>>349 転載
https://rio2016.5ch.net/test/read.cgi/math/1771501702/902-904
Inter-universal geometryとABC予想(シン応援スレ) 86 2026/03/01
１）そのAIの使い方(壁打ち)ほぼ正しい
２）Grok AI 結論 ”AIに「箱入り無数目」読ませて、これ正しい？って訊いたら
「間違いです」と答えた”は、合っています
反例の作り方（対角線風）は、イマイチの気がするが 突っつく気がしないのでスルー
後で、情報エントロピーの話をする
３）『その上で、AIに以下の設定を伝えたところ、その場合には99/100になると回答
Q.箱に数を詰めるのは１回だけとします。
つまり、問題は一定で、最大決定番号を持つ列は決まっているとします。
次に、回答者は毎回変わるとして、100列からランダムに1列選ぶとします。
つまり、回答者がどの列を選ぶ確率も1/100とします。
　この場合に正解する確率は99/100ですか？。』
についての回答は、疑問だ
　a)まず 複数回答者で 先の回答者から情報を貰えると仮定すれば
ある番号の箱中の数字の情報が使えるから 的中で
100人居れば 最初の一人だけ間違いで 残り99人的中で 確率99/100達成
　b)先の回答者から情報を貰えないときは、
どの回答者も初見の問題になる
だから回答者から見れば上記２）項と同じになる
つまり 当たらない

追記
時枝氏の手法は 情報エントロピーが保存されない手法であって
そこが おかしいってことだね
あたかも選択公理を使う"バナッハ＝タルスキーのパラドックス"で
"体積"が保存されなのと同様
(参考)
https://ja.wikipedia.org/wiki/%E3%83%90%E3%83%8A%E3%83%83%E3%83%8F%EF%BC%9D%E3%82%BF%E3%83%AB%E3%82%B9%E3%82%AD%E3%83%BC%E3%81%AE%E3%83%91%E3%83%A9%E3%83%89%E3%83%83%E3%82%AF%E3%82%B9
バナッハ＝タルスキーのパラドックス
この定理の証明で、点集合は選択公理を使ってつくられる選択集合で構成されており、各断片はルベーグ可測ではない。すなわち、各断片は明確な境界や通常の意味での体積を持たない。
略す

(google検索)
情報エントロピー と 確率の関係は？
AI による概要
情報エントロピー（シャノンエントロピー）と確率は、「出来事の予測しにくさ（不確実性）」という観点で深く関係しており、基本的には確率が低い出来事ほど、情報エントロピー（情報量）は大きくなります
具体的には以下の関係性があります
1. 基本的な関係（確率と個別の情報量） 情報量（自己情報量）は、その事象が起こる確率 \(p\) の対数を使って表されます。
・確率 p が低い → 滅多に起きない出来事 → 起きた時の驚きが大きい → 情報量（エントロピー）は大きい
・確率 p が高い → いつも起きる出来事 → 起きても驚かない → 情報量（エントロピー）は小さい
2. エントロピー（平均情報量）の定義
略す
4. 物理的エントロピーとの関連
情報エントロピーは統計力学における物理的エントロピー（無秩序さの指標）とも数理的に関連しており、原子や分子の乱雑さ（状態の確率）を表す尺度として解釈されます
結論
情報エントロピーは、「確率的な予測がどれくらい困難か」を数値化したものであり、確率分布が乱雑（一様）であればあるほど高い値を持ちます