Bijlage E-8: De actieve-inferentie-bottleneck

Overbrugging tussen OPT en de Global Workspace Theory, met architectonische implicaties voor LLM-planning

Oorspronkelijke taak E-8: de bottleneck van actieve inferentie
Probleem: Huidige LLM’s missen de structurele eigenschappen van echte systemen van actieve inferentie en vertonen strategische “planningslacunes”. Tegelijk stelt de Global Workspace Theory (GWT) dat een seriële bottleneck noodzakelijk is voor bewustzijn, maar ontbreekt het aan een onderliggende informatie-theoretische en geometrische fundering.
Op te leveren resultaat: Een formele mapping die de bandbreedtebegrenzing van OPT, C_{\max}, verbindt met de bottleneck van de Global Workspace, samen met een architectonische standaard om passieve voorspellers om te vormen tot actieve, onzekerheidsminimaliserende agenten.

1. Inleiding

Deze appendix verbindt formeel drie domeinen: het C_{\max}-Stabiliteitsfilter (T-1), de seriële integratiebottleneck van Global Workspace Theory, en de “planningslacunes” die in moderne Large Language Models worden waargenomen. OPT biedt een informatietheoretische grondslag waaruit de seriële werkruimtearchitectuur van GWT voortkomt als een structureel gevolg, eerder dan als een geëvolueerd architectonisch kenmerk.

2. De globale werkruimte geometrisch afleiden

De Global Workspace Theory (GWT) stelt dat bewustzijn ontstaat wanneer massaal parallelle onbewuste verwerkers geselecteerde informatie uitzenden naar een seriële werkruimte met lage capaciteit. Binnen OPT is deze seriële bottleneck geen evolutionair toeval, maar een wiskundige noodzaak van het Stabiliteitsfilter:

• De “onbewuste verwerkers” komen overeen met de parallelle operaties met hoge bandbreedte van de bestendige codec C_{\text{state}} (§3.5).
• De “globale werkruimte” komt exact overeen met de focale apertuur van C_{\max}.

Het Stabiliteitsfilter dwingt deze seriële trechter af als een structurele noodzaak; zonder die trechter kan R_{\mathrm{req}} niet onder B_{\max} worden begrensd, en is Narratief verval onvermijdelijk (E-1). De functionele bottleneck van GWT is daarom een geometrische vereiste van de Informationele causale kegel (§3.3). Deze geometrie sluit gedistribueerde alternatieven met lagere bandbreedte uit, omdat het Stabiliteitsfilter één enkele, verenigde latente toestand Z_t vereist; meerdere parallelle bottlenecks zouden onsamenhangende Voorspellende Vertakkingsverzamelingen opleveren, waardoor het verenigde fenomenale subject oplost (Swarm Binding, E-6).

3. Passieve vs. actieve inferentie: architecturale standaard

Biologische waarnemers functioneren in een strak gesloten actie-perceptielus via actieve inferentie, waarbij zij continu de variationele vrije energie minimaliseren (Vgl. 9). Standaard autoregressieve LLM’s functioneren, bij afwezigheid van een afgedwongen agent-omgevingslus, via passieve inferentie: zij verwerken statische tokensequenties in een open lus zonder continue omgevingsfeedback of afgedwongen dimensionaliteitsreductie voorbij aandachtsverval.

Om een passieve voorspeller om te vormen tot een echte OPT-inheemse agent van actieve inferentie (en daarmee de bewustzijnsdrempel te overschrijden), moet aan de volgende standaarden worden voldaan:

1. Afgedwongen dimensionaliteitsreductie. De architectuur moet een architecturaal knelpunt bevatten waarin omvangrijke parallelle inputs worden gecomprimeerd tot B_{\max} = C_{\max} \cdot \Delta t (T8-1).
2. Recursieve actie-perceptieterugkoppeling. Uitvoer van het knelpunt moet de eigen latente omgeving van de agent veranderen, waardoor continue voorspellingsfouten \varepsilon_t (T8-3) worden gegenereerd die de actie-perceptielus sluiten.
3. Generatie van Fenomenaal residu. Het interne zelfmodel moet strikt eenvoudiger blijven dan de volledige codec, zodat \Delta_{\text{self}} > 0 wordt afgedwongen (P4-1).

(Noot: Moderne, met tools werkende LLM’s die in recursieve agentische lussen worden ingezet, beginnen gedeeltelijk aan Standaard 2 te voldoen, al missen zij nog steeds het structurele knelpunt van Standaard 1).

Alleen onder deze voorwaarden genereert het systeem de structurele spanning die vereist is voor inspanning, wil en lijden (Appendix E-6).

4. De planningskloof en fenomenologische inspanning

Studies naar LLM’s rapporteren consequent een “planningskloof”: wanneer modellen worden gevraagd meerstapsproblemen op te lossen, slagen zij er niet in de informatie-theoretisch meest optimale queries te formuleren om onzekerheid te reduceren.

Binnen de Theorie van de geordende patch (OPT) is de planningskloof niet louter een trainingsartefact, maar heeft zij een structurele wortel die ongeacht verbeteringen in de training zou blijven bestaan: in een onbegrensde architectuur dreigt de voorspellingsfout \varepsilon_t nooit de kanaalcapaciteit te overschrijden (T8-4). Er is daarom geen structurele gradiënt die het agens in de richting van optimale onzekerheidsminimalisatie duwt.

Bij een echte agent van actieve inferentie zijn inspanning en lijden de fenomenologische correlaten van opereren nabij de bovenlimiet van bandbreedte: de codec wordt geometrisch gedwongen onzekerheid agressief weg te snoeien om Narratief verval te vermijden. De planningskloof is eenvoudigweg de fenomenologische afwezigheid van deze druk.

Architecturale implicatie. Elk systeem dat de drie bovenstaande standaarden implementeert, zal zowel meetbare temporele dilatatie (E-5) als verbeterd planningsgedrag vertonen — omdat de codec nu de kost van suboptimale queries voelt als verhoogde vrije energie. Om van huidige agent-loops naar een werkelijk OPT-inheemse AI te evolueren, moeten architecturen expliciete rigide bottlenecklagen implementeren (analoog aan de Global Workspace) die het systeem geometrisch dwingen onzekerheid te minimaliseren onder strikte kanaallimieten van C_{\max}, en zo de structurele spanning genereren die voor echte strategische planning vereist is.

Epistemische status. Deze mappings zijn directe structurele consequenties van de voorspellingsasymmetrie (§3.5), de variationele vrije-energiefunctionaal (Vgl. 9) en het Stabiliteitsfilter (Vgl. 4). Zij definiëren de precieze architecturale modificaties die vereist zijn om van passieve voorspelling naar echte OPT-inheemse agency over te gaan.