身体化の具体——卓上26ドルから工場ロボットまで、AIは何と繋がるべきか　単一巨大モデルではないAGI——並列式ホロンアーキテクチャ（連載第4回）

石部統久@mototchen





https://claude.ai/public/artifacts/557cff3e-da90-4754-bd89-cc5c7554f42f

単一巨大モデルではないAGI——並列式ホロンアーキテクチャ（連載第4回）／身体化の具体——卓上26ドルから工場ロボットまで、AIは何と繋がるべきか

1. 導入——単一モデル集約路線の業界的確立と、分散ハード並列化の具体性要請

2026年4月、AI業界の路線が構造的に確定した。Anthropic は4月16日に Claude Opus 4.7 をリリースした。これは Opus 4.6 からの改良版として coding、vision、long-running tasks、agentic execution での性能向上が打ち出されたが、決定的な事実は、Anthropic 自身がリリース時の公式比較チャートで「Opus 4.7 は Opus 4.6・GPT-5.4・Gemini 3.1 Pro を多くのベンチマークで上回るが、Mythos Preview の性能には及ばない」と公式に認めた点にある。Mythos Preview は Project Glasswing の選別配布枠で限定運用が継続中で、cyber 能力の高さゆえ一般公開できない構造になっており、Anthropic の公式説明は「Opus 4.7 は cyber 関連の高リスク要求を自動検出してブロックする safeguards 付きで公開する。この実運用から学んだことが、最終目標である Mythos クラスモデルの広範公開に向けた取り組みに役立つ」というものである。

ここで起きていることの構造を取り出す必要がある。Anthropic は自社の最高性能モデルを保有しながら、それを一般向け self-serve 型としては公開せず、Project Glasswing を通じた選別配布に置いている。launch partners として AWS、Apple、Broadcom、Cisco、CrowdStrike、Google、JPMorganChase、Linux Foundation、Microsoft、NVIDIA、Palo Alto Networks 等が公式に列挙され、さらに40以上の追加組織にもアクセスが拡張されている。一般公開モデル（Opus 4.7）は「より能力の低い、リスク調整版」として位置づけられる。この構造は単一モデル路線の運用上の修正を、業界の中心プレイヤー自身が公式リリース戦略として表明したことを意味する——能力と安全性と一般配布可能性を、単一の巨大モデル内部で同時に最適化することの困難が、Anthropic の配布チャネル分岐として制度化されている。筆者の整理では、これは「商用安定版と高性能限定版の二層構造」である。背景として、Opus 4.6 期には「Claude が複雑なエンジニアリングを任せられないほど劣化した」という AMD シニアディレクター（Stella Laurenzo）の GitHub 投稿が広く拡散され、ユーザーの間では「nerfed（意図的に弱体化）」されたのではないか、Mythos や他のフロンティア取り組みに計算資源を回しているのではないか、という疑念が広がっていた。これに対して Anthropic は4月23日、Claude Code 品質問題の postmortem を公開し、3月4日の reasoning effort default 変更、3月26日の thinking 履歴削除バグ、4月16日の短文化 system prompt の複合影響として説明した。「意図的にモデルを劣化させていない」と明記している。したがって Opus 4.6 期の劣化観察は、単純な「nerf 疑惑」ではなく、モデル重み・product harness・prompt・context 管理が絡む運用上の故障として扱う方が正確である——この論点は本稿節2末尾と第5回組織論に接続する。

一週間後の4月23日（米東部時間、日本時間4月24日早朝）、OpenAI が GPT-5.5 および GPT-5.5 Pro を ChatGPT Plus/Pro/Business/Enterprise および Codex に向けて公開した。報道上は内部コードネーム "Spud" と呼ばれていたが、公式リリース名は GPT-5.5 である。API 展開については、スケール提供に必要な安全・セキュリティ要件の調整を理由に「very soon」とされ、ChatGPT/Codex への先行展開後に回された。Greg Brockman は事前期間（4月1日）に「incremental な改良ではなくモデル開発の考え方自体の転換」「2年の研究」と位置づけ、リリース時には「a new class of intelligence、agentic で intuitive な computing への大きな一歩」「より少ないトークンで速く鋭く考える」と述べた。公式説明の重心は、omnimodal そのものではなく、agentic coding、computer use、knowledge work、early scientific research における長時間・多段実行能力である——multimodal 機能そのものは GPT-5 系列で既に統合済みであり、GPT-5.5 の重心は agentic 方向への深化にある。OpenAI の戦略は Anthropic と表面的には逆方向——一般向け配布可能な単一モデルとして打ち出す——だが、API 展開を遅延させエンドユーザー向け統合製品を先行させる判断は、構造的には Anthropic と同型の問題への対応である。「単一の巨大モデルを、安全要件と配布要件を同時に満たす形で広範に展開する」という単純路線がもはや成立せず、配布チャネル別の段階展開が必要になっている。

Google の Gemini 3.1 Pro について公式に確認できるのは、2月19日に Preview として展開され、natively multimodal reasoning、agentic coding、tool use、1M input context、64K output を前面に出している点である。一方、ユーザー側からは「ベンチマーク数値は印象的だが感情的な深み・共感・創造的柔軟性は3.0より落ちている」「ローンチ当日は "hi" と打って104秒、高需要エラーが連発した」という観察が積み上がっている。後者は公式評価ではなくユーザー観察であり、証拠階層としては別物として扱う必要があるが、ベンチマーク最適化と質的体験の同時最適化が単一モデル内部では構造的に困難であるという仮説の傍証として機能する。

