9. 研究方向性と未解決課題
第8章の活用事例分析と既存研究の調査に基づき,CADLの実現と発展に向けた研究方向性を整理する。各方向性について,現在の研究がすでに提供しているもの(名前の付いたツールと成果),CADLにとって未解決のもの,CADLが取り組むべき具体的な研究課題を示す。既存のツールが問題の一部をすでに解いている場合は,CADLがそのツールに何を渡すのか,そのツールでは答えられない問いは何かを述べる。
本章は,本仕様書(Version 0.3)とリファレンス実装 cadl 0.3.36 を前提とする。リファレンス実装は,契約の充足可能性をZ3 [de Moura & Bjørner, 2008] で検査し,プロトコルのデッドロックを構造解析で検出し,SoS-DSL拡張(付録E:lifecycle:,monitors:,deadline:)を扱い,Python,Solidity,OPA/Rego,Unity C# のコードを生成し,cadl ai で自然言語からCADLを起草し(構文解析・型検査・再試行の繰り返しと,--verify を付けた場合の cadl verify の検査),IEC 62853との対応を報告する(第10章)。
以下で「ある問題を扱った研究はない」と述べる箇所は,限られた文献調査(主に2023〜2026年)に基づく。そのような研究を見つけられなかったという意味であり,存在しないことを意味しない。
9.1 制度の代数的構成理論
複数の制度記述を安全に合成・分解するための代数的基盤の確立が必要である。Benveniste et al. [Foundations and Trends in EDA, 2018] はコンポーネント設計における契約の並行合成 C₁ ⊗ C₂ を理論化した。その後,assume-guarantee契約の代数はほぼ完成した。hypercontractsはハイパー性質の上で合成と商(欠けている部品の仕様)の閉形式を与え [Incer+, NFM 2022],Pactiは契約理論の代数演算を効率よく計算する [Incer+, arXiv 2023]。OCRAは計量的な実時間制約を含むLTLで書いた契約の精緻化を検査し [Cimatti+, ASE 2013],Kind 2は契約のモードが前提を網羅していることを検査する [Champion+, CAV 2016]。定量的な時相要求を持つ契約をエージェント間で合成する研究もある [Dewes & Dimitrova, AAAI 2025]。SysML v2 [OMG, 2025] は要求に assume constraint と require constraint を持たせ,SAWS²はSysML v2の断片をOCRA,nuXmv,xSAPへつなぐ [FBK, SAWS²]。
CADLにとって未解決なのは,これらの演算子の制度としての解釈である。CADLの契約の当事者は自律的な組織であり,その遵守は設計者の権限ではなくインセンティブに依存する。したがって,合成は制度パラメータで添字付けられ,その保証は均衡の下で成り立たなければならない。運用モード全体の切替(過渡期を含む)は安全でなければならず,代数は構成システムの参加と離脱を扱えなければならない。例えば,家庭の家事分担制度と共有資源利用制度を合成した際に,義務の衝突やインセンティブの干渉が生じないことを代数的に保証する理論が必要である。モードを持つ契約は部品の水準で扱われており,SoSの構成の変化は契約代数を用いずに検査されている [Etzien+, ISORC 2013]。SysML v2で規範概念(義務,許可,制裁)をモデル化した研究は見つからなかった。
制度パラメータ空間(α, β, λ)の構造も未解決である。パラメトリックなマルコフ連鎖・MDPのパラメータ合成は,パラメータ空間を,性質を満たすことが証明された領域と破ることが証明された領域に分割する [Junges+, FMSD 2024]。Stormはこれを実装しており,Pythonから呼び出せる [Hensel+, STTT 2022]。単調性検査は,確率があるパラメータに対して増加するか減少するかを領域ごとに証明する [Spel+, ATVA 2019]。これらのツールが答えるのは,一つの設計がある領域で閾値を満たすかという問いである。モードマップの問いである「どの領域でどの設計が最良か」には答えない。確率モデル拡張(付録H,stochastic 0.1)は,RD-1.3のうち最初に定めた部分である。α,β,λが現れるパラメトリックなマルコフモデルをファイルに書けるようにし,モードマップを,認証付きのセルの集合を結果とする問い合わせとして定義し,PRISM言語への書き出しを定める。リファレンス実装は,パラメータリフティングによって認証付きのセルを計算する(H.14)。戦略モデル拡張(付録I)は,このモデルに9.7節のゲームとしての解釈を加える。根拠付け拡張(付録J)は,利得の項が規範から制裁の大きさを取り,それにλを掛けることを可能にする。これは,RD-1.5のうち最初に定めた部分であるが,λはモデルのパラメータであり,まだ合成のパラメータではない。契約からモデルを導出すること,および小さなモデルを超える規模への対応は未解決である。
