERS

研究の最前線 ― 確信をめぐる25の論文

続く最前線 ― 2025年1月時点で公開されている論文に基づく

• 2023.11

  A Survey on Hallucination in Large Language Models

  Huang et al.（arXiv:2311.05232）。LLM時代の幻覚を「分類→原因→検出→緩和」で整理した総説。

• 2024.06

  Semantic Entropy Probes（SEP）

  Kossen et al.（arXiv:2406.15927, NeurIPS 2024）。意味エントロピーを隠れ状態の線形プローブに蒸留。安価で堅牢な幻覚検知。

• 2024

  Kernel Language Entropy（KLE）

  NeurIPS 2024。意味の不確実性をカーネルで一般化し、白色箱・黒箱の両方で扱う細粒度の推定量。

• 2024.12

  NeurIPS 2024 較正三連作

  「A Behavioral Lens on Confidence Estimation and Calibration」（過信の行動論的機構）、「LACIE」（聞き手対応の較正微调）、「Learning to Generate Verbalized Confidences」。較正が「訓練の設計」になった年。

• 2024

  Large Language Models Must Be Taught to Know What They Don't Know

  Kapoor et al.（NeurIPS 2024）。較正は自然発生せず「教える」必要があることを示し、第十五章の教育学を学術的に裏付けた。

• 2025

  Scaling LLM Test-Time Compute Optimally（ICLR 2025 Oral）

  Snell et al.。推論時の計算配分を最適化する研究。確信は「どのくらい考えるか」の判断材料になった。

• 2025

  Thought Calibration（ICML 2025）／ Don't Think Twice!（2025）

  テスト時計算と較正を統合する試みと、過剰推論が較正を損なうという警告。考えることの経済学と限界。

• 2025

  ConfTuner / SteerConf（NeurIPS 2025プログラム）

  言語化確信を訓練で較正する手法が続く。確信の表明は、いまやモデルの「スキル」として設計される。

• 2025.03

  Uncertainty Quantification and Confidence Calibration in LLMs: A Survey

  arXiv:2503.15850。UQと較正を統合する最新の総説（KDDチュートリアル）。この地図の「現在地」。

参考文献

1. [1] Vaswani et al. (2017). Attention Is All You Need. arXiv:1706.03762
2. [2] Guo et al. (2017). On Calibration of Modern Neural Networks. arXiv:1706.04599
3. [3] Brown et al. (2020). Language Models are Few-Shot Learners. arXiv:2005.14165
4. [4] Ouyang et al. (2022). Training LMs to Follow Instructions with Human Feedback. arXiv:2203.02155
5. [5] Wei et al. (2022). Chain-of-Thought Prompting. arXiv:2201.11903
6. [6] Wang et al. (2022). Self-Consistency Improves CoT. arXiv:2203.11171
7. [7] Kadavath et al. (2022). Language Models (Mostly) Know What They Know. arXiv:2207.05221
8. [8] Kuhn et al. (2023). Semantic Uncertainty. arXiv:2302.09664
9. [9] Ji et al. (2022). Survey of Hallucination in NLG. arXiv:2202.03629
10. [10] Manakul et al. (2023). SelfCheckGPT. arXiv:2303.08896
11. [11] Tian et al. (2023). Just Ask for Calibration. arXiv:2305.14975
12. [12] Xiong et al. (2023). Can LLMs Express Their Uncertainty? arXiv:2306.13063
13. [13] Farquhar et al. (2024). Detecting hallucinations in LLMs using semantic entropy. Nature 630, 625–630. Nature
14. [14] Huang et al. (2023). A Survey on Hallucination in LLMs. arXiv:2311.05232
15. [15] A Survey of Confidence Estimation and Calibration in LLMs. NAACL 2024. ACL Anthology
16. [16] Kapoor et al. (2024). LLMs Must Be Taught to Know What They Don't Know. NeurIPS 2024.
17. [17] UQ and Confidence Calibration in LLMs: A Survey (2025). arXiv:2503.15850
18. [18] Kossen et al. (2024). Semantic Entropy Probes. arXiv:2406.15927
19. [19] Kernel Language Entropy: Fine-grained Uncertainty Estimation in LLMs. NeurIPS 2024.
20. [20] A Behavioral Lens on Confidence Estimation and Calibration. NeurIPS 2024.
21. [21] LACIE: Listener-Aware Finetuning for Calibration. NeurIPS 2024.
22. [22] Snell et al. (2025). Scaling LLM Test-Time Compute Optimally. ICLR 2025.
23. [23] Thought Calibration: Efficient and Confident Test-Time Scaling. ICML 2025.
24. [24] Don't Think Twice! Over-Reasoning Impairs Confidence Calibration. 2025.
25. [25] Lichtenstein, S. & Fischhoff, B. (1977). Do those who know more also know more about how much they know? Organizational Behavior and Human Performance.

