AI知識創造アーキテクチャ：次世代SECIモデルに向けて

知識活性化（Knowledge Activation）とは、AIが入力されたプロンプトを起点として、外部のBoK（Body of Knowledge）やRetrieval Knowledge Base、内部のPretrained Parametric Knowledgeから関連する知識を呼び出し、思考の文脈（Context of Reasoning）を形成する過程である。 この段階は、AIが静的な知識を「可動化された意味空間」として再構築し、生成と理解のための準備を行う中核プロセスである。 知識活性化はKnowledge Assimilation（知識内化）に先行し、外部知識をAIの内部状態へ動的に取り込むトリガーとして機能する。

SimpleModelingでは文脈共有の核となる知識体系をBoK (Body of Knowledge)と呼んでいます。 BoKの構築は、知識の共有、教育、AIによる支援、自動化、意思決定支援を可能にするための基盤です。

AI内部に潜在的に保持される暗黙的な知識。重み・内部表現・推論パターンとして存在し、直接外化できないが生成出力として現れる。

知識が暗黙知と形式知の相互変換を繰り返しながら、螺旋状に拡張していくプロセス。 SECIモデルの中核概念として扱われる。

生成AIが内部で実行する知識活性化・内化・表現・昇格・循環の構造を整理したアーキテクチャ。

RAGを通じてBoKから取得した知識を、一時的にAIの推論内部で取り込むプロセス。 セッション内の推論を強化するが、AIモデルのパラメトリック知識を恒久的に変更するものではない。

内化知識をもとに、文章・コード・モデル・構造化データなど外化可能な形として出力するプロセス。

BoKの構造化知識を再学習・ファインチューニングによりAIモデルのパラメトリック知識（PPK）へ恒久的に統合するプロセス。

Knowledge Circulation（知識循環）は、AIと人間のあいだで知識が生成・内化・表現・昇格を繰り返し、再び活性化される循環的プロセスを指します。 この循環は、AIが出力した知識を人間が整理・体系化し、SmartDoxサイトやBoK（Body of Knowledge）に再統合することで形成されます。 結果として、BoK全体が進化し、AIの知識理解と生成能力が継続的に向上します。

検索知識基盤（Retrieval Knowledge Base, RKB）とは、RAG（検索強化生成）が利用できるように最適化された非パラメトリック知識（Non-parametric Knowledge）の構造化サブセットである。 SmartDox文書・用語集・セマンティックメタデータを索引化して保持し、生成AIが明示的知識を文脈として参照できるようにする。 RAGとの相互作用を通じて、外部明示知識をAI内部の中間知識（Assimilated Knowledge）へと同化させる橋渡しの役割を果たす。

生成AIモデルのパラメータ内部に事前学習によって埋め込まれた知識。 自然言語・概念・手続きなどの一般的理解を含み、外部入力がなくてもAIが推論や生成に用いることができる暗黙知を指す。

パラメトリック知識（Parametric Knowledge）とは、ニューラル・ネットワークのパラメータ（重み）に埋め込まれた暗黙的な知識を指します。 大規模言語モデル（LLM）などが事前学習（pretraining）を通じて獲得した統計的・分布的情報を内包しており、外部知識ベースに明示的に記述されていない知識を表現します。 RAG（Retrieval-Augmented Generation）においては、外部の非パラメトリック知識（non-parametric knowledge）と対比され、LLM自身が持つ「暗黙値」として機能します。

生成AIが内部（パラメトリック）知識だけでなく、外部の知識ソースを検索してから応答を生成する技術。 RAGはまずデータベースや知識グラフなどから関連情報を検索し、それを文脈として取り込み、より正確で最新の応答を生成する。

RAGによって取得された知識を、AIモデルの推論プロセスに橋渡しするための構造化指示または文脈表現。 BoKに格納された構造化知識を、モデルが理解し行動・内化できる物語的／命令的形式に変換する。

知識活性化によって生成された文脈をもとに、AI内部で意味的に統合された知識状態。AIにおける「理解」に相当する。

生成AIが知識表現生成プロセスを通して出力する成果物。 文書・コード・要約・構造化データなどを含む。

生成出力から価値ある知識を抽出し、BoKへ「戻す」プロセス。 外化された知識を形式知として再構成する循環動作。

AI暗黙知とBoKを中心に、知識活性化・内化・表現・昇格・環流のループを構造化した知識創造アーキテクチャ。

文芸モデル（Literate Model）は、モデル構造と自然言語による語り（構造化文書）を統合した「読めるモデル」です。 文芸的プログラミング（Literate Programming）の思想をモデリング領域に拡張し、 構造（モデル）＋語り（構造化文書） を一体化することで、人間とAIの双方が理解・操作できる知識表現を実現します。 「Literate Modeling（文芸的モデリング）」という発想自体は、 これまでにも一部の研究者や開発者によって試みられてきました。 しかし、それらは主にドキュメント生成やコード理解の支援にとどまっており、 モデルと言語・語り・AI支援を統合した体系的なモデリング手法として確立されたものではありません。 文芸モデル（Literate Model）は、SimpleModelingがAI時代に向けて新たに体系化・提唱したモデリング概念です。 文芸的モデリングの思想を継承しつつ、 AI協調型の知識循環とモデル生成を可能にする知的モデリング基盤として再構成されています。 文芸モデルは、単なるモデル記述技法ではなく、 人間の思考過程や設計意図を語りとしてモデルに埋め込み、 AIがそれを解析・再構成して設計や生成を支援するための枠組みです。

暗黙知（Tacit Knowledge）と形式知（Explicit Knowledge）の相互変換を螺旋的に繰り返すことで知識が創発するモデル。

SECIで暗黙知を共有し、共通体験を形成するフェーズ。

SECIで暗黙知を言語・モデル・図表など形式知に外化するフェーズ。

SECIで外化された形式知を暗黙知として体得するフェーズ。

アクティビティスペース内で実行される具体的な行為またはタスク。アルファをより進んだ状態へ移行させるために行われ、通常はワークプロダクトの生成や改良を伴う。

複数の形式知を統合し、より体系化された知識として再構成するフェーズ。

文書（SmartDox）、モデル（CML/SimpleModel）、語彙（Glossary/Category）、設計知識（BoK）を RDF により統合し、AI がそれらを参照して生成・改善した結果を再び文書へ反映することで成立する、AI時代の知識更新の循環プロセス。