研究チームが、本体論の観点から「関係」を第一性に据えた形式的数学枠組み「類似場理論（Similarity Field Theory）」を構築した。2500年前、アリストテレスは「実体」を本体論の基盤とし、それが工業革命の思想的土台となった。今日のAI時代は、18世紀の蒸気機関の改良期にたとえられる。当時、技術者は経験と試行錯誤で機械を造ったが、カーノーとクラウジウスらが熱力学の理論を確立してから、機械の理解と最適化が可能になった。同様に、現在のAIは巨大なニューラルネットワークの構築に注力しているが、その背後には統一的理論が欠如している。ブラックボックスの解釈、安定性の確保、知能の本質といった根本的課題に直面している。 この課題に向き合い、AI研究者・伍祺升氏は「知能とは何か」「なぜ個体が第一性なのか」という本質的問いに立ち返った。その結果、従来の「実体」中心の本体論を覆し、「類似性」を第一性とする形式的枠組みを創出した。類似場理論は、数学的に「概念」を空間上の構造として扱い、知能を「ある概念を表す実体が、同じ概念を表す新たな実体を生成する能力」と定義する。この定義は、数学的に「上水準集合（upper level set）」と「生成演算子（G）」の関係として明確化され、知能の本質が「概念空間における構造的保存」であることを示す。 この理論により、AIの課題は「統計的予測」から「幾何的構造の探索」へと転換される。研究チームは、不相容性定理と安定性定理を証明。前者は、社会的交渉における合意不成立の本質を形式的に説明し、後者は個人・集団の認知が持続可能な信念の上に成り立つことを示す。また、大規模言語モデル（LLM）は、その内部構造を「概念の繊維（fiber）」として解釈可能となり、各ニューロンが「ある概念を表す入力の集合」に応答する形で機能することを明らかにした。これにより、モデルの可視化と解釈が、単なる「重みの可視化」から「概念の構造解析」へと進化する。 実証実験では、3種のLLM（cerebras-gpt-590M、pythia-160m、gemma-3-270m）を用い、Bradley–Terry–Luceモデルで消費者のブランド認知を模擬。結果、Spearman相関係数0.963、MAE=2.160という高精度を達成。これは、LLMが集団的認知の構造を本質的に学習している証拠であり、社会・経済・文化研究に新たな定量的アプローチを提供する。 応用面では、不相容性定理を用いて、LLMの論理的矛盾（例：「AはBより典型」かつ「BはAより典型」）を検出・修正する可能性が示され、より信頼性の高いAIの開発が可能になる。また、LLMを「集団認知の仮想実験装置」として活用することで、従来のアンケートに代わる、大規模な社会的動向の観察が可能になる。 この研究は、伍祺升氏が東洋古典の知恵と現代計算科学を融合して生み出した成果。彼は香港大学で学び、大手企業でエンジニアを経て、現在はカナダのCopilot AIでデータサイエンティストを務めながら、自らの研究を主軸に据えている。彼の志は、東洋的知恵の現代的価値を広く発信すること。本研究は、単なる技術革新にとどまらず、人間の知的活動の本質を再考する、哲学的・科学的意義を持つ一歩である。