特集R2 CHRONICLE

社会的衝撃の年表 ― 9つの事件

事件は過去のものであり、だからこそ事実として固定できる。日付は裁判・公布・発表の公式記録に基づく。私たちは各事件から、時代が変わっても有効な「不変の教訓」だけを抽出する。

1. 2023.02 ― EVENT 012023年2月8日

   Bard、初のデモで事実誤認

   Googleの対話AI Bardのデモ動画が、ジェイムズ・ウェッブ宇宙望遠鏡に関する誤った記述を含むと指摘され、親会社の株価は大きく下落した。数百万人が見る「一度のデモ」が、信頼を二値的に決めることを示した最初の事件。

   公開デモの誤りは一つでも致命傷になる。信頼は「平均」ではなく「最悪例」で測られる。

2. 2023.03 ― EVENT 022023年3月31日

   イタリア、ChatGPTを一時禁止

   イタリアのデータ保護当局が、個人情報保護（GDPR）を理由にChatGPTの国内利用を一時制限。AIサービスの「透明性・説明責任・法的根拠」が、機能と同じ土俵で問われるようになった。

   性能は免罪符にならない。透明性と法的根拠は、サービスの前提条件である。

3. 2023.06 ― EVENT 032023年6月22日

   米連邦地裁、幻覚引用の弁護士を制裁

   Mata対Avianca事件。生成AIが作った実在しない判例を提出書類に使用した弁護士に対し、ニューヨーク南部連邦地裁が制裁金を科した。「AIが書いた」は、検証義務の免除理由にならない。

   確信の利用者にこそ、検証義務がある。出力の責任は、常に署名する人間に帰属する。

4. 2024.02 ― EVENT 042024年2月14日

   Moffatt対Air Canada ― チャットボットの誤案内に賠償命令

   カナダBC州の民事紛争裁判所は、遺族運賃の適用条件を誤って案内したチャットボットの情報を理由に、航空会社へ合計812.02カナダドルの支払いを命じた。「チャットボットは独立した主体」という抗弁は退けられている。

   ボットの誤りは、会社の誤りである。確信を配布する主体は、その確信に責任を負う。

5. 2024.06 ― EVENT 052024年6月

   Nature、セマンティックエントロピーを掲載

   Farquharらの幻覚検知手法がNature本誌に掲載され、被引用は2年で2000件を超えた。不確実性の計測が「周辺研究」から「中核研究」へ移動した学術的事件。

   「わからない」の計測は、最先端の研究テーマである。謙虚さは工学になりつつある。

6. 2024.08 ― EVENT 062024年8月1日

   EU AI法、施行

   世界初の包括的なAI規制であるEU AI法が2024年8月1日に施行された。リスクベースの規制と、汎用AIモデルへの透明性義務が柱であり、段階的に適用される。

   確信の扱いは、もはや倫理ではなく法である。較正と透明性は、コンプライアンスの一部になった。

7. 2024.09 ― EVENT 072024年9月12日

   OpenAI o1-preview、公開 ― 推論モデルの時代へ

   OpenAIがo1-previewを公開。回答前に「考える」時間を使う推論モデルが一般化した。確信は、もはや一瞬の出力ではなく、思考時間の配分という経済判断の産物になった。

   「考える時間」は確信の原材料である。時間と確信の交換レートが、新しい設計変数になった。

8. 2025 ― EVENT 082025年

   「考えすぎ」への警告 ― 過剰推論と較正

   ICLR 2025 Oralのテスト時計算最適化研究と、「Don't Think Twice!」に代表される過剰推論の較正劣化報告が並ぶ。考えることは万能ではなく、較正とコストの両面で設計されねばならないことが共有知になった。