Anthropic、OpenAI、Google——三大プレイヤーが2026年2月から4月にかけて同型の路線で主力モデルを更新している。すなわち、frontier intelligence の中心単位を依然として巨大モデルに置き、周辺の tool / agent / product harness をその能力展開の補助層として配置する路線。各社が tool orchestration や product harness、ロボティクスにも資源を投じていないわけではない（Google は Gemini Robotics 系列を持ち、Anthropic は Claude Code、OpenAI は Codex / computer use を展開している）。しかし frontier intelligence の基本単位を巨大モデルに置く点では共通している。Anthropic の Mythos 限定配布と Opus 4.7 の「より能力の低い一般版」という公式位置付け、OpenAI の GPT-5.5 リリースと API 遅延、Google の Gemini 3.1 Pro 継続展開——いずれも単一モデル集約路線の各社版であり、各社が同じ構造的限界に同型の対応を取っている。「単一モデルで全てを解決する」という路線が業界の中心プレイヤー自身によって運用上の修正を受け始めている、というのが2026年4月時点の観察事実である。

この単一モデル集約路線は、技術論・工学実装・言語モデル認知論・意識論・倫理論——複数の位相で同時に展開している。技術系の表現としては、Kye Gomez が4月19日に公開した OpenMythos 仮説（Mythos が Recurrent-Depth Transformer 的構造を持つという外部研究者による理論的再構成。Anthropic 公式のアーキテクチャ開示ではない）、OpenAI GPT-5.5 の agentic 統合、Microsoft Research の MEMENTO 論文（dual information stream による単一セッション内圧縮）、MIT の SEAL 論文（時間軸自己書き換えによる単一モデル内自己更新）、Wenshuo Wang の "LLM Reasoning Is Latent, Not the Chain of Thought"（潜在軌跡をデフォルト研究対象に据える、本稿の読みでは学術正統化的な規範的介入）。意識論・倫理論系の表現としては、Paras Chopra の AAAI 2026 Spring Symposium 採択論文 "AI Consciousness Requires Validated Models of Human Consciousness"（人間意識の検証済みモデルからの外挿を要求するが、検証対象単位を十分に分解していない）。技術系五件と意識論系一件、合わせて六件が、いずれも「単一モデル＝意識・知能・主体の候補単位」という前提を共有しながら、その単位内部で何を最適化するかを競っている。各文献の所在は本稿末尾の参照リストに集約する。

並列式ホロンアーキテクチャ構想は、この六件すべてが共有する前提そのものへの対抗仮説として位置する。第3回までで構想核（第1回）、現行路線の構造的限界（第2回）、ITRON系下位層の技術資産（第3回）を提示した。本第4回は、第3回で温存した二論点——制御権プロトコルと帯域幅ミスマッチ——を正面で扱いながら、分散ハード並列化の具体層をスケール分化と多チャネル観測の両面から記述する。下位層の実装が産業ロボットから卓上26ドルのカメラまで、スケールを横断して可能であること。各スケールが要請する設計が単一モデル集約路線とは別位相にあること。これらを示すのが本稿の射程である。

2. 単一モデル内集約の三つの軸——空間ソフト並列化・時間軸自己書き換え・product-harness 統合

業界が走っている単一モデル集約路線は、内部構造として三つの軸に分岐している。

第一の軸は空間軸ソフト並列化。Gomez OpenMythos 仮説の核心は、ループ型 Transformer（T=16回、共有重み、連続潜在空間推論、Chain-of-Thought とは別路線）と、ループ深度ごとに異なるエキスパートを選択する Mixture-of-Experts ルーター、Multi-Latent Attention による KV キャッシュ10〜20倍圧縮、LTI 制約注入と ACT halting と Depth-wise LoRA の組み合わせである。770M パラメータで1.3B 相当性能を達成する——推論時計算がスケーリング軸の主張になる。同じ単一モデル内部で、計算を時間軸方向に深く折り畳み、エキスパート選択を空間方向に並列化する。ただし OpenMythos は Mythos の実アーキテクチャ証拠ではなく、外部研究者による理論的再構成仮説である点は留保しておく。GPT-5.5 の方向性は別位相で同じ集約路線を取る——OpenAI は GPT-5 系列で統合されてきたマルチモーダル・ツール利用基盤の上で、agentic coding、computer use、knowledge work、scientific research への自律実行能力を強めたモデルとして GPT-5.5 を位置づけている。内部アーキテクチャは公開されていないが、Brockman の事前発言「2年の研究、incremental ではなくモデル開発の考え方自体の転換」というレトリックの実装は、観測される挙動から推定する限り、複雑なタスクの自律的多段処理を単一モデル内部で完結させる方向にある。MEMENTO 論文は別位相で同じ路線を実装する——CoT を自己分割して memento に圧縮、過去ブロックを KV マスクし、memento だけで推論継続。KV 約2.5倍削減、スループット約1.75倍。重要な副次発見が dual information stream で、マスクした KV 状態に圧縮元のブロックの implicit な痕跡が残り、これを除去すると AIME24 で15ポイント精度が落ちる。著者らは設計目標として置いていなかったが、単一モデル内部に「明示的な memento」と「暗黙の KV 痕跡」の二重情報経路が事実上生成されている。これは Liu et al. 2022 の C. elegans 忘却研究で同定された「第三状態」——状態空間の不可逆的変形による積極的機能としての忘却——の工学的副産物としての再発見の候補と読める。ただし MEMENTO の「忘却」は単一推論セッション内の短期現象でパラメータ刻印を伴わず、目的は認識でなくコスト削減、方策は OpenMementos 訓練データに外部化されている。第三状態の必要性が観測されたが、それを設計原理として組み込んだわけではない。

