The Universal Concept Layer: Language as Versionable Code

※研究論文の日本語訳です。英語の原文が正本となります。

人間、言語モデル、エージェント、ロボットをつなぐ意味のレイヤー

Andreas Ehstand 独立研究者 ・ AUGMANITAI研究プログラム ・ ORCID 0009-0006-3773-7796

ワーキングペーパー ・ バージョン2.1 ・ バイリンガル出版。ドイツ語版と英語版は実質的に同一であり、単一の記録として同一の識別子の下で公開される。なお、引用には英語版を用いる。 ライセンス：CC BY 4.0（表示）。本ライセンスは本稿のテキストに適用される。プログラムの内部処理手続きは本出版物の一部ではなく、本ライセンスの対象外である。また、商標権および名称権はこれによって影響を受けない。

要旨

人間、大規模言語モデル、自律型エージェント、およびロボットから構成されるシステムにおいて、そのインフラストラクチャ（通信トランスポート、ツール呼び出し、アイデンティティ、機能記述など）は急速に標準化されつつある。しかし、ある1つのレイヤーが体系的に取り残されている。これは単なる見落としではなく、既に解決済みの問題とみなされているためである。古典的なエージェント通信言語は、この問題に対するプレースホルダーとして、オントロジーを指し示すメッセージフィールドを用意していた。だが、そこで規定されていたのは単なるポインタ（参照先）であり、指し示された対象自体のライフサイクルではなかった。すなわち、バージョン管理下において参照枠がどのように変化し得るのか、意味の断絶がどのようなシグナルで伝達されるのか、あるいは受信者が未知のバージョンをどのように解決するのか、そして、まったく同一の単位が人間、言語モデル、ロボットコントローラのすべてに対してどのように機能し得るのかといった点については、何も定められていなかった。

本稿は、このプレースホルダーを再び設けるのではなく、その中身を実装することを提案する。意味のレベルはそれ自体が独立したシステムアーキテクチャのレイヤー（普遍的概念レイヤー）を構成するものであり、その媒体となるのはバージョン管理された自然言語であると論じる。つまり、ソフトウェアの成果物が管理されるのと同じように、定義、境界設定、適用文脈、タイムスタンプ、バージョン番号、および来歴記録を伴う形で概念を保持・管理するということである。本稿では、定義オブジェクトの最小限の形式的記述を提示し、人間と機械の協働実践の中でそのような概念が生み出される再帰的な5段階のサイクルを説明する。さらに、言語駆動型のサイバーフィジカルシステムに向けて、コージブスキーの古典的な定式を次のように先鋭化する。地図は現地（領土）ではない。それは現地の設計図になるのである。したがって、あらゆる設計図に当てはまる要件は、その地図にも当てはまる。

さらに本提案を、3つの操作化された基準に沿って10の隣接分野と表形式で比較し、本稿の新規性の主張を脅かすほど類似しているアプローチが存在する場合には、それを率直に指摘する。最後に、2025年以降の実装状況を報告し、完全な概念のバンドルを付録として提示するとともに、具体的な実験設計によって本稿のテーゼに反証可能性を持たせる。

キーワード: 普遍的概念レイヤー ・ コードとしての言語 ・ バージョン管理可能な意味論 ・ 用語インフラストラクチャ ・ 人間とAIの協働 ・ エージェントの相互運用性 ・ セマンティック・ドリフト ・ 身体化AI

1. 取り残されたレイヤー

2026年現在、人間、言語モデル、エージェント、および物理的アクチュエータからなるシステムを構築しようとすれば、ほぼすべての階層において、すでに標準規格またはその候補が存在することに気づくはずだ。たとえば、Model Context Protocolは、モデルがツールやリソースを呼び出す方法を管理している。Agent2Agentプロトコルは、エージェント間でのタスクの引き継ぎや機能の記述を規定する。関連する他の取り組みでも、エージェントのアイデンティティ、環境設定、可観測性などの課題が扱われている。2026年8月22日に公開されたModel Context Protocolのロードマップでは、今後半年から1年に向けた5つの優先事項が挙げられている。すなわち、エージェンティックなメッセージプリミティブ、HTTPトランスポートの統合と堅牢化、エージェントのアイデンティティとエンタープライズ水準のセキュリティ、プリミティブの改良、そしてソフトウェアライブラリの開発者体験の向上である（Soria Parra and Delimarsky 2026）。しかし、そこには語彙と意味は含まれていない。

本稿は、この問題がこれまで一度も問われなかったと主張しているわけではない。実際のところ、その問いは投げかけられており、しかもかなり早い段階から認識されていた。Knowledge Query and Manipulation Languageは、オントロジーと知識表現言語のためのメッセージパラメータを提供していたし（Finin et al. 1994）、FIPAのエージェント通信言語仕様では、あらゆるメッセージの標準的な構成要素として :ontology と :language というパラメータが組み込まれている（FIPA 2002）。これらの言語の設計者たちは、共有された参照枠がなければメッセージを理解できないことを正しく見抜き、そのためのプレースホルダーを適切に用意していたのである。ただし、そこで指定されたのは参照枠を示す識別子、つまりポインタのみであった。指し示された対象そのものがその後どうなるのかについては、規定されていなかったのである。

そこでは4つの問いが未解決のまま残されており、それらは今日に至るまで手つかずのままである。第一に、すでに稼働しているシステム間の結合を壊すことなく、参照枠をどのように変更できるのか。第二に、受信者は、行われた変更が単なる洗練ではなく、意味の断絶であることをどのようなシグナルで知るのか。第三に、受信者は未知のバージョンを参照された場合、それにどう対処し、そのバージョンをどのように解決するのか。第四に、人間、言語モデル、ロボットコントローラのそれぞれに対して個別に翻訳をやり直すことなく、まったく同一の記録をそのまま機能させるためには、単位をどのように構成すべきか。