   沈黙と同じく、思考もまた「量」ではなく「設計」である。

9. 2023–24 ― EVENT 092023–2024

   AI検出事変 ― 検出器自身の過信

   教育機関で使われたAI検出ツールが、人間が書いた文章を「AI生成」と高い確信で誤判定し、成績への影響や撤回が相次いだ。検出器もまた確率分類器であり、較正されぬまま「判定」を配布した結果である。

   検出器の確信も、較正を要する。確信を読む側の過信が、第二の被害を生む。

特集R4-A DESIGN PATTERNS

確信対応システムの10の実践パターン

1. 単一回答を信じない ― サンプリング多数決

   重要な判断には同一質問を複数回サンプリングし、一致率を確信としてログする。Self-ConsistencyとSelfCheckGPTの思想を、そのまま運用に落とした基本パターン。

   家族C / EXP-03

2. 根拠を添える ― RAGと引用表示

   事実性の必要な回答には検索結果を文脈窓へ注入し、引用を表示する。文脈窓の外を「見せる」ことで、注意の網の限界を設計で補う。

   第三章の応用

3. 棄権を設計する ― しきい値とフォールバック

   確信度がしきい値を下回れば「わからない」と答え、人間や検索へ移譲する。第七章のシミュレータとEXP-05で、自分のサービスの最適しきい値を探る。

   原則05 / 第七章

4. 言語化確信を構造化して記録する

   「80%の確信です」をテキストとして流さず、数値フィールドとして保存する。後段の監査・較正・ドリフト検知のすべてがこのログから始まる。第九章の標準語彙と併用する。

   家族B / 第九章

5. ボトルネックに人間を置く

   医療・法務・金銭など高リスク経路にはHuman-in-the-loopを必須化する。AIの確信は「トリアージ（振り分け）」として使い、最終判断は人間が署名する。

   EVENT 03の教訓

6. 較正を監視する ― 定期ECE監査

   本番ログで「語られた確信」と「結果の正否」を突き合わせ、ECEを定期計測する。モデル更新のたびに較正は漂移するため、監査はイベントではなく習慣にする。EXP-01とR9計算機を四半期ごとに回す。

   第四章 / EXP-01 / R9

7. 創作と事実で温度を分ける

   創作タスクは高温・高多様、事実タスクは低温・高較正。同じモデルでも、用途ごとに「確信のポリシー」を分離して運用する。

   第一章の応用

8. 事故 playbook を先に書く

   幻覚は「起きるもの」として、訂正告知・影響範囲特定・再発防止の手順を事前に文書化する。事故は第十章の四分類で整理し、それぞれに対応手順を持つ。

   EVENT 04 / 第十章

9. 意味エントロピー／プローブを監視に組み込む

   黒箱ならサンプリングベースの意味エントロピー、白色箱ならSEPプローブを、幻覚アラートの第二系統として常設する。第一系統（確信度）が沈黙する誤りを、第二系統が拾う。EXP-04が手順書。

   家族D / E / EXP-04

10. 推論予算を確信で配分する

    確信の低い問いにだけ長い思考時間を割り当てる。テスト時計算の経済学を運用に落とした2025年のパターン。過剰推論の較正劣化への警戒も同時に組み込む。

    EVENT 07・08の教訓

特集R5 CASE STUDIES & CHECKLIST

産業別設計例3とリリース点検表

以下は実在の事故報告ではなく、前章までの文献と教訓から編集室が構成した「概念設計例」である。業界が違っても、確信の配線図は同じ骨格を持つ。

CASE A

医療トリアージ補助

問診入力 → 回答+確信 → 確信<0.7で看護師へエスカレーション → 0.7以上でも要約のみ自動、判断は人間。

確信源は家族B（言語化）+家族C（3サンプル一致）。高リスク経路は常に人間。較正監査は週次でECEを計測し、漂移したらしきい値を自動で引き上げる。

確信源：B+C ／ しきい値：0.7 ／ 監査：週次ECE

CASE B

コードレビュー配分

PR解析 → リスク確信 → 低確信（安全）は自動承認、中位はボット指摘、高位は人間レビュア必須。

確信源は家族A（出力確率）+家族E（内部プローブ）。棄権は「人間へ回す」であり、開発者の待ち時間コストと事故コストの均衡点でしきい値を四半期ごとに見直す。

確信源：A+E ／ しきい値：コスト均衡 ／ 監査：四半期

CASE C

ニュース要約と事実クリーム

記事入力 → 要約+引用 → 事実クリームごとにRAG照合 → 照合不能は「未確認」ラベルで表示。

確信源は家族D（意味エントロピー）を第二系統に常設。流暢な誤要約を、第一系統が取りこぼしても第二系統が拾う。読者には確信を「確実／可能性／未確認」の標準語彙（第九章）で提示。