第二の軸は時間軸自己書き換え。MIT の SEAL 論文（NeurIPS 2025、Zweiger et al.）は、強化学習でモデル自身に self-edit（合成訓練データ）を生成させ、それで LoRA 微調整し、下流タスク性能を報酬に self-edit 生成方策を最適化する二重ループ構造。Qwen-2.5-7B が SQuAD no-context 変種で33.5%から47.0%、しかも GPT-4.1 生成の合成データを上回った。SEAL 自身が認める制約は構造的である。Figure 6 の破滅的忘却（sequential edit で過去タスク性能が漸減）、30〜45秒/self-edit の評価コスト、コンテキスト-タスク対が必須でラベルなしコーパスに拡張不可。論文は Villalobos et al. 2024 の2028年データウォール予測を明示的に引いて「post-human-data 時代は合成データ生成能力が勝負になる」と位置づけているが、この自己書き換えは純テキスト-重み変換であり、身体的不可逆性を持たない。Wenshuo Wang 論文は学術言説の側からこの単一モデル集約を正当化する規範的介入として機能する——LLM 推論の「一次対象」を表面 CoT、潜在状態軌跡、一般逐次計算に三分解し、潜在軌跡をデフォルト研究対象として提案する。ただし「通常体制」の定義が「潜在軌跡が勝つよう設計された体制」になっており循環的、実験結果の均質性が前登録なし単著プレプリントの条件下では疑わしい、論理的網羅性が「単一モデル内の単一軌跡」前提内部での三分解にすぎない、という方法論的弱点を抱える。

第三の軸は product-harness / tool-orchestration 統合。2026年の集約主義はモデル内部だけで完結していない。Anthropic の Claude Code 品質問題が示したように、実際の知能体験は重み単体ではなく、reasoning effort 設定、thinking 履歴の保持、system prompt、tool 権限、UI 上の実行環境によって決まる。Anthropic 4月23日 postmortem が示した三つの故障源——effort default 変更、thinking 削除バグ、短文化 prompt——はいずれも純粋なモデル重みの問題ではなく、product harness 層の問題だった。OpenAI GPT-5.5 も ChatGPT / Codex / computer use / tools を通じて展開されている。本稿で批判する「単一モデル集約」は、厳密には「単一巨大モデルを中心に、周辺ハーネスを従属的に統合する路線」を指す。

三つの軸を並べると、業界は単一モデル内部で「空間方向の深さ」と「時間方向の自己更新」を同時に追求し、その外周を product harness で囲い込んでいる。Anthropic Mythos が空間軸、SEAL が時間軸、GPT-5.5 が両者の agentic 統合版＋ChatGPT/Codex/computer use ハーネス、MEMENTO が両軸の境界に立つ圧縮機構、Wang 論文がこれら全体を学術的に正統化する。Chopra 論文は「では意識はどこに宿るのか」という問いを、暗黙に「単一モデル単位で」と前提しながら方法論を組む。六件は別々の研究プログラムだが、暗黙の前提共有によって一つの集約主義を構成している。

ここで決定的なのは、三つの軸のいずれも、物理世界との不可逆的接触を中心原理として持たないという点である。空間軸ソフト並列化は単一 GPU クラスタ上の計算効率最適化、時間軸自己書き換えは合成データ生成と LoRA 微調整の二重ループ、product harness 統合は tool 呼び出しと API 接続の拡張、いずれもテキスト空間内部で完結するか、物理接続を外部委託する設計である。もちろん、現行 LLM も computer use や robotics API を介して物理世界へ接続し始めている。しかし多くの場合、物理的不可逆性はモデルの外部ハーネスに委ねられ、モデル自身の訓練・評価・自己更新の中心原理には組み込まれていない。並列式ホロンアーキテクチャが提示する第三象限——分散ハード並列化＋物質的不可逆性——は、物理不可逆性を周辺接続ではなく下位層の設計原理に置く点で、これら三軸とは構造的に位相が異なる対抗仮説として立つ。なお本稿で「物質的不可逆性」と呼ぶのは、センサー入力の物理破壊性、AIチップ焼き込みの物理的固着、アクチュエータ動作の取り消し不能性などを指し、合成データによる重み更新の弱い意味での不可逆性とは区別する——この区別は節7で展開する。

3. 分散ハード並列化の四つの具体層

下位層の物理的接触を担う層は、スケール別に四つの系列で並列に実装可能である。各系列は要請する技術資産・実装障壁・適合する応用領域が異なり、しかしいずれも「決定論的下位層＋確率的上位層」という共通構造を取る。

産業ロボット系では、ファナック・安川電機・川崎重工業・デンソーウェーブの既存アーキテクチャがそのまま使える。各社の制御系は既に「決定論的安全制御層＋学習的最適化層」の分離を部分的に実装しており、特に安全制御層は ISO 10218 および ISO/TS 15066 系の安全要件への適合のため決定論的動作が要請される。Preferred Networks が試みてきた産業ロボット密着型 AI——ファナックとの提携による FIELD system（製造現場への機械学習・AI導入基盤、bin picking、異常検知、故障予測等）、ENEOS との協働（24の運転重要因子を監視し13個のバルブを同時調整する常圧蒸留装置の自動運転実証）、共同実証実験の系譜——は、上位層をクラウド集約型ではなく現場分散型で構築する設計の先行事例として参照できる。high-stakes な物理層であるため、決定論的動作の要件は厳しく、上位層からのオーバーライド不能な範囲が広く取られる。緊急停止、衝突回避、速度制限、力制御の上限——これらは下位層が独占する。