| ID | 課題 | 内容 |
|---|---|---|
| RD-1.1 | 制度合成代数 | 並行合成とマージは既存のhypercontractsの結果 [Incer+, NFM 2022] の上に構築し,CADL独自の貢献を,逐次合成と選択合成,および3層(制度・プロトコル・アルゴリズム)の制度としての解釈と,その健全性証明に絞る。 |
| RD-1.2 | 制度の精緻化関係 | 概要レベル→設計レベル→検証レベルの精緻化が制度の性質を保存することの形式的証明。記述レベル間の精緻化を検査する手段として,OCRAの時相的な精緻化 [Cimatti+, ASE 2013] とPactiの精緻化検査 [Incer+, arXiv 2023] を用いる。 |
| RD-1.3 | パラメータ合成による認証付きモードマップ | CADL記述を,α, β, λ が遷移確率と報酬に現れるパラメトリックMDP(PRISM/JANI)へ変換し,Storm [Hensel+, STTT 2022] でモードごとの認証付き領域を生成し,定性的な設計法則(例えば,ある領域ではαを上げても任務成功確率が下がらないこと)を単調性検査 [Spel+, ATVA 2019] で証明し,比較型の領域検証(「どの領域でどのモードが最良か」)を新しい問題として定義する。厳密な分割が実用になるのは少数のパラメータに限られるため [Junges+, FMSD 2024],この方法がどの規模まで使えるかは未解決である。 |
| RD-1.4 | モード遷移の安全性 | モードの網羅性(Kind 2 [Champion+, CAV 2016] が検査するもの)と,モード遷移の前後の証明責務を,集中型と分散型のモードの切替へ拡張し,過渡期の契約を明示する。ハンズオン教材のCourse Dは,共有の道路が空くのを待たずに切り替えると安全不変条件が破られることを示している。 |
| RD-1.5 | インセンティブでパラメータ化した合成 | λを契約のパラメータとして扱い,構成システムの契約の合成がシステムの契約を精緻化するλの範囲を,商を通じて求める。RD-7.2の均衡解析と関係する。 |
| RD-1.6 | SysML v2との相互運用 | アクターを part def へ,契約を assume constraint と require constraint を持つ requirement def へ写し [OMG, 2025],代数計算はSAWS²/OCRA [FBK, SAWS²] ないしはPactiに委ね,SysML v2が定義していない規範概念とモードをCADLのモデルライブラリとして加える。 |
9.2 暗黙知の抽出と制度化
家庭内ルールやコミュニティの慣習など,暗黙的に共有されている制度的知識をCADL記述として明文化する技術が必要である。IndoorWorld [Wu+, Findings of EMNLP 2025] はLLMエージェントの屋内環境での行動シミュレーションを実現しているが,観察された行動パターンから制度ルールを抽出する逆問題(制度のリバースエンジニアリング)は未着手である。時間に関わる性質については,トレースから信号時相論理の仕様をマイニングする手法の調査がある [Bartocci+, Inf. Comput. 2022]。
LLMによる形式仕様への翻訳は,単純な対象でしか精度が高くない。命題を抽象化した時相論理への翻訳では,ファインチューニングしたモデルが95%を超える精度に達し,GPT-4のfew-shotでは77.7%であった [Chen+, EMNLP 2023]。TLA+では,30種のLLMのうち最良のものでも,意味的に正しい仕様は8.6%であった [Bisharat+, ICSOFT 2026]。LLMによるSymboleo生成 [Zitouni+, 2025] は,38通りのプロンプト構成を16種の誤りの類型で評価し,結果は有望だが多くの誤りが残ると結論している。cadl ai はすでに構文解析・型検査・再試行を繰り返し,--verify を付ければSMTとデッドロックの検査も行う。これが保証するのは構文的な妥当性と無矛盾性であり,記述が元の文章に忠実であることではない。義務論的な内容(義務,許可,救済)の翻訳を対象としたベンチマークは見つからなかった。
| ID | 課題 | 内容 |
|---|---|---|
| RD-2.1 | 行動観察からの制度推論 | IoTセンサーデータや行動ログから,潜在的な制度ルール(暗黙の権限構造・情報共有パターン・インセンティブ構造)を推論するアルゴリズム。仕様マイニング [Bartocci+, Inf. Comput. 2022] により,シミュレーションとモニターの記録から deadline の値と guarantee の閾値の候補を推定することを含む。 |
| RD-2.2 | LLMによる制度記述生成と忠実性の検査 | 自然言語のインタビュー記録や議事録からCADL記述を生成する技術。LLMによるSymboleo生成 [Zitouni+, 2025] の手法を制度記述全般に拡張する。cadl ai の構文的な検査に加えて忠実性を検査する。往復翻訳(自然言語→CADL→自然言語)を比較し,生成した契約をCADLシミュレータのシナリオトレースで確かめ,確信度の低い条項を確認者に示す。 |
