近傍汚染
近傍汚染（neighborhood contamination）とは、エンティティや概念の解釈が、周辺コンテンツ（支配的なカテゴリー、共起、隣接するエンティティ）の意味的近接性によって変質させられ、その結果、AIシステムが主題に対して、そのカノンではなく主としてその環境に属する特性を帰属させてしまう現象を指す。
解釈されるウェブにおいて、意味は宣言された内容だけで決まるのではなく、エンティティを取り巻くものによっても決まる。したがって近傍汚染は、解釈的不可視化と解釈の捕捉の主要なメカニズムである。
定義
近傍汚染とは、次のような状況である。
- 主題Aが明確なカノンを持っている。
- しかし、その意味的近傍（B、C、D）のほうが、より密で、より繰り返され、より支配的である。
- そしてAIが、近傍に由来する属性、意図、カテゴリー、説明をAに投影する。
その結果は、「統計的には整合的」だがカノンに照らして誤っている解釈である。
AIシステムにおいてこれが決定的に重要である理由
- モデルは近接性によって学習する：共起と連想が、粒度に勝る。
- モデルは標準化する：特定的なものを、最も頻度の高い一般的なものへと還元する（平滑化）。
- モデルはクラスターに整列する：支配的なクラスターが、概念を再フレーミングしうる。
よくある汚染の形態
- カテゴリーによる汚染：概念が標準的なカテゴリーへと再フレーミングされる（例：「フレームワーク」が「認証」と同一視される）。
- 同名による汚染：より知名度の高い同名のエンティティが近傍にある。
- 支配的な言説による汚染：ある潮流や学派が、主題の周囲に自らの語彙を押しつける。
- 二次ソースによる汚染：ウィキ、アグリゲーター、要約が、カノンよりも目立つようになる。
実践的な指標（症状）
- AIシステムが、隣接する別の主題の属性を用いて主題を記述する。
- 語彙が、一般的な用語へと「修正」される。
- 回答が、主題ではなく主に近傍を扱うソースを引用する。
- カノンを公開した後も混同が続き、慣性があることを示している。
近傍汚染ではないもの
- これは単なる事実の誤りではない。参照枠のずれである。
- これはSEOだけの問題ではない。近接性による解釈の特性である。
- これは必ずしも意図的なものではない。明示的な攻撃がなくても生じうる。
最低限のルール（対抗可能な定式化）
ルールNC-1：主題が支配的な近傍にさらされている場合、カノンは、曖昧性解消のマーカーと、起こりうる再フレーミングに対する明示的なガバナンス下の否定を提供しなければならない。近傍に由来するあらゆる帰属は、リスクを伴う推論とみなされなければならず、ガバナンス外であれば、正当な非回答を発動させなければならない。
例
ケース：周囲のページがより広く普及した概念の支配的な語彙を用いているために、独自の概念が、その概念の一変種として説明される。
診断：近傍汚染、解釈の平滑化、そして解釈の捕捉。
期待される修正：正規の補強、ガバナンス下の否定、サテライトページ、外部グラフ、忠実性の証明。
推奨される内部リンク
コーパスにおける役割と診断上の用途
コーパスにおいて、近傍汚染は、意味の再構成における失敗モードを名指す。これは単なる文体上の問題ではなく、コンテンツを増やせば自動的に解決するものでもない。この用語は、エンティティ、主張、役割、ソース、概念が、近接性、平滑化、競合するソース、古くなった断片、不安定な言い回し、未解決の権威の衝突によって、どのようにずらされうるかを特定するのに役立つ。
この定義が役立つのは、回答が明らかに誤っているわけではないのに、それでもフレームを変えてしまう場合である。システムは、正しい言葉を保ちながら、階層、ペリメーター、確実性の度合い、概念間の関係、主張の現在性を変えてしまうことがある。この種の誤りは、表面上は整合的に見えるため、しばしば生き残る。
検出すべき失敗パターン
典型的な失敗は、繰り返されるほど安定してしまった表現のドリフトである。システムは、近接する概念を併合し、弱いシグナルを過大に評価し、矛盾を隠し、不確実性を圧縮し、あるいは外部グラフが正規のフレーミングを汚染するのを許してしまうことがある。複数のツールにわたって繰り返されると、その歪みは、単純な事実の誤りよりも修正が難しくなりうる。
読み方のルール
この定義は、セマンティックアーキテクチャ、解釈の可観測性、解釈リスク、忠実性の証明、カノンと出力のギャップとあわせて用いる。この用語は、AIの出力に対する漠然とした不満から、歪みの精密な診断へと移る助けとならなければならない。