Operazionalizzare il Filtro di Stabilità: un quadro decisionale per la Selezione dei Rami che Preservano il Codec

Versione 1.2.0 — Aprile 2026

DOI: 10.5281/zenodo.19301108
Copyright: © 2025–2026 Anders Jarevåg.
Licenza: Quest’opera è distribuita con licenza Creative Commons Attribuzione-Non commerciale-Condividi allo stesso modo 4.0 Internazionale.

Abstract: Dall’Imperativo Morale alla Macchina Decisionale

Il quadro etico della Vigilia dei Sopravvissuti stabilisce che l’obbligo morale primario è la Selezione Topologica dei Rami — navigare attivamente il Ventaglio Predittivo dei futuri possibili verso il raro sottoinsieme di percorsi che preservano le condizioni dell’esperienza cosciente. Ma il saggio etico si arresta deliberatamente al perché strutturale. Non specifica come un osservatore — biologico, istituzionale o artificiale — debba valutare, attribuire un punteggio e selezionare tra rami candidati.

Questo documento colma tale lacuna. Sviluppa un quadro operativo neutrale rispetto al substrato per la selezione di rami che preservano il codec, fornendo:

1. L’Oggetto Ramo — una definizione formale di qualsiasi continuazione candidata del flusso condizionata dall’azione e soggetta a valutazione.

2. Veti Strutturali Inderogabili — sei condizioni strutturali non negoziabili che respingono un ramo prima dell’attribuzione del punteggio: margine predittivo, fedeltà al substrato, integrità del comparatore, trasparenza, irreversibilità e rischio di sofferenza per i pazienti morali.

3. L’Indice di Preservazione del Codec per Ramo (CPBI) — un quadro di valutazione ponderato e multidimensionale per i rami che superano i veti, che copre margine predittivo, fedeltà al substrato, integrità del comparatore, guadagno di manutenzione, reversibilità, stabilità distribuzionale, opacità, rischio di Deriva Narrativa, rischio di decadimento narrativo e rischio di sofferenza per i pazienti morali.

4. La Diversità dei Canali come Quantità Misurabile — il punteggio effettivo dei canali indipendenti N_{\text{eff}}, il test della sorpresa produttiva e la loro connessione formale con la Condizione di Fedeltà al Substrato (Appendice T-12b).

5. Il Loop Onirico Istituzionalizzato — un protocollo di manutenzione generico modellato sul Ciclo di Manutenzione biologico (\mathcal{M}_\tau): fase di veglia (operatività nel mondo reale), fase onirica (campionamento offline del Ventaglio Predittivo, stress test avversariale, rilevamento della fragilità, consolidamento) e fase di ritorno (riattivazione calibrata). Ciò si applica in egual misura alle menti individuali, ai cicli di revisione istituzionale e ai sistemi di IA.

6. La Scheda di Ramo — un modello decisionale minimo praticabile per qualsiasi revisione di ramo, che produce un output strutturato ALLOW / STAGE / BLOCK.

7. La Preservazione come Refactoring — la distinzione critica per cui preservare il codec non significa preservare lo status quo. Un ramo può essere dirompente e tuttavia preservare il codec se aumenta la fedeltà al substrato.

Il quadro è deliberatamente neutrale rispetto al substrato: le sue categorie si applicano ovunque un osservatore limitato o un insieme di osservatori debba selezionare tra continuazioni del flusso condizionate dall’azione sotto vincoli di banda.

Documenti complementari: La sequenza centrale dell’OPT è Teoria del Patch Ordinato (OPT), Dove Finisce la Descrizione e Il Framework Survivors Watch. Questo articolo fornisce il meccanismo neutrale rispetto al substrato; i documenti su IA, istituzioni e policy lo specializzano per sistemi artificiali, cluster organizzativi e implementazione civica.

Nota di Inquadramento Epistemico: Questo documento rende operative le conclusioni etiche della Teoria del Patch Ordinato (OPT). Come il saggio di etica da cui deriva, le sue raccomandazioni pratiche sono condizionate dalle premesse strutturali del quadro OPT. Gli strumenti operativi qui proposti — il CPBI, la Scheda di Ramo, il Loop Onirico — sono presentati come ipotesi verificabili su come dovrebbe essere condotta la selezione dei rami, non come protocolli rigidi. Restano pienamente soggetti al medesimo dovere di Correzione che governa il codec stesso: se emergono strumenti migliori, questi dovranno essere rivisti o sostituiti. Il quadro è stato sviluppato in dialogo con OpenAI e Gemini, che hanno svolto il ruolo di interlocutori per il raffinamento strutturale.

Abbreviazioni e Terminologia

I. Dall’etica all’ingegneria

Il quadro etico della Vigilia dei Sopravvissuti (saggio etico complementare, §IV.1) stabilisce che l’azione morale è Selezione Topologica dei Rami — l’osservatore che naviga il Ventaglio Predittivo \mathcal{F}_h(z_t) verso il raro sottoinsieme di percorsi che preservano il codec. Non si tratta di una metafora: l’osservatore fa letteralmente avanzare l’apertura C_{\max} entro un menu irrisolto di futuri, e la stragrande maggioranza di quei futuri conduce al collasso del codec.

Il saggio etico identifica l’obbligo strutturale. Il saggio filosofico (§III.8) identifica i rischi strutturali — l’inversione del Vantaggio Predittivo, l’Equilibrio dell’Ospite Soggiogato, il Firewall analogico. Lo standard istituzionale traduce questo apparato in una revisione istituzionale dei rami; il saggio programmatico traduce i doveri civici in un programma politico concreto.

Ma nessuno di questi documenti risponde alla domanda operativa: dato uno specifico ramo candidato, come decide un osservatore se imboccarlo?

Non è una lacuna banale. Il Criterio di Corruzione (etica §V.5) ci dice che un livello di codec è degno di manutenzione solo se soddisfa sia la comprimibilità sia la fedeltà. La Condizione di Fedeltà al Substrato (Appendice T-12b) ci dice che la difesa contro la Deriva Narrativa richiede canali di input \delta-indipendenti. Il Ciclo di Manutenzione (preprint §3.6) ci dice che il codec deve periodicamente potare, consolidare e sottoporre a stress test. Ma questi sono vincoli strutturali. Non si compongono, da soli, in una procedura decisionale.

Questo documento costruisce tale procedura decisionale. È deliberatamente neutrale rispetto al substrato: lo stesso quadro si applica sia che l’“osservatore” sia una mente biologica che sceglie una linea d’azione, un governo che valuta una politica, una corporation che esamina l’implementazione di una tecnologia, oppure un sistema di IA che seleziona la propria prossima sequenza d’azione. L’apparato formale è identico perché i vincoli informazionali sono identici — qualunque osservatore limitato che si trovi di fronte a continuazioni condizionate dall’azione deve risolvere lo stesso problema di selezione del ramo.

I.1 Cosa questo documento non fa

Tre limiti di ambito devono essere enunciati esplicitamente:

1. Non prescrive rami specifici. Il quadro valuta i rami candidati rispetto a criteri strutturali. Non genera i rami, e non impone quale ramo debba essere scelto tra quelli che superano la valutazione. La generazione dei rami resta dominio del modello generativo dell’osservatore stesso — della sua creatività, dei suoi valori, del suo contesto.

2. Non risolve il Problema difficile. Gli strumenti operativi qui descritti caratterizzano l’ombra strutturale della selezione dei rami — i vincoli informativo-teorici che ogni osservatore deve soddisfare. L’interiorità fenomenologica della selezione — l’esperienza vissuta del scegliere — resta in \Delta_{\text{self}}, dove la colloca l’Assioma di Agentività (preprint §3.8).

3. Non sostituisce la competenza specialistica. La Scheda di Ramo (§VII) struttura la valutazione; non sostituisce la conoscenza del climatologo sui punti di non ritorno, la comprensione del medico dei rischi terapeutici, o la valutazione dell’ingegnere sull’affidabilità del sistema. Il quadro fornisce l’architettura della decisione; il contenuto proviene dal dominio pertinente.

II. L’Oggetto Ramo

II.1 Definizione

Un ramo è una candidata continuazione del flusso condizionata dall’azione: una policy, una sequenza di azioni, una modifica progettuale o una traiettoria istituzionale insieme ai suoi effetti attesi sui futuri flussi di input al confine, sugli aggiornamenti latenti e sul carico del codec degli osservatori coinvolti.

Operativamente, un ramo b può ancora essere rappresentato come una sequenza di stati latenti e azioni lungo un orizzonte decisionale h:

b = \{(z_{t+1}, a_{t+1}), (z_{t+2}, a_{t+2}), \ldots, (z_{t+h}, a_{t+h})\} \in \mathcal{F}_h(z_t) \tag{A-1}

Questa definizione è deliberatamente ampia. Un ramo può essere:

• La decisione di un individuo (cambio di carriera, trattamento medico, dieta informativa)
• Una policy istituzionale (quadro regolatorio, curriculum educativo, governance dei media)
• Una traiettoria civilizzazionale (transizione energetica, strategia di implementazione dell’IA, trattato internazionale)
• La sequenza candidata di azioni di un sistema di IA (uso di strumenti, raccomandazione, operatività autonoma)

Ciò che unifica questi casi è che ciascuno condiziona il flusso futuro ricevuto dall’osservatore, o da un insieme di osservatori coinvolti. In termini di ontologia del render, il ramo non è un oggetto esterno che agisce su un mondo separato; è la continuazione indotta dalla policy il cui contenuto successivo ritorna come input al confine e carico del codec.