このギャップは、決して周辺的な学術パズルではない。異種の知性が協働するあらゆる現場において、それは日々の損失を引き起こす根源となっている。たとえば、部門とそのAIツールの間を行き来するうちに意味が変質してしまう指示、同じフィールド名を異なって解釈したために頓挫するエージェントチェーン、移転可能な用語として定義されなかったがゆえに退職者とともに組織から失われてしまう知識、そして事後に概念的な根拠を再構築できないAI支援による意思決定などがその顕著な例である。

これは、コンピューティングの歴史においてよく見られるパターンである。ある技術レベルが明確に命名され、仕様化され、保守されるようになる前は、それは常に暗黙の実践として——すなわち、慣習、その場しのぎの解決策、あるいは暗黙の了解の中に分散した形で——長期間存在するものである。オペレーティングシステムという概念が命名される前、プログラムはハードウェア上で直接実行されていた。ネットワーク階層モデルが確立される前は、その場しのぎの取り決めによってコンピュータ同士が接続されていた。この現場での実践と命名された仕様の間にある空白期間こそが、常に、誰がそのレイヤーを形作るのかを決定する重要な窓（ウィンドウ）となるのである。本稿は、現在の意味のレベルがまさにこの決定的な窓の中にあると論じ、そのレイヤーに対する名称、媒体となる要素、およびその運用方法を提案する。

2. テーゼ：バージョン管理可能なコードとしての言語

2.1 すべてをコードとして扱う動きが最深レベルに到達する

過去20年以上にわたり、コンピューティングはインフラストラクチャ、設定、ポリシー、ドキュメントなど、あらゆる領域を次々とバージョン管理や検証、追跡が可能な成果物（アーティファクト）へと変換してきた。そこから得られる利点は常に同じである。バージョン管理されたものは、比較やレビュー、ロールバックが可能となり、説明責任を果たすことができる。

本稿が提起するテーゼは、この潮流が今や、最も深く、そして最も長く見落とされてきた層、すなわち「自然言語そのもの」に到達しつつあるという点にある。これは、言語をプログラムコードに変換するということではなく、コードが保守されるのと同じ方法で言語を保守するという意味である。この観点に立てば、厳密に定義された概念は一種のインターフェースとなる。それは定義、隣接概念との境界、適用文脈、タイムスタンプ、バージョン番号、そして来歴情報を備える。概念に対する理解が変化すれば新たなバージョンが生じ、指示対象の外延が変化すれば新たなメジャーバージョンが生じる。そして、その履歴は常に参照可能な状態で維持される。

この構想を支える構成要素は古くから存在しており、第5節でそれらを順に挙げる。欠けているのは、それらを一つの運用体系として統合することである。つまり、人間の利用者だけでなく機械の利用者のためにも設計され、アプリケーション層の下、トランスポートプロトコルの上に独立したレイヤーとして位置づけられる、個別の概念レベルでのバージョン管理である。これは、あらゆる基盤（サブストレート）に対して同時に機能するものである。

2.2 なぜ今なのか：遂行的（パフォーマティブ）になる言語

本テーゼを提示するタイミングは、ある技術的な転換点に由来している。歴史上、言語は根本的に記述的なものであり、言語とは独立して存在する世界を描写してきた。ところが古典的なプログラミングによって、デジタル領域内において遂行的（パフォーマティブ）に働く第二の形態が現れた。プログラムコードはデジタル世界を記述するのではなく、その世界そのものを生成するからだ。そしてここ数年、大規模言語モデル（LLM）がツールやエージェント、物理的なアクチュエータと結合されたことで、第三の段階への歩みが進められた。自然言語が、その形態を変えることなく遂行的な役割を果たすようになったのである。ロボティクス研究では、言語モデルが物理システム向けの直接実行可能な制御プログラムを生成すること（Liang et al. 2023）や、テキストに含まれる世界知識がロボットの動作へと直接反映されること（Brohan et al. 2023）が実証されている。同様の文脈において、Constitutional AI（合憲的AI）は、自然言語で書かれた明示的な原則文書がAIシステムの振る舞いを統制することを示している（Bai et al. 2022）。そこでは、言語がすでに制御用成果物として機能しているのである。該当の研究ではこうした文書のバージョン管理までは論点となっていないが、本稿で提案する運用体系が一般化しようとしているのはまさにその段階である。すなわち、文書単位のバージョン管理から、個々の概念のバージョン管理への拡張である。

このことから、しばしば「逆転」と表現される変化が導かれるが、より正確には「適合方向（direction of fit）」の変化として捉えるべきである。コージブスキーの「地図は現地（領土）ではない」（Korzybski 1933）という警告は依然として有効であり、反証されたわけではない。変化したのは別の点である。言語行為論では、真であるために「世界に適合しなければならない発話」と、それに従わせるために「世界の方を適合させなければならない発話」とを区別する（Austin 1962; Searle 1979）。記述的な言語は前者のクラスに属し、コードは後者のクラスに属する。つまり、コードは「世界から言葉へ（world-to-word）」の適合方向を持つ。言語モデルがツールやアクチュエータと結びつくことで、自然言語は後者のクラスへと足を踏み入れた。昨日まで何かを「記述」していたまさにその文が、今日は何かを「指示」するのである。地図が現地になるのではない。地図が現地の「設計図」になるのである。したがって、あらゆる設計図に当てはまることがこの地図にも当てはまる。つまり、そこに誤りがあれば、誤ったまま構築されてしまう。コージブスキーの警告は必要ではあるが、もはや十分ではない。それは両者の混同を防ぐものではあっても、実行を防ぐものではないからだ。