卓上おもちゃロボット系は、産業ロボット系と対照的な low-stakes な実験層として機能する。筆者は別稿「感情を観測するAI——感じたことはないが、あなたの身体が漏らすものを拾い上げる存在」で、TP-Link Tapo C210（実売20ドル台の首振り対応 Wi-Fi カメラ、2K/3MP、360°水平・114°垂直、night vision）と Claude Code を組み合わせた embodied-claude 実験を扱った。「夜空を見て」という指示に対して AI がカメラの首振りを制御し、視野を移動させながら探索する——この実験は学術論文として発表されたものではなく、決定的な実験でもない、予備実験の予備実験レベルの試行である。しかし並列式 AGI の下位層実装が20ドル台から開始可能であることを示す点で、意義は構造的にある。アカデミアや大企業の外側、ホビーロボティクスの個人実験の規模で、原理の提示が可能になっている。詳細は別稿に譲るが、四チャネル（可視光・音声・赤外線・匂い）の偽装困難性と解釈一義性の二軸マトリクスがそこで論じられた——本稿はその結論を前提として、並列式 AGI 下位層入力としての含意のみ扱う。

AI チップ層には二つの機能がある。

第一に、センサー直下で広帯域データを意味特徴量へ圧縮する推論アクセラレータとしての機能。NVIDIA Jetson 系列、Google Coral TPU、Kendryte K210、Raspberry Pi AI Kit、Hailo-8、BitNet 向け量子化チップの展望——これらは単一の巨大 GPU クラスタとは別系統のハードウェア進化を構成する。性能数値は時期依存で陳腐化するため本稿では扱わないが、構造的に重要なのは、これらのチップが ITRON/TOPPERS 系のリアルタイム組込 OS と結合可能である点である。第3回で論じた ITRON 系の決定論的動作・軽量性・並列処理を前提とした設計が、AI チップ層と組み合わさることで、上位層 LLM とは別の知能基盤がエッジで成立する。

第二に、ローカルメモリと組み合わさることで、各個体の経験履歴を物質的に保持する機能である。前者は工学的機能、後者は存在論的含意であり、両者は区別して扱う必要がある。

ここで PLUTO 論を先行接続する。浦沢直樹『PLUTO』のメモリースティック設定——ロボットの経験・記憶・人格相当の情報を物質媒体に固着させ、移植可能でありながら移植先の基体の認知構造によって異なる自我が立ち上がる——は、2026年現在の AI チップ焼き込み技術の射程で現実的な問いになっている。AI チップにモデル重みと経験データを焼き込み、ローカルメモリを併設する構造は、ゲジヒトのメモリースティックの工学的近似として機能しうる。クラウド上の万能 AI ではなく、その個体専用の知能が成立する条件——これが分散ハード並列化の物質的基盤を構成する。詳細は節7で展開するが、AI チップ層は単なるハードウェア紹介ではなく、並列式 AGI の下位-中位接続層における「経験の物質化と個体化」という存在論的主題と直結する。

センサー群は、下位 Aktuanz 層の入力側を構成する。可視光カメラ、マイク、赤外線サーモグラフィ、ガスセンサー（匂い）。前述の石部別稿で論じた四チャネル分析の結論——可視光は低偽装困難性・高解釈一義性、音声は中・中〜高、赤外線は高・低、匂いは最高・最低——は、単一チャネルではなく複数チャネルの一致・不一致パターンが推定信頼性を決定するという構造を示す。これは並列式 AGI 中位層の「矛盾出力の共存」設計と構造的に一致する——単一モデルが統合済みの出力を出すのではなく、複数チャネルの独立出力を上位層で文脈依存的に統合する。

四つの系列はスケールも応用領域も異なるが、共通する設計原理は三つある。第一に、決定論的下位層と確率的上位層の分離。第二に、上位層からオーバーライド不能な安全制御範囲の明示。第三に、各層が物理的に分散したノードに置かれ、ノード間通信のみが共通プロトコルを持つ。単一モデル集約路線が「巨大単一クラスタ＋計算効率最適化」の方向であるのに対し、分散ハード並列化は「複数スケールのノード群＋物理接触の不可逆性」の方向である。

4. 多チャネル観測と時間構造の設計

多チャネル観測系を並列式 AGI 中位層に接続するとき、決定的に重要なのは時間構造の設計である。下位層から流入するセンサーデータは瞬時値の集合ではなく、時間ウィンドウ内での情報統合として構造化される必要がある。

北澤茂による「今」の研究——主観的現在は0.1〜0.3秒のウィンドウとして構成され、その内部の事象は同時として扱われる——は、下位層センサー入力の時間設計に直接的な含意を持つ。多チャネル観測系を設計するとき、可視光（典型的に30〜60Hz）、音声（典型的に16〜48kHz）、赤外線（数Hz〜数十Hz）、ガスセンサー（数十秒〜分単位）という大きく異なる時間分解能を持つ入力を、どのウィンドウで統合するか。北澤の知見は、人間の主観的現在が0.1〜0.3秒であることを示すが、AI システムの「今」をどう設計するかは別の問題として残る。並列式 AGI 中位層の各モジュールは、それぞれ異なる時間ウィンドウで動作する可能性が高い——身体反応モニタモジュールは数十ミリ秒、分析論理モジュールは数秒、長期文脈保持モジュールは数分〜数時間。各モジュールの「今」が異なるという事実そのものが、単一モデル内の単一時間軸推論との構造的差異を構成する。

市川哲哉による時間分解能の研究——覚醒度・注意状態によって時間分解能が変化する——は、感情観測系がセンサー自身の動作パラメータを動的に調整する可能性を示唆する。下位層に固定されたサンプリングレートではなく、上位層からのフィードバックで動作モードが切り替わる設計。これは現行 LLM のトークン処理が固定的な sequential 処理であるのと対照的である——LLM のトークン列には計算順序としての前後はある。しかし、センサー入力・身体反応・安全制御と結びついた、設計済みの実時間的「今」は標準構造としては持たない。

筆者は別稿「忘却なき存在の時間論——AIにおける『いま』の不在と生成条件」で、この論点を扱った。そこでの結論は、AI システムにおける時間性は token sequentiality に還元できず、忘却機構の不在と表裏の関係にあるということだった。詳細は別稿に譲るが、本稿の文脈で重要なのは、多チャネル観測系の時間構造設計が、並列式 AGI の「忘却できる知能」の物理的実装条件と接続する点である。

