アーキテクチャー
AI-Ready化とは、
構造・粒度・意味論・境界
秩序相が再帰している
言語とか記号の正体
構造が生まれていること
https://scrapbox.io/files/65b0a0619ef254002586cf8c.png
この関係、秩序相が成り立つときに意味が生まれる
これって排他的でない
カテゴリーって、排他的で一意なものではない。
LLM・人間に親和なデータベースは、相選択の自由度が高いひつようがある
（その時々のよりよい表現によってFEPを最小化 適応しなくてはいけないから）
↓
N対N構造
古典的データベース
一対一でなければならない
排他的カテゴリ
スキーマが静的
RDB
スキーマが静的であること＝知性的なシステムではない。
これは計算機の制約でしかない
デジタルな計算機の制約
むしろ自然にあふれる多くの知性はこうしたデータベースを持たない
世界の側をデータベースとして扱えるような相選択によって意味をうみだす知性
秩序に従うのでは無く秩序を見出す知性
表現に対して語がどれほど整合しているか？
これを定量的に測る
分かりやすい構造（構造化・モデリング）
N対N構造
知識が多対多の関係になる
階層構造
この両立をsikiでは目指した
LLMにはインタフェースがいらないので、階層構造は必要ない
適切なサイズ（チャンキング）
適切な意味づけ（ベクトル化・ラベリング）
動的ネットワーク
文脈によって動的にリンクが定まる
LLMがインタフェースであること
優れたインタフェース
データベース一般に言えることであり、古典的な問題 解決済みだったり、問題定義がされているもの
高い品質（誤り・偏りの少ないデータ）
統一された管理（ガバナンス・セキュリティ）
継続的な改善（モニタリング＆フィードバック）