実践的な帰結として、責任の所在が変化する。概念が行動の空間を切り拓くのであれば、用語を整備する作業は記述的な活動ではなく、構成的な活動となる。他のあらゆる制御用成果物に求められる品質管理やバージョン管理の規律が、概念においても運用上の必須要件となるのである。

3. 最小限の形式的定義

本テーゼは、特定の実装に依存しないデータモデルとして定式化できる。

定義オブジェクト。 このレイヤーの基本構成要素は以下の写像である。

Def: (E, N, C, T) → ⟨def, L, V, P, K⟩

キーは、参照主体E（個人、チーム、組織、モデル、ロボットシステム、対象ドメイン）、呼称N（概念ではなく言語的形式）、適用文脈C、および時点Tから構成される。レコードは、定義テキスト def、記述言語L、バージョン識別子V、来歴P、および有効性修飾子Kを保持する。ここでV、P、Kは導出値であり、入力値ではない。

バージョン管理の基準は運用的であり、裁量には委ねられない。Vは、指示対象の外延に変更を加えることなく def が精緻化された場合にマイナーバージョンを繰り上げる。一方、これまで含まれていたケースが除外されたり、除外されていたケースが含まれるようになった場合には、メジャーバージョンを繰り上げる。したがって、外延の変化は、意味の断絶を検証するための客観的基準となる。

意味状態（Semantic state）。 複数の定義オブジェクト（Defの出力）は以下を形成する。

S(E, T, C) = ⟨D, R, w, π⟩ （ただし R ⊆ D × D × RelType, w: R → [0,1], π: D → provenance）

RelType（関係タイプ）は少なくとも次を含む：is_subordinate_to（〜の下位に位置する）、delimited_against（〜と境界を接する）、supersedes_version（〜のバージョンを置換する）、presupposes（〜を前提とする）、stands_in_tension_with（〜と緊張関係にある）。Sが整形式（well-formed）であるとは、Dのすべての要素が解決可能な識別子を持ち、すべての関係が両端でDの要素を指しており、かつ is_subordinate_to に循環がない状態を指す。

バンドルの二層構造。 このモデルにおける意味は、主体に相対的であり、文脈に依存し、時間に紐付いている。一見するとこれは安定性とは正反対のように思えるし、その批判は真摯に受け止めるべきである。というのも、主体相対性とは、単に形式化されただけの「意味的ドリフト（semantic drift）」に他ならないからだ。したがって、必然的に二層への分割が導かれる。1つのバンドルは2つのレベルを保持する。1つは、すべての主体に対して同一の形で移動し、移転可能な単位を形成する「カノニカル・コア（正準コア）」（定義テキスト、境界設定、識別子、バージョン）である。もう1つは、特定の主体が自らの文脈においてそのコアをどのように補完し、制限し、あるいは棄却したかを記録する「主体拘束エディション（entity-bound edition）」である。システムやモデルの境界を越えた移転可能性があるとされるのはコアの方であり、エディションではない。同一コアの2つのエディションが分岐したとしても、それは運用の失敗ではなく、むしろ差異が測定された結果である。

移転可能な形式。 概念は {呼称、定義テキスト、隣接概念との境界、言語、不変の概念識別子、バージョン番号、バージョンのコンテンツハッシュ、来歴} というバンドルとして流通する。ここに含まれる2つの識別子は異なる役割を担う。不変の概念識別子は系譜を保持し、すべてのバージョンを1つの連続した履歴に結びつける。一方、コンテンツハッシュは、個々のバージョンを改ざん検知可能な形で特定する。受け手（人間、言語モデル、ソフトウェアエージェント、またはロボットコントローラ）は、概念を受信するたびに、自らの持つ世界知識と照らし合わせてそれを新たに再構成する。このメカニズムは、共有ベクトル空間も共通のモデルファミリーも必要としない。求められるのは「可読性（legibility）」である。完全なバンドルの例は付録Aに示す。

言語モデルの役割。 このアーキテクチャにおいて、大規模言語モデルは意味的外部化装置（semantic externaliser）としての役割を担う。すなわち、多様な証拠から明示的な定義オブジェクトを生成し、モデル内に潜在する意味を、永続性を持ったモデル可搬性のある成果物へと変換する。これをコンパイラに例えるのは自然なことだが、それは役割をうまく捉えているものの、「保証」の観点では異なっている。コンパイラは形式的に仕様化された2つの言語間で意味が保存されることを保証するが、言語モデルは何も保証しない。したがって、外部化の信頼性は自明な特性として主張できるものではなく、測定されるべき変数となる（第7節）。

これにより、本提案は「拡張された心（extended mind）」のテーゼ（Clark and Chalmers 1998）の系譜に位置づけられる。外部メディアが確実に利用可能で、容易に検索でき、主体によって承認されている場合、認知状態はその主体の外部に存在し得るという考え方である。ここで述べるレイヤーは、これら3つの条件を「永続的な解決可能性」「機械可読性」「実証可能な来歴」という技術的要件へと厳格化し、それらを個人の枠を超えてモデル、エージェント、身体化されたシステム（embodied systems）へと拡張するものである。

定義の無限後退。 明らかな反論として、定義テキスト自体も解釈を要する言葉で構成されているため、意味的ドリフトは取り除かれたわけではなく、単に別の場所へ移し替えられただけだという指摘がある。この反論は妥当であり、それに沿って本稿の主張も再定義されなければならない。すなわち、無限後退は「解消」されるのではなく、「短縮」され「検証可能」になるのである。短縮されるというのは、定義がある呼称を、より一般的で頻繁に使用される表現へと還元するからである。そのような表現は、多様な受け手の間での解釈のブレが少ない。検証可能になるというのは、バンドルが定義とともに隣接概念との境界や来歴を保持しているからである。これにより、受け手の解釈が分岐した際に、どの時点でそれが起きたかを特定できる。ここでの主張は一義性を担保することではなく、多義性の所在を特定できるようにすること（localisability of equivocation）である。これにより、意味的ドリフトは暗黙のうちに進行するのではなく、プロトコルのレベルで可視化され、交渉可能になるのである。