| RD-2.3 | 制度の暗黙知オントロジー | 暗黙の制度知識を体系的に分類・構造化するオントロジーの構築。Ostrom [1990] のIADフレームワーク [Ostrom, 2005] をCADLの語彙に対応付ける。 |
| RD-2.4 | 自然言語→CADLのベンチマーク | 制度の自然言語記述,正解のCADL記述,シナリオトレースの組からなるベンチマーク。義務論的な内容を含め,RD-2.2や他の翻訳器 [Bisharat+, ICSOFT 2026] の精度と忠実性を測る。 |
9.3 制度デジタルツインとアシュアランス
Digital Twins of Organization [Lyytinen+, J. Organization Design, 2024] の概念を発展させ,制度そのものをデジタルツインとして構築・シミュレーションする技術の確立が次世代の研究方向である。Lyytinenらは,組織は主体性・対立・創発を含むため,組織の完全なツインは実現できないかもしれないと論じている。これに対し,狭い目的に絞ったツインならデジタルトレースデータから作れるという応答がある [Winkler & Kremser, J. Organization Design, 2024]。CADL記述は,そのような狭いツインの規範の層として使える。CADL記述が写すのは合意された規則であり,組織全体ではない。vCity [BSC] やSocial Digital Twin [Fujitsu] は物理的・社会的側面のツイン化を進めているが,制度(ガバナンス構造・ルール・インセンティブ)のツイン化は,本章の調査の範囲では主な対象としていない。
動的アシュアランスケースは,モデルと実行時の証拠を結び付ける。動的安全性ケース [Denney+, ICSE 2015] に続き,ACCESSはアシュアランスケースを設計時と実行時の両方で評価し,ケースの妥当性をモニターが検査する実行時のデータに依存させる [Wei+, JSS 2024]。TrustaはLLMが起草したアシュアランスケースを形式的な制約で検査する [Chen+, SCP 2025]。記法はGSN Community Standard Version 3 [SCSC-141C, 2021] とOMG SACM 2.3 [OMG SACM, 2023] である。モデルと実行中のシステムの乖離は,models@run.time として研究されている [Bencomo+, SoSyM 2019]。
CADLにとって未解決の問題は三つある。第一に,見つかった動的アシュアランスケースは単一の技術システムを保証の対象としており,複数の組織の義務・許可・改正手続きを主張とし,所有者の異なるモニターの結果を証拠とするものは見つからなかった。第二に,ツインの同期の研究は,モデルを現実に合わせて修正することを前提としている。制度ではモデルが規範である。乖離は,参加者による違反(アシュアランスの主張に対する反証)か,CADL記述の改正を経ずに実際に有効な規則が変わったドリフト(ツインが古くなった)かのいずれかであり,観測だけでは両者を区別できない。観測された実態に合わせてモデルを自動的に更新すれば,違反を追認することになる。第三に,シミュレータ上での制度の統計的な評価には信頼区間が必要であり,制度の実験は参加する人々の行動を変える。
| ID | 課題 | 内容 |
|---|---|---|
| RD-3.1 | 制度シミュレータ | CADL記述から制度のシミュレーションモデルを自動生成し,制度パラメータの変更による影響をwhat-if分析する技術。最初の対象はMAPFシミュレータとの統合である。シミュレータを,統計的モデル検査が内部の構造を用いずに呼び出すオラクルとして扱い,各パラメータ点に信頼区間を付け,競合するモードの区間が重なる境界を統計的に区別できない境界として示す。JANIへ書き出すことで,厳密なツール(RD-1.3)とmodes [Budde+, TACAS 2018] のような統計的モデル検査器の両方で扱えるようにする。 |
| RD-3.2 | 乖離の分類と改正手続きへの接続 | モニターのトレースをCADL記述と照合して制度運用との乖離を検出し,各乖離を違反とドリフトに分類する。違反は契約(違反の処理と制裁)が扱い,アシュアランスケースへの反証となる。ドリフトは記述の自動更新で正すのではなく,改正手続き(Course Dでは憲法ゲートとバージョン管理された改正記録)を通し,そこからIEC 62853 [IEC 62853:2018] の変化対応プロセスへ渡す。 |
| RD-3.3 | 検証付きの制度A/Bテスト | 異なる制度設計を並行運用し,パフォーマンスを比較する技術。AI Economist [Zheng+, 2022] のような強化学習やLLMエージェントが提案した制度パラメータを,展開する前にRD-1.3とRD-7.1の手段で認証する。LLMエージェントの「合理性」はゲーム理論が仮定する合理性ではないことを,あらゆる主張の前提条件として明記しなければならない。制度の実験は参加者に影響するため,倫理と同意の枠組みが必要である。 |