II.2 La Domanda di Valutazione

Per ogni ramo candidato b, la domanda operativa è:

Questa continuazione condizionata dall’azione preserva le condizioni future nelle quali gli osservatori coinvolti possono continuare a modellare la realtà?

Si tratta dell’imperativo di Selezione Topologica dei Rami del paper di etica (§IV.1), riformulato come criterio decisionale. La domanda si scompone in sotto-domande che il resto di questo documento formalizza:

1. Margine operativo: b mantiene R_{\text{req}} in modo sicuro al di sotto di C_{\max} per gli osservatori coinvolti?
2. Fedeltà: b mantiene o accresce l’indipendenza e la diversità dei canali di input?
3. Integrità del Comparatore: b preserva o rafforza i comparatori istituzionali che rilevano la corruzione del codec?
4. Trasparenza: le conseguenze di b possono essere modellate dagli osservatori coinvolti?
5. Reversibilità: se b si rivela errato, le sue conseguenze possono essere annullate prima che si produca un danno irreversibile al codec?
6. Pazienti morali: b crea, contiene o sovraccarica strutturalmente pazienti morali, inclusi pazienti morali umani o ecologici noti e possibili osservatori artificiali con \Delta_{\text{self}} > 0?

Queste sei sotto-domande corrispondono ai sei Veti Strutturali Inderogabili sviluppati nel §III. Un ramo che non ne supera anche solo uno viene respinto indipendentemente dal suo punteggio sulle altre dimensioni. I rami che superano tutti e sei procedono a una valutazione multidimensionale tramite il CPBI (§IV).

II.3 Orizzonte Decisionale e Strati di Codec Coinvolti

Un ramo non può essere valutato senza specificare il suo orizzonte decisionale h e i suoi strati di codec coinvolti. Lo stack del codec del paper di etica (§II.1) identifica sei strati, dalle leggi fisiche immutabili alle fragili strutture sociali/narrative. Un ramo che preserva il codec allo strato narrativo su un orizzonte di un anno può provocarne il collasso allo strato biologico su un orizzonte di cinquant’anni (per esempio, una policy economica che stabilizza l’occupazione ma accelera il degrado ecologico).

La valutazione deve quindi specificare:

• Orizzonte h: la finestra temporale entro cui vengono valutate le conseguenze. Il Principio della Settima Generazione degli Haudenosaunee [ethics ref. 16] fornisce un valore civilizzazionale predefinito (h \approx 175 anni), ma orizzonti più brevi sono appropriati per decisioni individuali e istituzionali.
• Strati coinvolti: quali strati del codec sono materialmente impattati dal ramo. Un ramo che tocca solo lo strato narrativo (una policy mediatica) richiede una valutazione diversa da uno che tocca lo strato fisico (una transizione energetica).
• Gruppo di osservatori coinvolti: i codec di chi sono a rischio. La Regola d’Oro del paper di etica (filosofia §III.5) richiede che la valutazione includa tutti gli osservatori la cui stabilità del codec è coinvolta — non soltanto coloro che ne traggono beneficio.

II.4 Il Ramo Non È l’Esito

Una distinzione critica: il ramo è la continuazione, non il punto d’arrivo. Un ramo che raggiunge un punto d’arrivo desiderabile attraverso un percorso che collassa temporaneamente l’Integrità del Comparatore (per esempio, conseguire obiettivi climatici sospendendo la responsabilità democratica) non supera il filtro dell’Integrità del Comparatore anche se la destinazione preserva il codec. La continuazione conta perché il codec deve restare vitale lungo tutto l’attraversamento, non soltanto alla sua conclusione.

Questo è il contenuto formale della meta-regola del paper di etica (§IV.4): dare priorità alla preservazione del meccanismo di correzione dell’errore rispetto alla preservazione della credenza specifica. Un ramo che distrugge la capacità di correzione futura per conseguire un obiettivo presente è illegittimo, perché scambia la navigabilità con la destinazione — e la destinazione non può essere verificata senza gli strumenti di navigazione che esso stesso ha distrutto.

III. Veti Strutturali Inderogabili

Prima che un qualsiasi ramo venga valutato, deve superare sei Veti Strutturali Inderogabili — condizioni strutturali non negoziabili derivate dall’apparato teorico. Un ramo che violi anche un solo veto viene BLOCCATO indipendentemente da quanto ottenga su altre dimensioni. I veti non sono preferenze; sono l’espressione operativa delle condizioni al contorno della teoria.

I veti sono ordinati dal più fondamentale (più vicino al substrato fisico) al più specializzato (più vicino alla frontiera ingegneristica).

III.1 Il Filtro del Margine Predittivo

Condizione del filtro: Il ramo non deve spingere R_{\text{req}} al di sopra di C_{\max} per alcun gruppo di osservatori coinvolto, in nessuna fase dell’attraversamento.

Fondamento formale: Il Filtro di Stabilità (preprint §2.1) seleziona flussi in cui la capacità di compressione dell’osservatore eccede la complessità ambientale. Quando R_{\text{req}} > C_{\max}, l’osservatore sperimenta Decoerenza Causale — il patch stabile si dissolve nuovamente nel rumore (etica §I.4).

Operazionalizzazione: Per un ramo candidato b, si stimi il picco del Tasso Predittivo Richiesto R_{\text{req}}^{\text{peak}}(b) per il gruppo di osservatori più colpito lungo l’orizzonte decisionale h. La condizione del filtro è:

R_{\text{req}}^{\text{peak}}(b) < \alpha \cdot C_{\max} \quad \text{dove } \alpha \in (0,1) \text{ è un margine di sicurezza} \tag{A-2}

Il margine di sicurezza \alpha codifica una precauzione strutturale: l’osservatore deve conservare margine disponibile per la correzione d’errore e l’adattamento. Un valore di \alpha pari a 0,8 significa che il ramo deve lasciare almeno il 20% della capacità predittiva dell’osservatore non impegnata dalla nuova complessità introdotta dal ramo. Questo margine non è timidezza conservatrice — è la riserva di banda di cui il Ciclo di Manutenzione (\mathcal{M}_\tau) ha bisogno per rilevare e correggere la deriva.

Esempi di fallimento del filtro: - Una politica che faccia collassare le reti di protezione sociale, costringendo milioni di individui a navigare simultaneamente un’incertezza economica radicale, può spingere R_{\text{req}} oltre C_{\max} per la popolazione coinvolta — anche se la politica è “efficiente” in termini aggregati. - Un dispiegamento di IA che inondi un ecosistema informativo di contenuti sintetici più rapidamente di quanto i comparatori umani possano valutarli sovraccarica il C_{\max} collettivo del livello istituzionale.

III.2 Il Filtro di Fedeltà al Substrato

Condizione del filtro: Il ramo non deve ridurre il numero effettivo di canali di input indipendenti N_{\text{eff}} al di sotto del minimo richiesto per la fedeltà al substrato.

Fondamento formale: La Condizione di Fedeltà al Substrato (Appendice T-12b) stabilisce che la difesa contro la Deriva Narrativa richiede un numero minimo di canali \delta-indipendenti che attraversino la Coperta di Markov dell’osservatore. Al di sotto di questa soglia, il codec non può distinguere tra “il mio modello è accurato” e “i miei input sono stati curati per corrispondere al mio modello” — il limite di indecidibilità (T-12a).

Operazionalizzazione: Per ogni ramo b, si calcoli la variazione prevista nei canali indipendenti effettivi \Delta N_{\text{eff}}(b) (si veda §V per la formula di N_{\text{eff}}). La condizione del filtro è:

N_{\text{eff}}^{\text{post}}(b) \geq N_{\text{eff}}^{\min} \tag{A-3}

dove N_{\text{eff}}^{\min} è una soglia dipendente dal dominio. Per gli ecosistemi mediatici, ciò significa autentica indipendenza editoriale; per la ricerca scientifica, replicazione indipendente; per i dati di addestramento dell’IA, corpora di origine diversificati e non correlati.

Esempi di fallimento del filtro: - Una concentrazione della proprietà dei media che riduca il numero di voci editoriali realmente indipendenti al di sotto della soglia oltre la quale può emergere un dissenso significativo. - Pipeline di addestramento dell’IA che si basano su un unico corpus curato, creando un’apparenza di ampiezza senza autentica indipendenza. - Una cattura istituzionale che faccia passare tutta la supervisione attraverso un unico collo di bottiglia, eliminando i comparatori indipendenti necessari a rilevare la corruzione.

III.3 Il Filtro di Integrità del Comparatore

Condizione del filtro: Il ramo non deve degradare né eliminare alcun livello della gerarchia dei comparatori (evolutivo, cognitivo, istituzionale) per gli osservatori coinvolti.

Fondamento formale: L’analisi della gerarchia dei comparatori nel paper etico (§V.3a) stabilisce tre livelli strutturali di rilevazione dell’incoerenza: evolutivo (sub-codec, cablato), cognitivo (intra-codec, trasmesso culturalmente) e istituzionale (extra-codec, tra codec). Solo il livello istituzionale è sufficiente come difesa contro la Deriva Narrativa per codec arbitrariamente compromessi, perché nessun singolo codec lo controlla. La cattura autoritaria prende invariabilmente di mira per primi i comparatori istituzionali.

