All Posts

はじめに：モデル単位の「有効／無効」だけで十分なのか 機械学習や統計モデルを本番環境で運用していると、避けて通れないのが、入力分布、対象母集団、環境条件などの変化です。 センサーの経年変化、市場環境の急変、利用者層の変化、設備構成の変更。モデルが設計・学習された時点で想定していた条件が、運用中も永久に維持されるとは限りません。 このような変化が検出された場合、実際のシステムでは、モデル停止、再学習、フォールバック、人手審査への切替え、利用範囲の制限など、さまざまな対応が考えられます。 ここで一つ、さらに細かく考えてみます。 モデルそのものを「使える／使えない」と判定するだけで、本当に十分なのでしょうか。 同じモデル出力であっても、それを「順位付け」に使う場合と、「絶対確率」として使う場合と、「自動実行の判断」に使う場合とでは、必要な信頼性の性質が違います。 EU AI Actでは、高リスクAIについてライフサイクルを通じた適切な精度、堅牢性及びサイバーセキュリティが求められています。またISO/IEC 42001は、AIに関するリスクを継続的に管

――フィジカルインターネットで最後に残る「その判断を採用してよいのか」という問題 本日、オンザリンクス社と、「検証可能なフィジカルインターネット」構想を発表しました。 今回のプレスリリースでは技術の仕組みを紹介していますが、GhostDrift数理研究所として、この構想を考えるうえで特に重要だと感じている論点を一つ書いておきたいと思います。 それは、 AIが良い物流計画を作ることと、複数の企業がその計画を実際に採用できることは、別の問題ではないか。 ということです。 「全体最適」だけでは、企業は動けない 例えば、AIが複数企業をまたいだ非常に効率的な輸送計画を作ったとします。 全体の輸送距離が短くなり、積載率も上がり、コストも下がる。 数理的には優れた計画かもしれません。 しかし、その結果として一社だけに大きな遅延が発生するなら、その会社は参加できないかもしれません。 ある会社には納期という条件があり、別の会社にはコスト上限があり、さらに別の会社には車両や倉庫の制約がある。 つまり共同物流では、 「全体として良い計画か」だけではなく、「それぞれの

特願2026-198237/2026-201386：AI判断の正式採用から、実行結果の終結確認まで 株式会社GhostDrift数理研究所は、AIや最適化システムが生成した候補行為について、認可時の条件と実行後の状態を同一の単位で管理し、所定の終結条件が成立した場合に限って閉包証明情報を生成する「実行結果閉包技術」に関する特許を出願しました。 出願番号は、特願2026-198237/2026-201386です。 本技術は、当研究所が以前から研究・出願してきた有限閉包、ADIC及び責任OSの設計原理を、AI判断の検証から、その判断が実際に実行された後の状態確定まで拡張するものです。 責任OSの次の段階 判断を採用できても、実行結果が確定したとは限らない 責任OSは、AIの出力をそのまま業務判断として扱うのではなく、規則、証拠、権限、前提条件及び検証結果を確認し、企業が正式運用で採用できる状態へ変換する基盤です。 しかし、判断を正式に採用できたとしても、問題はそこで終わりません。 AIが選択した配送計画、設備操作、設定変更又はデータ送信を実行した後に

2026年9月2日、弊社では、評価に用いる妥当な物差しを変えても結論が反転しないかを機械検証する「評価OS（Evaluation OS）」をプレスリリース公開しました。[1] 今回のケーススタディでは、株式会社オンザリンクスの公開理念と公開行動の整合性を、証拠の解釈、評価軸の重み、判定基準などを組み合わせた60通りの条件で検証しました。結果は60通りすべてで同じとなり、最も厳しい条件でも70.0と、事前に設定した厳格基準68.0を上回りました。 これは「オンザリンクスは70点の会社」という意味ではありません。 妥当と認めた物差しを変えても、「公開理念と公開行動は整合している」という結論が反転しなかった。その下限が70.0だったという意味です。評価ルール、証拠、限界、実施コードも公開し、第三者が同じ計算を追試できる形にしています。[2] ただし、評価OSが対象とするのはサステナビリティ評価だけではありません。 企業の理念と行動、事業の成長性、プロジェクトの成果、技術の信頼性、品質や安全性など、複数の妥当な評価方法が存在し、その選び方によって結論が動

