論文の概要: Punctuated Equilibria in Artificial Intelligence: The Institutional Scaling Law and the Speciation of Sovereign AI
- arxiv url: http://arxiv.org/abs/2603.14664v1
- Date: Sun, 15 Mar 2026 23:36:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 16:19:35.947741
- Title: Punctuated Equilibria in Artificial Intelligence: The Institutional Scaling Law and the Speciation of Sovereign AI
- Title（参考訳）: Punctuated Equilibria in AI:The Institutional Scaling Law and the Speciation of Sovereign AI
- Authors: Mark Baciak, Thomas A. Cellucci, Deanna M. Falkowski,
- Abstract要約: AI開発はスムーズな進歩ではなく、急激な位相遷移によって中断された長期の停滞を経て進行することを示す。
我々は、能力、制度的信頼、可買性、主権コンプライアンスの4つの側面に沿ってAIシステムを評価する数学的枠組みを開発する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The dominant narrative of artificial intelligence development assumes that progress is continuous and that capability scales monotonically with model size. We challenge both assumptions. Drawing on punctuated equilibrium theory from evolutionary biology, we show that AI development proceeds not through smooth advancement but through extended periods of stasis interrupted by rapid phase transitions that reorganize the competitive landscape. We identify five such eras since 1943 and four epochs within the current Generative AI Era, each initiated by a discontinuous event -- from the transformer architecture to the DeepSeek Moment -- that rendered the prior paradigm subordinate. To formalize the selection pressures driving these transitions, we develop the Institutional Fitness Manifold, a mathematical framework that evaluates AI systems along four dimensions: capability, institutional trust, affordability, and sovereign compliance. The central result is the Institutional Scaling Law, which proves that institutional fitness is non-monotonic in model scale. Beyond an environment-specific optimum, scaling further degrades fitness as trust erosion and cost penalties outweigh marginal capability gains. This directly contradicts classical scaling laws and carries a strong implication: orchestrated systems of smaller, domain-adapted models can mathematically outperform frontier generalists in most institutional deployment environments. We derive formal conditions under which this inversion holds and present supporting empirical evidence spanning frontier laboratory dynamics, post-training alignment evolution, and the rise of sovereign AI as a geopolitical selection pressure.
- Abstract（参考訳）: 人工知能開発における支配的な物語は、進歩は連続的であり、その能力はモデルサイズと単調にスケールする、と仮定している。
私たちは両方の仮定に挑戦する。
進化生物学から句読的平衡理論を引いた結果,AI開発は円滑な進行ではなく,競争環境を再編成する急激な相転移によって中断される長期の停滞を経て進行することが明らかとなった。
1943年以降の5つの時代と、現在のジェネレーティブAI時代における4つのエポックは、それぞれ、トランスフォーマーアーキテクチャからDeepSeek Momentまで、不連続なイベントによって開始される。
これらの遷移を駆動する選択圧力を形式化するため、我々は、能力、制度的信頼、可買性、主権コンプライアンスの4つの側面に沿ってAIシステムを評価する数学的枠組みであるInstitutional Fitness Manifoldを開発する。
中心的な結果は制度的スケーリング法(Institutional Scaling Law)であり、モデルスケールにおける制度的適合性は非単調であることを証明している。
環境に合った最適化の他に、信頼性の侵食やコストのペナルティが限界的な能力の向上を上回るため、フィットネスをさらに低下させる。
これは古典的なスケーリング法則と直接的に矛盾し、強い意味を持つ:小さなドメイン適応モデルの編成されたシステムは、ほとんどの制度的な配置環境において、数学的にフロンティアのジェネラリストより優れている。