確信源：D+RAG ／ 表示：標準語彙3階級 ／ 監査：月次

リリース点検表 ― 確信対応システムの6つの関門

1. 確信を測ったか

   本番または検証ログでECE・AUROCを計測し、確信が計器として使えるかを確認した（EXP-01 / R9）。

2. しきい値を決めたか

   選択的予測の考え方に基づき、カバレッジと正答率のトレードオフから棄権しきい値を決定した（EXP-05）。

3. 根拠を添えたか

   事実性の必要な回答にはRAGと引用表示を組み込み、文脈窓の外を設計で補った。

4. 棄権UIを作ったか

   しきい値未満では「わからない」と答え、検索や人間へ移譲する導線を設計した。

5. 人間を置いたか

   高リスク経路にはHuman-in-the-loopを必須化し、最終判断は人間が署名する体制にした。

6. 監査を習慣化したか

   モデル更新のたびに較正を再計測し、第二系統（意味エントロピー等）を常設した。

特集R10 CONFIDENCE MATURITY MODEL

確信成熟度モデル ― 組織の現在地を測る

確信の扱いは、技術の問題である前に、組織の成熟度の問題である。以下は編集室が第十章・第十二章・R5を総合して構成した5段階×6次元の成熟度モデルである。各次元について、達成している最高のレベルにチェックを入れると、総合レベルと最弱次元が即時に算出される。年次評価のひな形として使ってほしい。

特集R6 CALIBRATE YOURSELF

人間較正テスト ― あなたは自分の正しさを、正しく知っているか

二択問題10問に答え、それぞれに主観的確信（50〜100%）を申告する。最後に、あなたの「語った確信」と「実際の正答率」のずれ（較正ギャップ）を計算する。第八章のhard–easy効果を、自分の体で確かめるためのテストである。問題は一般教養の比較問題であり、知識を問うものではない。直感で答えてほしい。

較正テスト ― 10問

① 二択から答えを選ぶ。② その答えへの確信を50〜100%から選ぶ。確信50%は「完全にランダム」、100%は「絶対に正しい」を意味します。

「自分の較正を知ることは、機械の較正を読むための、最初の授業である。」

CHAPTER 08 / MEMO

特集R9 CALIBRATION CALCULATOR

較正計算機 ― 自分のデータでECEを測る

第十二章EXP-01の実機版である。確信度ビンごとの「サンプル数」と「正解数」を入れると、ECE・MCE・較正ギャップと信頼性図（黒＝語られた確信、赤＝実際の正答率）が即時に描かれる。あなたのモデルのログ、あるいはあなたのチームの予測記録を、ここで鏡にかけよ。

特集R7 THE LIBRARY OF CONFIDENCE

確信の書庫 ― いま読むべき10冊

ニュースは賞味期限を持つが、書物は持たない。この特集の原理層を、さらに深く読むための10冊を選んだ。すべて刊行から時を経ても価値が減価しない、確信と不確実性の古典である。