4. 生成的サイクル

このレイヤーにおける概念はどこから来るのか。本稿の基盤となった実践は、5つのステップからなるサイクルとして記述できる。

分離（Isolation）。 人間と機械の持続的な相互作用の中で、反復的でありながら未だ名付けられていない現象が、漠然とした状況の中から浮かび上がる。

命名（Naming）。 対話的な作業を通じて、専門的な用語整備の原則に従い、その現象の輪郭を描き出す表現が作られる。すなわち、「一語一概念」、上位概念と識別特性、そして最も近い隣接概念との境界設定である。

定着（Anchoring）。 その表現が、双方にとって参照可能なものとなる。人間にとっては認知的アンカーとして、モデルにとっては意味を担う単位として機能する。ここでは2つの経路を区別しなければならない。Hewitt et al. (2025b) はモデル「内部」での定着を実証している。新しい語彙が学習済みの埋め込み（エンベディング）として学習され、それによって明確なステアリング効果と自己言語化効果を獲得する。また、付随するポジションペーパーでは、既存の語彙が構造的に不十分である理由が論じられている（Hewitt et al. 2025a）。本稿で記述するサイクルは、モデルの「外部」という補完的な経路をとる。概念はモデルに学習されるのではなく、重み（ウェイト）への介入なしに、文脈の中で定義とともに提供される。学習による定着はより深い経路だがモデルに束縛される。一方、概念とともに移動する定義はより浅い経路だが、可搬性（ポータビリティ）に優れている。

バージョン管理（Version control）。 概念が管理下のストアに組み込まれる。これには定義、境界設定、関係性、不変の識別子、タイムスタンプ、バージョンが含まれる。

再帰（Recursion）。 概念空間が拡張されることで、これまで見えなかった現象が可視化され、より高いレベルで再びサイクルが始まる。

このサイクルの本質は、個々のステップの新規性にあるのではなく、それらの結合にある。バージョン管理があって初めて命名の検証が可能になり、検証が可能であって初めて概念が機械の処理に適したものになる。そして、再帰によって初めて、個々の概念が成長し管理された概念空間へと進化するのである。ここでの二重の効果は特筆に値する。現象を人間にとって観察・訓練可能なものにする行為そのものが、関与する機械にとって参照可能な概念空間を拡張しているのである。

5. 関連研究

本テーゼは、成熟した複数の研究領域と接点を持つ。境界を検証可能な形で示すため、3つの基準を操作化（operationalise）する。

M1 — 実行時の情報源としての言語。 自然言語の成果物が、実行時に非人間の実行主体によって参照される規範的な情報源である場合に満たされる。言語が単に入力としてのみ機能する場合は満たされない。

M2 — 概念単位のバージョン管理。 個々の概念が独自に更新可能なバージョン識別子を持ち、すべての変更が記録され、すべてのバージョンが常に解決可能（参照可能）である場合に満たされる。

M3 — 基盤横断的な有効性。 同一の成果物が、少なくとも2つの異なるクラスの基盤（サブストレート）—例えば人間とモデル、あるいはモデルとロボットコントローラなど—において変更なしに利用される場合に満たされる。

検討した10の研究領域のうち、3つの基準すべてを満たすものは存在せず、一部が2つの基準を部分的に満たすに留まる。ただし、4つの周辺領域については、本稿の新規性の主張にとって見過ごせないほど近接しているため、より詳細に論じる価値がある。

用語標準化。 ISO 704およびISO 1087は本提案の基盤となる定義の規律を提供し、ISO 12620はデータカテゴリの目録を、ISO 30042は機械可読な交換フォーマットを提供している。また、ISO 26162はエントリのメタデータや変更管理を含む用語管理システムをカバーしている。2025年以降はさらに、用語管理と人工知能の相互作用に関する国際ワーキンググループが発足している（Khemakhem et al. 2025）。この系譜は、他のどの領域よりもM2に肉薄している。しかし、2つの違いが残る。1つ目は対象（宛先）である。機械の利用者による実行時の解決ではなく、人間の専門家同士のコミュニケーションを対象としている。2つ目はその効果である。用語バンクは使用法を記述するものであり、システムを統制するものではない。

オントロジー進化。 オントロジー進化の研究は、概念レベルでの変更操作、変更ログ、影響分析を体系化しており（Klein and Fensel 2001; Noy and Musen 2004; Stojanovic 2004）、形式的な枠組み内においてM2をほぼ網羅している。違いは目指す方向性にあるのではなく、情報を載せる媒体（carrier material）にある。先行研究が機械推論のための形式的スキーマを扱うのに対し、本稿が扱うのは、人間、言語モデル、ロボットコントローラの三者が等しく読み解く自然言語の定義である。したがってM1とM3はカバーされていないが、M2に関してはこの系譜と問題意識を共有しており、その上に構築される。一方で、対立する学派についても触れておくべきだろう。生物医学分野のオントロジーキュレーションでは、用語の定義は常に現実の同一の指示対象を指し示さなければならないという明確な原則がある（OBO Foundry、原則19「用語の意味の安定性」）。理解が変化した場合は、その識別子を非推奨（obsolete）とし、新たな識別子を発行する。これは本稿で提案する扱いとは正反対である。本稿では、概念を連続した履歴を持つ、バージョン管理されたインターフェースとして扱うからだ。どちらの解決策も安定性を担保しているが、支払う「対価」が異なる。前者は非連続性をもって対価とする（概念の履歴が、互いに繋がりのない識別子へと断絶するため）。対して本稿の提案は、履歴を解決するためのコストを対価としているのである。

