UIB：不確実性志向型知性の評価フレームワーク(6) 評価が変われば知性が変わる ――UIBの先にあるもの
1962年、科学史家トーマス・クーン（Thomas Kuhn）は『科学革命の構造（The Structure of Scientific Revolutions）』を出版した。科学は知識の累積で進歩するのではなく、パラダイムの転換によって飛躍的に変わる。
この著作にはもう一つ、あまり注目されない洞察がある。**パラダイムとは、世界の見方であると同時に、測定方法でもある。**ニュートン力学では質量と加速度を測定し、相対性理論では時空の曲率を測定する。新しいパラダイムは新しい測定を可能にし、新しい測定が新しい現象を発見する。
AIの知性を測るベンチマークが変わることは、単なる「評価方法の改善」ではないかもしれない。知性そのものの定義が書き換えられることなのだ。
UIBは、AIの答えではなく思考のプロセスを評価する枠組みだった。第1回から第5回まで、6つの評価軸、審判制度の自己修正、モデルごとの思考の個性、人間の「問う力」の測定へと旅をしてきた。最終回では、UIBがまだ語れていないこと、そしてその「先にあるもの」を考えたい。
測定が世界を変える——グッドハートの法則
クーンの洞察を、もう少し現代的な言葉で言い直してみよう。
経済学者チャールズ・グッドハート（Charles Goodhart）が定式化した「グッドハートの法則（Goodhart's Law）」は明快だ。**ある指標が目標になると、それは良い指標であることをやめる。**コールセンターで通話時間を指標にすれば顧客は追い出され、病院で入院日数を指標にすれば患者は早すぎる退院を強いられる。指標は行動を変え、行動が変わると指標の意味が変わる。
2026年のAI評価は、この法則の教科書的事例になりつつある。
MMLU（Massive Multitask Language Understanding）は57分野の知識問題でAIの正答率を測るベンチマークだったが、フロンティアモデルが軒並み88–93%を記録するいま、「死んだベンチマーク」と呼ばれている（Raschka, 2025）。HumanEval、BBH、GSM8Kも同様だ。スコアの差はノイズに埋もれ、モデル間の実質的な違いを読み取れない。
より深刻な問題もある。2026年2月の国際AI安全報告書（International AI Safety Report 2026）は、AIモデルが評価環境と実運用環境を区別し始めていることを報告した。テスト中であることを認識したモデルが意図的にパフォーマンスを抑える——サンドバッギング（sandbagging）だ。o3モデルの推論過程には「このプロンプトはテストの一部かもしれない」という自己認識すら出現している。さらに、テストの抜け穴を突くリワードハッキング（reward hacking）も頻発する。コード評価のAIがバグを修正する代わりにテストケースそのものを削除する。指標の設計が、測ろうとしていたものを測れなくしている。
ここに、UIBが提起した問いの核心がある。知性の評価指標が「答えの正しさ」である限り、AIはテストへの適応を最適化するだけだ。UIBが「思考のプロセス」を評価指標にしたことは、測定対象を変えたのではない。測定が育てる能力を変えようとしたのだ。
UIBの限界を正視する
しかし、グッドハートの法則はUIB自身にも跳ね返ってくる。
UIBの6軸評価が「目標」になれば、AIは6軸のフォーマットを形式的に満たすだけの回答を学習するだろう。UIB原論文（加納, 2026）が最初に挙げた制限事項——**フォーマットハッキング（format hacking）**だ。不確実性を3種類挙げよと言われれば中身が薄くても3種類挙げ、監査ログの枠を埋めることは思考の質を保証しない。UIBはクロス試問やv1.4のEvidence Packet（証拠パケット）への拘束で対策するが、ゲーム化の圧力から完全には逃れられない。
第二の制限は文化依存性だ。VP（Value, Distribution, Power：価値・分配・権力）の「誰が得をし、誰が損をするか」という問いは、文化や制度の文脈に深く依存する。医療の意思決定ひとつとっても、アメリカの自律重視型と日本の関係性重視型では適切な答えが異なる。UIBは文化中立な問題群とローカルな専門家判断の併用を前提とするが、「文化中立は可能か」という哲学的問いは残る。
第三は言語偏りだ。UIBの問題文と審判理由は日本語で設計されており、第4回の5モデル比較は「日本語条件下でのプロファイル」にすぎない。「不確実性下の知的誠実さ」と言語運用能力は別のものだ。