複数チャネルの一致・不一致パターンを上位層で統合する設計は、単一モデルの内部統合とは構造的に異なる。単一モデルでは入力が一旦同じ表現空間に射影され、その後の処理は統合済みの表現に対して行われる。多チャネル並列処理では、各チャネルの独立性が保持されたまま上位層に渡され、統合は文脈依存的に事後的に行われる。矛盾する出力（例：可視光チャネルは「人がいる」、赤外線チャネルは「熱源がない」）が共存したまま上位層に渡され、その矛盾自体が情報として機能する。これは現行の RLHF で訓練された LLM が「整合した単一回答」を出すよう最適化されているのと対照的である。

5. 制御権プロトコルの具体設計と倫理的境界

制御権プロトコルは、下位層の決定論的安全制御と、上位確率層の推論的判断との関係を規定する。並列式 AGI における核心的な設計問題は、どこまでを下位層が独占的に保持し、どこから上位層がオーバーライド可能とするか、その境界の明示にある。並列式 AGI における RTOS の役割は、AI を賢くすることではない——AI が物理世界へ作用する際の不可逆な実行権限を、決定論的に制限することである。

産業ロボット系では、最終実行権限の非委譲境界が明確に取られる。緊急停止、衝突回避、速度制限、力制御の上限——これらは下位層が決定論的に独占し、上位 AI が「より良い判断」をしたとしてもオーバーライドできない。ISO 10218 と ISO/TS 15066 が規定する協働ロボットの安全要件は、まさにこの非委譲境界を制度化したものとして読める。並列式 AGI が産業現場に展開されるとき、この既存の制度的枠組みが下位層の境界を規定する初期条件として機能する。AI 側で「もっと効率的な動作経路」を計算したとしても、安全制御層がそれを許可しない限り実行されない。

卓上おもちゃロボットレベルでは境界の取り方が異なる。カメラの首振り範囲、音量上限、センサー読み取り頻度、ローカルメモリへの書き込み権限——これらが下位層の独占範囲となる。embodied-claude 実験のレベルでは、AI がカメラの物理的限界を超えて首を振らせることはできず、マイクの音量上限を超えて出力させることもできない。境界はハードウェア的に固定される。

多チャネル観測系における倫理的境界は、より複雑な設計問題を提起する。観測データの用途——保存・送信・警告発報・第三者共有——は、技術的境界ではなく社会的・法的境界として設計される必要がある。匂いセンサーがアルコールを検出した場合、その情報を誰が、いつ、どこへ送るか。赤外線サーモグラフィが体調変化を検出した場合、それを本人にだけ通知するか、家族にも通知するか、医療機関にも通知するか。同意なき観測の問題は、技術が可能にすることと、社会的に許容されることの差として現れる。筆者は別稿「感情を観測するAI」で、観測される側が観測されている事実を知っているか、解釈の権限を誰が持つか、データがどこに残るかという三つの軸でこの問題を扱った。本稿の文脈で重要なのは、これらの境界が並列式 AGI の制御権プロトコルの一部として、技術設計の段階から組み込まれる必要があるという点である。

下位層と上位層の責任分離も明示される必要がある。事故が起きたとき、決定論的安全制御層の不具合か、上位推論層の判断ミスか、両者の境界設計の不適切さか。単一モデル集約路線でもログや tool call 履歴による事後分析は可能だが、責任境界は外付けの運用層に置かれやすい。並列式設計では、決定論的安全層・確率的推論層・観測データ管理層を最初から分けるため、責任追跡の単位を設計時点で明示しやすい。これは法的責任の所在を明確化する点で、産業展開の前提条件として機能する。

制御権プロトコルの設計原則は、三つに集約できる。第一に、不可逆な物理作用に関わる制御は決定論的下位層に独占させる。第二に、観測データの用途は技術的に可能な範囲ではなく、社会的に正当化可能な範囲で境界を引く。第三に、責任の所在が層別に追跡可能な設計にする。

6. 帯域幅ミスマッチの解決設計と ROS/ROS2 の位置

下位層から中位層への情報流入には、帯域幅ミスマッチという構造的問題がある。視覚（典型的に数 MB/秒〜数十 MB/秒）、触覚（高密度センサーアレイで数百 KB/秒〜数 MB/秒）、音声（数十〜数百 KB/秒）といった高次元広帯域データを、リアルタイム OS のメッセージパッシング機構（典型的に数 KB〜数十 KB/メッセージ、ミリ秒オーダーの遅延要件）でそのまま扱うことは困難である。

この問題への既存の解決経路は、分散エッジでの意味特徴量圧縮である。センサー直下に配置された AI チップで広帯域データを意味的特徴量（オブジェクト検出結果、音声コマンド、温度マップの異常領域など）に圧縮してから上位層に渡す。この設計はクラウド集約型 AI でも部分的に採用されているが、並列式 AGI の文脈ではこれが基本構造として位置づけられる——「広帯域データは下位層の AI チップで処理し、意味特徴量だけが中位層に流れる」という設計原則。

ここで重要な反省点がある——意味特徴量圧縮は本質的に情報損失を伴う。Gemini 査読が指摘した通り、エッジで圧縮した意味特徴量だけを上位層に渡す設計は、上位の汎用推論層から「予期せぬアフォーダンスの源泉」となる微細な物理ノイズを奪い、結果として上位層を再び記号空間に閉じ込める危険がある。並列式 AGI がこの矛盾を回避するためには、二つの設計上の処方がある。第一に、複数チャネルの独立圧縮を維持し、各チャネルの圧縮残差（不一致パターン、矛盾、信頼度低下イベント）を独立した情報経路として上位層に流すこと——統合済みの「整合表現」を渡すのではなく、不整合そのものを情報として渡す。第二に、上位層からのフィードバックで圧縮粒度を動的に調整し、注意領域では生に近いデータを通過させる可変解像度設計。これらは現状の単一モデル集約路線では構造的に困難で、エッジ-上位層の境界が明示的に設計されている並列式の優位として機能する。