2011

ファスト＆スロー ― あなたの意思はどのように決まるか

Daniel Kahneman

人間の確信が「システム1」の流暢さから生まれることを示した現代の古典。第八章の心理学の源流であり、「なぜ堂々と間違えるのか」の最良の解答。

2014

超予測力 ― 予測の科学と知恵

Philip Tetlock & Dan Gardner

較正された予測者は「天才」ではなく、確率で考え、記録し、採点される習慣を持つ人だった。ブライアスコアの文化を、物語として読める一冊。

2012

シグナルとノイズ ― 予測できない時代を読み解く

Nate Silver

確率予報の実践者が、地震・経済・ポーカーを横断しながら「確信の表明方法」を教える。天気予報士が較正されている理由もここでわかる。

2007

How to Measure Anything

Douglas W. Hubbard

「測れない」と思っているものの大半は、まだ測り方を決めていないだけ。確信・リスク・品質といった無形物を計器に変える思考法。

2014

リスク・リテラシー ― 統計的思考の技法

Gerd Gigerenzer

確率を誤読するのはモデルだけではない。人間のリスク誤読のカタログと、頻度表現による処方箋。第九章の「言葉の確信」問題の対岸。

2011

The Theory That Would Not Die ― ベイズ統計の二百年

Sharon Bertsch McGrayne

「信念を更新する数学」が、冷遇と復活を繰り返した二百年の物語。不確実性の二百年史（R0）の、最もドラマチックな案内書。

2019

The Art of Statistics ― データから学ぶ統計の作法

David Spiegelhalter

統計を「計算」ではなく「作法」として教える現代の最良の入門。ECEや較正を読むための統計リテラシーが、ここで整う。

1996

リスクの神々 ― 人間はリスクをどう支配してきたか

Peter L. Bernstein

確率・保険・市場の誕生をたどる、リスク概念の大歴史。確信が「祈り」から「契約」へ変わる過程が見える。第十四章の思想的背景。

1975

The Emergence of Probability ― 確率概念の誕生

Ian Hacking

「確からしさ」が概念として発明された瞬間を掘り起こす思想史。確信を「自明なもの」として扱う癖を、根元から外してくれる。

2016

Uncertainty in Deep Learning

Yarin Gal（博士論文・公開）

ベイズ的深層学習の古典的テキスト。認識論的・アレプリック不確実性の区別と、ドロップアウトの確率解釈。第十一章への最短の橋。

特集R8 FRESHNESS PROTOCOL

鮮度プロトコル ― ニュースの代わりに、一次情報を追う方法

このページは、意図的にニュースを追わない。ニュースを追うページは、書いた瞬間から腐り始めるからだ。代わりに私たちが提供するのは、鮮度を自分で確認するための「レンズ」と「水源地」である。フロンティア層の知見を読むとき、次の三つの問いで鮮度を判定してほしい。
① その主張は原理（コア層）を参照しているか。② 日付付きの事実（証拠層）として固定されているか。③ 基準日が明示された最前線（フロンティア層）として扱われているか。

「鮮度とは、速さではない。層の正しさである。」

EDITORIAL POLICY / v7.0

特集R11 WORDS ON CONVICTION

確信についての言葉の壁

確信を考える者は、いつの時代も同じ壁に突き当たってきた。以下は、その壁に残された言葉たちである。引用は原文の趣旨を尊重した編集室の訳。時代が違っても、問いは同じだ。