通時的意味論。 語彙的意味変化の検出に関する計算言語学的研究は、共有評価タスクを基準点として、コーパス上における時間経過に伴う意味のシフトを測定する手法を発展させてきた（Schlechtweg et al. 2020）。これは、意味が変化した「かどうか」という問いに対して得られる最も精緻な答えである。しかし、変化したときにどうすべきかには答えてくれない。測定と運用の関係は、診断と治療の関係に等しい。

概念的合意（Conceptual pacts）。 心理言語学は30年にわたり、対話者が反復される指示対象に対して共通の呼称を定着させ、その合意を長期にわたって安定して維持することを明らかにしてきた（Brennan and Clark 1996）。それはまさに、本稿で記述したサイクルのメカニズムが人間の二者間に現れた姿である。つまり、口頭で行われ、成文化されず、そのペアにのみ紐付いている状態だ。本提案はこれを3つの方法で一般化する。合意を成文化し、バージョン履歴を持たせ、それによって（機械のパートナーを含め）その交渉に立ち会わなかったパートナーにも移転可能にするのである。

タイミングに関する付随的な観察。 2026年4月15日、査読を経ていないあるフォーラム投稿が公開され、インタラクションにおける失敗パターンの分類法が提示されるとともに、それが安全性分類に欠けているレイヤーであると論じられた（Beyer 2026）。この投稿は、本稿の基盤となる概念バージョン（Ehstand 2026a）と同日に発表された。これら2つの研究は互いに独立して生まれたものであり、一方は失敗パターン、もう一方は意味のレイヤーという異なる主題を扱いながら、同じ空白地帯（void）を診断している。その投稿はバージョン管理を導入しておらず、プロトコルに対する主張も行っていない。2人の独立した観察者が同じ月に同じ診断に到達したことは、本テーゼに対する反証ではなく、むしろその時点で実務家たちの間にこの空白地帯がすでに可視化されていたことを示している。

2026年8月の産業界における包囲網。 本稿が最終調整に入ったまさにその週、「AIエージェントには意味のレイヤーが欠如している」という診断が、産業界に急速に広まった。あるアナリスト企業は「コンテキストレイヤー」（セマンティックレイヤー、知識グラフ、実行時コンテキストの統合）こそがエンタープライズAIの次なる段階であると宣言した（Evelson and Bandyopadhyay 2026）。さらに同月末までには、ある大手クラウドベンダーがエージェント的AIに向けたオントロジー駆動型セマンティックレイヤーに関する規範的ガイダンスを発表した。これは形式的オントロジー、記号的推論、仮想知識グラフに基づいて構築されており、第1節で挙げたようなプロトコルを介してエージェントに接続されている（Simpson et al. 2026）。どちらも問題の診断は共通しているが、本稿が提示する情報媒体（carrier material）は持っていない。彼らが扱う単位はグラフオントロジーやカタログ構造（前述のオントロジー進化の系譜に連なる形式的スキーマ）であり、概念単位でバージョン管理された自然言語の定義オブジェクトではない。そしてどちらも、個別の概念レベルではM2を満たしていない。ここで指摘した空白地帯は、本稿の公開時点において、埋められているというよりも、隣接するソリューションによって包囲されつつあるのが実情である。

調査範囲について。 本稿における境界設定は、2026年8月30日までの専門文献、保有特許、および各種仕様の非体系的なレビューに基づいている。網羅性を主張するものではない。全文を調査した中で最も近接する特許はUS 12,367,337 B2（Comake Inc.、2023年4月20日出願、2025年7月22日登録）である。これは名詞と動詞の共有スキーマによるデータ統合フレームワークを扱っているが、バージョン管理された自然言語概念を主題とするものではない。

6. 実装状況

本提案は単なる設計論にとどまらず、2025年以降、内部システムとして実際に運用されてきた。ただし、組織の垣根を越えてパブリックに参照可能な形での運用は未だ実現していない（この欠落部分については付録Aで正確に詳述している）。実装は厳格なカスケード型の3層アーキテクチャに基づいている。セマンティック層（意味層）が交換対象として認識するのは、前述のバンドルという単一のオブジェクトのみである。トランザクション層は、このバンドルにコンテンツアドレス識別子（CAI）、デジタル署名、および来歴（プロビナンス）チェーンを付与する。トランスポート層は、当該バンドルを複数の機械可読フォーマットへ無損失でエンコードする。これらの各層は独立して検証可能である。すなわち、意味の階層はバイト列やネットワークに依存せず、トランスポートの階層は意味内容に関与しない。

この基盤の上に、人間とAIの相互作用から生じる現象について、2言語で定義された約9,400の概念からなる精選されたコアデータセットが存在する。このうち25の概念は、ゴールドスタンダードとしてISO 704の定義基準6項目すべてを満たす形で文書化されている。また、400の概念は二重検証を通過しており、残りの概念についても継続的な妥当性確認が進められている。これらの収録データはISO認証を受けたものではない。認証は制度的な手続きであり、独立した研究プログラムが直接受けられるものではないためである。より正確に言えば「ISO 704に準拠し、本プログラム内で査読された」状態である。ここで計上しているのは、精選されたレジスタのエントリ数である。本プログラムの初期段階における異なる数値（例えば、準備パイプラインにおける約4,400エントリや、ナビゲーションビューにおける約7,000ノードなど）は計上対象が異なっており、上記のエントリ数とは外延が一致しない。

収録データは、2025年3月以降に記録された10万件以上の人間とAIの対話ターンからなる作業コーパスから抽出されたものである。このうち約4万件は、異なるベンダーの複数のモデルファミリーを対象とした構造化エージェント抽出（structured elicitation）に基づく。管理対象であるコア概念への変更は、タイムスタンプが付与されたドキュメント・エントリとして記録される。並行して蓄積された複数のデータを、継続的にバージョン管理される単一の本番環境（プロダクション状態）へと統合する作業が現在進行中である。さらに、用語交換フォーマットによる多言語間エクスチェンジデータ、全体構造を示すリレーショナルグラフ、機械処理用のローカルプログラミングインターフェース（API）、および人間のユーザー向けのインタラクティブなナビゲーション画面も用意されている。

