選択爆発を抑制する階層拘束型AIフレームワーク

― MSHD–HSTG に基づく決定的推論・省電力化・ハルシネーション耐性 ―

抄録

大規模言語モデルをはじめとする現代的AIは、推論時に複数候補を並列生成・選択する構造を前提としており、その結果として「選択爆発（selection explosion）」が生じる。本現象は、推論時電力消費の増大だけでなく、法律・医療・行政など高信頼性領域におけるハルシネーションの主要因となっている。

本稿では、この問題をモデル規模や学習手法の問題ではなく、推論構造そのものの問題として捉え直す。著者が提唱する Matsuura Structural Hierarchy for Discrete Dynamics（MSHD）および Hierarchical Structural Twin Generator（HSTG）に基づき、分岐を前提としない決定的・階層拘束型推論フレームワークを提示する。

本フレームワークは、有限深度の階層支配により候補生成を構造的に制限し、推論経路を一意化する。便宜上、この設計思想に基づくAIを Matsuura Hierarchical Constraint AI（MHC-AI） と呼称する。

本研究は、（i）選択爆発がハルシネーションの構造的原因であること、（ii）階層拘束により説明可能性・監査可能性が本質的に向上すること、（iii）推論時電力消費が典型条件下で約50％、用途を限定した場合には最大80％程度低減し得ることを理論的に示す。

本フレームワークは、創作性よりも再現性・正確性・安全性が重視される後発AIエコシステム、とりわけ日本の法律・医療・行政分野に適した構造的基盤を提供する。