情報開発と利活用

令和維新

2004年4月から企業を離れ、コンサルタントや情報起業を試行しながら、失われた２０年を取り戻し、日本再生をめざす私の歩みをみて一人でも多くの後継者が出てくれることを祈りつつ友達から紹介されたこのホームページの更新を続け、これまでの活動の記録と今やビッグデータ、AI,、IOT,ブロックチェーン、仮想通貨の時代になってしまいましたが、私の現状認識と関連技術を紹介していきたい。

フォローする

UX

(0)

オンライン

(0)

ソーシャルメデイア

(0)

開発

(0)

スマートマネー

(0)

流動性

(0)

教育訓練開発手法の紹介

Headline News

Shopping List

お買いものレビューがまだ書かれていません。

< 新しい記事

新着記事一覧(全8010件)

過去の記事 >

2026.05.19

(1)フラクタル設計エンジン(Fractal Design Engines)

テーマ：英語のお勉強日記(8376)

カテゴリ：人工知能

Fractal Design Engines

フラクタル設計エンジン

How AI makes one type of metaverse useful

AI がある種類のメタバースを有用なものにする方法

FHEbyGemini

Steve Jones
ステイーブ・ジョーンズ

March 25, 2026
2026‎年‎03‎月‎25‎日

Let’s bring together 3 large trends and think about how they could fundamentally change the way products are brought to market.
3つの大きなトレンドをまとめ、それらが製品の市場投入方法をどのように根本的に変えうるかを考えてみよう。

今日ではコンピューター支援製造（CAM）が製造業の標準であり、もちろんそれはコンピューター支援設計（CAD）から始まる。Tシャツ、車、玩具、靴のどれを作るにしても、製造プロセスの大部分をロボットに任せられる能力は、CAD による製品のデジタル定義に基づいている。

These days Additive Manufacturing (aka 3D Printing) has been one of the most interesting new technologies of the past few decades, the fact that F1 teams are now using additive manufacturing to bend rules designed for traditional manufacturing is quite frankly spectacular.
近年、付加製造（いわゆる3Dプリンティング）は過去数十年で最も興味深い新技術の1つとなっており、F1チームが従来の製造を前提に作られた規則をかいくぐるために付加製造を使っているという事実は、率直に言って驚異的だ。
This enables designs and tolerances that simply can’t be done with traditional approaches.
これは、従来の手法では到底実現できない設計や交差を可能にする。

The only valid metaverse was the one that you couldn’t see, the headless metaverse which simulates the environment for a product, so we can use it to test whether or not our product could actually be manufactured and would actually work and how it would be better than the competition or your older version.
唯一有効なメタバースとは、目に見えないヘッドレス・メタバースであり、それは製品のための環境をシミュレーションするものだ。これを使えば、製品が実際に製造可能か、実際に機能するか、競合や旧バージョンよりどう優れているかをテストできる。

Finally, AI which can be used to link all of these things together and enable a billion variations to be ‘physically’ tested and ‘market tested’ before it ever comes to manufacturing.
最後にAIがあり、これらすべてを結びつけ、製造に入る前に「物理的に」そして「市場的にテスト」された10億ものバリエーションを可能にする。

It’s a Fractal Problem not a linear problem
これは線形の問題ではなく、フラクタルの問題だ。

What F1 have shown is that it’s not about the whole thing, it’s about specific things, the piston design variation they’ve created is within a ‘fixed’ constraint of the F1 rules, and of course the overall constraints of manufacturing and physical limitations of the metals involved.
F1が示したのは、重要なのは全体ではなく特定の部分だということだ。彼らが生み出したピストン設計のバリエーションは、F1の規則という「固定された」制約の中にあり、さらに製造上の制約や使用される金属の物理的限界の中にある。

だから、このモデルを拡大したいのであれば、それをフラクタルのように捉えるべきだ。つまり、階層をどんどん掘り下げ、各ステップをそれぞれ独立した固有の問題として扱うということだ。