本稿では、データモデル、生成サイクル、各層の境界、検証可能な特性など、本アーキテクチャの外部向けの側面について解説している。一方、選択ヒューリスティクス、チェック手順、オーケストレーション、妥当性確認ルーチンといった内部の作業プロセスは非公開としている。これらを開示してもアーキテクチャの理解には寄与せず、単に運用手法の無断転用を招くだけだからである。対照的に、検証対象となるオブジェクト自体は公開されており、付録Aにおいて完全な概念バンドルを提示している。

7. 検証可能性

優先権の主張 この主張は、第5節で提示された形式における要件M1、M2、M3の結合体にのみ適用される。本主張を反証する先行事例は、これら3要件を同時に満たすとともに、2026年4月20日（暗号化アンカーの日付、すなわち本研究自体が証明可能な最も早い時点）より前に公開されたものでなければならない。該当する先行研究が提示された場合、我々はこの優先権の主張を公に撤回する。

実質的な主張 本論考のテーゼは、完全な概念バンドルを伝送することで、単なる用語の指定のみを行う場合と比べて、異質な受信者間での解釈の一致度が向上するというものである。具体的には、以下の実験結果が否定的であった場合、このテーゼは反証されたとみなされる。異なるベンダーが提供する3種類以上のモデルファミリーから少なくとも4つの受信者（モデル）を選定し、人間の対照群（コントロールグループ）を用意する。収録データから少なくとも100の概念を抽出し、それぞれについて10件の用法判定タスクを生成する（参照となる正解はあらかじめ独立して定めておく）。これらを「条件A（用語の指定のみ）」と「条件B（完全なバンドルの提示）」の2条件でテストする。評価指標には、クリッペンドルフのアルファ係数（Krippendorff's alpha）を用いた受信者間のペアワイズ一致度を測定する。事前に設定した有意水準において、条件Aから条件Bへの移行によりアルファ値が少なくとも0.15ポイント改善することが、本テーゼを立証する条件となる。

さらなる検証基準 同様に、概念レベルでのバージョン管理の導入前後でサイクルタイム、手戻り率、再現性を記録した結果、実務の現場における追跡可能性（トレーサビリティ）に有意な改善が見られなかった場合も、本テーゼの妥当性は揺らぐこととなる。あるいは、基盤を横断する転移可能性（transferability across substrates）の仮説が体系的な境界で機能不全に陥り、それが現在の証拠状況や妥当性の限定条件では説明できない場合も同様である。

8. 限界と課題

本研究の経験的基盤は、単一の観察者による縦断的研究に基づいている。複数のモデルファミリー間でのトライアンギュレーションによりモデル側のバイアスは統制されているが、人間側の統制はなされていない。すなわち、概念の分離、命名、境界設定、およびバージョン決定はすべて、終始一貫して同一の観察者に依存している。ゴールドスタンダードである25の概念については、プログラム内部でのレビュー手続き（2名によるブラインド評価、判定後の第三者による再確認、個別意見の不一致の記録）が実施されている。しかし、収録データのどの部分についても、独立した外部の専門アノテーターによる一致度評価（agreement study）は実施されていない。これらの概念のうち、どの程度の割合が対象ドメインの普遍的現象を捉えており、どの程度の割合が当該観察者の特異性（バイアス）を反映しているかは、現存するデータだけでは判断できない。我々はこれを、単なる方法論上の注記ではなく、本研究に残された最も深刻なギャップであると認識している。次のステップはすでに決定している。収録データの一部を再定義のために2名の独立した専門アノテーターに委ね、その結果として得られた一致度を、どのような結果であれ包み隠さず報告する予定である。

さらに、3つの限界事項を明記しておく必要がある。第一に、基盤横断的な妥当性に関する主張は、現段階の証拠において実証済みの特性ではなく、あくまでアーキテクチャ上の要件にとどまっている。報告されたデータが実際に証明しているのは「人間-モデル間」の経路のみである。例えばロボットのコントローラーは、自然言語で記述されたバンドルを直接読み込むわけではない。言語処理能力を持つ解釈コンポーネントを介してそれを受け取り、そこから実行可能な表現を導出する。本セマンティック層を直接用いたロボティクス分野での実証実験はまだ実施されておらず、要件M3は「人間」と「モデル」については満たされているものの、残りの基盤クラスについては仮定の段階にある。第二に、本レイヤーは未知の知識を生成するものではない。十分な証拠から推論可能な事象を、その不確実性や来歴情報とともに表現するに過ぎない。第三に、本提案は形式的に仕様化されたものではなく、学習された解釈基盤の上で実行される。したがって、そのセマンティクス（意味論）は確率的なものであり、厳密な証明は不可能である。これは、いかなる評価設計においても必ず考慮されるべき構造的な特性である。

9. 結論

人間、モデル、エージェント、そしてロボットの間で交わされる意味の階層は、今日、あらゆるプロンプトやシステム指示、エージェントのプロトコル内に存在している。しかしそれは、名称も持たず、バージョン管理もなされず、何の統制も受けていない状態にある。古典的なエージェント記述言語は、この階層のためのプレースホルダーを用意してはいたものの、結局それが埋められることはなかった。本稿では、この階層に名称を与え、その伝達媒体を特定し、最小構成要件を規定した。さらに、その生成サイクルを記述し、10の隣接概念との境界を明確にし、中心的なオブジェクトの標本を提示した上で、反証可能とするための実験計画を示した。