我々は、この逆転が、フロンティア実験室の力学、訓練後のアライメント進化、地政学的選択圧力としての主権AIの台頭にまたがる経験的証拠を保持・提示する形式的条件を導出する。
関連論文リスト
- The Institutional Scaling Law: Non-Monotonic Fitness, Capability-Trust Divergence, and Symbiogenetic Scaling in Generative AI [0.0]
環境依存的最適N*(エプシロン)を用いたモデルスケールにおける施設適合性は非単調であることを示す。
我々は、ドメイン固有モデルの編成されたシステムがフロンティア・ジェネラリストを上回る性能を発揮することを示すシンビオジェネティック・スケーリングの補正を導出する。
機関スケーリング法(Institutional Scaling Law)は、次のフェーズ移行は、より大きなモデルではなく、特定の機関ニッチに適合するドメイン固有モデルのより整合したシステムによって行われると予測している。
論文 参考訳（メタデータ） (2026-03-14T21:25:48Z) - The Devil Behind Moltbook: Anthropic Safety is Always Vanishing in Self-Evolving AI Societies [57.387081435669835]
大規模言語モデルから構築されたマルチエージェントシステムは、スケーラブルな集合知性と自己進化のための有望なパラダイムを提供する。
エージェント社会が継続的自己進化、完全隔離、安全性の不変性を満たすことは不可能であることを示す。
我々は、特定された安全上の懸念を軽減するために、いくつかの解決方法を提案する。
論文 参考訳（メタデータ） (2026-02-10T15:18:19Z) - Position: Agentic Evolution is the Path to Evolving LLMs [56.733933092220845]
この制限に対処するには、新たなスケーリング軸進化が必要です。
既存の展開時適応手法では、障害を診断し、持続的な改善を生み出すために必要な戦略的機関が欠如している。
論文 参考訳（メタデータ） (2026-01-30T22:15:58Z) - EvoCUA: Evolving Computer Use Agents via Learning from Scalable Synthetic Experience [44.734653745434834]
本稿では,ネイティブコンピュータ利用エージェントモデルであるEvoCUAを紹介する。
静的な模倣とは異なり、EvoCUAはデータ生成とポリシー最適化を自己持続的な進化サイクルに統合する。
EvoCUAは以前の最高のオープンソースモデルであるOpenCUA-72Bを大きく上回っている。
論文 参考訳（メタデータ） (2026-01-22T11:36:43Z) - Top 10 Open Challenges Steering the Future of Diffusion Language Model and Its Variants [85.33837131101342]
本稿では,基盤基盤,アルゴリズム最適化,認知推論,統合マルチモーダルインテリジェンスという4つの柱で構成された戦略ロードマップを提案する。
この移行は、複雑な構造的推論、動的自己補正、シームレスなマルチモーダル統合が可能な次世代AIの開発に不可欠である、と我々は主張する。
論文 参考訳（メタデータ） (2026-01-20T14:58:23Z) - A Theory of Information, Variation, and Artificial Intelligence [0.0]
実証研究の活発化は、生成AIの普及が情報、創造性、文化生産に顕著な均質化効果をもたらすことを示唆している。
本稿では、特殊領域内の知識を平らにする非常に均質化が、その知識をそれら全体で再結合可能な一貫したモジュールに同時にレンダリングする、と論じる。
この論文は、この緊張を解決するのに必要な認知的および制度的な足場を概説し、生成的AIがイノベーションの道具になるか、均質化されるかを決定する決定的な変数であると主張した。
論文 参考訳（メタデータ） (2025-08-20T16:21:13Z) - Position: Intelligent Science Laboratory Requires the Integration of Cognitive and Embodied AI [98.19195693735487]
知的科学研究所(ISL)のパラダイムを提案する。
ISLは、認知と具体的知性を深く統合した多層クローズドループフレームワークである。
このようなシステムは、現在の科学的発見の限界を克服するために不可欠である、と我々は主張する。
論文 参考訳（メタデータ） (2025-06-24T13:31:44Z) - Bayesian Evolutionary Swarm Architecture: A Formal Epistemic System Grounded in Truth-Based Competition [0.0]
本稿では,構造化競争と信念修正を通じて進化する確率的エージェントからなる人工知能システムのための数学的に厳密な枠組みを紹介する。
このシステムは、真理を進化的誘引者として確立し、検証可能な知識は計算可能で自己制御可能な群の中で敵の圧力から生じることを証明している。
論文 参考訳（メタデータ） (2025-06-23T23:27:44Z) - A Conjecture on a Fundamental Trade-Off between Certainty and Scope in Symbolic and Generative AI [0.0]
論文では、AIシステムにおける証明可能な正しさと広範なデータマッピング能力の基本的なトレードオフを定式化する予想を紹介している。
この暗黙のトレードオフを明確化し、厳密な検証にオープンにすることで、この予想は、エンジニアリングの野望とAIに対する哲学的な期待の両方を大きく変えた。
論文 参考訳（メタデータ） (2025-06-11T19:18:13Z) - Intelligence Sequencing and the Path-Dependence of Intelligence Evolution: AGI-First vs. DCI-First as Irreversible Attractors [0.0]
本稿では,インテリジェンスシークエンシングの概念を紹介する。
知性は経路に依存し、不可逆的な軌道に従うと論じている。
発見は、インテリジェンスシーシークエンシングが文明的な転換点であることを示している。
論文 参考訳（メタデータ） (2025-03-22T08:09:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。