マルチモダリティ、PDF、画像、表、動画：権威の不透明なサーフェス

マルチモダリティ、PDF、画像、表、動画：権威の不透明なサーフェス

AIシステムが利用できる情報のうち、きれいに構造化された線形のテキストとしては現れないものの割合が増えている。そうした情報は、PDF、スクリーンショット、画像、表、図、地図、視覚的な抜粋、動画として現れる。人間にとって、これらの形式は完全に読み取れるままでありうる。しかし合成システムにとっては、しばしば不透明なサーフェスとなる。すなわち、権威は目に見えるが、ただちに再構成できるわけではないサーフェスである。

重要なのは、こうした形式が「読みにくい」ということだけではない。ドクトリン上の要点は、それらがソース、証明、再現のあいだの関係を変えてしまうことにある。HTMLのテキストは、タイトル、セクション、日付、リンク、近傍をしばしば明示する。スクリーンショットやPDFは、同じ情報を示しながら、その階層、文脈、バージョン、正確な範囲をはるかに不確かにしうる。

このページは合成サーフェスの論理を延長し、忠実性の証明の問題と直接交差する。ソースが部分的にしか解釈できないとき、再現は忠実に聞こえながら、暗黙のうちにカノンから離れていくことがある。

1. これらの形式が「テキストの一種にすぎない」わけではない理由

PDF、スクリーンショット、動画は、単に異なる容れ物であるだけではない。いくつかの決定的な目印を移動させてしまう。

• 文脈は、前のページ、スクリーンショットの切り取り方、動画の正確な時点に依存することがある。
• 階層は、レイアウト、サイズ、色、凡例、重ね合わせ、視覚的な順序によって担われることがある。
• バージョンは暗黙のままとなり、ファイル名、タイムスタンプ、インターフェースの片隅に隠れていることがある。
• 引用は、ソースが安定したテキスト上のアンカーも、直接対抗可能なアドレスも提供しない場合、近似的なものになることがある。

言い換えれば、難しさは認識だけにあるのではない。何が優先するのか、どの範囲においてか、どの正確な出所からかを知るための目印の一部が失われることにある。

2. 不透明なサーフェスに固有のドリフトのメカニズム

いくつかのメカニズムが繰り返し現れる。

a) 構造の平板化

表が一文として再現される。凡例が中心的な事実になる。脚注が消える。システムは目に見える要素を保持しながら、その要素に意味を与えていた関係を失う。

b) フレーミングの喪失

スクリーンショットはある状態を示すが、その状態に至る経路、ステータス、日付、ペリメーターを示すとは限らない。画像はあるインターフェースが存在したことを証明しうるが、それだけでは、そのインターフェースが何を許可していたかを証明しない。

c) 読解と推論の混同

グラフ、地図、図はしばしば解釈を必要とする。システムは、観察されたことと推定されたことを区別しないまま、その解釈を断定的な言明に変えてしまうことがある。

d) 時間性の溶解

アーカイブされたPDF、古いパンフレット、日付のない動画、再利用されたビジュアルは、もはや適用できないにもかかわらず、読み取れるという理由で合成を統御し続けることがある。

e) 隠された出所

抜粋が、完全なソースページを伴わずに流通する。画像やPDFが見かけ上の「ソース」となるが、それが二次的な再利用にすぎない場合もある。これはメディア、引用、出所の消失で展開される問題と重なる。

3. この問題が単に技術的なものではなく、ドクトリン上のものである理由

より優れたOCR、より強力な視覚解析、改良された表の抽出があれば十分だと思えるかもしれない。こうした進歩は重要である。しかし中心的な問題は解決しない。

中心的な問題は、部分的にしか読み取れないソースには、より強い再現の規律が必要だということである。ソースが不透明であるほど、合成は、何を断定するか、どの粒度で引用するか、観察と推論の境界をどこに置くかについて、より慎重でなければならない。

ここでカノンと出力のギャップと正規性の脆弱性が重要になる。出力は、そのソースの不完全な読解に依拠しながら、整合的に見えることがある。こうした文脈では、流暢な文章は忠実性の証拠ではない。むしろ、元の素材の不透明さを覆い隠すことがある。

4. ガバナンスが目指すべきもの

不透明なサーフェスのガバナンスとは、こうした形式を禁止することではない。その位置づけを宣言し、それらが統御しうる範囲に境界を設けることである。

これには、少なくとも次のことが必要である。

• どの形式が正規のものか、二次的なものか、純粋に例示的なものかを明示する
• 重要な主張については、より直接的に対抗可能なテキスト上の等価物を提供する
• ビジュアル、表、PDFを、ソースページ、バージョン、日付に結びつける
• 抽象的な「文書」ではなく、ページ、セクション、画面、フレーム、凡例といった正しい粒度で引用する
• 不透明な形式の読解が影響の大きい主張を支えるときは、必ず解釈トレースを求める

内部環境では、この規律は内部システムと権威の暗黙的委任の問題とも重なる。スクリーンショットや内部PDFが、利用できるというだけの理由で、留保のない暗黙のルールになってはならない。

5. コーパスの他の領域との相互作用

不透明なサーフェスは孤立して存在するわけではない。サイトですでに扱われているいくつかの領域を横断している。

• 製品ソースでは、PDFのドキュメント、機能のスクリーンショット、料金表、視覚的な変更履歴として現れる。
• 第三者プラットフォームとローカルサーフェスでは、地図、掲載カード、再利用された抜粋として流通する。
• メディアでは、視覚的な抜粋がソースとなった出版物よりもよく生き残るとき、出所の消失を強める。
• 合成インターフェースでは、元の素材が部分的にしか読まれていないにもかかわらず、安全に聞こえる言い換えを助長する。

したがって、この領域が示すことは単純である。ソースが視覚的な仕掛けに依存するほど、システムがそこから何を読み取り、何を推論し、何を引用してよいかを、ガバナンスはより明示しなければならない。

6. このページが確立しないこと

このページは、PDF、画像、動画が本質的に弱いソースであるとは述べていない。また、HTMLページだけが根拠として扱われるべきだとも述べていない。

このページが確立するのは、より精密な区別である。ある種の形式は、権威を直接には再構成しにくくする。そうした形式を合成の基盤として用いるときは、通常の線形テキストよりも厳格な再現、引用、証明の条件が求められる。

正規の接続先

• 合成サーフェスと権威の暗黙的再配分
• 忠実性の証明
• 解釈トレース
• カノンと出力のギャップ
• メディア、引用、出所の消失
• ドキュメント、ヘルプセンター、料金、変更履歴：製品ソース階層