並行世界を200個作る前に、サイコロの歪みを測ったか ── 温度の多様性と血統の多様性

複数のAIに議論させ、勝った論を採用する手法の構造的な穴について指摘。モンテカルロ法をLLMに応用したこの手法は正しいものの、確率分布を考慮せずに本番に臨むことの危険性を示唆し、実験記録と共にその問題点を共有する。

• AIに複数の役割を与えて議論させ、最も優れた意見を採用する「並行世界方式」は、モンテカルロ法の応用として有効だが、構造的な盲点がある。
• AIの出力のブレ幅（temperature）による多様性は、モデルが信じる中心確率分布の「中」を探索するが、分布の中心そのもののズレ（体系的な誤り）は修正されない。
• AIによる自己テストは、作者の盲点を共有するため、別血統のAIによる敵対レビューで初めて7件のバグが検出された実例が紹介されている。
• AIは「数字＋統計用語＋慎重な文体」といった形式的な要素に騙されやすく、論理的に誤った主張でも高い確信で肯定してしまう場合がある。
• AIの「歪み」に対処するには、temperatureではなく「血統（ベンダー）」の多様性を重視し、異なるモデル間でのクロスチェックや、厳密な決定論的チェック（出典照合・再現実行）が不可欠である。