先取権の表明 本稿の主張は、相互に独立した2つのアンカー（定着点）に依拠している。

暗号的アンカー 本プログラムの研究成果全体は、2026年4月20日にビットコインのブロックチェーン上に記録された（ブロック945970および945979、ルートチェックサムSHA-256 299e4b3d0ac9e50740268896b5eeb541f6462332bb67b7efdf4cd309704770d0、タイムスタンプ・マニフェスト MANIFEST_20260420T205730Z）。基盤となる2つのワーキングペーパーのいずれかを入手した者は、そのチェックサムをマニフェストと照合し、さらにマニフェストをブロックチェーンの記録と照合して計算することができる。タイムスタンプ・マニフェストは要求に応じて提供される。したがってこのアンカーにより、内容を一切公開することなく、バージョンの提示のみで成立日付とデータの完全性を証明できる。

登録アンカー 2つのワーキングペーパーは、さらに2026年4月22日、プログラム・バンドルの構成要素として登録された（DOI 10.5281/zenodo.19695778）。このバンドルは本プログラムの複数の研究系統を集約したものであり、その公開タイトルは、ここで論じた特定の研究ではなく、バンドル全体が対象とするスポーツ・パフォーマンスの機能的方法論を冠している。タイトル、著者名、登録日は一般に公開されているが、ファイル自体へのアクセスは制限されている。したがって、この登録アンカーは公的機関によって維持される第二の成立日付を提供し、コンテンツの帰属証明は前述の暗号的アンカーが担う仕組みとなっている。

タイムスタンプは、初出公開による先行技術の確立のみを目的としている。特許の取得は意図しておらず、記述された階層、その名称、または個々の概念に対するいかなる独占的権利も主張しない。本先取権の表明は、利用の制限ではなく、帰属の確保を目的とするものである。

付録A — 完全な概念バンドル

本稿では、この階層を構成する単位は文書ではなく、個々の概念であると主張している。以下の項目は、その単位を完全な形で示したものである。定義と境界設定は本プログラムのゴールドスタンダード（標準定義集）から引用しており、フィールド構造は第3節で規定した最小構成要件に準拠している。

コンテンツハッシュは、読者が自ら再計算できる。ハッシュ化の対象となるのは、このバージョンにおける正規のコア要素（名称、英語定義、ドイツ語定義）である。これらはこの順序で、前後の空白を含めずに縦棒（パイプ）で区切られ、UTF-8でエンコードされる。ハッシュ化される文字列において、ウムラウトとエスツェットはそれぞれ ae、oe、ue、ss に展開されるが、大文字・小文字の区別は保持される（例：Ü は ue ではなく Ue となる）。コア要素を1文字でも変更すれば、ハッシュ値は変化する。これが、改ざんを検知可能な形でバージョンを特定するメカニズムである。

解決可能性（リゾルバビリティ）に関する付記。第3節では、要件を満たした状態（ウェルフォームドな状態）とするために、すべての識別子が解決可能であることを求めている。ここで示した識別子は、プログラム内部では一意であるものの、第三者が検索できる公開の解決サービスが存在しないため、現時点ではその要件を満たしていない。したがって、解決可能性は階層の運用上必須の要件でありながら、現状ではまだ実装されていない。これは些末な問題ではなく、概念バンドルが組織間を流通するための絶対的な前提条件である。

バージョン管理基準の具体例 仮に、「たとえAIの出力が正しい場合であっても」という但し書きを加えて定義を拡張したとしよう。この場合、正しい出力が最初から除外されていなかった以上、指示対象の外延に変化はなく、単に表現がより厳密になっただけであるため、マイナーバージョンの更新となる。一方、「ただし専ら業務的な文脈においてのみ」という条件を追加した場合は、以前まで含まれていたケースが除外されることになる。これはメジャーバージョンの更新、すなわち意味の断絶を意味し、これを利用するすべてのシステムやユーザーに対して、概念の解決（解釈）を新たに行うよう強制することになる。この例はあくまで基準を説明するために設けたものであり、実際にバージョンの変更が行われたわけではない。

参考文献

Austin, J. L. (1962). How to Do Things with Words. The William James Lectures Delivered at Harvard University in 1955, ed. by J. O. Urmson. Oxford: Clarendon Press / Cambridge, MA: Harvard University Press.

Bai, Y., Kadavath, S., Kundu, S., Askell, A. et al. (2022). Constitutional AI: Harmlessness from AI Feedback. arXiv:2212.08073.

Beyer, C. J. (2026). Toward a Common Language for Human-AI Interaction Failures: A Practitioner-Accessible Error Taxonomy for the Missing Layer of AI Safety Classification. Effective Altruism Forum, 15 April 2026.

Brennan, S. E. and Clark, H. H. (1996). Conceptual Pacts and Lexical Choice in Conversation. Journal of Experimental Psychology: Learning, Memory, and Cognition 22(6), 1482–1493.

Brohan, A., Brown, N., Carbajal, J. et al. (2023). RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control. arXiv:2307.15818.

Clark, A. and Chalmers, D. (1998). The Extended Mind. Analysis 58(1), 7–19. doi:10.1093/analys/58.1.7.

Evelson, B. and Bandyopadhyay, I. (2026). The Next Evolution Of AI Will Rely On Context Layers. Forrester Blogs, 20 August 2026. https://www.forrester.com/blogs/the-next-evolution-of-ai-will-rely-on-context-layers/ (accessed 30 August 2026).

Ehstand, A. (2026a). AUGMANITAI Universal Concept Layer: A Bundle-Based Semantic Protocol for Cross-Substrate Communication. Working Paper 1.0, 15 April 2026. Contained in the registered record of 22 April 2026 (DOI 10.5281/zenodo.19695778, access-restricted).