| RD-3.4 | CADLから生成するアシュアランスケース | アシュアランスケースの主張を契約の要素から決定的に導出し,設計時の静的検査と運用時のモニターの判定を証拠とし,GSN [SCSC-141C, 2021] ないしはSACM [OMG SACM, 2023] で出力し,IEC 62853のディペンダビリティケースとして用いる。ACCESSが技術システムで行うように [Wei+, JSS 2024],モニターの報告のたびにケースを再評価する。未解決の論点は,制度的な主張(公平性,説明責任,改正可能性)の議論パターン,異なる組織が所有する複数のモニターの確信度の集約,構成システム自身のアシュアランスケースをaway goalとして参照することである。 |
9.4 スケーラビリティと計算複雑性
制度の形式検証とコード生成のスケーラビリティは,実用化に向けた最重要課題の一つである。100以上のアクターと50以上の契約を含むSoS記述の検証を実用的な時間内で完了するためには,検証手法の計算複雑性の理論的解析と,効率的なアルゴリズムの開発が必要である。9.7節の戦略的な問いについては,いくつかの計算量がすでに知られている。確率的なシステムの均衡上でLTL性質を検査する問題は2EXPTIME完全であり [Gutierrez+, KR 2021],性質が均衡上で成り立つようにインセンティブを設計する問題は,LTLではPSPACEに,GR(1)の目標ではNPないしはΣ₂ᴾに属する [Gutierrez+, LMCS 2024]。定量的な目標を持つインセンティブの検証は2EXPTIME完全である [Hyland+, KR 2024]。したがって,実用的なツールには,GR(1) [Piterman+, VMCAI 2006],有限トレース,有界な地平といった制限された断片が必要になる。
| ID | 課題 | 内容 |
|---|---|---|
| RD-4.1 | 制度検証の計算複雑性 | 上記の既知の結果に基づき,CADL記述の無矛盾性検証,デッドロック検出,安全性検証,時相的な契約集合の実現可能性,均衡に関する性質それぞれの計算複雑性クラスを決定する。決定可能性の境界条件と,扱いやすさを保つ断片(例えばGR(1) [Piterman+, VMCAI 2006])を特定する。 |
| RD-4.2 | 抽象化に基づくスケーラブル検証 | 制度記述の階層的抽象化により,大規模SoSの検証を効率化する手法。反例駆動抽象精緻化(CEGAR) [Clarke+, 2000] の制度検証への適用と,9.7節の均衡検査のための構成システムごとのassume-guarantee推論。 |
| RD-4.3 | インクリメンタル検証 | アクターの参加・離脱や制度変更に対して,全体の再検証ではなく差分検証で整合性を確認する。離脱を商 C_sys / C_rest(残る構成システムの下で代替者が満たすべき仕様)として,参加を新たな合成の精緻化の再検査として定式化し,Pacti [Incer+, arXiv 2023] が扱う断片では計算できるようにする。参加と離脱をこのように定式化した研究は見つからなかった。発展するSoSに関する先行研究は,契約代数を用いずに危険な構成への到達可能性を検査している [Etzien+, ISORC 2013]。 |
9.5 多文化・多法域対応
CADLが国際的なSoSに適用されるためには,異なる法体系・文化的規範・言語環境に対応する必要がある。EU Data Act(規則 (EU) 2023/2854)は,データ共有合意の自動実行に用いるスマートコントラクトが満たすべき必須要件を定めているが,他の法域(日本・米国・中国等)との制度的互換性は未解決の課題である。データの利用については,ODRLがデータスペースの方針記述の層として使われており [Iannella+, W3C Blog 2025],W3C Community GroupのODRL Formal Semantics草案は,許可・禁止・義務の義務論的な状態を定義し,アクセス制御と監視を分けている。同草案は救済を形式化しておらず,衝突の扱いは保留である [W3C ODRL CG, Formal Semantics]。EU Data Actの義務をODRLの方針へ対応付けた信頼できる資料は見つからなかった。CADLはそのような対応を前提としない。
| ID | 課題 | 内容 |
|---|---|---|
| RD-5.1 | 法域間の制度互換性検証 | 異なる法域のCADL記述を合成した際の法的矛盾(例: EU GDPR [Regulation (EU) 2016/679] と日本の個人情報保護法 [Act No. 57 of 2003] の差異)を検出する技術。データ共有に関わる規範については,形式化が進みつつあるODRLの衝突の意味論 [W3C ODRL CG, Formal Semantics] を参照する。 |
| RD-5.2 | 文化的規範のパラメータ化 | 集団主義/個人主義,権力距離,不確実性回避等の文化的次元を制度パラメータとしてモデル化し,文化間のガバナンス差異を定量的に扱う技術。 |