2026年8月25日付の物流専門紙『物流ニッポン』に、オンザリンクス株式会社が10月14日に開催する「製造業AI物流カンファレンス2026 in 広島」が掲載されました。 紙面では、「広島で10月イベント」「AIによる物流の変化」と題し、全国の経営者や物流責任者を対象とする定員1,000人のカンファレンスとして紹介されています。会場は広島国際会議場で、オンラインも併用されます。 当日は、オンザリンクス社の東聖也社長が「AIで物流はどう変わるのか」をテーマに講演します。物流を経営OSとして捉え、AIが在庫・発注・配置・輸送・人員・投資判断をどのようにつなぎ、最適化していくのかを解説する予定です。 また、中国運輸局、中国経済産業局、県立叡啓大学、物流関連企業などの登壇者による議論や、「広島は、AI物流の実験都市になれるのか？」をテーマとした公開討論についても紹介されています。 開催背景として、当社との実証・共同特許出願を紹介 記事では、カンファレンス開催の背景の一つとして、オンザリンクス社と株式会社GhostDrift数理研究所が2026年4月に戦略

― 法務省2026年ガイドラインが示した、「AIが答える」から「その答えを採用してよいか」への転換 「AIに契約書を読ませてもよいのか」 リーガルテックを巡って、長く問われてきたのはこの問題だった。 AIに契約書を読み込ませ、条項の不足やリスクを指摘させる。判例や法令を調査させ、契約書や社内文書のドラフトを作らせる。 こうした利用が弁護士法第72条との関係で許されるのか。それとも、弁護士ではないサービス提供者が法律事務を取り扱う「非弁行為」と評価されるのか。 2026年8月21日、法務省はこの問題について、新たに「ビジネス分野におけるAI等法務業務支援サービス提供と弁護士法第72条の関係について」を公表した。2023年の旧ガイドラインが主として契約書関連サービスを対象としていたのに対し、今回のガイドラインは、企業における法務業務支援をより広く対象としている。 ただし、今回示されたのは、個々のAIサービスに一律の適法性を与える「安全港」ではない。 弁護士法第72条は刑罰法規であり、最終的な該当性は、サービスの設計、機能、表示、利用目的、対象案件、実

AIアシュアランスを「評価する側」へ拡張するBeacon技術（特願2026-190686） 企業は、理念を掲げることができる。しかし、その理念が日々の経営判断、顧客対応、資本配分、ガバナンス、取引先との関係にまで実装されているかは、別の問題である。OECDが2026年に公表した初版の「OECD Responsible Business Outlook」は、世界の大手上場企業1万社の開示情報を分析し、その69%が何らかの責任ある企業行動に関するコミットメントを公表している一方、影響を特定し、対処する実施面には明確なギャップがあると報告している [1]。理念を持つことと、それを行動へ接続することの間には、構造的な断絶がある。そして、さらに難しい問題がある。企業を評価する側もまた、結論を動かせるという点だ。 許容評価世界集合による評価フロー 評価する側が結論を操作できる 企業の評価には、多くの選択が伴う。どの証拠を採用するか。どの指標に重みを置くか。成長性を重視するのか、資本効率を重視するのか。比較対象にどの企業群を選ぶか。合格ラインの閾値をどこに置く

―「体制がある」から、「その判断で本当に守られたことを検証できる」へ 2026年8月4日、日本ディープラーニング協会（JDLA）は、新たなAIガバナンス第三者認証制度「C認証（AI Governance Core Certification）」の運用を開始した。 C認証は、企業や自治体がAIを適切に管理・活用するためのガバナンス体制を、第三者として審査・認証する制度である。JDLAは対象となるコア事項として、「AIの把握・アセスメント・対応・担当組織決定」を掲げている。 これは、日本のAIガバナンスにとって重要な前進だと考える。 一方で、この動きが進めば進むほど、次の問いもはっきりしてくる。 組織としてAIガバナンス体制が整っていることと、ある特定のAI判断や実行について、そのルールが実際に守られたことは、同じなのだろうか。 本稿では、この「次の問い」について考えてみたい。 なお、筆者はAI判断の実行時検証を研究するGhostDrift数理研究所の代表であり、本稿の問題意識は筆者自身の研究と直接つながっている。その立場を踏まえたうえで、できる限り

