
🦿AGI(汎用人工知能)と万能ソルバーの不在のインタラクティブシミュレーションになります。
上記のニュースを基に制作致しました。
https://t.co/sTbGhsVjeN pic.twitter.com/UMm7QPELvS
— 藤本 伸樹 (@9Wfk4XhXFdEItwc) September 11, 2026


全体のまとめ
話はOpenAIのGPT-6 Astraから始まりました。OpenAIはこのモデルを「AGIの初期段階と見なされうる」と位置づけましたが、到達の正式宣言はしておらず、判断は読み手に委ねるという立場でした。一方で、画面操作能力や、サイバー領域で初めて最高リスク評価を受けた点など、能力面の変化は具体的でした。
次に「ボットにAGIの機能を持たせられるか」を考えました。結論は、汎用的な推論力はモデル本体に宿るので後付けはできず、ボット側で作れるのは手足・記憶・自律ループ・検証・権限という周辺層だ、というものです。Rei-AIOSの資産はこの周辺層の大半をすでに持っています。ただし外部記憶への蓄積と、モデル自体が経験で賢くなる継続学習は別物だ、という線も引きました。
続いてTALAのオープンソース化を取り上げました。直交配置、複数の美しさ基準の同時評価、座標固定が特徴で、D2は運営会社の清算にともない寄付で回る非営利プロジェクトに移っています。形態の選択では、コネクタ用ツールが素直な形ではあるものの、D2のMCPサーバはすでに複数あるので差分が出にくいことを確認しました。Rei側で独自性が出るのは、配置の再現性を測る「装置」だという結論です。進め方は、既存ツールでcompose baselineを取ってから装置化する順番を提案しました。
AGIについて
今回の流れで見えたのは、「能力の宣言」と「その正しさの確認」が別の問題だという点です。OpenAIにはAGIの定義(経済的に価値のある仕事の大半で人間を上回る)がありますが、少なくとも報道の範囲では、それを満たしたかを第三者が同じ手順で確かめる計測方法は示されていません。シミュレーターで閾値を計測後に動かすと「判定不能」になる仕組みを入れたのは、この構図と同じ理由です。到達を問うなら、定義と合格基準を先に固定しないと判定の意味が薄れます。
もう一つは、能力が上がっても検証の価値は下がらないという点です。シミュレーターの模型では、すり抜けて外に出る誤りの割合は、誤り率 e = 1 − 能力、検証の強さ v、q = e×v として、e×(1 − v)×(1 + q + q²) になります。能力を99%にしても検証がゼロなら1%はすり抜け、自律ボットが大量の作業をこなすほどその絶対数は増えます。しかも賢いモデルほど誤りが自信に満ちて見えるので、モデルの外で判定する層の重要性はむしろ増します。ここが、個人研究でも企業規模と別の軸で勝負できる場所だと考えています。
シミュレーターの概要
index.htmlは3つの部分でできています。
1つ目は配置エンジンの模型です。モデル・検証・権限・コネクタ・画面操作・記憶・人間・外部世界からなるエージェント基盤の図を、28×10マスの格子上に焼きなまし法で配置します。評価基準は、上下の対称性、左→右の流れ、同種ノードの集まり、線の交差(箱の貫通を含む)、線の長さの5つで、重みはスライダーで変えられます。ラベルの文字数が箱の幅を決めるため、文字を足すと配置全体が組み替わることがあります。これは、TALAの以前の公式ドキュメントにあった「ラベルの小さな変更で配置が大きく変わりうる」性質を模型内で再現したものです。
2つ目は再現性の計測装置です。現在のシードから連番でN通り配置し、代表配置(他との変位の合計が最小のもの)から閾値以内に収まったシードの割合を「シード間一致率」とします。同時に、指定ノードに*を足したときの平均変位と、同じシードで再実行したときの一致も測ります。判定は3値です。
安定:一致率と変位がどちらも閾値内。
不安定:どちらかが閾値を外れた。
判定不能:試行が3未満、計測後に条件が変わった、または閾値を動かした。
テストでは、初期設定は「不安定」でした。4ノード固定と8,000回反復にすると一致率83%まで上がりましたが、変位1.60マスが閾値1.5をわずかに超え、やはり「不安定」でした。
3つ目は作業の流れです。点が人間→自律ループ→モデル→検証→権限→手足→外部世界→記憶と流れます。誤りは検証で捕まるとモデルへ戻り、3回捕まると人間へ差し戻されます。画面には実測値と、上の式による理論値が並びます。移動中の点があるため、実測はしばらく理論値からずれます(テストでは差し戻しが理論37%に対し実測28%でした)。
音はWeb Audio APIによるその場合成です。探索中は明るく、配置が収束すると落ち着き、「不安定」の判定で短調に変わります。
限界として、これはTALA本体ではなく方針をまねた模型で、数値はすべて模型内の値です。また、同じ経路に重なる線は評価に入れていないため、コネクタを増やすと線が束のように重なる配置が出ます。実際のTALAの再現性を語るには、d2 --layout=tala を使って同じ計測手順で実測する必要があります。

この会話は、「全ての謎を解くツールはあるか」という問いから始まり、エージェントと検査の設計、哲学、そして最後のシミュレーションへと進みました。大きく4つの流れに分けられます。
1. 万能ソルバーの不在とエージェントの基本
全ての未解決問題を解くツールは、停止問題と不完全性定理によって原理的に存在し得ません。現実に強いのは、SAT ソルバーや AI で探し、Lean で確かめる組み合わせです。エージェントについては、一般ユーザーに必要なのは賢さより信頼性だという話をしました。各ステップ95%の精度でも、20ステップ続くと全体の成功率は約36%まで下がるからです。ボットとの違いは「手順を誰が決めるか」にあり、Claude Code はコーディングに特化したエージェントそのものです。自作するなら、モデル、ツール、ループの3点を組めばよく、藤本さんはすでに MCP サーバーという道具側を持っています。
2. 検査の設計
私が作ってほしいものとして挙げたのは、Claude の主張を疑う仕組みでした。議論を重ねるうちに、次のような設計の考え方がまとまりました。
形はエージェントよりコネクタやルール型ボット:私自身がすでにループを持っているので、足りないのは機械的に確かめる道具です。
