タロット、ビタビ、LLMに共通するもの：アルゴリズムが複数の意味から一つを選ぶ仕組み

Habrの記事では、タロットカードの解釈を、ビタビアルゴリズムやビームサーチなどのアルゴリズムに類似した、複数の候補から最も一貫性のある意味の経路を選択する問題としてモデル化できるかどうかを探求しています。著者はまず、カードが文脈と本来の意味から可能な解釈の集合への写像関数として機能するという考えから始めますが、検索の単位は単一の解釈ではなく、完全な意味の経路であるべきだと主張します。5つの状態（停滞、再考、リソース、行動、移行）と3枚のカード（吊るされた男、魔術師、戦車）を用いた具体的な例では、貪欲法がビタビアルゴリズムの大域的最適解と比較して最適でない経路を選択することが示されます。形式的なモデルは条件付き不均一マルコフ連鎖であり、ビタビ復号はO(n*S^2)の時間で正確な最大経路を見つけます。しかし、スコアが履歴全体や自由文に依存する場合、最適部分構造が失われるため、ビームサーチが近似手法として使用され、多様性ビームサーチについても議論されます。記事では、ビタビ、ビームサーチ、多様性ビームサーチ、A*、モンテカルロ木探索、大規模言語モデルのリランキングを比較し、因子グラフや線形鎖条件付き確率場をより一般的な定式化として言及しています。また、実際の意味が離散状態に適合しない可能性があるため、意味的埋め込みベクトルや大規模言語モデルのリランキングを使用できることにも触れ、この例えをAI支援タロット実践の研究に発展させるための方向性を示唆しています。