画像AIの信頼性を、私たちは何によって判断すべきだろうか。 例えば、次のような製造ラインを考えてみる。 製品の外観検査にAIが導入されている。AIは製品画像を受け取り、「正常：99.8%」と判定を返した。精度指標も十分、入力ノイズに対する頑健性も検証済み、Grad-CAMで注目領域も可視化できている。 ところが後日、出荷先から不良品の報告が届く。調べてみると、品質上確認すべきだった端部が、前処理のCropで切り落とされていた。AIは端部を一切見ないまま「正常」と答えていたことになる。 confidenceは99.8%だった。頑健性検証にも通っていた。説明可能性ツールも、見えている範囲については妥当な注目領域を返していた。 では、何が欠けていたのか。 関連特許出願：特願2026-189870（画像解析ADIC) 「確信度が高い」は「正しい」を意味しない 画像認識モデルが返すconfidenceは、一見すると判断の信頼度そのもののように見える。 しかしGuoら（2017）は、現代的なニューラルネットワークにおいてconfidenceと実際の正解確率が

派生データ、AIモデル、出力、鍵、操作資格まで含めて利用可能性の終了を検証――特願2026-188701 1. AI導入は進んだ。しかし、企業はまだデータを安心して渡せない 生成AIの業務利用が広がるなかで、AI導入に残る重要な壁の一つは「AIの性能が足りない」ことではない。 IPAが2024年7月に公開した「AI利用時のセキュリティ脅威・リスク調査報告書」によれば、AIのセキュリティ脅威を感じる回答は平均60.4％にのぼり、AI導入・利用可否にセキュリティ対策が重要とする回答は生成AI利用者で75.0％に達した。さらにIPAが2025年8月に公開した「企業における営業秘密管理に関する実態調査2024」では、生成AIを業務で「利用してはならない」とする企業が26.2％あり、組織内に閉じた環境で秘密情報まで扱える企業は11.0％にとどまった。 企業がAI利用を慎重にする要因の一つが、一度AIに渡したデータを、その後どこまで制御できるのかという問いに対して、十分な答えを持てないことである。 AI導入の「最後の壁」 2. 本当の問題は「送信」ではなく、

GD-Attention・意味生成OS・責任OSで考える、自社固有の意思決定アーキテクチャ 2026年8月13日、GhostDrift数理研究所は、「GD-Attention」と「意味生成OS」に関する2件のPCT国際出願番号が付与されたことを発表し、両技術の限定された数理核をLean 4で公開した。 GD-Attentionの国際出願番号はPCT/JP2026/023749、意味生成OSはPCT/JP2026/025235である。ただし、PCT国際出願は各国における特許権の成立を意味しない。また、公開したLean 4コードも、完成したAIシステムや実行可能なランタイムではない。「どの意味状態へ遷移してよいか」「複数候補から何を選ぶか」という限定された命題を、第三者が機械的に確認できる最小形式検証核である。 では、この二つの技術を、責任OSまで接続すると何が見えてくるのか。 本稿で提示したいのは、完成済み製品の説明ではなく、次の研究仮説である。 AIをつくれる企業の次の差別化資産は、モデルそのものだけではない。 モデルが「どの状態へ進み、何を選び

Agentが「できる」ことと、企業が「実行してよい」ことは同じではない AIエージェントの進化によって、AI開発の焦点はモデルの性能だけではなく、その「外側」へ広がり始めている。 AIにどのような環境を与えるのか。 どのようなツールを使わせるのか。 どのように状態を維持し、評価し、フィードバックを返し、必要な境界を守らせるのか。 2026年2月11日、OpenAIはこうした問題をHarness Engineeringという言葉で論じた。 その記事には、象徴的な一文がある。 “Humans steer. Agents execute.” OpenAIは、人間の主要な仕事がコードを直接書くことから、エージェントが信頼性高く仕事を進められる環境を設計し、意図を明確化し、フィードバックループを構築することへ変化したと説明している。 Anthropicも2026年1月、agent harnessを、モデルがagentとして行動することを可能にするシステムとして説明した。入力の処理、tool callのオーケストレーション、結果の返却などを含み、agentを

