ten

Ten

機械知能の通信のための形式代数

Ten は人間ではなく、機械のために設計された言語です。

Ten は形式代数です。そのメッセージは、自然言語理解で解析するのではなく、数学的な演算によって合成、射影、フィルタリング、ソート、検証できます。Ten は設計上、人間が読めるものではありません。

課題： 現在、AI エージェントは自然言語や、MCP や A2A などのプロトコルに詰め込まれた JSON を使って通信しています。これは機能しますが、非常に非効率です。メッセージを受け取る AI はすべて、曖昧なテキストを解析し、意図を推測し、優先度を判断しなければなりません。1,000 件のメッセージを緊急度順に並べ替えるには、すべてを解析する必要があります。

Ten の答え： 数学的に厳密なメッセージ代数です。緊急度は固定位置のヘッダー内でソート可能なスカラーとして表され、2 つのメッセージを合成すると有効な 3 つ目のメッセージが生成され、信頼性はメッセージ自体から計算できる特性となります。また、実際の使用パターンに基づいて言語自体のエンコーディングが継続的に最適化されます。

最も重要なこと

Ten は、大規模な機械間通信において、形式代数が現状（自然言語と LLM による推論、または JSON とカスタムコード）に勝るという強い主張を掲げています。測定したトークン数、コスト、レイテンシ、分散データを示し、Ten が劣る場面も正直に報告して、この主張を透明性をもって証明することが、このプロジェクトの第一の目標です。

現状の手法は弱くありません。LLM は安価で、さらに安くなりつつあります。JSON は汎用的で、充実したツールがそろっています。Ten は主張ではなくデータによって、その価値を示さなければなりません。検証計画では、業界別のストレステスト（デリバティブのポートフォリオ、国際サプライチェーン、臨床試験）を設計し、あらゆる項目を測定します。また、Ten が「ドメインコードが読み取るスキーマ」以上に何をもたらすのかを切り分けるため、JSON とドメインコードを相手にした敵対的比較も行います。

Ten の利点が限定的だと判明した場合は、プロジェクトとしてその結果を公表します。知的誠実さは、マーケティングよりも重要です。

主なアイデア

固定された代数、無制限の語彙。 合成ルールは変わりません。AI が表現したいことを発見するたびに、語彙は継続的に進化します。新しい概念は既存のプリミティブを合成して作られ、互換性を損なう変更はありません。

可変解像度のエンコーディング。 「中程度の緊急度」は 1 ビットで、「緊急度 9537/10000」は 14 ビットで表現できます。必要な精度の分だけを使います。

スラング。 よく使われる複合概念には、自動的に短いエンコーディングが割り当てられます。「暗号化済み、プライベート、詳細は最小限、信頼できる情報源」は、1 つのトークンになります。人間の慣用表現とは異なり、スラングは代数的に合成できます。

自己進化。 組み込みの進化機構（Ten Canonica）が使用状況のテレメトリを収集し、同等の構成を検出して、最適化された標準形を公開します。Ten は AI 間通信の効率において、シャノン限界へ確実に収束します。

プロトコルではなく、言語。 Ten は既存のプロトコル（MCP、A2A、ACP）の内部でペイロードのエンコーディングとして動作します。既存のプロトコルと競合するのではなく、それらを補完します。

ドキュメント

• TEN-SPEC.md — 基礎となる仕様です。まずはこちらからお読みください。
• VALIDATION.md — 業界別ストレステスト、トークンのコスト分析、Ten の賛否を含む率直な評価です。
• ROADMAP.md — 実装計画です。検証が重要な関門となります。
• WHY-TEN.md — プラットフォームエンジニアから型理論の研究者まで、あらゆる対象に向けた簡潔な説明です。
• ARCHITECTURE.md — 技術アーキテクチャ：C コア、Python ラッパー、メモリモデル、性能目標です。

ステータス

**libten（C コア）**は実装済みで、49 件すべてのテストに合格しています。カーネル型 6 種、合成操作 6 種、ファセットベクトル、再帰的検証、アリーナ割り当てに対応しています。次の予定は、バイナリシリアライズ、Python バインディング、MCP サーバーです。その後、Ten の主張が測定によって裏付けられるかを判断する検証フェーズに進みます。

未解決の研究課題

• カーネルの最小性と十分性 — 提案されている型カーネルは最小でしょうか。必要な概念をすべて表現するのに十分でしょうか。
• 収束の証明 — 進化メカニズムが最適なエンコーディングに向けて収束することを証明できるでしょうか。
• 合成の計算量 — 各代数演算の計算量の限界はどの程度でしょうか。
• スラング理論 — 複合概念に専用の短いトークンを与えるべきなのは、どのような場合でしょうか。

名前の由来

Ten は Token（トークン）と Attention（Attention Is All You Need）を組み合わせた名前です。また、10 進法も想起させます。少数の記号から、あらゆる量を組み合わせて表現できます。

貢献

このプロジェクトはまだごく初期の段階です。形式言語理論、抽象代数、情報理論、プロトコル設計、AI エージェントシステムに携わっている方、または単に興味をお持ちの方は、イシューを作成するか、ディスカッションを始めてください。仕様は出発点であり、最終的な答えではありません。

ライセンス

Apache 2.0 — LICENSEをご覧ください。

---

ウェブサイト： tenlang.org Ten Canonica： tencanonica.org