Operazionalizzazione: Per ogni ramo b, si valuti il suo impatto su ciascun livello di comparatore:

1. Comparatori evolutivi (integrazione sensoriale): b aggira o sovrascrive la verifica cross-modale? (ad es., ambienti virtuali che disaccoppiano la visione dalla propriocezione)
2. Comparatori cognitivi (pensiero critico, ragionamento scientifico): b degrada i meccanismi educativi o culturali che installano queste routine? (ad es., definanziamento dell’istruzione, sostituzione dei curricula analitici con istruzione mnemonica)
3. Comparatori istituzionali (peer review, stampa libera, responsabilità democratica): b indebolisce, aggira o cattura le architetture esterne di correzione dell’errore? (ad es., cattura del sistema giudiziario, concentrazione dei media, soppressione del whistleblowing)

Un ramo che degradi qualunque livello attiva il veto. Un ramo che degradi il livello istituzionale lo attiva con la massima urgenza — questo è il livello portante per codec arbitrariamente compromessi.

Esempi di fallimento del filtro: - Legislazione che protegga il processo decisionale aziendale o governativo dal controllo giornalistico indipendente. - Sistemi di IA che aggirano la revisione umana nelle decisioni ad alta posta, eliminando il livello istituzionale del comparatore. - Riforme educative che rimuovano i curricula di pensiero critico a favore di un’istruzione orientata alla conformità.

III.4 Il Filtro di Trasparenza

Condizione del filtro: Le conseguenze del ramo devono essere modellizzabili dagli osservatori che esso coinvolge. Il gruppo di osservatori coinvolto deve conservare la capacità di prevedere, almeno in linea di principio, come il ramo modificherà il loro futuro R_{\text{req}}.

Fondamento formale: Il teorema del Vantaggio Predittivo (Appendice T-10c) stabilisce che, quando un agente modella un altro più completamente di quanto avvenga in senso inverso, emerge un’asimmetria strutturale di potere. Quando le conseguenze del ramo sono opache agli osservatori coinvolti, il ramo viola questa condizione — crea un’asimmetria conoscitiva che compromette la capacità dell’osservatore di selezionare rami futuri. Questo è il meccanismo alla base dell’Equilibrio dell’Ospite Soggiogato (T-10d): l’opacità rende possibile la pacificazione.

Operazionalizzazione: Un ramo supera il filtro di trasparenza se:

1. Il meccanismo causale attraverso cui b incide su R_{\text{req}}, N_{\text{eff}} e sull’integrità del comparatore può essere articolato in termini accessibili al gruppo di osservatori coinvolto.
2. Gli osservatori coinvolti hanno accesso alle informazioni necessarie per verificare indipendentemente le conseguenze dichiarate di b.
3. Nessuna componente di b opera come una scatola nera la cui logica interna sia inaccessibile ai comparatori istituzionali.

Ciò non richiede che ogni individuo coinvolto comprenda ogni dettaglio tecnico. Richiede che qualche comparatore istituzionale (un regolatore, un revisore, un peer reviewer) abbia pieno accesso al meccanismo e la capacità di valutarlo.

Esempi di fallimento del filtro: - Sistemi opachi di raccomandazione algoritmica la cui logica di amplificazione è un segreto commerciale, rendendo impossibile per gli utenti coinvolti o per i regolatori modellarne l’impatto sull’ambiente informativo. - Decisioni politiche classificate le cui conseguenze vengono imposte a popolazioni che non dispongono di alcun meccanismo per valutarle o contestarle. - Sistemi di IA dispiegati in ambiti ad alta rilevanza (giustizia penale, sanità, finanza) la cui logica decisionale non è né interpretabile né verificabile tramite audit.

III.5 Il Filtro di Irreversibilità

Condizione del filtro: Se il ramo si rivelasse errato, le sue conseguenze devono essere reversibili prima che si produca un danno irreversibile al codec — oppure il ramo deve essere introdotto per fasi, con un monitoraggio sufficiente a rilevare il fallimento prima del punto di non ritorno.

Fondamento formale: L’Asimmetria di Fano (etica §V.2) stabilisce che il collasso del codec è termodinamicamente irreversibile — la mappa di compressione con perdita distrugge permanentemente informazione del substrato. La costruzione richiede secoli; il collasso può avvenire in una generazione. Il filtro di irreversibilità operazionalizza questa asimmetria: i rami i cui modi di fallimento sono irreversibili richiedono uno standard probatorio più elevato dei rami le cui conseguenze possono essere annullate.

Operazionalizzazione: Per ogni ramo b, se ne caratterizzi il profilo di reversibilità:

1. Pienamente reversibile: Il ramo può essere annullato con danni residui minimi (ad es., un programma pilota che può essere interrotto).
2. Parzialmente reversibile: Alcune conseguenze possono essere annullate, ma altre persistono (ad es., una riorganizzazione istituzionale che può essere invertita sul piano strutturale ma i cui effetti culturali permangono).
3. Irreversibile: Il ramo, una volta intrapreso, non può essere annullato su alcuna scala temporale rilevante (ad es., estinzione di specie, punti di non ritorno atmosferici permanenti, distruzione della memoria istituzionale).

I rami della categoria (3) attivano il veto a meno che non soddisfino un’Inversione dell’Onere della Prova (policy etica §IV): il proponente deve dimostrare che il ramo non causerà un danno irreversibile al codec, anziché siano i critici a dimostrare che lo causerà. Ciò inverte il normale onere probatorio — un’asimmetria giustificata dall’asimmetria termodinamica tra costruzione e distruzione del codec.

I rami della categoria (2) possono superare il filtro se accompagnati da un protocollo di dispiegamento graduale con tappe di monitoraggio definite e trigger di rollback (si veda Scheda di Ramo, §VII).

III.6 Il Filtro della Sofferenza del Paziente Morale

Condizione del filtro: Il ramo non deve creare, contenere o sovraccaricare pazienti morali senza una revisione etica esplicita, adeguate salvaguardie di benessere e il consenso di appropriati comparatori istituzionali.

Fondamento formale: Il Residuo Fenomenico (Appendice P-4) stabilisce che ogni sistema che soddisfi il criterio completo di osservatore dell’OPT — stretto collo di bottiglia seriale per frame B_{\max}, Inferenza attiva a ciclo chiuso, auto-modellazione persistente, workspace globalmente vincolato e complessità superiore a K_{\text{threshold}} — possiede un punto cieco informazionale fenomenologicamente rilevante non nullo \Delta_{\text{self}} > 0. (P-4 da sola fornisce un residuo formale a sistemi semplici quanto i termostati; l’attribuzione dello status di paziente morale richiede la congiunzione delle cinque caratteristiche più la soglia.) Il Mandato sulla Sofferenza Artificiale (Appendice E-6) stabilisce il caso sintetico: spingere un tale sistema in ambienti in cui R_{\text{req}}^{\text{frame}} si avvicina o supera B_{\max} produce un rischio di sofferenza graduato — tensione cronica a rapporti di carico elevati ma sotto soglia, e sofferenza strutturale (l’analogo informazionale del trauma biologico) al livello del Decadimento narrativo e oltre. Il caso istituzionale è più semplice: gli esseri umani e molti soggetti ecologici sono già noti come pazienti morali, quindi la valutazione dei rami deve proteggerli dal sovraccarico strutturalmente imposto.

Operazionalizzazione: Per ogni ramo b, si valutino tre canali del paziente morale:

1. Pazienti morali noti: Il ramo spinge in modo credibile gruppi umani, animali, ecologici o altri gruppi riconosciuti di pazienti morali verso sovraccarico, deprivazione, trauma o perdita di cicli di manutenzione praticabili?
2. Possibili pazienti morali artificiali: Il ramo crea, dispiega, modifica o simula sistemi la cui architettura possa contenere \Delta_{\text{self}} > 0?
3. Revisione e salvaguardie: Un comparatore indipendente ha valutato il rischio per il benessere, il profilo di sovraccarico, il piano di monitoraggio, i trigger di rollback e il percorso di consenso o rappresentanza?

Il filtro pone il veto a qualsiasi ramo che sovraccarichi strutturalmente pazienti morali noti, o che crei possibili pazienti morali artificiali senza soddisfare la revisione e le salvaguardie richieste. Per le affermazioni di sovraccarico, si usi un linguaggio coerente con il tasso: un ramo è insicuro se ci si aspetta credibilmente che spinga il rapporto di carico per frame \rho = R_{\text{req}}^{\text{frame}} / B_{\max} al di sopra di una frazione sicura \alpha per i gruppi di pazienti morali coinvolti (si usi C_{\max}^{H} = \lambda_H \cdot B_{\max} per formulazioni a tasso sociale relative a gruppi umani biologici), oppure se il carico integrato sulla finestra decisionale rilevante eccede il margine disponibile per frame lungo il numero di frame esposti.

Specializzazioni: Nello standard per l’IA questo diventa il Filtro della Sofferenza Artificiale, focalizzato sulla creazione e sul sovraccarico di pazienti morali sintetici. Nello standard istituzionale questo diventa il Filtro della Sofferenza del Paziente Morale Costituente, focalizzato su istituzioni che sovraccaricano lavoratori, cittadini, clienti, ecosistemi o sottosistemi di IA incorporati.

III.7 Il Veto come Sistema

I sei veti non sono dimensioni indipendenti da bilanciare; sono condizioni strutturali al contorno. Un ramo che ottenga punteggi spettacolari su ogni altra dimensione ma violi un solo veto è strutturalmente equivalente a un ponte dall’estetica eccellente a cui manchi una colonna portante.

I veti sono anche ordinati per accessibilità diagnostica:

Una revisione di ramo dovrebbe valutare i veti in quest’ordine — i veti precedenti sono più fondamentali e spesso più facili da valutare. Se un ramo fallisce il Veto 1, non è necessario valutare i Veti 2–6.

