深層ニューラルネットワークは画像分類タスクで高い精度を達成する一方、しばしば過度に自信のある予測を出力し、認識論的な不確実性を表現できない。さらに、データに存在する論理的・構造的制約に違反することも多い。こうした限界は、細粒度と粗粒度の予測が互いに整合していなければならない階層分類において特に顕著になる。
Ezel Kilicdere、Shireen Kudukkil Manchingal、Fabio Cuzzolin による本研究は、ニューロシンボリック手法と認識論的不確実性のモデリングを統合した新しい枠組みを提案する。論文は2026年5月11日に arXiv へ投稿され、番号は 2605.16383、コンピュータビジョンとパターン認識を主分野としつつ、人工知能および機械学習にもまたがる内容で、全36ページにわたる。
この枠組みの中心は、Swin Transformer に二つの重要な要素を追加する点にある。一つ目はフォーカル集合推論である。モデルはラベルを互いに独立したカテゴリとして扱うのではなく、学習された埋め込み空間の中でデータ駆動型のフォーカル集合を導出し、複数のもっともらしい細粒度クラスにわたる認識論的不確実性を捉える。証拠が十分でない場合でも、単一の過信したラベルを強制するのではなく、候補クラスの集合と信念の質量によって「不確かだが傾向はある」状態を表現できる。
二つ目は微分可能なファジィ論理層である。これらのフォーカル集合は信念理論層の基盤となり、この層がファジィ帰属関数と t-ノルム合接を用いて、細粒度と粗粒度の予測の間の一貫性を促す。論理構造全体が微分可能であるため、外部のハードなルールとして後処理するのではなく、ニューラルネットワークとともにエンドツーエンドで訓練できる。
訓練目的としては、予測のキャリブレーション、信念質量の正則化、階層間の論理的一貫性という三つの要件のバランスを取る学習可能な損失関数が設計されている。モデルがこれらの項の重みを適応的に調整することで、枠組みはシンボリックな構造とデータ駆動型の証拠の間でトレードオフを取ることができ、どちらか一方に固定して偏ることはない。
階層画像分類の実験では、この枠組みは Transformer ベースラインと同等の精度を維持しながら、よりキャリブレーションされた解釈可能な予測を提供する。実験結果は、モデルが過信を低減し、階層出力間に高い論理的一貫性を実現することを示している。著者らは、フォーカル集合推論とファジィ論理の組み合わせが、正確でありながら認識論的に自覚的な深層学習モデルへ向けた実用的な一歩であると位置づけている。