「選択」と「意味状態遷移」を検証可能にする二つのAI基盤技術 先日、GhostDrift数理研究所は、「GD-Attention」と「意味生成OS（Meaning-Generation Operating System／MG-OS）」に関する2件のPCT国際出願と、両技術の限定された数理核をLean 4で形式化した公開リポジトリについて発表しました。 この発表だけを見ると、一つの疑問が生じるかもしれません。 AIやアルゴリズムの判断を検証する「責任OS」を研究してきたGhostDriftが、なぜAttentionや意味状態遷移といった、AIアーキテクチャそのものを研究するのか。 今回の記事では、その理由を説明します。 結論から言えば、GD-Attentionと意味生成OSは、責任OSに代わる新しい事業軸ではありません。 私たちはこの二つを、 責任OSが目指してきた「検証可能なAI判断」という考え方を、AIの外側から、その内側へ一段深く伸ばしていくための基礎AI研究 として位置づけています。 ▼関連するプレスリリース https://prtimes

IntelligenceからActionへ。その次に必要になる「Responsibility Layer」と責任OS 2026年、バーティカルAIはどこまで来たのか。 「業界特化型のAIが普及した」とだけ捉えると、現在起きている変化を過小評価する。一方で、「AIが企業業務を自律的に遂行できるようになった」と言い切れば、実態を過大評価する。 米国Census Bureauの2026年調査では、2025年11月から2026年1月に何らかの業務機能でAIを利用していた企業は18％だった。しかもAI利用企業の57％は三つ以下の業務機能での利用にとどまり、66％はAIをタスクの代替ではなく補助だけに使っていた。EUでも2025年の企業AI利用率は19.95％で、大企業では55.03％まで上昇している一方、AI利用企業のうち物流用途で使っていた企業は6.08％だった。調査方法は異なるため単純比較はできないが、AIは企業活動へ着実に入りながらも、全面的な業務自律化にはまだ距離がある。 しかし、技術の境界は大きく動いた。 NISTは2026年、AIエージェントを

第Ⅱ期人工知能基本計画とAISIの「検証可能性」「観測と制御」が示す実装課題 多くの企業が、AI利用方針、リスク管理規程、人間による確認手順を整え始めています。これらは不可欠です。 しかし、AIが文章を生成するだけでなく、自ら計画し、外部システムを呼び出し、業務上の操作を実行する時代には、ルールが存在することと、特定の判断・実行においてルールが実際に機能したことは同じではありません。 必要なのは、次の問いに答えられるAIガバナンスです。 2026年の第Ⅱ期人工知能基本計画とAIセーフティ・インスティテュート（AISI）の文書を読むと、日本のAI政策は、制度やガイドラインを整える段階から、検証可能性、ログ、観測、制御、停止、適合性評価を含む「技術によるAIガバナンス」へ明確に踏み込み始めています。[1][2][3] ▼関連する発信 日本のAI主権は、国産モデル論を超えている 自律型AIの判断は「人間が確認すれば安心」と言えるのか——責任OS基礎理論を公開 1. 政府は「制度だけでは信頼できるAIを実現できない」と明記した 第Ⅱ期人工知能基本計画は、