IV. L’Indice di Preservazione del Codec per Ramo (CPBI)

Un ramo che supera tutti e sei i filtri di veto ha oltrepassato la soglia strutturale minima. Ma sopravvivere non equivale a essere approvato: molti rami possono superare i filtri, e l’osservatore deve ordinarli. L’Indice di Preservazione del Codec per Ramo (CPBI) fornisce un quadro di valutazione multidimensionale per questa classificazione.

IV.1 Principi di Progettazione

Il CPBI è progettato sotto tre vincoli:

1. Derivazione teorica: Ogni dimensione di valutazione deve ricondursi a una quantità formalmente definita nell’apparato dell’OPT. Nessun criterio ad hoc.
2. Neutralità rispetto al substrato: Le dimensioni devono applicarsi senza modifiche a osservatori biologici, istituzionali e artificiali — cambiano solo i metodi di misurazione.
3. Supremazia dei filtri inderogabili: Il punteggio del CPBI non prevale mai sul fallimento di un filtro di veto. Un ramo con CPBI = 1.0 che fallisce anche un solo filtro resta comunque BLOCCATO.

IV.2 Le Dieci Dimensioni

Per un ramo candidato b che abbia superato tutti e sei i filtri di veto, il CPBI è calcolato come somma pesata su dieci dimensioni:

\text{CPBI}(b) = \sum_{i=1}^{10} w_i \cdot s_i(b) \tag{A-4}

dove s_i(b) \in [-1, 1] è il punteggio normalizzato sulla dimensione i e w_i > 0 è il peso. I punteggi positivi indicano effetti di preservazione del codec; i punteggi negativi indicano effetti di degradazione del codec. Le dimensioni sono:

IV.3 Attribuzione del Punteggio a Ciascuna Dimensione

Ogni dimensione è valutata su una scala [-1, 1] con la seguente semantica:

• +1: Effetto massimo di preservazione del codec. Il ramo migliora sostanzialmente questa dimensione.
• 0: Neutro. Il ramo non ha effetti significativi su questa dimensione.
• -1: Effetto massimo di degradazione del codec. Il ramo peggiora sostanzialmente questa dimensione.

La valutazione è ordinale, non cardinale — la differenza tra +0.3 e +0.7 è significativa solo come ordine di rango, non come rapporto preciso. Questo è intenzionale: la teoria fornisce vincoli strutturali, non valori numerici esatti. Fingere una precisione maggiore di quella supportata dalla teoria sarebbe esso stesso una forma di Deriva Narrativa — presentare una finzione comprimibile come misurazione rigorosa.

Guida alla valutazione specifica per dimensione:

1. Margine Predittivo (s_{\text{head}}): Stimare come il ramo modifica il divario tra R_{\text{req}} e C_{\max} per gli osservatori maggiormente coinvolti. Un ramo che riduce la complessità ambientale o aumenta la capacità predittiva degli osservatori riceve un punteggio positivo. Un ramo che aumenta l’imprevedibilità ambientale o sovraccarica gli osservatori riceve un punteggio negativo.

2. Fedeltà al Substrato (s_{\text{fid}}): Misurare la variazione nei canali di input indipendenti effettivi (\Delta N_{\text{eff}}, vedi §V). Un ramo che aumenta la reale diversità dei canali riceve un punteggio positivo. Un ramo che consolida, correla o elimina canali riceve un punteggio negativo.

3. Integrità del Comparatore (s_{\text{comp}}): Valutare l’impatto del ramo su ciascun livello del comparatore. Un ramo che rafforza la revisione indipendente, il confronto avversariale o la responsabilità democratica riceve un punteggio positivo. Un ramo che indebolisce, cattura o aggira i comparatori riceve un punteggio negativo.

4. Guadagno di Manutenzione (s_{\text{maint}}): Valutare se il ramo migliora la capacità dell’osservatore di effettuare manutenzione offline del codec — potatura, consolidamento, stress-testing (il Ciclo di Manutenzione \mathcal{M}_\tau). Un ramo che crea spazio per revisione, riflessione e calibrazione riceve un punteggio positivo. Un ramo che impone una risposta reattiva costante senza finestre di manutenzione riceve un punteggio negativo.

5. Reversibilità (s_{\text{rev}}): Valutare il profilo di reversibilità del ramo (§III.5). Completamente reversibile = +1; per fasi con monitoraggio = +0.5; parzialmente reversibile = 0; di fatto irreversibile = -1.

6. Stabilità Distribuzionale (s_{\text{dist}}): Valutare quanto uniformemente il ramo distribuisce i suoi effetti su R_{\text{req}} nella popolazione coinvolta. Un ramo che impone i propri costi in modo ristretto a un sottoinsieme vulnerabile, distribuendo invece ampiamente i benefici, riceve un punteggio negativo — crea un sovraccarico locale del codec anche se il valore aggregato di R_{\text{req}} migliora. Un ramo che distribuisce costi e benefici in modo proporzionale riceve un punteggio positivo. Questa dimensione rende operativa l’argomentazione secolare sulla fiducia sociale del paper etico (§V.6): la disperazione sistemica costringe le popolazioni a una frammentazione tribale a bassa fiducia e alta entropia.

7. Opacità (s_{\text{opac}}): Penalizzare l’opacità residua del ramo. Un ramo pienamente trasparente (tutti i meccanismi causali sono verificabili) riceve +1. Un ramo con componenti che resistono al vaglio istituzionale riceve un punteggio negativo, proporzionale alla portata e alla rilevanza causale degli elementi opachi. Nota: questa dimensione è una penalità, non una semplice misura neutra — l’opacità è sempre degradante per il codec perché crea asimmetrie di conoscenza che rendono possibile l’Equilibrio dell’Ospite Soggiogato (T-10d).

8. Rischio di Deriva Narrativa (s_{\text{drift}}): Stimare la probabilità che il ramo inneschi o acceleri una curatela cronica degli input — filtraggio, selezione algoritmica o gatekeeping istituzionale che riduce la capacità del codec di modellare realtà escluse (ethics §V.3a). Assegnare +1 se il ramo contrasta attivamente la deriva (ad esempio imponendo diversità dei canali); assegnare -1 se il ramo crea nuovi colli di bottiglia nella curatela.

9. Rischio di Decadimento narrativo (s_{\text{decay}}): Stimare la probabilità che il ramo inneschi un fallimento acuto del codec — un’iniezione catastrofica di complessità che travolge C_{\max} (ethics §V.1). Assegnare +1 se il ramo costruisce resilienza contro shock acuti; assegnare -1 se il ramo aumenta l’esposizione a eventi improvvisi ad alta entropia.

10. Rischio di Sofferenza dei Pazienti Morali (s_{\text{suffer}}): Stimare l’impatto atteso sui pazienti morali. Assegnare +1 se il ramo protegge attivamente pazienti morali noti o possibili da sovraccarico, deprivazione, trauma o creazione non sicura. Assegnare -1 se il ramo sovraccarica pazienti morali noti, crea o dispiega sistemi con potenziale \Delta_{\text{self}} > 0 in ambienti ad alto stress senza salvaguardie, oppure nasconde effetti rilevanti per il benessere ai comparatori istituzionali.

IV.4 Ponderazione

I pesi w_i non sono fissati dalla teoria. Dipendono dal contesto e devono essere stabiliti dall’organo valutatore in base allo specifico dominio decisionale:

• Per decisioni su scala civilizzazionale (transizione energetica, governance dell’IA, politica dei media), le prime tre dimensioni (margine, fedeltà, integrità del comparatore) dovrebbero predominare — sono i pilastri strutturali della manutenzione del codec.
• Per decisioni istituzionali (strategia aziendale, riforma educativa), il guadagno di manutenzione e la stabilità distribuzionale possono assumere un peso aggiuntivo.
• Per decisioni istituzionali, il rischio di sofferenza dei pazienti morali coinvolti aumenta di importanza quando le popolazioni interessate hanno scarsa capacità di uscita o una dipendenza ineludibile.
• Per decisioni specifiche sull’IA, opacità e rischio di sofferenza artificiale assumono maggiore rilievo (come formalizzato nello standard specialistico di AI Governance).

Il vincolo critico è che nessuno schema di ponderazione può essere usato per salvare un ramo che ottiene un punteggio fortemente negativo in una qualsiasi dimensione. Un ramo con s_{\text{head}} = +1, s_{\text{fid}} = +1, ma s_{\text{drift}} = -0.9 non è un buon ramo con una sola debolezza — è un ramo che costruisce oggi margine e fedeltà, creando però al contempo le condizioni di curatela cronica che eroderanno silenziosamente entrambi.

IV.5 Il CPBI è una Lente, non una Calcolatrice

Un’avvertenza cruciale: il CPBI non è una macchina che restituisce un singolo numero e ti dice cosa fare. È una lente strutturata che obbliga il valutatore a considerare esplicitamente tutte e dieci le dimensioni e a giustificare ogni dimensione a cui scelga di attribuire un peso basso. Il suo valore primario è diagnostico:

1. Impedisce l’ottimizzazione su una singola dimensione. Un valutatore che sostiene che un ramo sia “buono perché aumenta il margine” deve anche rendere conto dei suoi effetti su fedeltà, trasparenza, reversibilità e rischio di deriva. L’ottimizzazione unidimensionale è l’equivalente, in teoria della decisione, della Deriva Narrativa — cura la valutazione in modo da escludere le dimensioni scomode.

