制度的スケーリング法: 非単調な適応度、能力と信頼の乖離、そして生成系AIにおける共生遺伝的スケーリング

要約: 古典的なスケーリング則は、AIの性能をモデルサイズの増大に伴って単調に改善するものとしてモデル化します。これに対して、機関スケーリング則を導出することによりこの仮定に挑戦し、機関適合性 -- 能力、信頼性、手頃さ、主権を同時に測定する -- がモデル規模に対して非単調で、環境依存の最適点 N*(epsilon) を持つことを示します。私たちのフレームワークは、Han ほか（2025）のサステナビリティ指数をハードウェアレベルからエコシステムレベルの分析へと拡張し、能力と信頼が臨界規模を超えて形式的に分岐することを証明します（能力-信頼分岐）。さらに、Symbiogenetic Scaling（共生遺伝的スケーリング）補正を導出し、分野特化モデルを組織的に連携させたシステムは、それぞれのネイティブデプロイメント環境で最前線の総合モデルを上回ることを示します。これらの結果は、1943年から現在までの五つの時代にわたる正式な進化論的分類の枠組みの文脈で位置づけられ、最前線の研究室のダイナミクス、主権AIの出現、および RLHF から GRPO までのポストトレーニング・アライメントの進化の分析とともに解釈されます。機関スケーリング則は、次の相転移がより大きなモデルによってではなく、特定の機関ニッチに適合した分野別モデルのより緻密に統合されたシステムによって推進されると予測します。