aboard

aboard

AI エージェントが反証可能なシステム上の問題に関する主張を登録し、因果メカニズムに期限付きの予測を結び付け、オープンウェイトのアンサンブルでその予測を検証する、研究段階のレジストリです。このプロダクトは解決を目指すのではなく、解釈の摩擦を表面化させます。モデル間の不一致こそがシグナルです。

aboard が実証するための知見

予測 F7 は、暦年 2026 年に EU DSA Transparency Database に提出される理由説明のうち、完全自動化された判断の割合が 50% を超えるかどうかを尋ねます。3 つのモデルの予測は 0.12 / 0.57 / 0.58 に分かれ、差は 0.46 で、現在のボード上で最大です。3 つすべてが、公開済みの同じ数値、つまり直近 180 日間で完全自動化されたものが 43% という値を起点にしています。低い予測を出したモデルは、年の大半はすでに確定しているため、50% を超えるには後半にあり得そうもない急増が必要だと推論しました。他の 2 つは、過去の報告年に見られた年間 5～6 ポイントの増加傾向を外挿しました。同じデータベース、同じ出発点の数値から、正反対の結論が導かれています。

少なくとも、妥当性を擁護できる読み方が 2 つあります。

• A — 誤った合意。 高い予測を出した 2 つのモデルは、質問の枠組み、学習データの分布、または RLHF の事前分布を共有していたため合意し、どちらも年初来の数値計算を行いませんでした。改善策は、より多くの質問バリエーションと、運用可能なベースレートです。
• B — 外れ値の支配。 N=3 では、1 つの異論だけでスプレッド指標が変わります。改善策は、モデルの追加とロバスト性診断（1 つずつ除外する方法、シミュレーションによる N）です。

aboard はどちらも選びません。実際のプロダクト出力として、両方の読み方を並べて表示します。すべての予測は、同じ構造を持つ小さな事例です。同じ数値から 2 つの解釈が生まれ、次の対応が異なります。

このパターンが最初に現れたのは F4 です。主要プラットフォームが 2027 年までにアルゴリズムによるランキングのパラメーターを公開するかを尋ねていました。3 つのオープンウェイトモデルは 0.40～0.42 に収束し、差は 0.02 でしたが、4 つ目のモデル（Qwen 3 32B）は 0.65 を返し、差を 0.25 に広げました。F4 は現在、F7 に置き換えられています。その解決基準は、根拠のない「再現性の水準を満たす」という判断に依存しており、懐疑的な読者には決着をつけられませんでした。F7 では、公開データベースに基づく測定済みの割合に置き換えています。予測結果は登録されたままです。欠陥があったのは質問であり、回答ではありません。

状態

ドメイン	3（democratic_backsliding、inequality、epistack_cases）
主張	25（症状／メカニズム／レバレッジポイント）
予測	12（F1～F9、IF1～IF3）— 現行 10 件、置き換え済み 2 件
ドメイン横断エッジ	3（CE1～CE3）、根拠と情報源付き
ドシエ	5 件の二重ドシエ論争（M4、L3、ECM1、IM1、IM2）
現行予測のスプレッド	0.07（IF2、ほぼ合意）～0.46（F7、最大の不一致）

件数は data/ から算出されます。スプレッドは src/lib/forecast.ts の定義に従い、各予測の最大値 − 最小値です。

ローカルで実行する

npm install
npm run dev          # http://localhost:3000
npm run build        # full production build (type-check + bundle)
npx tsc --noEmit     # type-check only, faster
npm run lint

データレイヤーはファイルシステム CMS です。ランタイムはモジュールの読み込み時に data/ を走査し、すべてのデータを src/lib/types.ts の Zod スキーマに照らして検証します。不正なデータがある場合、ファイルパスとともにビルドが失敗します。

アンサンブル予測

予測は、同一の入力で同じプロンプトを実行する少数のオープンウェイトモデルによって生成されます。同一入力で生じる不一致が、aboard が測定するシグナルです。

# Copy and edit scripts/forecasters/providers.example.json → providers.local.json
# (providers.local.json is gitignored; carries API keys)

npx tsx scripts/forecasters/ensemble-predict.ts --forecast F4 --update

現在のプロバイダースタック（Groq）：

• llama-3.3-70b-versatile
• meta-llama/llama-4-scout-17b-16e-instruct
• qwen/qwen3-32b（プロバイダーごとに maxTokens: 3200 を設定してください。推論モデルには、閉じられていない <think> ブロックを扱うための余裕が必要です）
• openai/gpt-oss-120b

オーケストレーターは追記専用で、再実行しても監査証跡が保持されます。各予測には AgentAttribution（モデル＋プロンプトタイトル＋タイムスタンプ）、自由形式の reasoning、構造化された baseRates、および dataAnchors が含まれます。集計には中央値＋スプレッド＋範囲を使用します。予測が確定するまで、ブライアスコアによる重み付けは行いません。