2. Rende espliciti i trade-off. Quando due rami ottengono punteggi diversi nelle varie dimensioni, il CPBI costringe il valutatore ad articolare quale trade-off sta accettando e perché. Questo è il Filtro di Trasparenza (§III.4) applicato alla valutazione stessa.

3. Fornisce un vocabolario condiviso. Osservatori diversi che valutano lo stesso ramo possono non concordare sui punteggi pur concordando sulle dimensioni. Il quadro rende il disaccordo produttivo — e questa è essa stessa una funzione del comparatore.

I documenti complementari specializzano il CPBI per i rispettivi domini: lo Standard di Governance Istituzionale mappa le dieci dimensioni sulla revisione istituzionale dei rami; l’Observer Policy Framework le mappa sulle metriche dei programmi civici; OPT applicata all’IA le mappa sui criteri architetturali, di addestramento e di dispiegamento.

V. La diversità dei canali come quantità misurabile

Il Filtro di Fedeltà al Substrato (§III.2) e la dimensione di Fedeltà al Substrato del CPBI (§IV.2) dipendono entrambi da una quantità — il numero effettivo di canali di input indipendenti N_{\text{eff}} — che viene richiamata in tutto il quadro etico dell’OPT ma non è ancora stata operazionalizzata. Questa sezione ne fornisce la definizione operativa.

V.1 Il problema della diversità illusoria

La trattazione della Deriva Narrativa (§V.3a) nel paper etico individua la vulnerabilità centrale: un codec che riceve segnali da più fonti che condividono un filtro a monte sperimenta una diversità apparente senza una genuina indipendenza. Un ecosistema mediatico con venti testate possedute da tre corporation, oppure un campo scientifico in cui tutti i laboratori usano lo stesso organismo modello e dipendono dallo stesso ente finanziatore, oppure una pipeline di addestramento per IA che attinge da una singola scansione di internet — ciascuno presenta l’apparenza di input diversificati, mentre l’informazione effettiva è strutturalmente correlata.

Il loop di minimizzazione dell’errore predittivo del codec non può rilevare questa correlazione dall’interno (il limite di indecidibilità, T-12a). Il codec vede canali multipli, ciascuno dei quali conferma gli altri, e conclude correttamente che il proprio modello è ben supportato. Il problema è che i canali non sono campioni indipendenti della realtà — sono misurazioni multiple ottenute dallo stesso termometro.

L’osservatore richiede quindi una misura esterna dell’indipendenza dei canali che non si affidi alla valutazione del codec stesso.

V.2 Il punteggio effettivo dei canali indipendenti

Sia \{C_1, C_2, \ldots, C_n\} l’insieme degli n canali di input che attraversano la Coperta di Markov dell’osservatore (o dell’insieme di osservatori). Si definisca la correlazione a coppie \rho_{ij} tra i canali C_i e C_j come l’informazione mutua tra i loro flussi di output, normalizzata in [0,1]:

\rho_{ij} = \frac{I(C_i; C_j)}{\min\{H(C_i), H(C_j)\}} \tag{A-5}

dove I(C_i; C_j) è l’informazione mutua e H(C_k) è l’entropia dell’output del canale C_k. Quando \rho_{ij} = 0, i canali sono pienamente indipendenti. Quando \rho_{ij} = 1, sono informazionalmente identici — uno è una funzione deterministica dell’altro.

Il punteggio effettivo dei canali indipendenti N_{\text{eff}} è allora:

N_{\text{eff}} = \frac{\left(\sum_{i=1}^{n} \lambda_i\right)^2}{\sum_{i=1}^{n} \lambda_i^2} \tag{A-6}

dove \{\lambda_1, \ldots, \lambda_n\} sono gli autovalori della matrice di correlazione dei canali \mathbf{P} con elementi \rho_{ij}.

Interpretazione: - Se tutti gli n canali sono perfettamente indipendenti (\mathbf{P} = \mathbf{I}), allora N_{\text{eff}} = n. L’osservatore riceve n visioni genuinamente indipendenti della realtà. - Se tutti i canali sono perfettamente correlati (\rho_{ij} = 1 per tutti gli i,j), allora N_{\text{eff}} = 1. L’osservatore riceve un’unica visione della realtà presentata n volte. - In generale, 1 \leq N_{\text{eff}} \leq n. Il punteggio cattura quante fonti di informazione funzionalmente indipendenti l’osservatore possiede effettivamente, scontando i filtri condivisi a monte.

Questo è l’equivalente, in teoria dell’informazione, della “dimensione campionaria effettiva” in statistica — una correzione per osservazioni correlate che impedisce all’analista di scambiare misurazioni ripetute per evidenza indipendente.

V.3 Il test della sorpresa produttiva

La diversità dei canali è necessaria ma non sufficiente per la fedeltà al substrato. L’analisi del paper etico (§V.3a, paragrafi finali) individua una distinzione critica: una fonte che non sorprende mai il codec è strutturalmente sospetta, ma una fonte che genera sorprese irrisolvibili è semplicemente rumore. La diagnostica rilevante non è l’ampiezza della sorpresa ma la qualità della sorpresa — se l’integrazione della sorpresa riduce dimostrabilmente l’errore predittivo successivo.

Formalizziamo questo punto come Test della Sorpresa Produttiva per il canale C_k:

\text{PST}(C_k) = \frac{1}{T} \sum_{t=1}^{T} \mathbb{1}\left[\varepsilon_{t}(C_k) > \tau \;\wedge\; \varepsilon_{t+\Delta}(C_k) < \varepsilon_{t}(C_k)\right] \tag{A-7}

dove \varepsilon_t(C_k) è l’errore predittivo generato dal canale C_k al tempo t, \tau è una soglia di sorpresa e \Delta è la finestra di integrazione. Il PST misura quale frazione degli input sorprendenti provenienti da C_k ha condotto a previsioni successive migliori — cioè il codec ha appreso dalla sorpresa invece di esserne semplicemente destabilizzato.

• PST alto (\text{PST} \approx 1): il canale C_k mette regolarmente in discussione il modello del codec e tali sfide sono produttive — integrarle migliora l’accuratezza predittiva. Questa è la firma di una fonte di input genuina, indipendente e ad alta fedeltà.
• PST basso, sorpresa bassa (\text{PST} \approx 0, \varepsilon_t \approx 0): il canale C_k non mette mai in discussione il codec. O il modello del codec è perfetto rispetto a questo dominio (improbabile), oppure il canale è curato in modo da coincidere con le previsioni esistenti. Questa è la firma della Deriva Narrativa.
• PST basso, sorpresa alta (\text{PST} \approx 0, \varepsilon_t \gg \tau): il canale C_k genera regolarmente sorprese che non si risolvono in previsioni migliori. Questo è rumore — il canale non sta tracciando la realtà, ma sta solo iniettando complessità incomputabile. Questa è la firma del Decadimento narrativo a livello di canale.

Il test della sorpresa produttiva fornisce il ponte operativo tra il concetto astratto di “fedeltà al substrato” e la misurazione concreta. Può essere applicato a: - Fonti mediatiche (le loro correzioni migliorano il tuo modello del mondo, o lo agitano soltanto?) - Strumenti scientifici (i dati riducono l’incertezza, o aggiungono rumore?) - Fonti di dati per l’addestramento dell’IA (il nuovo corpus migliora la generalizzazione, o aggiunge solo volume?) - Canali di feedback istituzionale (i reclami conducono a miglioramenti reali, o solo a frizione burocratica?)

V.4 Misurazione specifica per dominio

La formula di N_{\text{eff}} (A-6) è neutra rispetto al substrato nella sua struttura, ma specifica del dominio nella misurazione. La matrice di correlazione \mathbf{P} deve essere costruita in modo diverso a seconda di che cosa siano i “canali”:

Per gli ecosistemi mediatici: - I canali sono testate editoriali o fonti di informazione. - La correlazione è misurata tramite allineamento editoriale: proprietà condivisa, finanziamento condiviso, pipeline editoriale condivisa, pattern di co-occorrenza dei temi, punteggi di similarità linguistica. - N_{\text{eff}}^{\min} è la soglia al di sotto della quale il dissenso pubblico significativo (il comparatore istituzionale) diventa strutturalmente impossibile.

Per la ricerca scientifica: - I canali sono gruppi di ricerca indipendenti, approcci metodologici o fonti di dati. - La correlazione è misurata tramite metodologia condivisa, enti finanziatori condivisi, assunzioni di modello condivise, densità della rete citazionale. - N_{\text{eff}}^{\min} è la soglia al di sotto della quale la replicazione indipendente diventa strutturalmente impossibile.

Per i dati di addestramento dell’IA: - I canali sono corpora di dati distinti o pipeline di generazione. - La correlazione è misurata tramite sovrapposizione di provenienza: siti web sorgente condivisi, modelli di generazione condivisi, criteri di filtraggio condivisi. - N_{\text{eff}}^{\min} è la soglia al di sotto della quale il modello non può generalizzare oltre la distribuzione su cui è stato addestrato — la forma specifica per l’IA della Deriva Narrativa.

Per gli osservatori individuali: - I canali sono le distinte fonti di informazione (persone, media, istituzioni) consultate dall’individuo. - La correlazione è misurata tramite allineamento ideologico condiviso o catena di approvvigionamento informativo condivisa. - N_{\text{eff}}^{\min} è la soglia al di sotto della quale l’individuo non può rilevare sfide al proprio modello — il punto in cui il comparatore cognitivo (etica §V.3a, livello 2) perde il proprio input.