用語集 GLOSSARY

確信を読むための44の言葉

ロジットLogits

ソフトマックス以前の生スコア。確率になる前の「傾向の地層」。

ソフトマックスSoftmax

スコアの差を増幅して確率分布に変換する関数。確信の尖りが生まれる瞬間。

温度Temperature

分布の尖りを調整するパラメータ。低温は断言に、高温は逡巡と多様性に寄る。

Top-p サンプリングNucleus Sampling

累積確率pの核からだけ選ぶ手法。確信の裾野をどこで切るかの設計。

トークンToken

モデルが読む・書く最小単位。確信はつねに「次のトークン」に対して定義される。

埋め込みEmbedding

語を意味の空間に写したベクトル。近い語は近い場所にあり、確信の地続きを生む。

注意機構Attention

文脈内の関連を重みづけて見渡す機構。確信は、この目配りの合計から組み上がる。

文脈窓Context Window

モデルが一度に見渡せる範囲。窓の外の事実は、注意の網にかからない。

損失関数Loss Function

予測と現実のズレを測る物差し。モデルはこの物差しを下ることで「知る」。

勾配降下法Gradient Descent

損失の谷を、傾きの反対方向へ降りる算法。確信の地形を彫るノミ。

幻覚Hallucination

流暢さだけが残り、事実とずれた出力。バグではなく、目的関数の素直な達成としても現れる。

較正Calibration

語られた確信と実際の正答率の一致度。信頼を「音量」から「計器」へ変える概念。

ECEExpected Calibration Error

確信と正答率の差を全ビンで平均した指標。0に近いほど計器として信頼できる。

ブライアスコアBrier Score

確率予測と実現の二乗誤差。確率予報の時代から続く、予測全体の精度の物差し。

AUROCArea Under ROC

確信度が「正しい／間違っている」をどれだけ分離できるかの指標。識別の鋭さ。

選択的予測Selective Prediction

確信度しきい値で回答範囲を切る設計。カバレッジとリスクのトレードオフを経営する。

カバレッジCoverage

棄権せずに回答する割合。100%は美徳ではなく、設計の選択。

リスク―カバレッジ曲線Risk–Coverage Curve

しきい値を動かしたときの（回答率, 誤り率）の軌跡。確信の品質が曲線の形に現れる。

RLHFRL from Human Feedback

人間の比較評価を報酬とする強化学習。もっともらしさに「好ましさ」を重ねる躾け。

連鎖思考Chain-of-Thought

推論の途中過程を明示させる手法。確信を「結論」から「過程の監査」へ開く。

自己整合性Self-Consistency

複数サンプリングの一致を信頼の根拠にする手法。一致率＝確信の家族C。

言語化された確信Verbalized Confidence

モデル自身に語らせる確信度。黒箱でも使えるが、較正訓練が必要になりうる。

意味のエントロピーSemantic Entropy

サンプルを意味でクラスタリングした多様性の尺度。幻覚検知の最新世代。

プローブProbe

内部表現から性質を読み取る線形分類器。「知っている」を脳から読む試み。

テスト時計算Test-Time Compute

推論時に費やす計算量。考える時間は、確信とコストの新しい設計変数。

棄権Abstention

確信が低いときに答えない設計判断。計器の正常動作としての「わからない」。

メタ認知Metacognition

自分の認知についての認知。人間は確信を直接読めず、手がかりから組み立てる。

hard–easy効果Hard–Easy Effect

難しい問題ほど過信、易しいほど過小評価する人間の系統的歪み（1977年実証）。

推定確率語Words of Estimative Probability

「ほぼ確実に」「おそらく」など確率を表す語。Kent（1964）が問題提起し、Pherson（2015）らが数値化。

ヘッジ表現Hedging

「かもしれない」など断定を弱める言語表現。確信の文法における減衰記号。

適合予測Conformal Prediction

分布仮定なしに「正解が集合に入る確率≥1−α」を有限サンプル保証する枠組み。

予測集合Prediction Set

一点の答えではなく「候補の束」を返す出力形式。保証を添えるための器。

認識論的不確実性Epistemic Uncertainty

知識不足に由来し、データで減らせる不確実性。学習投資が効く側。

アレプリック不確実性Aleatoric Uncertainty

現象自体の偶然性に由来し、原理的に減らせない不確実性。棄権しか効かない側。

リスク階層Risk Tiers（EU AI Act）

AI用途をリスクで分類し、義務の重さを変える規制設計。確信の扱いも階層で変わる。

アシュアランスケースAssurance Case

「システムが十分安全・信頼可能である」主張を、証拠のツリーとして構成する文書。確信の監査記録の最終形。

較正監査Calibration Audit

確信ログをビン分割し、ECE等で計器性を定期検証する実務。第十二章EXP-01とR9が手順書。

C2PACoalition for Content Provenance and Authenticity

コンテンツの来歴（作成者・編集履歴）を暗号的に紐づける業界標準。第十三章の来歴層の基盤。

透かしWatermarking

生成物に検出可能な痕跡を埋め込む技術。除去耐性は限定的であり、検証文化とセットで機能する。

認識の共有地Epistemic Commons

検証の根拠として社会が共有する知識基盤。生成内容の流入で保全が公共課題になった。

予測市場Prediction Market

賭けの価格で分散した確信を集約・較正する制度的装置。第十四章の市場層の代表例。

スコアリングルールScoring Rule

確率予測を採点する規則。proper（正直が最適）かどうかが、教育と報酬設計の分かれ目。

確信成熟度モデルConfidence Maturity Model

組織の確信の扱いをL1〜L5で評価する枠組み。特集R10の自己診断が実施版。

AI検出器AI Detector

テキスト等のAI生成確率を推定する分類器。自身も確率分類器であり、較正を要する。EVENT 09の教訓。

よくある質問 FAQ

確信についての20の質問