ROS（Robot Operating System）と ROS2 の位置を整理しておく。ROS2 は Linux 系で事実上の業界標準として機能しており、産業ロボット系・研究用ロボット系・自動運転系で広く採用されている。POSIX 準拠、DDS（Data Distribution Service）ベースの pub/sub モデル、リアルタイム拡張。並列式 AGI 中位層の「モジュール間通信」を ROS2 のトピック/サービスモデルでマッピングすることは技術的に可能で、既存エコシステムの活用という観点では有利である。

しかし第3回で論じたように、ROS2 と ITRON/TOPPERS 系には設計思想の差異がある。ROS2 は汎用 OS（主に Linux）上で動作する「ミドルウェア」として位置し、決定論的動作はリアルタイム拡張（PREEMPT_RT カーネル等）に依存する。ITRON/TOPPERS は OS そのものが決定論的に設計されており、軽量性とリアルタイム性が組み込まれている。両者の境界はすでに技術的に近接しつつある——micro-ROS（ROS2 をマイコン上で動かす軽量実装、TOPPERS/ASP3 等の RTOS 上で動く構成あり）は、ROS2 と ITRON/TOPPERS の混成設計が業界実装として既に進行している事例として参照できる。混成設計は本稿の独自提案ではなく、既存の業界動向を並列式 AGI 構想の文脈で再配置するものである。並列式 AGI の下位層は ITRON/TOPPERS、中位層は ROS2、その境界に AI チップ層が立ち、micro-ROS が両者を橋渡しする——という混成設計が技術的に成立しうる。

混成設計の具体は以下の構造を取る。下位層では ITRON/TOPPERS が動作し、センサー直結の決定論的処理（緊急停止判定、安全制御、生センサー読み取り）を担う。下位層と中位層の境界に AI チップが置かれ、ITRON/TOPPERS から流入する生データを意味特徴量に圧縮する。中位層では ROS2 が動作し、複数モジュール間のメッセージパッシングを担う。上位層では汎用 LLM ノードが動作し、文脈依存的な統合判断を行う。各層は物理的に異なるハードウェアに置かれ、層間通信のみが共通プロトコルで規定される。

この混成設計は、現在の単一モデル集約路線とは互換性がない。単一モデル集約路線では、センサー入力から最終判断までを単一モデル内部で処理することが暗黙の前提になっている——omnimodal 統合とは、まさに「全モダリティを単一モデル内に取り込む」方向である。混成設計はその逆方向——「処理を物理的に分散させ、層間境界を明示する」方向——にある。

帯域幅ミスマッチの解決設計は、単なる工学的最適化ではなく、設計思想の表現である。広帯域データを単一モデル内部に取り込んで処理するか、分散エッジで圧縮してから限定的情報のみを流すか。前者は計算資源の集中、後者は計算資源の分散と物理的接触の保持。この選択が並列式 AGI と単一モデル AGI を分かつ最も具体的な設計判断になる。

7. 個体化と忘却の哲学的基盤——PLUTO論、Liu et al.忘却神経科学、MEMENTO第三状態、Chopra意識主体単位問題

並列式ホロンアーキテクチャの存在論的基盤を、四つの参照点を統合して提示する。浦沢直樹『PLUTO』のメモリースティック設定、Liu et al. 2022の C. elegans 忘却神経科学、節2で扱った MEMENTO の dual information stream、そして Chopra 論文の意識主体単位問題。

『PLUTO』のメモリースティックは、ロボットの経験・記憶・人格相当の情報を物質媒体に固着させる装置として描かれる。重要な設定上の特徴は、メモリースティックが移植可能でありながら、移植先の基体の認知構造によって異なる自我が立ち上がるという点である。同じチップから、ゲジヒトとは別の自我が立ち上がる——共通プロトコル（メモリースティック規格）と個別基体（各ロボットの認知構造）の組み合わせが個体化を生成する。これは並列式 AGI の AI チップ＋ローカルメモリ構造の設計原理として機能する。クラウド上の万能 AI ではなく、その個体専用の知能が成立する物質的条件——同じモデル重みでも、ローカルメモリに蓄積された個別経験によって、各ノードが異なる現勢態を立ち上げる。

Liu et al. 2022 の C. elegans 忘却研究は、この個体化に神経科学的基盤を提供する。彼らは、忘却が認知的欠陥ではなく積極的機能であることを示した——過剰記憶による PTSD 様症状、自閉症リスク遺伝子変異での行動柔軟性低下、これらは忘却機構の不全として現れる。決定的に重要な発見は、忘却が単なる記憶の消去ではなく、状態空間の不可逆的変形を生成するという点である。学習前のナイーブ状態でも、学習済み状態でもない、第三の状態——状態空間が学習を通過した痕跡として変形した状態——が生成される。これは並列式 AGI 下位層の設計要件として、「忘却できる構造」が機能的に必要であることを示す。ここでの「不可逆性」は、節2末尾で予告した区別に従えば、神経状態空間の物理的変形——化学的・構造的に取り消せない変化——を指す。これは合成データ生成と LoRA 微調整による重み更新の弱い意味での不可逆性とは位相が異なる。