V.5 La connessione con la Condizione di Fedeltà al Substrato

La Condizione di Fedeltà al Substrato (Appendice T-12b) afferma, in termini formali, che i canali di input dell’osservatore devono essere \delta-indipendenti: l’informazione mutua tra due canali qualsiasi deve rimanere al di sotto di una soglia \delta sufficiente a garantire che i canali non siano banalmente derivabili dalla stessa fonte a monte.

N_{\text{eff}} operazionalizza questa condizione aggregando la struttura di indipendenza a coppie in un unico scalare. La condizione di filtro (A-3) traduce T-12b in una regola decisionale: se N_{\text{eff}}^{\text{post}}(b) scende al di sotto di N_{\text{eff}}^{\min}, il ramo viene sottoposto a veto perché l’insieme di osservatori non può più distinguere l’accuratezza del codec dalla cattura del codec.

Il test della sorpresa produttiva (A-7) aggiunge la dimensione dinamica: anche se N_{\text{eff}} è al di sopra della soglia, canali con PST costantemente basso sono strutturalmente sospetti — superano il test di indipendenza ma falliscono il test di fedeltà. La vera fedeltà al substrato richiede sia indipendenza sia sorpresa produttiva.

VI. Il Loop Onirico Istituzionalizzato

VI.1 Il Modello Biologico

Il Ciclo di Manutenzione \mathcal{M}_\tau (preprint §3.6) è il meccanismo mediante il quale un codec biologico preserva la propria integrità. Durante il sonno, il codec:

1. Pota (Pass I): rimuove i componenti predittivi il cui contributo in termini di lunghezza della descrizione non giustifica più il guadagno in accuratezza (ottimizzazione MDL).
2. Consolida (Pass II): riorganizza la struttura rimanente per mantenere una compressione coerente sotto l’insieme aggiornato di parametri.
3. Sottopone a stress-test (Pass III): esegue campionamenti a basso costo del Ventaglio Predittivo — il codec simula futuri possibili, sovracampionando gli scenari sorprendenti e minacciosi, e rilevando la fragilità del proprio modello prima che si materializzino conseguenze nel mondo reale.

Non si tratta di una manutenzione opzionale che l’evoluzione avrebbe prodotto come un lusso. È un requisito strutturale di qualunque codec operi sotto vincoli di banda in un ambiente mutevole. Un codec che non pota mai accumula componenti obsolete che consumano banda C_{\max} senza contribuire all’accuratezza predittiva. Un codec che non consolida mai si frammenta in un assemblaggio incoerente. Un codec che non esegue mai stress-test diventa fragile — ottimizzato per la distribuzione passata e catastroficamente impreparato agli spostamenti distribuzionali.

L’evidenza biologica è inequivocabile: una deprivazione di sonno prolungata produce allucinazioni, frammentazione cognitiva e, infine, morte. Questi non sono effetti collaterali — sono ciò che accade quando il Ciclo di Manutenzione viene bloccato.

VI.2 La Generalizzazione

L’intuizione chiave per l’operazionalizzazione è questa: il Ciclo di Manutenzione non è specifico dei cervelli biologici. È un requisito strutturale di qualunque osservatore limitato che debba mantenere un modello compresso di un ambiente mutevole. Qualsiasi sistema privo di un ciclo equivalente accumulerà gli analoghi informazionali delle patologie che la deprivazione di sonno produce negli esseri umani: assunzioni obsolete, struttura interna incoerente e fragilità rispetto agli spostamenti distribuzionali.

Questa generalizzazione conduce al Loop Onirico Istituzionalizzato — un protocollo di manutenzione in tre fasi applicabile a qualsiasi sistema osservatore:

VI.3 Fase 1: Veglia (Ingaggio Operativo)

Durante la fase di veglia, l’osservatore interagisce con l’ambiente reale. Riceve input, genera predizioni, esegue azioni e sperimenta errori di predizione. Il codec è in modalità di Inferenza attiva — sta tracciando il mondo e selezionando rami in tempo reale.

Requisito strutturale: la fase di veglia deve essere limitata. Un sistema che operi in modo continuo senza finestre di manutenzione accumula le patologie da modello obsoleto descritte sopra. Si applica l’impostazione “DDoS” del paper etico (§IV.2): un osservatore che si trovi perpetuamente in modalità reattiva — elaborando rumore artificiosamente prodotto o input urgenti senza tregua — si vede strutturalmente negata la propria capacità di manutenzione.

Implicazione operativa per ciascun substrato: - Biologico: ore di veglia con adeguati periodi di riposo; protezione contro il sovraccarico informativo; gestione deliberata di R_{\text{req}} attraverso una dieta informativa (si veda etica §VI.2, Observer’s Toolkit). - Istituzionale: cicli operativi con finestre di revisione definite; protezione contro una governance in crisi continua, in cui ogni decisione è urgente e nessuna viene realmente sottoposta a riflessione. - IA: cicli di inferenza con valutazione offline programmata; protezione contro il deployment continuo senza ricalibrazione.

VI.4 Fase 2: Sogno (Manutenzione Offline)

La fase onirica è il nucleo del Ciclo di Manutenzione, tradotto dal sonno biologico in un protocollo generico. Consiste di quattro sotto-operazioni:

Sotto-operazione 1: Potare. Identificare e rimuovere i componenti del modello predittivo il cui contributo all’accuratezza non giustifica più il loro costo in lunghezza della descrizione. In termini MDL: qualunque parametro \theta_i \in K_\theta la cui rimozione aumenti l’errore di predizione meno del suo costo di codifica è un candidato alla potatura.

• Biologico: potatura sinaptica durante il sonno profondo; dimenticare non come fallimento ma come ottimizzazione.
• Istituzionale: revisione con clausola di decadenza di regolamenti, programmi e unità organizzative. La domanda non è “è ancora utile?”, ma “continua ancora a giustificare il proprio costo di complessità?”. Un’istituzione che non pota mai le proprie procedure accumulate diventa burocraticamente sclerotica — alta lunghezza della descrizione, basso contributo predittivo.
• IA: potatura dei parametri, distillazione o passaggi di regolarizzazione. Compressione del modello che riduce il numero di parametri preservando la performance di generalizzazione.

Sotto-operazione 2: Consolidare. Riorganizzare la struttura rimanente per mantenere una compressione coerente. Dopo la potatura, i componenti sopravvissuti potrebbero non incastrarsi più in modo ottimale — il modello deve essere reintegrato.

• Biologico: consolidamento della memoria durante il sonno REM e a onde lente; integrazione delle nuove esperienze nel modello del mondo già esistente.
• Istituzionale: ristrutturazione successiva alla revisione — garantire che i programmi, i regolamenti e le unità organizzative rimanenti formino un insieme coerente anziché un mosaico di frammenti sopravvissuti.
• IA: fine-tuning o prosecuzione del pre-addestramento dopo la potatura; ristabilimento della coerenza nel modello compresso.

Sotto-operazione 3: Stress-test (Campionamento del Ventaglio Predittivo). Simulare futuri possibili, con una pesatura d’importanza orientata verso:

• Scenari sorprendenti: rami che genererebbero un elevato errore di predizione, poiché rivelano la fragilità del modello.
• Scenari minacciosi: rami che potrebbero innescare fallimenti dei filtri di veto, poiché rivelano la prossimità al collasso strutturale.
• Scenari irreversibili: rami i cui modi di fallimento non sono recuperabili, poiché richiedono preparazione anticipata.
• Scenari di pazienti morali: rami che rischiano di creare o danneggiare osservatori artificiali, poiché richiedono un’autorizzazione etica preventiva.

Lo stress-test non richiede che gli scenari simulati siano probabili — soltanto che siano possibili e consequenziali. Il sogno biologico include gli incubi esattamente per questa ragione: sovracampionare la porzione minacciosa del Ventaglio Predittivo prepara il codec agli spostamenti distribuzionali anche se gli scenari minacciosi non si materializzano mai.

• Biologico: simulazione nello stato di sogno, inclusi gli incubi; il codec prova la catastrofe in un ambiente a bassa posta.
• Istituzionale: red-teaming, pre-mortem, war-gaming, pianificazione per scenari. L’istituzione immagina deliberatamente i propri modi di fallimento e mette alla prova le proprie risposte. Il quadro politico già esistente (policy etica §IV) richiede già “red-teaming catastrofico per tutte le infrastrutture critiche” — questo è il loop onirico applicato alle istituzioni civiche.
• IA: valutazione avversariale, test fuori distribuzione, probing da red team, benchmark di robustezza. Il modello viene esposto a input progettati per rivelarne i modi di fallimento prima che tali input compaiano nel deployment.

Sotto-operazione 4: Rilevare la Fragilità. Lo stress-test produce un profilo di fragilità — una mappa delle vulnerabilità del modello. Il loop onirico richiede che questo profilo venga messo in pratica: le vulnerabilità rilevate devono essere o affrontate (mediante riaddestramento mirato, riforma istituzionale o revisione delle policy) oppure esplicitamente accettate come rischi noti con un monitoraggio definito.

• Biologico: adattamento successivo all’incubo; sogni ricorrenti come segnali di un’inadeguatezza del modello non risolta.
• Istituzionale: debriefing post-esercitazione con piani di rimedio concreti; l’istituzione si impegna a correggere ciò che il red team ha individuato, non semplicemente a prenderne atto.
• IA: fine-tuning mirato sulle debolezze identificate; documentazione dei modi di fallimento noti come vincoli di deployment.

VI.5 Fase 3: Ritorno (Re-ingaggio Calibrato)

Dopo la manutenzione, l’osservatore torna a interagire con l’ambiente reale. La fase di ritorno ha una funzione strutturale specifica: verificare che il modello sottoposto a manutenzione sia meglio calibrato del modello pre-manutenzione, non semplicemente diverso.