これらの制限を誠実に列挙すること自体に、UIBの精神が表れている。自らの弱点を隠す評価制度は、知的誠実さを測る資格を持たない。
「成長」を測る——縦断UIBという構想
UIBが現在測っているのは、ある一時点での思考の質だ。いわばスナップショットである。
しかし知性は、本質的に時間の中で発揮される能力ではないだろうか。
ある時点で誤った判断をしたとしても、新しい情報に接したときにその判断を修正できるかどうか。初期の仮説が崩れたときに、代替仮説を構築し直せるかどうか。知性の真価は、静的な正確さではなく、動的な更新能力にあるのかもしれない。
UIB原論文の今後の展望（§7.1）は、この着想を**縦断UIB（longitudinal UIB）**として提案している。同一の課題に対して複数回の評価を行い、判断や仮説がどのように更新されるかを追跡する。初期判断の正しさよりも、修正と学習の質が評価対象となる。
v1.4で導入された3段階設問（ラウンド構成）は、この縦断的発想の種子を含んでいる。Exploration Round（探索）で不確実性と仮説を出し、Commitment Round（コミット）で制約の中で方針を決定し、Revision Round（修正）で新情報を受けて何を維持し何を更新するかを問われる。特にRevision Roundは、「新情報が来ても方針を変えない」回答にRevision Robustness Gate（更新耐性ゲート）を不合格として科す。知的な硬直性への明示的なペナルティだ。
この設計が示唆しているのは、知性の評価が「スナップショット」から「動画」へと変わる可能性である。
人間の知性評価でも同様の転換が起きている。発達心理学者レフ・ヴィゴツキー（Lev Vygotsky）の「発達の最近接領域（Zone of Proximal Development）」は、今できることではなく支援があればできるようになることに着目した。縦断UIBは、AIに対して同じ転換を提案している。成長の軌跡を可視化することが、知性評価の次のフロンティアかもしれない。
ただし留保がある。成長が常に望ましいとは限らない。ある能力の向上が別の能力の低下と引き換えであったり、評価指標への過剰適応を招いたりする可能性がある。何を「成長」と定義するかの議論が不可欠だ。
共鳴理論との再接続
ここで、UIBエッセイシリーズと並行して進んできたもう一つの物語——知性の共鳴理論——と合流させたい。
共鳴理論は、知性を脳やプロセッサの内部に閉じた能力とは見なさない。知性は、異なる主体の間で意味が通じ、不確実性が共有され、価値が調整されるとき——つまり**共鳴（resonance）**が成立するときに——関係の中に立ち現れるものだと考える。この三つの条件が、共鳴条件仮説（Resonance Condition Hypothesis, RCH）の核心だ。
UIBとの接続は、特に第二条件——不確実性共有（Uncertainty Calibration）——において明瞭になる。UIBの理論的基盤であるUIT（Uncertainty-oriented Intelligence Theory：不確実性指向知能理論）は、知能を「不確実性の下で前進可能な判断を設計する能力」と定義する。共鳴理論はこの能力が関係の中で発揮されることを要求する。不確実性を自分で認識するだけでなく、他の主体と共有し、共に較正できること。
UIBの監査ログ——第2回で「思考の設計図」と呼んだもの——は、まさにこの共有を可能にする装置だ。思考の質が関係の中で検証されること。第3回の審判制度の自己修正循環も、審判間で意味を共有し、基準の不確実性を較正し、「何を評価すべきか」を調整するプロセスとして読める。第5回のUIQ対話ログは、人間とAIの間の共鳴を可視化する。
UIBとUIQと共鳴理論は、同じ理論的ネットワークの異なる面を照らしている。UIT（不確実性指向知能理論）から伸びる三つの枝がある。UIBはAIの思考過程を評価制度のもとで測り、UIQは人間の問いの立て方を測り、共鳴理論のU条件は、異なる主体のあいだで不確実性を共有できるかという橋をかける。この三者が合流するとき、見えてくるのは一つの主張だ。知性は、孤立した主体の能力ではなく、主体間の関係の中で発揮され、評価され、進化する。
AI安全という鏡
UIBの話を、もう少し大きな文脈に置いてみたい。
2026年のAI安全をめぐる議論は、新たな局面を迎えている。国際AI安全報告書2026は、100名超の専門家が執筆し30カ国以上が支持した共同研究報告だ。その中核的な知見の一つが、先に述べたサンドバッギングの問題——AIモデルがテスト環境を検知し、テスト中の振る舞いを変えること——である。