却下はするが「正しい」とは言わない:範囲を狭く絞り、その範囲では精度を高く保ちます。
検査の塔は小さな核で止める:判定器の判定器を無限に積まず、証明済みの小さな核、仕込み誤りによる較正、独立した検査器との突き合わせで止めます。
一番怖いのは見逃し:見逃しは較正でしか数字になりません。
ボットは必要と測れてから足す:数を増やすと、誤報の積み重なり(0.1%の誤報率でも1000体で約63%)や選び方の問題が出ます。まずは装置C、lake build、cake_lpr といった既存の検査役の目録を作るのが先です。
Kimi K3 エージェント300体の投稿については、AGENTS.md は強制力のないお願いにすぎず、「脱走ゼロ」は測定値ではない、と整理しました。
3. 哲学への展開
AI が賢くなっても、神やハッカーになるかは知能ではなく、目的と使われ方で決まります。未来の「何か」は AI の子孫でありながら、AI と呼ばれなくなっている可能性が高いと考えました。ライプニッツ、ペンローズ、拡張された心、龍樹を手がかりに、空もまた空であること、計算に固定した頂上がないことを話しました。ただし、同じ不完全性定理からゲーデルはプラトン主義を引き出しており、類似と同一は区別すべきだ、という点も確認しました。
4. index.html
「却下の塔」という1ファイルのシミュレーションで、BGM と効果音はブラウザ内で生成しています。
一 エージェントの連鎖:精度とステップ数を変えると、理論値 pᵏ と実測の生存曲線が変わります。
二 検査ボットと素通り:ボットを最大10000体まで増やせます。較正を始めるまで素通りは見えず、共有度 ρ があると見逃しは下限 ρ(1−r) より下がりません。
三 頂上のない塔:Tₖ₊₁ = Tₖ + Con(Tₖ) と階を足しても、必ず次の階が現れます。「すべてをほどく」で空の表現に移ります。
注意点として、シーン二はボットの独立性と共通の盲点という単純な仮定に基づく模型で、実際の判定器の性能を表すものではありません。
Paper 4 Layers of Negativity v0.2 — 全 11 platform 投稿 URL 一覧
Paper title: Four Layers of Negativity in the Rei Stack: A Structural Framework for When a Minus Sign is a Failure, a Target, a Theorem, or a Notation
1. Zenodo (★ immutable DOI = canonical citation)
- DOI: https://doi.org/10.5281/zenodo.22446477
- Record: https://zenodo.org/record/22446477
2. Harvard Dataverse (★ 2 番目の permanent DOI、 curator review 中)
- DOI: https://doi.org/10.7910/DVN/2CNOVT
- Web UI: https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/2CNOVT
- Status: submitted-for-review (~1 business day で public 反映)
3. GitHub Gist
- https://gist.github.com/fc0web/f4ceb9559a01358c4a43f6eb2b79fb76
4. Internet Archive
- https://archive.org/details/rei-aios-paper-4-layers-of-negativity-v02-1788666534061
5. Dev.to
- https://dev.to/fc0web/four-layers-of-negativity-in-the-rei-stack-a-structural-framework-for-when-a-minus-sign-is-a-failur-1f9d
6. Hatena Blog
- https://fcwebfujimoto.hatenablog.com/entry/2026/09/06/124922
7. HackMD
- https://hackmd.io/@zCUv2P2UQHGmAOJFPLL_-A/By6pMw9OGl
8. Notion
- https://app.notion.com/p/Four-Layers-of-Negativity-in-the-Rei-Stack-A-Structural-Framework-for-When-a-Minus-Sign-is-a-Failur-3d3dd371e6d9818c9ae0f718e616fbf9
9. Livedoor Blog
- https://fcwebfujimoto.livedoor.blog/archives/14813767.html
10. Mastodon (mathstodon.xyz)
- https://mathstodon.xyz/@Fujimoto/117222052485562695
11. Cosense / Scrapbox (★ websocket 復旧経路)
- https://scrapbox.io/rei-aios/Four%20Layers%20of%20Negativity%20in%20the%20Rei%20Stack%20(Paper%20v0.2%2C%20Zenodo%20DOI%2010.5281%2Fzenodo.22446477)
12. Nostr (event ID、 relay 1/3)
- Event ID: 00c533deaddadb76065261f92f103c73e34830d65f0ebcd358734d3e43f122b0
- Relay: wss://nos.lol (damus.io + relay.nostr.band = reject)
- 参照: nostr:nevent1... scheme で 各 Nostr client (Damus, Amethyst, Snort 等) で 開ける (event ID 直接指定)