| RD-5.3 | 多言語制度記述 | CADLの概要レベル記述を多言語で記述可能にし,AIが言語間の制度的等価性を検証する技術。人が読むテキストを任意の言語で書けることだけを求めるNFR-7(国際化)を超える課題である。 |
9.6 規範と時相
CADLの契約は規範的な合意を記述するが,規範はまだ,時間とともに変わる状態を持つ第一級のオブジェクトではない。Symboleo [Sharifi+, 2020] は義務と権能を,ライフサイクル(生成,発効,停止,再開,履行,違反,終了)を持つオブジェクトとして扱い,SymboleoPCはSymboleoをnuXmvへ変換してLTLとCTLの性質を検査する [Parvizimosaed+, SoSyM 2025]。Symboleoの仕様はスマートコントラクトへも変換されている [Rasti+, MODELS 2022]。規範プログラミング言語NPLは,マルチエージェント組織における期限付きの義務と制裁を扱い [Hübner+, AMAI 2011],構成的規範(counts-as)は統制的規範と区別され,他の事実から制度的事実を生み出す [Boella & van der Torre, KR 2004]。マルチエージェントシステムの規範を自動合成する研究もある [Alechina+, KR 2022]。
時相と監視の側では,RTAMTが信号時相論理の頑健性をオンラインで計算し,そのインタフェースを考慮した変種は入力信号と出力信号を分ける。これはCADLの前提(assume)と保証(guarantee)の分割に対応する [Ničković & Yamaguchi, ATVA 2020] [Yamaguchi+, STTT 2024]。R2U2は時相的な仕様をハードウェアないしはソフトウェアの観測器へ変換する [Johannsen+, CAV 2023]。前提は,モニターが扱うべきトレースを制限することで,監視可能な性質を増やせる [Henzinger & Saraç, RV 2020]。義務論的な実行時検証は,責任を負う当事者を特定し [Kharraz+, ICTAC 2023],違反を検出した場所と違反が起きた場所を区別する [Colombo+, ISoLA 2024]。監視は分散化されており [Francalanza+, 2018],時相的な安全仕様から合成したシールドは危険な行動を阻止する [Alshiekh+, AAAI 2018]。シールドは通信なしにエージェントごとにも動作する [Melcer+, NeurIPS 2022]。
コア言語では,assume と guarantee は時相演算子を持たない状態述語であり,期限はライフサイクルの遷移(deadline:)にしかなく,モニターは手書きの rule: 述語であり,Z3は充足可能性にしか使っていない。規範拡張(付録F,norms 0.1)は,RD-6.1,RD-6.2,RD-6.3,RD-6.5のうち最初に定めた部分である。第一級の規範,4値の判定を伴う有界の時相演算子,counts-as規則,改正時に動作中の規範がどうなるかを定める。生成したPythonコードは,実行時に規範を監視する。生成したRego(保存した状態を受け取るステップ関数)とSolidityも,それぞれが扱える契約について監視する(F.10)。また,契約の規範を設計時に検査できる。対象は,同じ契約の1つのインスタンス,または同時に扱う4つまでのインスタンスであり,各インスタンスが始まる観測は環境が選ぶ。契約の改正がある場合も検査できる。F.12は,離散時間と値のクラスを用いて規範をPRISMのMDPに変換し [Kwiatkowska+, CAV 2011],各規範が違反されうるか,発効するたびに守れるか,2つの規範が衝突するか [Vasconcelos+, JAAMAS 2009],権能が一度でも行使されうるかを問う。「はい」の答えには,F.5の実行時の意味論が確かめるトレースが付く。根拠付け拡張(付録J,grounding 0.1)は,α・β・λとの結び付きのうち最初に定めた部分である。契約の規範から,宣言した項目の上の情報共有の指標と,権能の集中の指標を導出し,宣言されたαとβをそれらと比べ,制裁または報酬を伴う規範の数を数え,λが掛かる数値の大きさを制裁に与える。同じ指標をSoSのすべての契約の上でも計算する。指標は個数であり,契約についての証拠である。パラメータの意味は定めない。規範によるα,β,λの形式的な意味,F.12が扱わない設計時の検査(定義域を与えていない量の非線形の算術(述語のリテラルから推定した定義域を仮定した場合に限って検査する),消去が制限を超える,互いに比べる量のまとまり(cadl 0.3.32からは,count を通して多くの量を読む葉でその値の1つが現れないもの,多くの大小を比べる量にかかる線形の算術,同じ要素を max と添字の両方を通して読むもの),異なる契約のインスタンスの組み合わせ,5つ以上のインスタンス,要素数を固定しないアクターの集合,連続時間,どの当事者が違反を避けられるかの判定),Unity C#のランタイムでの監視,生成したRegoとSolidityが拒否するものの監視(述語の限量子,集約,ワイルドカード参照と範囲参照,式である添字,改正。Regoではさらに /。