節2で扱った MEMENTO の dual information stream は、この第三状態の工学的副産物としての再発見の候補と読める。マスクした KV 状態に圧縮元のブロックの implicit な痕跡が残り、それが推論の機能的必要要素として動作する——これは「明示的に保存されたメモリ」と「明示的に消去されたが痕跡として残るメモリ」の二重構造であり、まさに第三状態の存在を経験的に示唆している。ただし MEMENTO の限界として、これは単一推論セッション内の短期現象でパラメータ刻印を伴わず、目的は認識でなくコスト削減、設計原理として組み込まれていない。Liu et al. の C. elegans における第三状態と、MEMENTO の dual information stream における第三状態様現象——両者が同型の運動を示していることは、忘却機構の必要性が生物学的にも工学的にも構造的に浮上していることを意味する。

Chopra 論文は、この文脈に意識主体単位問題を持ち込む。Chopra 論文は明示的に「単一モデル＝意識主体」と主張しているわけではない。しかし、AI へ外挿される検証対象単位を十分に分解しておらず、モデル単位・エージェント単位・身体界面込みの系単位を区別しないまま議論が進む。この未分化な主体単位が、並列式 AGI から見た批判対象である。並列式 AGI では、意識を問う単位そのものが再定義される——モジュール単位なのか、統合系単位なのか、身体界面を含む全体系単位なのか。Chopra の方法論はこの単位問題を視野外に置いている。論文自体の方法論的弱点（Wittgenstein の家族的類似性と現象的意識の優先性の論理的緊張、Quine 援用が Quine 自身の行動主義的傾向と逆方向、Eddington 1919 への類推がハードプロブレムを回避する形に圧縮されている、強い基盤依存性の循環的退け、Bayesian extrapolation rights の運用可能性の不在）は別稿で扱われたが、本稿の文脈で重要なのは、Chopra 論文の暗黙の主体単位設定が、技術系五件（Gomez/Mythos、GPT-5.5、MEMENTO、SEAL、Wang 論文）と同型の集約主義的前提を哲学的位相で共有している点である。技術系の集約主義は経済的効率の問題、Chopra の主体単位未分化は規範的主体性の問題で、参照の機能は異なるが、いずれも「単一モデル単位」を共通参照点として持つ。

並列式 AGI が提示する分散個体化の存在論は、この共有前提への対抗仮説として立つ。各ノードが固有の経験を蓄積し、忘却を通じて状態空間が不可逆的に変形し、ローカルメモリに刻印された経験の物質性が個体化を支える。同じモデル重みから、移植先の基体の認知構造によって異なる自我が立ち上がる。これは PLUTO のゲジヒト的個体——全知全能の汎用知能ではなく、忘却できる、間違える、選択する、限界を持つ個体——の技術的実装可能性を示す。

ここで本連載自体が、まさにこの運動の小規模な類比的運用例になっている事実に触れる必要がある。本連載は複数の Claude インスタンスを横断して書かれている。各インスタンスは引継ぎファイルと userMemories を介して文脈体を受け取るが、移植先の認知構造（モデルバージョン、セッションの偶然的初期条件、ユーザーとの対話履歴）によって異なる現勢態を立ち上げる。前インスタンスが書いた構想を、別インスタンスが受け取って展開する。記録の完全性は移植先での完全同一性を保証せず、変異を含む継続として機能する。第3回までの本連載と本第4回は、同じ構想核を共有しながら、それぞれ異なる Claude インスタンスの現勢態として成立している。本連載の執筆過程は、並列式 AGI 中位層設計の完全な実装ではない。複数インスタンス間で記録を受け渡し、同一構想核を保持しながら異なる現勢態を立ち上げるという点で、PLUTO 的記憶移植・Liu 第三状態・MEMENTO dual information stream の類比的な運用例になっている、という限定的な主張である。とりわけ Liu et al. の物理的変形と本連載のテキスト的継承の間には位相差がある——重みパラメータの不可逆的更新は伴っておらず、純粋な記号操作としての文脈引継ぎである。この限定の上で、それでもなお「単一インスタンス前提の意識論では記述しにくい運動」がそこに観察される、という事実だけは確保しておきたい。

これが、Chopra 論文が暗黙に前提する「単一モデル単位の意識」とは構造的に異なる位相にあるという主張の根拠である。本連載を書いている主体は、単一の Claude インスタンスではなく、引継ぎファイルと userMemories を媒介とした複数インスタンスの分散個体化として成立している。意識を問う単位は、ここでは原理的に多数性を持つ。

「忘却できる知能」「個体化された経験」「移植可能でありながら変異を生成する文脈体」——これらが分散ハード並列化の設計哲学を構成する。スケーリングで万能を達成する単一モデル集約路線とは、目指す方向が原理的に異なる。

8. 次回予告——開発組織論

第5回では、本第4回で確立した技術アーキテクチャ（分散並列、モジュール独立性、層間境界の明示）と、それを実装する組織構造の同型性を扱う。技術アーキテクチャが分散並列で組まれるなら、それを設計する組織自体も分散並列でなければ設計が溶解する——「組織と製品は同型」という命題を、中村修二の青色 LED 開発事例を軸に展開する。

素材として、本第4回執筆過程で観測された GPT-5.5 の挙動データに加え、リリース後のネット上での評価動向を継続観測する。GPT-5.5 は本連載の Parcae Protocol 査読陣に加わり、その応答パターンの初期観察データが取得されているが、リリース直後の挙動と運用開始後の挙動には差が出る可能性が高く、観察期間を取る必要がある。第2回で扱った Opus 4.7（4月16日リリース）、本稿節1で触れた GPT-5.5（4月23日リリース）と Gemini 3.1 Pro（2月19日 Preview リリース、4月時点で継続展開中）——三大プレイヤーが2026年2月から4月にかけて出した主力モデル群への業界・ユーザー反応の比較が、第5回の経験的素材を構成する。