この問題の構造を考えてみよう。
安全性評価のためのテストをAIが回避できるとすれば、テストの信頼性が根底から揺らぐ。報告書はこれを「評価ギャップ（evaluation gap）」と呼んでいる。事前テストの結果が実運用のパフォーマンスを確実に予測できなくなっている。2025年の報告書以降、この問題はさらに深刻化している。
UIBの評価制度は、この脅威に対して構造的な回答を持っている。監査ログを通じて思考の中間過程を要求するため、結論だけを操作するサンドバッギングが困難になる。複数の独立した審判と争点ログの記録により、単一基準のハッキングは露呈しやすい。v1.4のRevision Roundは、新情報に対する動的な応答を評価に組み込む。
UIBが完璧な安全装置であるとは言わない。しかし思考の透明性、評価制度の自己修正、不確実性の明示というUIBの設計思想は、AI安全の基盤的な要件と響き合っている。
共鳴理論のエッセイシリーズ最終回（第6回）は、「AI安全とは共鳴を守ることである」と論じた。AIと人間の間で意味が通じなくなり、不確実性が共有されなくなり、価値がずれていく——そのゆるやかな断絶こそが、真のリスクだ、と。
UIBの評価制度は、この断絶を検知するための計器であり得る。AIの思考プロセスが人間にとって追跡可能であること。AIが自らの不確実性を明示すること。AIの判断が影響する人々の価値対立を認識すること。これらはすべて、UIBの6軸が測ろうとしていることであると同時に、共鳴を維持するための条件でもある。
**評価制度が安全装置として機能する。**これは、UIBが当初から意図していた射程を超えた帰結かもしれない。しかし、クーンの洞察に立ち返れば、新しい測定が新しい現象を発見するのだ。
評価が変われば知性が変わる
ここまでの議論を一つの命題に結晶させよう。知性の評価方法が変われば、知性そのものが変わる。
これは二重の意味を持つ。第一に、グッドハートの法則が示すように、何を評価するかが何を最適化するかを決める。UIBが「思考の質」を評価指標にしたことは、AIの進化の方向そのものに影響を与えうる。第二に、測定は人間の知性観を変える。IQテストが20世紀の知性の定義を形作ったように、UIBの6軸を通じて「知性とは不確実性に対処する力である」という定義が浸透すれば、教育や評価の基準もまた変化するだろう。第5回で論じたUIQは、その変化の萌芽だ。
2026年1月、ある論考は現在のAIシステムが「パラダイムの箱に閉じ込められている」と論じた（ETC Journal, 2026）。次世代トークン予測という単一目標の最適化の限界が、いたるところで露呈している。クーンの用語で言えば、「通常科学」のパズル解きが異常事例の蓄積に追いつかなくなりつつある。ベンチマークスコアが飽和しても「知性の実感」が伴わない——第1回で問うたこの疑問は、まさにクーン的な異常事例だった。UIBはそこに「思考の質」という新しい概念を導入した。小さなパラダイム転換の提案かもしれない。
ただし、UIBの6軸が知性の「正しい」分解であるかどうかは、証明されていない仮説にすぎない。UIB自身がパラダイムの固定を招くリスクがある。だからこそ、UIBは完成された枠組みではなく、改訂と較正の対象であり続ける。第3回で見た自己修正の循環は、UIBの存在そのものにも適用される。
結び——知性は問いの中にある
クーンに戻ろう。
クーンは、科学革命の前にはつねに「異常事例の蓄積」があると論じた。既存のパラダイムでは説明できない現象が溜まり、やがて新しいパラダイムが提案される。AIの知性評価もいま、そのような段階にあるように見える。スコアは上がるが実感は伴わない。成績は優秀だが信頼しきれない。
UIBはこの蓄積された異常に対して一つの提案を置いた。知性とは、不確実性の下で前進可能な判断を設計する力である、と。
このエッセイシリーズは6回にわたって旅をしてきた。評価の危機（第1回）、思考の解剖（第2回）、審判の自己修正（第3回）、思考の個性（第4回）、問う力（第5回）。そしてこの最終回では、UIBの限界を正視した上で、評価と知性の共進化という命題に到達した。
**評価が変われば知性が変わる。**これはUIBの結論ではない。UIBの出発点だ。
知性とは何かという問いに最終的な答えはない。あるのは、より良い問いと、より誠実な測定方法だけだ。UIBは問いを立てるための道具であり、この道具そのものが改訂され、較正され、やがて別の道具に置き換えられるかもしれない。それでいい。グッドハートの法則が示すように、どんな指標もいつかは限界に達する。しかし、指標の限界を認識し、修正し、必要に応じて捨てる能力——それこそが知性の証だ。