Solidityではさらに *,/,小数点以下が6桁を超えるリテラル,規範の内容の外にある入れ子の時相演算子,デプロイ時のコード(creation code)がEIP-3860の上限を超える契約),Solidityのモニターで,入れ子の中の until と,入れ子の演算子とほかの部分を組み合わせた被演算子(cadl 0.3.32から観測ごとに判定する)について,観測1つのガスを区間の中の観測の数によらず抑える方法,重み付けした指標,モードごとの規範,規範からのモデルの確率の導出は未解決である。第一級の規範オブジェクトを,制度パラメータ α, β, λ,SoSにおける多数の契約の合成,運用中の改正と同時に扱う研究は見つからなかった。義務論的な責任の意味論を効率のよい監視エンジンとつなぐツールや,自分のインタフェースしか観測できず時計も同期していない複数の組織が,判定と責任の所在について合意できるようにするツールも見つからなかった。
| ID | 課題 | 内容 |
|---|---|---|
| RD-6.1 | 第一級の規範オブジェクト | 候補となる norms: ブロック。各規範は,種別(義務,許可,禁止,権能),負担者,相手方,発動条件,期限,違反時の処理(反義務ないしは制裁)を持ち,Symboleoのライフサイクル [Sharifi+, 2020] に従う。設計時には,SymboleoPC [Parvizimosaed+, SoSyM 2025] と同じくnuXmvへ変換して規範を検査し,データ共有に関わる規範はODRLへ書き出す。権能の所在はβに,発動と履行の観測可能性はαに,制裁の大きさはλに対応する。遵守の確率をλとαの関数として解析できるかは未解決の問いである。 |
| RD-6.2 | 時相付きの前提・保証と4値の判定 | 契約に有界なMTL/STLを許し,判定を,未決(未履行で期限内),履行,違反,前提違反(提供者の責任ではない) [Henzinger & Saraç, RV 2020] の四つに分ける。PythonバックエンドではRTAMT [Yamaguchi+, STTT 2024] へ,Unity C# バックエンドではR2U2の方式 [Johannsen+, CAV 2023] で生成する観測器へ変換する。 |
| RD-6.3 | counts-asによるプロトコルと契約の対応付け | 「プロトコルPのメッセージmは契約Cの制度的事象eとみなす」という形の規則 [Boella & van der Torre, KR 2004] により,プロトコルのトレースが規範の状態を変えるようにする。 |
| RD-6.4 | 組織をまたぐ監視と責任の所在 | 義務論的な実行時検証の責任の意味論 [Kharraz+, ICTAC 2023] [Colombo+, ISoLA 2024] を用いて,モニターの配置(提供側,利用側,中立の第三者) [Francalanza+, 2018],時計の不確かさ,改ざんを検知できる記録,委任された契約のグラフをさかのぼる違反の原因の追跡を扱う。 |
| RD-6.5 | 改正をまたぐ規範の継続性 | モード遷移や改正が効力を持ったときに,発効中・停止中・違反中の義務を引き継ぐか,免除するか,変換するかを,経過措置とバージョンの施行時期とともに定める。本章の調査の範囲では,Symboleo,ODRL,NPLはこれを定めていない。ハンズオン教材のCourse Dは,システムを動かしたまま規則を改正し,経過措置の構文が欠けていることを挙げている。改正の速さに関する同コースの研究演習は,最初の実験である。cadl 0.3.32からは,改正拡張(付録K)が,バージョンの施行時期と,動いている契約インスタンスに対する経過規定を書く構文を与える。 |
| RD-6.6 | 監視から強制へ | ライフサイクルの状態機械を有限の抽象として用い,CADLの契約から当事者ごとのシールド [Alshiekh+, AAAI 2018] [Melcer+, NeurIPS 2022] ないしはSimplex型の代替動作を合成する。見つかったシールドは物理的な行動を対象としており,制度上の行為を対象としたものは見つからなかった。 |
9.7 戦略的な構成システム
CADLは構成システムが運用上・管理上の独立性を保つことを前提とするため,構成システムは遵守が割に合わなければ契約を守らないかもしれない。合理的検証は,時相的な性質がマルチエージェントシステムのナッシュ均衡上で成り立つかを検査する。EVEはLTLの目標を持つモジュールを入力とし,問題をパリティゲームへ帰着させ [Gutierrez+, AI 2020],この問題は確率的なシステムへ拡張されている [Gutierrez+, KR 2021]。最近の研究は検査から設計へ移った。均衡設計は,性質が均衡上で成り立つように予算内でインセンティブを選び [Gutierrez+, LMCS 2024],インセンティブ設計は定量的な目標の下で静的・動的なインセンティブを扱い [Hyland+, KR 2024],規範を戦略的な目的に対して合成することもできる [Alechina+, KR 2022]。PRISM-gamesは,並行確率ゲームのナッシュ均衡と相関均衡を,社会厚生と公平性の基準とともに検証し [Kwiatkowska+, TACAS 2022],利得が信念に依存する心理ゲームへも拡張されている [Kwiatkowska+, 2024]。メカニズムのベイズ誘因両立性はモデル検査へ帰着されている [Mittelmann+, AAAI 2023]。AI Economist [Zheng+, 2022] のような学習に基づく制度設計は,形式的な保証を与えない。