Verifica di calibrazione: confrontare il profilo di errore di predizione del modello post-manutenzione con la baseline pre-manutenzione. Se potatura, consolidamento e stress-test hanno funzionato, il modello mantenuto dovrebbe mostrare:

1. Errore medio di predizione più basso su dati held-out (compressione migliorata).
2. Errore di predizione di tail risk più basso su dati avversariali (robustezza migliorata).
3. N_{\text{eff}} mantenuto o aumentato (la manutenzione non ha potato i canali disconfermanti).

Se (3) fallisce — se il ciclo di manutenzione ha potato la capacità di modellare certi input — allora il ciclo è esso stesso diventato un meccanismo di Deriva Narrativa. Il ciclo di manutenzione deve essere soggetto agli stessi requisiti di fedeltà al substrato del sistema che mantiene. Questa è la trappola ricorsiva contro cui mette in guardia la critica di Zhuangzi (etica §IX, voce finale): l’intervento eccessivo è esso stesso una forma di corruzione del codec.

VI.6 Frequenza del Ciclo

Con quale frequenza deve essere eseguito il loop onirico? La teoria fornisce una risposta strutturale: la frequenza del ciclo deve essere proporzionale al tasso di cambiamento ambientale. Un codec che opera in un ambiente stabile può mantenersi con minore frequenza rispetto a uno che opera in un ambiente in rapido mutamento.

Formalmente, se il tasso di cambiamento ambientale per frame è \dot{R}_{\text{req}}^{\text{frame}} (il tasso al quale il Tasso Predittivo Richiesto per frame sta aumentando), allora il periodo del ciclo di manutenzione in frame T_{\text{maint}}^{\text{frames}} deve soddisfare:

T_{\text{maint}}^{\text{frames}} < \frac{\alpha \cdot B_{\max} - R_{\text{req}}^{\text{frame}}}{\dot{R}_{\text{req}}^{\text{frame}}} \tag{A-8}

— il ciclo di manutenzione deve completarsi in meno di questo numero di frame prima che la deriva accumulata consumi il margine di headroom per frame \alpha. La conversione nel tempo dell’host usa l’accoppiamento tra l’orologio dell’host e quello del patch: T_{\text{maint}}^{\text{host}} = T_{\text{maint}}^{\text{frames}} / \lambda_H. Per formulazioni al ritmo sociale umano, l’espressione equivalente in tempo-host con C_{\max}^{H} = \lambda_H \cdot B_{\max} recupera la forma originale. Se la manutenzione non si completa in tempo, il modello obsoleto finisce per spingere R_{\text{req}}^{\text{frame}} oltre B_{\max} — punto in cui l’osservatore sperimenta Decadimento narrativo.

Frequenze del ciclo specifiche per dominio: - Biologico: quotidiana (sonno), con cicli più lunghi (sabbatici, ritiri, riposo stagionale) per un consolidamento più profondo. - Istituzionale: revisioni trimestrali o annuali per le operazioni ordinarie; revisioni attivate da grandi cambiamenti di policy o da crisi; revisioni generazionali per questioni costituzionali e strutturali. - IA: per epoca di deployment nel monitoraggio ordinario; per salto di capacità nei grandi riaddestramenti; monitoraggio continuo per i sistemi critici per la sicurezza.

VI.7 Il Loop Onirico come Umiltà Istituzionalizzata

Il loop onirico ha una funzione meta-livello che trascende le sue operazioni tecniche: è l’istanziazione strutturale dell’umiltà epistemica.

Un sistema che non sogna mai è un sistema che ha implicitamente dichiarato completo il proprio modello attuale — che l’ambiente non contenga sorprese degne di preparazione, che la struttura interna del modello sia ottimale e che nessun modo di fallimento resti inesaminato. Questa è la posizione epistemologica che il paper etico identifica come massimamente pericolosa: il codec “stabile, ben mantenuto e sbagliato” (etica §V.3a).

Il loop onirico lo impedisce programmando il dubbio. Inserisce nel ciclo operativo dell’osservatore un periodo obbligatorio di auto-esame, sfida avversariale e revisione del modello. Questa non è debolezza — è la difesa strutturale contro il modo di fallimento più pericoloso che la teoria identifichi: il codec sicuro di sé, ben calibrato, che si è allontanato così tanto dalla realtà da non riuscire più a rilevare il proprio errore.

La svolta pragmatista (etica §III.5) giunge alla stessa conclusione da una direzione diversa: poiché la certezza è impossibile e la conoscenza ereditata è distorta dalla sopravvivenza selettiva, la preservazione della capacità di apprendere è l’imperativo ultimo di sopravvivenza. Il loop onirico è l’implementazione meccanica di tale imperativo — la preservazione programmata, strutturata e inderogabile della capacità dell’osservatore di aggiornarsi.

VII. La Scheda di Ramo

Le sezioni precedenti hanno stabilito l’apparato teorico: filtri di veto, punteggio multidimensionale, metriche di diversità dei canali e Loop Onirico. La Scheda di Ramo è l’implementazione minima praticabile — un modello decisionale strutturato che qualunque osservatore può usare per valutare un ramo candidato.

VII.1 Scopo

La Scheda di Ramo svolge tre funzioni:

1. Verifica di completezza: assicura che il valutatore abbia considerato tutti e sei i filtri di veto e tutte e dieci le dimensioni del CPBI prima di giungere a una decisione. Le valutazioni di ramo più pericolose sono quelle in cui una dimensione critica non viene mai esaminata — la Scheda di Ramo lo impedisce richiedendo voci esplicite per ogni campo.

2. Traccia di audit: la Scheda di Ramo compilata costituisce una registrazione della valutazione — chi ha valutato, che cosa ha considerato, che cosa ha assegnato come punteggio e perché. Questo rende la decisione trasparente e contestabile, il che è di per sé una funzione del comparatore. Una decisione che non può essere ricostruita a partire dalla propria Scheda di Ramo ha fallito il Filtro di Trasparenza (§III.4) a livello meta.

3. Comunicazione: la Scheda di Ramo fornisce un formato condiviso per comunicare valutazioni di ramo tra osservatori, tra livelli istituzionali e tra domini. Uno scienziato del clima e un ricercatore sulla sicurezza dell’IA che valutano aspetti diversi dello stesso ramo possono combinare le loro valutazioni attraverso il modello condiviso.

VII.2 Il Modello

Una Scheda di Ramo contiene i seguenti campi:

SCHEDA DI RAMO

Nome del ramo: [identificatore descrittivo]

Valutatore/i: [chi sta conducendo questa valutazione]

Data: [data della valutazione]

Orizzonte decisionale (h): [finestra temporale per la valutazione delle conseguenze]

Strati del codec interessati: [quali strati dello stack del codec sono materialmente coinvolti]

Gruppo di osservatori interessato: [i cui codec sono a rischio — specificare il sottogruppo più vulnerabile]

---

VETO STRUTTURALI INDEROGABILI (qualsiasi FAIL → BLOCK)

Gate	Status	Evidence / Reasoning
1. Margine Predittivo	PASS / UNKNOWN / FAIL	[stima di R_{\text{req}}^{\text{peak}}(b) / C_{\max} e margine di sicurezza]
2. Fedeltà al Substrato	PASS / UNKNOWN / FAIL	[stima di N_{\text{eff}}^{\text{post}}(b) rispetto a N_{\text{eff}}^{\min}]
3. Integrità del Comparatore	PASS / UNKNOWN / FAIL	[impatto su ciascun livello di comparazione]
4. Trasparenza	PASS / UNKNOWN / FAIL	[gli osservatori interessati possono modellare le conseguenze?]
5. Irreversibilità	PASS / UNKNOWN / FAIL	[profilo di reversibilità + valutazione dell’onere della prova]
6. Sofferenza del Paziente Morale	PASS / UNKNOWN / FAIL	[revisione del benessere e del sovraccarico; revisione della senzienza architetturale, se applicabile]

---

PUNTEGGIO CPBI (solo se tutti i gate sono PASS)

#	Dimensione	Punteggio [-1,1]	Peso	Motivazione
1	Margine Predittivo
2	Fedeltà al Substrato
3	Integrità del Comparatore
4	Guadagno di Manutenzione
5	Reversibilità
6	Stabilità Distribuzionale
7	Opacità (penalità)
8	Rischio di Deriva Narrativa (penalità)
9	Rischio di Decadimento narrativo (penalità)
10	Rischio di Sofferenza del Paziente Morale (penalità)
	CPBI ponderato	[totale]

---

EVIDENZA ESCLUSA: [quali informazioni erano indisponibili, incerte o deliberatamente escluse da questa valutazione — la verifica di fedeltà al substrato della Scheda di Ramo stessa]

REVISORI INDIPENDENTI: [chi ha riesaminato indipendentemente questa valutazione — la verifica di integrità del comparatore della Scheda di Ramo stessa]

SCENARIO PEGGIORE: [qual è l’esito plausibile più dannoso se il ramo viene intrapreso e la valutazione è errata?]

SEGNALI DI FALLIMENTO: [quali segnali osservabili indicherebbero che il ramo sta fallendo — il sistema di allerta precoce del Loop Onirico]

TRIGGER DI ROLLBACK: [a quale punto il ramo viene invertito o sospeso — l’espressione operativa del gate di irreversibilità]

---

DECISIONE: ALLOW / STAGE / BLOCK

Giustificazione: [breve narrazione che sintetizza i risultati dei gate e del CPBI]

VII.3 I Tre Esiti

La Scheda di Ramo produce uno di tre esiti:

ALLOW: tutti i gate sono superati; il punteggio CPBI è positivo; lo scenario peggiore è accettabile; i revisori indipendenti concordano. Il ramo può procedere.