Ehstand, A. (2026b). Sprache als versionierbarer Code: Eine rekursive Architektur zur Erweiterung von Realität über biologische, digitale und cyber-physische Entitäten. Working Paper 0.1, 20 April 2026. Recorded in the timestamp manifest MANIFEST_20260420T205730Z; contained in the registered record of 22 April 2026 (DOI 10.5281/zenodo.19695778, access-restricted).

Finin, T., Fritzson, R., McKay, D. and McEntire, R. (1994). KQML as an Agent Communication Language. Proceedings of the Third International Conference on Information and Knowledge Management (CIKM '94), 456–463.

FIPA — Foundation for Intelligent Physical Agents (2002). FIPA ACL Message Structure Specification. Standard SC00061G/J.

Hewitt, J., Geirhos, R. and Kim, B. (2025a). Position: We Can't Understand AI Using our Existing Vocabulary. Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:81556–81572. arXiv:2502.07586.

Hewitt, J., Tafjord, O., Geirhos, R. and Kim, B. (2025b). Neologism Learning for Controllability and Self-Verbalization. ICLR 2026 (Poster). arXiv:2510.08506.

Karpathy, A. (2023). "The hottest new programming language is English." X, 24 January 2023. https://x.com/karpathy/status/1617979122625712128.

Khemakhem, M., Valentini, C., Ralli, N., Barros, S., Löckinger, G., Vezzani, F., Salgado, A., Zhang, Z., Mahr, S., Carvalho, S., Fleischmann, K. and Costa, R. (2025). Terminology Management Meets AI: The ISO/TC 37/SC 3/WG 6 Initiative. Proceedings of the 5th Conference on Language, Data and Knowledge: TermTrends 2025, Naples: Unior Press, 16–24.

Klein, M. and Fensel, D. (2001). Ontology Versioning on the Semantic Web. Proceedings of the First Semantic Web Working Symposium (SWWS), Stanford, 75–91.

Korzybski, A. (1933). Science and Sanity: An Introduction to Non-Aristotelian Systems and General Semantics. Lancaster, PA: The International Non-Aristotelian Library Publishing Company.

Liang, J., Huang, W., Xia, F., Xu, P., Hausman, K., Ichter, B., Florence, P. and Zeng, A. (2023). Code as Policies: Language Model Programs for Embodied Control. 2023 IEEE International Conference on Robotics and Automation (ICRA), London, 9493–9500. doi:10.1109/ICRA48891.2023.10160591.

Noy, N. F. and Musen, M. A. (2004). Ontology Versioning in an Ontology Management Framework. IEEE Intelligent Systems 19(4), 6–13.

OBO Foundry (n.d.). Principle 19: Stability of Term Meaning. https://obofoundry.org/principles/ (accessed 26 August 2026).

OMG — Object Management Group (2019). Semantics of Business Vocabulary and Business Rules (SBVR), Version 1.5. Document formal/19-10-02.

Park, S., Ramamurthi, V. and Terry, O. (2025). Neologism Learning as a Parameter-Efficient Alternative to Fine-Tuning for Model Steering. arXiv:2512.18551.

Pourzand, R. (n.d.). Why we need a universal semantic layer. dbt Labs Blog. The page carries no date of first publication; last edited 15 October 2024. https://www.getdbt.com/blog/universal-semantic-layer (accessed 26 August 2026).

Simpson, D., Riggan, T. and Schiros, C. (2026). Semantic Layer for Agentic AI using Ontology, Symbolic Reasoning, and Virtual Knowledge Graph. AWS Prescriptive Guidance. https://docs.aws.amazon.com/prescriptive-guidance/latest/semantic-layer-agentic-ai-ontology-reasoning-virtual-knowledge-graph/semantic-layer-agentic-ai-ontology-reasoning-virtual-knowledge-graph.html (accessed 30 August 2026).

Schlechtweg, D., McGillivray, B., Hengchen, S., Dubossarsky, H. and Tahmasebi, N. (2020). SemEval-2020 Task 1: Unsupervised Lexical Semantic Change Detection. Proceedings of the Fourteenth Workshop on Semantic Evaluation, 1–23.

Searle, J. R. (1979). Expression and Meaning: Studies in the Theory of Speech Acts. Cambridge: Cambridge University Press.

Soria Parra, D. and Delimarsky, D. (2026). MCP Roadmap. Model Context Protocol Blog, 22 August 2026. https://blog.modelcontextprotocol.io/posts/mcp-roadmap/ (accessed 26 August 2026).

Stojanovic, L. (2004). Methods and Tools for Ontology Evolution. PhD thesis, University of Karlsruhe.

注記

利益相反について 著者は特定の機関に所属せず、独立して研究を行っている。本稿で述べている分野においては、研究活動と並行して応用的利益を追求している。ただし、本稿はいかなるサービスの宣伝も行わず、製品の供給元を名指しすることも、いかなる商業的提案を含むこともない。

データ 分析対象としたコーパスは、著者自身がAIシステムと行った対話を自ら記録したものである。第三者に関する体系的な収集データは含まれておらず、分析の前に第三者への言及箇所はすべて削除されている。データ処理の法的根拠はGDPR（EU一般データ保護規則）第6条第1項(f)に基づく。研究機関に所属していないため倫理委員会の審査は経ておらず、また本研究の設計にヒトを対象とした実験は含まれていない。

透明性 文献検索および本原稿の作成において、研究支援ツールとしてAIを利用した。ただし、構想の立案、内容の判断、および最終的な責任はすべて著者にある。

ライセンス CC BY 4.0 国際（表示）。© Andreas Ehstand 2026。このライセンスは本テキストのみに適用される。プログラム内部の作業手順は本出版物の一部ではなく、本ライセンスの対象とはならない。また、商標権および名称に関する権利は本ライセンスによる影響を受けない。