And as it’s a fractal those decompositions might not be linear, so we might be taking different parts of an overall design and creating ‘overlapping’ generative variations and evolutionary approaches to get to better overall solutions.
そしてフラクタルである以上、その分解は線形とは限らない。つまり、全体設計の異なる部分を取り出し、「重なり合う」生成的バリエーションや進化的アプローチを作り出して、より優れた全体解に到達することになるかもしれない。

This means we need to have a synchronized coevolutionary network, a complex challenge as we have not just a simple tree to manage, we have an overlapping graph of individual elements that we need to monitor, optimize and prune.
これは、同期した共進化ネットワークが必要になることを意味する。扱うべきものは単純なツリーではなく、個々の要素が重なり合うグラフ構造であり、それらを監視し、最適化し、剪定していく必要があるため、非常に複雑な課題となる。

これは簡単ではない。

Why would we do this?
なぜ私たちはこれをやるのだろうか

So, a key question is why on earth would we even attempt something like this?
では、そもそもなぜ私たちはこんなことを試みようとするのかというのが重要な疑問だ。

Well, the answer is that we won’t, by which I mean we will build the Fractal Design Engines（FDE） and they’ll do it.
答えは、私たちはやらないということだ。つまり、私たちはフラクタル設計エンジン（FDE）を作り、それが代わりにやるのだ。

A human couldn’t do this volume of work, couldn’t do this amount of iterations, couldn’t tune and adapt this many different solutions.
人間には、この作業量、この反復回数、これほど多くの異なる解の調整と適応は不可能だろう。

We can literally only perceive of this sort of approach because of AI.
私たちは、AI 故に、このようなアプローチを文字通り認識さえできる。

So no, we won’t do it, we’ll build a machine to do it, and that machine isn’t simple.
だから、私たちがやるわけではない。私たちはそれを行う機械を作る。そしてその機械は単純ではない。
In the same way as a person can’t draw a Mandelbrot set, but a very simple piece of maths and some code can.
ちょうど、人間がマンデルブロ集合を描けなくても、簡単な数学と少しのコードで描けるのと同じだ。

Original from Wikipedia
元はウイキペデイアから

It isn’t just GenAI and validation
これは単なる生成AIと検証の話ではない。

The first thing we should be clear on is that this isn’t just about using GenAI and a bit of validation, or even GenAI with some really good guardrails.
まず明確にしておくべきなのは、これは生成AIと少しの検証、あるいは優れたガードレール付きの生成AIだけの話ではないということだ。

The architecture of the Fractal Design Engine
フラクタル設計エンジンのアーキテクチャ

So, let’s get into the architecture of our Fractal Design Engine （FDE）and how it’s going to work.
では、フラクタル設計エンジン（FDE）のアーキテクチャと、その動作について入っていこう。

So, my idea here is that we are going to have a multi-tiered model, which starts with two core elements:
ここでの私の考えは、複数階層のモデルを持つというものであり、それは次の2つの中核要素から始まる：

 The definition of the reality in which the product sits
製品が存在する現実の定義
 Something that aligns our system to the outcome
システムを望ましい結果に整合させる何か

So, the first piece I’m going to pretentiously call the “Unified Physics Kernel” this is the definition of boundary scope for the challenge, the specific physics, chemistry, rules, regulations etc. that will be industrialized through the headless metaverse for this problem domain.
まず、最初の要素を、気取って「統合物理カーネル」と呼ぶことにする。これは、この問題領域においてヘッドレス・メタバースを通じて産業化される、課題の境界範囲の定義であり、特定の物理、化学、ルール、規制などを含む。

The second is the Meta-Agent Orchestrator, and I’m saying “meta-agent orchestrator” because it isn’t a workflow, it’s here for resource allocation and high-level dispute resolution, because we are going to use resource allocation and restriction as our ‘natural selection’ approach for branches.
2つ目はメタ・エージェント・オーケストレーターである。「メターエージェント・オーケストレーター」と言っているのは、これはワークフローではなく、リソース配分と高レベルの紛争解決のために存在するからだ。というのも、私たちは分岐に対する「自然選択」のアプローチとして、リソース配分と制限を使うからである。