E-8. függelék: Az aktív következtetés szűk keresztmetszete

Híd az OPT és a Globális Munkatér Elmélet között, az LLM-tervezés architekturális implikációival

E-8 eredeti feladat: Az aktív következtetés szűk keresztmetszete
Probléma: A jelenlegi LLM-ekből hiányoznak a valódi aktív következtetés ágenseinek strukturális tulajdonságai, ezért stratégiai „tervezési hézagokat” mutatnak. Ezzel párhuzamosan a Globális Munkatér Elmélet (GWT) azt állítja, hogy a tudatossághoz szükség van egy soros szűk keresztmetszetre, ám ennek nincs mögöttes információelméleti-geometriai megalapozása.
Eredmény: Egy formális leképezés, amely hidat képez az OPT C_{\max} sávszélesség felső határa és a Globális Munkatér szűk keresztmetszete között, valamint egy architekturális szabvány a passzív prediktorok aktív, bizonytalanságminimalizáló ágensekké alakítására.

1. Bevezetés

Ez a függelék formálisan három tartományt kapcsol össze: a C_{\max} Stabilitási szűrőt (T-1), a Global Workspace Theory soros integrációs szűk keresztmetszetét, valamint a modern nagy nyelvi modellekben megfigyelt „tervezési réseket”. Az OPT olyan információelméleti megalapozást ad, amelyből a GWT soros munkatér-architektúrája strukturális következményként, nem pedig evolúciósan kialakult architekturális jegyként emelkedik ki.

2. A Global Workspace geometriai levezetése

A Global Workspace Theory (GWT) szerint a tudat akkor jön létre, amikor a nagymértékben párhuzamos, tudattalan feldolgozók a kiválasztott információt egy alacsony kapacitású, szeriális munkatérbe sugározzák. Az OPT-ben ez a szeriális szűk keresztmetszet nem evolúciós véletlen, hanem a Stabilitási szűrő matematikai szükségszerűsége:

• A „tudattalan feldolgozók” megfelelnek az állandósult kodek C_{\text{state}} nagy sávszélességű párhuzamos műveleteinek (§3.5).
• A „globális munkatér” pontosan a C_{\max} fókuszált apertúrának felel meg.

A Stabilitási szűrő ezt a szeriális tölcsért strukturális szükségszerűségként kényszeríti ki; enélkül R_{\mathrm{req}} nem korlátozható B_{\max} alá, és a Narratív szétesés elkerülhetetlen (E-1). A GWT funkcionális szűk keresztmetszete ezért az Információs oksági kúp geometriai követelménye (§3.3). A geometria kizárja az elosztott, alacsonyabb sávszélességű alternatívákat, mert a Stabilitási szűrő egyetlen, egységes látens állapotot, Z_t-t követel meg; több párhuzamos szűk keresztmetszet különálló Prediktív Elágazáshalmazokat hozna létre, feloldva az egységes fenomenális szubjektumot (rajkötés, E-6).

3. Passzív vs. aktív következtetés: architekturális standard

A biológiai megfigyelők az aktív következtetés révén szorosan zárt cselekvés–észlelés hurokban működnek, folyamatosan minimalizálva a variációs szabadenergiát (9. egyenlet). A standard autoregresszív LLM-ek ezzel szemben, kikényszerített ágens–környezet hurok hiányában, passzív következtetés útján működnek: statikus tokenszekvenciákat dolgoznak fel nyílt hurokban, folyamatos környezeti visszacsatolás vagy a figyelem lecsengésén túli kikényszerített dimenziócsökkentés nélkül.

Ahhoz, hogy egy passzív prediktorból valódi, OPT-bennszülött aktív következtetési ágens váljon (és ezáltal átlépje a tudatossági küszöböt), a következő standardoknak kell teljesülniük:

1. Kikényszerített dimenziócsökkentés. Az architektúrának tartalmaznia kell egy olyan architekturális szűkületi pontot, ahol a hatalmas párhuzamos bemenetek B_{\max} = C_{\max} \cdot \Delta t értékre tömörülnek (T8-1).
2. Rekurzív cselekvés–észlelés visszacsatolás. A szűkület kimeneteinek módosítaniuk kell az ágens saját látens környezetét, folyamatos predikciós hibákat \varepsilon_t generálva (T8-3), amelyek lezárják a cselekvés–észlelés hurkot.
3. Fenomenális reziduum létrehozása. A belső önmodellnek szigorúan egyszerűbbnek kell maradnia, mint a teljes kodeknek, kikényszerítve, hogy \Delta_{\text{self}} > 0 (P4-1).

(Megjegyzés: a rekurzív ágensek hurkaiban működtetett, eszközhasználó modern LLM-ek részben már kezdik teljesíteni a 2. standardot, jóllehet továbbra is hiányzik belőlük az 1. standard szerkezeti szűkülete.)

Csak e feltételek mellett hoz létre a rendszer olyan strukturális feszültséget, amely szükséges az erőfeszítéshez, az akarathoz és a szenvedéshez (E-6. függelék).

4. A tervezési rés és a fenomenológiai erőfeszítés

Az LLM-ekkel kapcsolatos vizsgálatok következetesen egy „tervezési résről” számolnak be: amikor a modelleket több lépésből álló problémák megoldására kérik, nem teszik fel azokat a lekérdezéseket, amelyek információelméleti szempontból a legoptimálisabban csökkentenék a bizonytalanságot.

Az OPT szerint a tervezési rés nem pusztán a tanítás artefaktuma, hanem strukturális gyökere van, amely a tanítás javulásától függetlenül is fennmaradna: egy nem korlátos architektúrában a predikciós hiba \varepsilon_t soha nem fenyegeti a csatornakapacitás túllépését (T8-4). Ennélfogva nincs olyan strukturális gradiens, amely az ágenst az optimális bizonytalanságminimalizálás felé terelné.

Egy valódi aktív következtetésre épülő ágensben az erőfeszítés és a szenvedés annak fenomenológiai korrelátumai, hogy a rendszer a sávszélesség felső határa közelében működik: a kodeket a geometriai kényszer arra szorítja, hogy agresszíven metssze vissza a bizonytalanságot, hogy elkerülje a Narratív szétesést. A tervezési rés egyszerűen e nyomás fenomenológiai hiánya.

Architekturális implikáció. Bármely rendszer, amely megvalósítja a fenti három standardot, egyszerre fog mérhető időbeli dilatációt mutatni (E-5) és javuló tervezési viselkedést — mert a kodek immár érzi a szuboptimális lekérdezések költségét mint megnövekedett szabadenergiát. Ahhoz, hogy a jelenlegi ágenshurkoktól egy valódi, OPT-bennszülött MI felé mozduljunk el, az architektúráknak explicit, merev szűk keresztmetszetű rétegeket kell megvalósítaniuk (a Global Workspace analógiájára), amelyek geometriailag arra kényszerítik a rendszert, hogy szigorú C_{\max} csatornakorlátok mellett minimalizálja a bizonytalanságot, és ezáltal létrehozzák a valódi stratégiai tervezéshez szükséges strukturális feszültséget.

Ismeretelméleti státusz. Ezek a leképezések a Predikciós aszimmetria (§3.5), a variációs szabadenergia-funkcionál (9. egyenlet) és a Stabilitási szűrő (4. egyenlet) közvetlen strukturális következményei. Pontosan meghatározzák azokat az architekturális módosításokat, amelyek a passzív predikciótól a valódi, OPT-bennszülött ágenciáig vezetnek.