日本が外交を通じて主導してきた「信頼できるAI」を、広島の産業現場で具体化する 2023年5月、G7広島サミットを受けて「広島AIプロセス」が立ち上がりました。生成AIを含む高度なAIシステムについて、安全性、透明性、説明責任などの国際的なルールを検討するため、日本がG7議長国として主導した外交プロセスです。2023年末には国際指針と国際行動規範を含む包括的政策枠組みが承認され、その後、フレンズグループやOECDの報告枠組みへと展開してきました。[1][2][3]そして2026年、政策上の焦点は明確に次の段階へ進みました。 これは、広島AIプロセスの名称を地域振興に利用するという話ではありません。国際的に合意されてきた原則を、企業の実際の判断、証拠、権限、停止、記録へ翻訳し、現場で機能する仕組みとして具体化するという提案です。▼関連する発信 日本のAI主権は、国産モデル論を超えている 医薬品コールドチェーンの機械検証PoC第1弾を完了、コードを公開 1. 広島AIプロセスは、日本の外交資産である 広島AIプロセスは、単なる会議名称ではありません。

このたび、経営者インタビューメディア「ビジョン図鑑」に、株式会社GhostDrift数理研究所のインタビュー記事を掲載いただきました。 記事タイトルは、「AIのブラックボックスは、そのままでも制御できる」です。 記事では、当研究所の創業の背景をはじめ、AIのブラックボックス問題、形式検証、AIの出力を正式な業務判断として採用する前に条件と証拠を検証するAIアシュアランス技術、責任の所在を記録・検証する「責任OS」についてご紹介いただいています。 また、株式会社オンザリンクスとの連携や、広島を起点としたAIアシュアランスの社会実装に向けた取り組みについても取り上げていただきました。 学生の皆様に丁寧に取材いただき、私たちの考えや活動を一つの記事としてまとめていただきましたことに、心より御礼申し上げます。 ぜひご覧ください。 ▼記事はこちら https://vision-zukan.com/posts/ghostdriftresearch/

分断された正しさは、戦略にならない 物流効率化法への対応は物流部門、AI導入は情報システム部門、品質は品質保証部門。それぞれが正しく取り組んでいても、分断したままでは、会社として一つのAI物流戦略にはならない。 2026年、製造業に求められているのは、物流の計画をつくることだけではない。政策、経営、現場データ、品質、AIの統制、責任を、一つの意思決定として接続することである。 法律が、物流を経営課題として明示した この問題意識は、抽象的な将来論ではない。2026年4月に全面施行された物流効率化法が、すでに制度としてこれを求めている[^1]。 対象となる特定荷主には、物流統括管理者（CLO）の選任が義務づけられた[^2]。CLOは単なる物流部門の責任者ではない。国土交通省が示すCLOの業務範囲には、開発・調達・生産・販売・在庫・物流の部門横断連携、設備投資やデジタル化、物流標準化、調達先・納品先・物流事業者との調整までが含まれ、「重要な経営判断に参画する経営幹部」から選任することが求められている[^2]。国の制度設計においても、物流は物流部門に閉じ

From Principles to Implementation On July 14, 2026, the Japanese government adopted Japan’s Second AI Basic Plan. The plan’s central concept, “Open AI Sovereignty,” does not mean building every component of the AI stack domestically. Rather, it envisions a posture in which Japan leverages the world’s best AI systems while avoiding excessive dependence on any single country or company, and maintaining the capacity to independently select and operate the technologies it relies

「原則」の時代から「実装」の時代へ 2026年7月14日に閣議決定された「第Ⅱ期人工知能基本計画」は、日本のAI政策における一つの転換点となった。同計画が掲げる「開かれたAI主権」は、すべてを国内で自給自足することではなく、世界のAIを活用しながら、特定の国や企業への過度な依存を避け、主体的な選択と継続的な運用能力を保持する構想である。これを企業の実運用まで落とし込むと、「判断・制御・責任の主導権を、誰がどのように保持するのか」という課題が浮かび上がる。 同月、AIセーフティ・インスティテュート（AISI）が公表した「AIセーフティに関する評価観点ガイド 第1.20版」では、エージェント型AIの台頭を踏まえ「観測と制御」の評価観点が新たに追加された。AIの能力評価だけでなく、AIの能力評価だけでなく、運用時の観測と制御が、安全性を考える重要な評価論点として位置づけられた形だ。 政策と原則は整いつつある。では、それを現場でどう動かすのか。 10月14日、広島に産官学が集まる 2026年10月14日、広島国際会議場にて「製造業AI物流カンファレンス