Pillar 02 — Verifiable AI

検証可能 AI。

AI の判断を、後から独立に再現・検証する。

AI 入出力・モデル ID・適用ポリシーを暗号証明として記録。判断過程を、原本にアクセスせず第三者が再現できる形で残す。Lemma 信頼インフラを構成する 4 軸の 1 つ。

いま、最も求められている課題に答える

AI 判断の説明責任を、規制 / 監査で問われる

モデル切替時の判断整合性を担保したい

AI への入力改ざんを後から検出したい

01 · 検証可能 AI とは

「何を見て、どう判断したか」を、後から独立検証可能に。

AI への入力・利用モデル・出力にコミットメントを発行。第三者は原本にアクセスせず、判断の再現・適合性を検証できます。

AI 業務

入力 + モデル + 出力

AI が業務で処理する入力データ、利用モデル、出力結果。

原本データは社内に留まる

Lemma

コミットメント + ポリシー検証

1入力ハッシュをコミット

2モデル ID とポリシーを記録

3ZK 証明で整合性を担保

機密入力・モデル内部に触れない

監査 / 規制対応

検証可能な判断ログ

modelIdgpt-4o

inputCommitment0xa3...

outputCommitment0xb7...

satisfiesPolicy✓

第三者が独立に再現・検証

たとえると、議事録のような仕組みです。

重要な会議のあと、参加者・議題・決定事項を記した議事録を残す——このような経験はありませんか。Lemma の検証可能 AI は、AI 判断にこの議事録を自動で発行する仕組み。後から第三者が「本当にその入力で、そのモデルが、その判断を出したか」を、原本を見ずに検証できます。

公開するもの

判断の検証可能な fingerprint

✓modelId（使用したモデルの識別子）
✓inputCommitment / outputCommitment
✓satisfiesPolicy（ポリシー適合）
✓第三者検証用の ZK 証明

この仕組みで、何が起きるか

✓AI 判断は再現可能な「議事録」として残る

✓入力本体・モデル内部は機密として保護

✓規制・監査での説明責任に応えられる

✓モデル切替時にも判断整合性を検証できる

AI 判断の説明責任に、暗号で応える。

→規制監査が後追いで成立する業務を作れる

→モデル切替時にも、判断の整合性が保てる

→自動化と検証可能性が、同じ構造で両立する

02 · 既存手段との違い

AI ログ・モデル監査・アクセス制御と、何が違うか。

「記録する」「監査する」「制御する」だけでは、改ざん不能と独立検証は担保されない。

手段

判断を再現できる

機密データ手元

独立検証可能

暗号証明

AI ログ記録のみ

△

✓

✗

モデル監査ツール

✗

✓

△

✗

アクセス制御のみ

✗

✓

✗

Lemma 検証可能 AI

✓

03 · 信頼インフラの位置

P2 は、Lemma 信頼インフラを構成する 4 軸の 1 つ。

P1 来歴 P2 AI 判断 P3 権限 P4 規制属性

信頼インフラ全体を見る →

04 · 業務での活用

この軸を使う、業務シーン。

05 · 技術リファレンス

独自の暗号技術で、AI 判断を検証可能に。

コミットメント

入力・出力の中身を見せず、唯一の fingerprint として固定。後から「同じ入力だったか」を独立検証できる。

ポリシー検証

AI の判断が事前に定めたポリシー（年齢制限・地理制限など）を満たしているかを ZK で証明。

モデル ID 固定

どのモデル（バージョン・パラメータセット）で推論されたかを暗号的に固定。モデル切替時の整合性追跡に。

// your.model.v1 — Lemma canonical schema
{
  "$schema": "your.model.v1",
  "modelId": "gpt-4o-2024-08-06",
  "inputCommitment": "0xa3f1...c9d2",
  "outputCommitment": "0xb7e2...4a8f",
  "policyHash": "0xf1c5...e3b9",
  "satisfiesPolicy": true,
  "timestamp": "2026-06-05T10:00Z",
  "zk_proof": "0x8c4f...e7d2"
}

P2 を実装する開発ガイド