均衡設計が見つけるのは,一つのインセンティブの仕組みである。CADLに必要なのは,遵守が均衡になるλ(および動機拡張のパラメータρとκ,付録C)の範囲であり,これを求める方法が未解決である。パラメトリックな遷移確率と均衡の計算を組み合わせたツールは見つからず,構成システムが状態の一部しか観測できない場合(αが制御するもの)の均衡を扱った研究もほとんど見つからなかった。
戦略モデル拡張(付録I,games 0.1)は,RD-7.1とRD-7.2のうち最初に定めた部分である。付録Hのモデルをターン制の確率ゲームとして読み,記憶なしで決定的な名前付きのプロファイル,特に遵守プロファイルが,単独の逸脱に対して均衡であるとは何かを定義し,均衡マップを定義する。均衡マップは,λを含むパラメータの領域のセルからなり,各セルの上で,プロファイルがそのような均衡であること,または均衡でないことが認証される。ゲームの均衡は計算しない。根拠付け拡張(付録J)を用いると,利得の制裁の項は,定義により,規範の大きさにλを掛けたものになり,J.7の条件のもとでは,遵守が均衡であるλの集合は,空であるか,上側の区間である。この拡張は,cadl 0.3.23から実装している(I.14)。同時手番,混合戦略,すべての均衡の上で成り立つべき性質,RD-7.2の仲介者と集中化の価値,動機パラメータρとκ,および部分観測(RD-7.3)は未解決のままである。
| ID | 課題 | 内容 |
|---|---|---|
| RD-7.1 | 遵守が合理的であることの検証 | CADLの構成システムとその目標を,EVE [Gutierrez+, AI 2020] の入力ないしはPRISM-games [Kwiatkowska+, TACAS 2022] の並行確率ゲームへ変換し,遵守の性質がすべての均衡上で成り立つかを検査する。検査を扱いやすく保つために,制限された断片(9.4節)を用いる。 |
| RD-7.2 | パラメトリックな均衡解析 | 遵守が均衡になるλ,ρ,κの領域を求める。集中型の調停者を相関均衡として,分散型の運用をナッシュ均衡としてモデル化し,両者の価値の差を各パラメータ点における集中化(β)の価値として測る。RD-1.3とRD-1.5に関係する。 |
| RD-7.3 | 部分観測下の均衡 | 各構成システムが情報共有度αの許す範囲しか観測できない場合の均衡解析。規模に対しては構成システムごとの構成的推論を用いる。 |
9.8 AIエージェントの統治
LLMに基づくエージェントはSoSの構成システムになりつつあり,それらをつなぐプロトコルの標準化が進んでいる。Model Context Protocol(MCP)の現行仕様は,状態を持たないコアを持ち,ゲートウェイが本文を解析せずに要求の経路を制御し計量できるよう Mcp-Method と Mcp-Name のヘッダを必須とし,拡張の枠組みを加えた [MCP, 2026-07-28]。MCPはLinux FoundationのAgentic AI Foundationのプロジェクトであり [Linux Foundation, AAIF 2025],Agent2Agent(A2A)プロトコルはLinux Foundationに寄贈された [Linux Foundation, A2A 2025]。MCP,A2Aと他の三つのプロトコルを比較したプレプリントは,いずれも投票と異議の保存を備えていないことを示し,共同体の統治はこれらの上に欠けている層であると結論している [Kang & Diponegoro, arXiv 2026]。強制の手段は,ツール呼び出しの境界での決定的な検査へ収束しつつある。例えば,Amazon Bedrock AgentCore PolicyはCedarの方針でツール呼び出しを認可し,既定で拒否する [AWS, AgentCore Policy]。38件の研究を対象としたプレプリントのレビューは,仕様を書く作業がボトルネックであること,実行時監視は最も成熟した手法だが保証は単一のステップに止まることを示し,危険な行動の94%を阻止しても安全かつ正しく完了したタスクは5%未満だった研究を報告している [Dantas+, arXiv 2026]。制度設計の側からは,公開の統治グラフを追記専用の監査記録とともに強制し,LLMエージェントの重度の談合を実行の50%から5.6%へ減らしたプレプリントがあり,プロンプトだけの「憲法」には確かな改善が見られなかった [Bracale Syrnikov+, arXiv 2026]。EU AI Actのような規制が記録の保持や人による監督を求めていることも,実行可能な統治を必要とする理由である。ただし,本章はその条文とCADLの対応を主張しない。