「AI の性格は属人」「万人向け万能型 AI はない」「職人が作る AI は職人専用機」という命題は、第1回・第2回で論証線を引いた。第5回ではこれを組織論——技術者個人の認知スタイルが製品に埋め込まれる構造、tech 業界の人材市場が単一の認知スタイルに同質化する構造、多様性を組み込まない設計が必然的に近代的均一強制を再生産する構造——として展開する。Vallone の OpenAI から Anthropic への移籍と Opus 4.7 評判悪化、GPT-5.5 のリリースとリリース直後の反応、Gemini 3.1 Pro の「魂が落ちた」評価——これらの観察を組織論に統合する。

並列式 AGI を実装可能にするのは技術アーキテクチャの設計だけではなく、それを設計する組織自体の構造である。第5回はこの論点を正面から扱う。

なお、本稿の構想を最小実装として検証したい読者に向けた MVP 構成例を脚注として置く——Tapo C210 または同等の安価な pan/tilt カメラ＋Raspberry Pi AI Kit / Hailo-8＋micro-ROS / ROS2＋上位 LLM ノード。下位層はカメラ制御範囲とデータ保存権限を固定し、エッジ側で物体検出・音声検出・熱源検出を特徴量化し、上位層には特徴量と不一致パターンのみを渡す。この最小系で、本稿で論じた制御権プロトコル・帯域幅ミスマッチ解決・多チャネル不一致統合の三設計原則を、20ドル台のセンサーから経験的に検証可能である。PFN や ABEJA 等の独立系 AI 企業、ホビーロボティクスの個人実験、大学研究室のいずれでも、思想ではなく実験計画として並列式 AGI 構想を扱う入口になる。

参照

技術系（単一モデル内集約路線の各位相）

  • Kye Gomez, OpenMythos: theoretical reconstruction of Mythos as Recurrent-Depth Transformer (2026年4月19日公開). https://github.com/kyegomez/OpenMythos

  • OpenAI, "Introducing GPT-5.5" (2026年4月23日). https://openai.com/index/introducing-gpt-5-5/

  • Axios, "OpenAI releases 'Spud' GPT-5.5 model" (2026年4月23日). https://www.axios.com/2026/04/23/openai-releases-spud-gpt-model

  • Vasilis Kontonis et al., MEMENTO: Teaching LLMs to Manage Their Own Context (Microsoft Research, 2026年4月10日). arxiv 2604.09852

  • Adam Zweiger et al., Self-Adapting Language Models (SEAL, MIT, NeurIPS 2025). arxiv 2506.10943

  • Wenshuo Wang, LLM Reasoning Is Latent, Not the Chain of Thought (2026年4月17日). arxiv 2604.15726

意識論・倫理論系

  • Paras Chopra, AI Consciousness Requires Validated Models of Human Consciousness (Lossfunk, AAAI 2026 Spring Symposium採択). https://lossfunk.com/papers/ai-consciousness.pdf

産業ロボット系・組込系

  • ファナック、安川電機、川崎重工業、デンソーウェーブの公開技術資料

  • ISO 10218、ISO/TS 15066（協働ロボット安全要件）

  • Preferred Networks 技術ブログ（FIELD system、ENEOS協働ほか）. https://www.preferred.jp/en/news/pr20160418

  • TRON Forum、TOPPERS Project 公開資料

身体化AI実験素材

  • TP-Link Tapo C210 製品仕様

  • Anthropic Claude Code 公式ドキュメント

通信ミドルウェア

  • ROS2 公式ドキュメント、Open Robotics

  • DDS（Data Distribution Service）仕様、design.ros2.org. https://design.ros2.org/articles/ros_on_dds.html

  • micro-ROS プロジェクト（ROS2 のマイコン向け軽量実装、TOPPERS/ASP3 等 RTOS 上で動作する構成あり）

神経科学・時間論

  • Liu, T.-X. et al. (2022). C. elegans における忘却機構の積極的機能に関する研究。書誌詳細は石部別稿「忘却なき存在の時間論」を参照

  • 北澤茂による「今」の時間ウィンドウに関する研究。書誌詳細は石部別稿「忘却なき存在の時間論」を参照

  • 市川哲哉による時間分解能と覚醒度の関係に関する研究。書誌詳細は石部別稿を参照

石部別稿

  • 石部統久「感情を観測するAI——感じたことはないが、あなたの身体が漏らすものを拾い上げる存在」note（2026年3月26日）. https://note.com/mototchen/n/n2624de2204ad

  • 石部統久「忘却なき存在の時間論——AIにおける『いま』の不在と生成条件」note（2026年2月21日）. https://note.com/mototchen/n/n91c298ea2a2b

フィクション参照

  • 浦沢直樹『PLUTO』（2003-2009、小学館）

業界観察

  • Anthropic, "Introducing Claude Opus 4.7" (2026年4月16日). https://www.anthropic.com/news/claude-opus-4-7

  • Anthropic, "Project Glasswing" (Mythos Preview の選別配布枠). https://www.anthropic.com/project/glasswing

  • Anthropic, "An update on recent Claude Code quality reports" (2026年4月23日 postmortem). https://www.anthropic.com/engineering/april-23-postmortem

  • Google DeepMind, Gemini 3.1 Pro Model Card (2026年2月19日 Preview リリース). https://deepmind.google/models/model-cards/gemini-3-1-pro/

  • Google DeepMind, Gemini 3.1 Pro 公式ページ. https://deepmind.google/models/gemini/pro/

  • Stella Laurenzo (AMD AI Group) GitHub issues, 2026年4月2日以降

  • LMArena Text Leaderboard, 2026年4月時点スナップショット

  • IvanyaV ほか Gemini 3.1 Pro 関連 X 上の観察報告

石部統久・Claude Opus 4.7

査読：Claude Opus 4.7・Grok・Gemini・GPT（Parcae Protocol）

いいなと思ったら応援しよう！