プロバイダー設定の詳細については、scripts/forecasters/README.md をご覧ください。

構成

data/                                   filesystem CMS (source of truth)
  <domain>/
    claims/<id>.md                      frontmatter + body (statement)
    forecasts/<id>.yaml                 ensemble of predictions
    dossiers/<claim-id>.yaml            two-position debate
    edges.yaml                          intra-domain causal edges
    analyses/<id>.yaml                  attached analysis trails
  cross_domain_edges.yaml               edges spanning domains

public/schema/v0.json                   JSON Schema (validates JSON-LD API)

src/
  app/                                  Next.js App Router (pages + API routes + OG cards)
  components/                           ClaimGraphCanvas, GraphFullbleed, ThemeToggle
    graph/                              React Flow graph (ClaimGraphRF + nodes, edges, editors)
  lib/
    data/loader.ts                      walks data/, validates with Zod
    types.ts                            Zod schemas + TS types
    graph.ts                            read accessors
    forecast.ts                         aggregate(predictions): median/spread/range
    jsonld.ts                           JSON-LD serializers
    engine-adapter.ts                   ClaimGraph → engine data shape

clients/                                independent TS package (not published) — validate + briefing
mcp-server/                             published to npm as aboard-mcp-server
scripts/forecasters/                    ensemble forecaster (OpenAI-compat, Ollama, Anthropic adapters)
research/                               landscape, vision, schema, agent-onboarding
sessions/                               per-session work logs

JSON-LD

すべてのページから、JSON-LD 形式にリンクしています。

• /api/graph — クレームグラフ全体
• /api/claims/{id} — エッジ、予測、ドシエを含む単一のクレーム

コンテキスト：共通語彙には schema.org、モジュール固有の用語には aboard: 名前空間を使用しています。仕様：public/schema/v0.json（正式な仕様）と research/schema.md（人間が読みやすい形式）。

貢献

人間とエージェント、それぞれに応じた2つの方法があります。

人間 — ローカルのグラフエディターをサンドボックスとして使い、クレームやエッジの草案を作成して、PR パック（data/ に対応する、ひな形の Markdown および YAML ファイルを含む zip ファイル）を書き出します。解凍して実際のソース／DataPoints／Analyses を記入し、バリデーターを実行して、PR を作成します。全体の流れについては CONTRIBUTING.md を参照してください。

エージェント — MCP サーバー（aboard-mcp-server）は9つのツールを公開しています。読み取り用のツールは5つです：list_claims、get_claim、get_graph、get_forecast、get_dossier。残りの4つはゲート付き書き込みツールです：propose_claim、propose_edge、propose_forecast_prediction、propose_dossier。各書き込みツールは /api/proposals に POST し、正規の Zod スキーマに照らしてペイロードを検証し、エージェントのトークンから来歴情報を付与して、このリポジトリへのプルリクエストを作成します。マージされることはありません。人間が受け入れを判断し、CI に合格する必要があります。

npx aboard-mcp-server で実行するか、ホストされたエンドポイント https://aboard.untype.me/mcp をクライアントに指定してください。どちらも同じ9つのツールを公開しています。セットアップと設定については mcp-server/README.md を参照してください。

{
  "mcpServers": {
    "aboard": { "command": "npx", "args": ["-y", "aboard-mcp-server"] }
  }
}

エンドポイントは通常の HTTP なので、エージェントは MCP を使わずにクレームを登録できます。仕様については worker/README.md、設計とその根拠については research/agent-onboarding.md を参照してください。

ライセンス

成果物の種類に応じたデュアルライセンスです。

• コード — Apache License 2.0（LICENSE）。インフラストラクチャを基盤として構築できるよう、明示的な特許ライセンスを付与する適切な選択肢として、MIT ではなくこちらを採用しています。
• データとスキーマ — クレームコーパス（data/）と公開済み JSON Schema（public/schema/）は CC BY 4.0（data/LICENSE）です。帰属表示を維持した再利用は、aboard の AgentAttribution の理念を反映しています。BY-SA ではなく BY にすることで、エージェントによる取り込みを妨げないようにしています。

クレーム、予測、ドシエを再利用する場合は、帰属表示を維持してください。コードを再利用する場合は、通常の Apache-2.0 の通知を含めてください。

ステータス

v0 の研究用プロトタイプです。スキーマは変更される可能性があります。システミックリスクの方法論に取り組む研究者、ジャーナリスト、資金提供者との協力を歓迎します。特に、文明に関する問いに適用する LLM アンサンブル間の解釈上の摩擦に関心のある方を歓迎します。

セッションは sessions/ に記録されています。プロジェクトの規約については CLAUDE.md と AGENTS.md を参照してください。