CADLにとって未解決なのは,組織の水準の契約(役割,義務,権限の来歴,インセンティブ)から,プロトコルの水準での決定的な強制への変換である。この変換を行った研究は見つからなかった。上記の制度設計は事例ごとに個別に作られており,cadl ai が保証するのは生成したものの構文的な妥当性と無矛盾性だけである(9.2節)。エージェント統治拡張(付録G,agents 0.1)は,RD-8.1,RD-8.2,RD-8.3のうち最初に定めた部分である。契約の規範が境界でメッセージに対して与える決定,来歴連鎖を伴う委任,拒否の後のエスカレーションを定める。投票や異議といった統治の要素(RD-8.4)と,計画の水準の検証(RD-8.5)は未解決である。
| ID | 課題 | 内容 |
|---|---|---|
| RD-8.1 | 契約から境界の方針へのコンパイル | アクターをMCPのクライアントとサーバないしはA2Aのエージェントへ写し,契約と権限を,Rego [Open Policy Agent](既存の生成),Cedar [AWS, AgentCore Policy],Datalogの方針へコンパイルする。強制の位置には Mcp-Method と Mcp-Name のヘッダ [MCP, 2026-07-28] を用いる。 |
| RD-8.2 | 委任された権限の来歴 | 委任の連鎖を保持する権限パラメータ。ガードが局所的な状態だけでなく権限の出所を検査できるようにする。局所的な状態だけでは,ある行為が,元の権限者に認められていない委任を経て渡されたものかどうかが分からない。 |
| RD-8.3 | 阻止された後の回復 | ガードが行為を阻止した後の経路(人への上申,代替の提供者,契約の再交渉)を定めるプロトコル。阻止の後にタスクの完了が少ないという報告 [Dantas+, arXiv 2026] に応えるものである。 |
| RD-8.4 | プロトコルにない統治の要素 | 構成員資格,投票,異議,人への上申,監査記録をCADLのプロトコルとして記述し,MCPないしはA2Aの拡張として配布する [Kang & Diponegoro, arXiv 2026]。ハンズオン教材のCourse Dは,すでに会社の投票と人の決定の記録を組み合わせている。 |
| RD-8.5 | 計画の水準と複数エージェントの検証 | 単一のステップではなく,計画と複数のエージェントの相互作用の性質を,9.7節の戦略的な手法で検証する。生成したガードを公開のエージェント安全性のベンチマークで既存のガードと比較する。 |
9.9 研究ロードマップ
以上の研究方向性を時期ごとに整理し,短期・中期・長期の研究ロードマップを示す。順序は現在の実装に従い,cadl 0.3.36がすでに提供するものを延長する課題を先に置く。
| 期間 | 主要課題 | 内容 |
|---|---|---|
| 短期(2026-2027) | RD-1.1, RD-1.2, RD-2.2, RD-4.1, RD-4.3, RD-6.1, RD-6.2, RD-8.1 | 制度合成の基本理論(RD-1.1)と記述レベル間の精緻化の基本理論(RD-1.2),LLMによるCADL生成の忠実性の検査(RD-2.2),検証の計算複雑性解析(RD-4.1),アクターの参加・離脱時のインクリメンタル検証(RD-4.3),既存の deadline: とモニターの延長としての第一級の規範と4値の判定を持つ時相付き契約(RD-6.1,RD-6.2),Rego生成の延長としての契約から境界の方針へのコンパイル(RD-8.1)。 |
| 中期(2027-2028) | RD-1.3, RD-1.4, RD-1.6, RD-2.1, RD-2.4, RD-3.1, RD-3.2, RD-4.2, RD-6.3-6.5, RD-7.1, RD-8.2, RD-8.3 | パラメータ合成による認証付きモードマップ(RD-1.3),モード遷移の安全性(RD-1.4),SysML v2との相互運用(RD-1.6),仕様マイニングを含む制度推論(RD-2.1),自然言語→CADLのベンチマーク(RD-2.4),統計的モデル検査を用いた制度シミュレータ(MAPFシミュレータとの統合実験から着手,RD-3.1),改正手続きに接続した乖離の分類(RD-3.2),スケーラブル検証手法(RD-4.2),counts-as,組織をまたぐ監視,改正をまたぐ規範の継続性(RD-6.3〜RD-6.5),遵守が合理的であることの検証(RD-7.1),委任された権限の来歴と阻止された後の回復(RD-8.2,RD-8.3)。 |
| 長期(2028-2030) | RD-1.5, RD-2.3, RD-3.3, RD-3.4, RD-5.1-5.3, RD-6.6, RD-7.2, RD-7.3, RD-8.4, RD-8.5 | インセンティブでパラメータ化した合成(RD-1.5),暗黙知オントロジー(RD-2.3),検証付きの制度A/Bテスト(RD-3.3),CADLから生成するアシュアランスケース(RD-3.4),多文化・多法域対応(RD-5.1〜RD-5.3),シールドによる強制(RD-6.6),パラメトリックな均衡解析と部分観測下の均衡(RD-7.2,RD-7.3),エージェントのプロトコルのための統治の要素と計画の水準の検証(RD-8.4,RD-8.5)。 |