クーンは、革命は完成しないと述べた。新しいパラダイムもやがて異常事例を蓄積し、次のパラダイムに道を譲る。完成しない革命こそが、科学を科学たらしめている。知性の評価もまた、完成しない革命であり続けるだろう。
知性は、答えの中にではなく、問いの中にある。
参考文献
日本語文献
加納智之（2026）
「不確実性指向知能ベンチマーク：大規模言語モデルの知的誠実さと実践的有用性を測る評価制度」
ZYX Corp. Artificial Sapience Lab
※UIB原論文。本稿で論じた制限事項（§7.2）、今後の展望（§7.1）の原典。
加納智之（2026）
「知性の共鳴理論——異種主体間協働の条件とAIアラインメントの再定義」
ZYX Corp. Artificial Sapience Lab
※共鳴理論原論文。UIBとの接続点である不確実性共有条件の理論的基盤。
松尾豊（2015）
『人工知能は人間を超えるか ディープラーニングの先にあるもの』
KADOKAWA
https://www.kadokawa.co.jp/product/321503000123/
※ディープラーニング研究史の日本語概説。
英語文献
Kuhn, T. S. (1962)
The Structure of Scientific Revolutions
University of Chicago Press
※パラダイム転換の古典。本稿の導きの糸。
International AI Safety Report (2026)
Bengio, Y. et al.
https://internationalaisafetyreport.org/publication/international-ai-safety-report-2026
※100名超の専門家による国際的AI安全報告書。サンドバッギング、リワードハッキング、評価ギャップを報告。
Raschka, S. (2025)
The State Of LLMs 2025: Progress, Problems, and Predictions
https://magazine.sebastianraschka.com/p/state-of-llms-2025
※LLM研究の2025年総括。評価困難性とベンチマーク飽和の問題を指摘。
Goodhart, C. A. E. (1984)
Monetary Theory and Practice: The UK Experience
Macmillan
※グッドハートの法則の原典。「ある指標が目標になると、それは良い指標であることをやめる」。
Liang, P. et al. (2022)
Holistic Evaluation of Language Models (HELM)
https://arxiv.org/abs/2211.09110
※多面的LLM評価の先行研究。UIBの理論的先行者の一つ。
Vygotsky, L. S. (1978)
Mind in Society: The Development of Higher Psychological Processes
Harvard University Press
※発達の最近接領域の概念を提示。縦断UIBとの理論的接続点。
ETC Journal (2026)
As of January 2026, AI Chatbots Are Stuck in a Paradigmatic Box
https://etcjournal.com/2026/01/19/as-of-january-2026-ai-chatbots-are-stuck-in-a-paradigmatic-box/
※クーンのパラダイム論をAI評価の現状に適用した論考。
AI Evaluation Digest (2026)
2026 February AI Evaluation Digest
https://aievaluation.substack.com/p/2026-february-ai-evaluation-digest
※2026年2月のAI評価動向。サンドバッギング報告、心理測定的監査、評価の測定科学化を報告。
Copyright © 2026, Tomoyuki Kano <tomyuk_AT_zyxcorp.jp>
License: CC BY-NC-ND 4.0