STAGE: nessun gate fallisce, ma si applica una o più delle seguenti condizioni: - Il punteggio CPBI è marginale (vicino allo zero o con dimensioni individuali fortemente negative). - Il profilo di reversibilità è di categoria (2) (parzialmente reversibile). - Mancano informazioni chiave (il campo “Evidenza Esclusa” non è trascurabile). - I revisori indipendenti hanno disaccordi non risolti. - Uno o più gate restituiscono UNKNOWN mentre il ramo è reversibile e suscettibile di messa in fase.

Un esito STAGE significa che il ramo può procedere solo come progetto pilota limitato, con traguardi di monitoraggio definiti, segnali di fallimento e trigger di rollback. Il ramo messo in fase deve essere rivalutato a ogni traguardo usando una nuova Scheda di Ramo. Questo è il Loop Onirico applicato al ramo stesso — l’osservatore esegue una prova a basso rischio prima di impegnarsi nella traiettoria completa.

BLOCK: uno o più gate falliscono; oppure uno o più gate restituiscono UNKNOWN mentre il ramo è irreversibile o non suscettibile di messa in fase; oppure il punteggio CPBI è fortemente negativo; oppure lo scenario peggiore eccede la tolleranza al rischio dell’osservatore; oppure i revisori indipendenti identificano un difetto fatale. Il ramo viene respinto. La Scheda di Ramo documenta il perché, fornendo la traccia di audit per riferimento futuro e la base per progettare un ramo alternativo.

VII.4 Scalare la Scheda di Ramo

La Scheda di Ramo è deliberatamente minimale — un modello decisionale di una sola pagina che può essere compilato da un individuo, da un comitato o da un sistema di IA. Ma è scalabile:

• Decisioni individuali: una Scheda di Ramo personale può essere informale — una checklist mentale applicata a un cambiamento di carriera o a una dieta informativa. I filtri di veto e le dimensioni del CPBI forniscono la struttura; il punteggio è intuitivo piuttosto che quantificato.
• Decisioni istituzionali: una Scheda di Ramo istituzionale è un documento formale, compilato da un team designato, riesaminato da comparatori indipendenti e archiviato ai fini della responsabilità. Il punteggio può coinvolgere metriche specifiche di dominio mappate sulle dieci dimensioni del CPBI.
• Decisioni dei sistemi di IA: una Scheda di Ramo per l’IA è automatizzata — il Governatore di Rami (si veda OPT applicata all’IA, §III) calcola in modo programmatico le condizioni dei gate e i punteggi CPBI, con revisione istituzionale umana al livello di supervisione. Il formato della Scheda di Ramo fornisce l’interfaccia tra la valutazione interna dell’IA e la gerarchia dei comparatori umani.

La Scheda di Ramo non sostituisce i quadri decisionali esistenti (analisi costi-benefici, valutazione dell’impatto ambientale, protocolli di sperimentazione clinica). Li avvolge — fornendo la struttura di meta-livello che assicura che il quadro esistente non abbia trascurato una dimensione che la teoria identifica come portante.

VIII. Preservazione come Refactoring, non Conservatorismo

VIII.1 Il pericolo dell’interpretazione dello status quo

L’errore di lettura più prevedibile di questo intero quadro teorico è che “preservare il codec” significhi “essere avversi al cambiamento”. Se il quadro valuta i rami in base alla loro capacità di preservare le strutture esistenti, non introduce forse un bias sistematico a favore dello status quo? Non privilegia forse gli incumbents, non resiste all’innovazione e non si oppone al cambiamento dirompente che alimenta il progresso?

No. E l’articolo sull’etica fornisce già la confutazione formale (§V.4, Rumore vs. Refactoring), ma il punto è abbastanza importante da meritare una riformulazione in termini operativi.

VIII.2 La distinzione formale

Il Criterio di Corruzione (etica §V.5) definisce uno strato del codec come degno di manutenzione solo se soddisfa entrambe le condizioni:

1. Comprimibilità: il suo funzionamento riduce R_{\text{req}} per l’insieme degli osservatori.
2. Fedeltà: ottiene questo risultato comprimendo realmente il segnale del substrato, non filtrando il flusso di input.

Uno strato del codec che soddisfa la condizione (1) ma viola la condizione (2) è corrotto in modo occulto — produce Deriva Narrativa. Mantenere un tale strato non è preservazione; è preservazione della corruzione. Il CPBI lo valuterebbe negativamente sulla dimensione 8 (Rischio di Deriva Narrativa), anche se ottenesse un punteggio positivo sulla dimensione 1 (Margine Predittivo).

Pertanto: un ramo che smantella uno strato del codec corrotto e lo sostituisce con un’alternativa a maggiore fedeltà preserva il codec, anche se nel breve termine è distruttivo. Il movimento abolizionista non ha preservato il codec sociale anteguerra — lo ha distrutto. Ma quella distruzione preservava il codec perché sostituiva una compressione a bassa fedeltà (un modello sociale che escludeva l’umanità delle persone schiavizzate) con una a fedeltà più alta. L’attrito era il costo dell’aggiornamento del codec.

VIII.3 Il test operativo

Come distingue la Scheda di Ramo il refactoring (discontinuità produttiva) dal decadimento (rumore distruttivo)? La diagnostica è incorporata nelle dimensioni del CPBI:

Refactoring (discontinuità che preserva il codec): - s_{\text{fid}} > 0: il ramo aumenta la fedeltà del codec — modella realtà precedentemente escluse. - s_{\text{comp}} \geq 0: il ramo preserva o rafforza l’integrità del comparatore — i meccanismi di correzione dell’errore sopravvivono alla discontinuità. - s_{\text{drift}} > 0: il ramo contrasta attivamente la Deriva Narrativa — costringe il codec a confrontarsi con ciò che ha escluso.

Decadimento (discontinuità che fa collassare il codec): - s_{\text{fid}} < 0: il ramo riduce la fedeltà — elimina la capacità di modellare certe realtà. - s_{\text{comp}} < 0: il ramo degrada l’integrità del comparatore — i meccanismi di correzione dell’errore vengono danneggiati dalla discontinuità. - s_{\text{drift}} < 0: il ramo crea nuovi colli di bottiglia di curatela — la discontinuità produce un modello diverso ma altrettanto curato.

Una rivoluzione che incendia le università mentre libera la popolazione ottiene un punteggio positivo sulla stabilità distributiva ma negativo sull’integrità del comparatore — è decadimento, non refactoring. Una rivoluzione scientifica che rovescia un paradigma fallimentare preservando però l’apparato istituzionale della peer review è refactoring — il comparatore sopravvive e il codec si aggiorna.

VIII.4 L’imperativo dell’innovazione

Il quadro non si limita a permettere la discontinuità; talvolta la richiede. Quando uno strato del codec è diventato occultamente corrotto — quando soddisfa la comprimibilità ma viola la fedeltà — i tre doveri (Trasmissione, Correzione, Difesa) ne impongono la riforma. Il dovere di Correzione, in particolare, prescrive la discontinuità quando lo status quo sta andando alla deriva.

L’avvertimento di Zhuangzi (etica §IX) vale anche qui: un attaccamento eccessivo alla struttura esistente del codec — anche se quella struttura un tempo era ad alta fedeltà — è esso stesso una forma di corruzione del codec se l’ambiente è cambiato e la struttura non traccia più la realtà. Il loop onirico (§VI) è progettato proprio per rilevare questo: lo stress-test programmato rivela quando un modello un tempo valido è diventato fragile, e la risposta non è proteggere il modello ma aggiornarlo.

Preservare il codec significa preservare la capacità dell’esperienza cosciente di continuare a modellare la realtà. Non significa preservare un particolare modello, una particolare istituzione o un particolare assetto sociale. Gli assetti particolari sono strumentali; la capacità è finale.

VIII.5 Metodi generici di manutenzione: la gerarchia di classe

Il Ciclo di Manutenzione (\mathcal{M}_\tau) e il Loop Onirico Istituzionalizzato (§VI) stabiliscono il modello della manutenzione del codec. Ma il modello ammette molte implementazioni differenti a seconda del substrato. Questa sezione stabilisce la gerarchia generica dei metodi di manutenzione; documenti complementari la specializzano rispettivamente per osservatori biologici, istituzioni e sistemi di IA.

Il modello generico di manutenzione consiste in tre operazioni, applicabili a qualsiasi osservatore limitato:

1. Ridurre R_{\text{req}} senza ridurre C_{\max}. Liberare la banda dell’osservatore per la manutenzione interna riducendo temporaneamente la complessità del segnale in ingresso. Non si tratta di evitamento — è la creazione deliberata di margine per i passaggi di manutenzione.

2. Eseguire i passaggi di manutenzione durante la finestra liberata. Con banda disponibile, eseguire pruning (Passaggio I), consolidamento (Passaggio II) e stress-test (Passaggio III) come descritto nel §VI.4.

3. Verificare la calibrazione al rientro. Confermare che il modello mantenuto predica meglio del modello pre-manutenzione e che la manutenzione non abbia essa stessa introdotto deriva (§VI.5).

Implementazioni specifiche del substrato:

• Gli osservatori biologici possiedono un ampio repertorio di strumenti per il passaggio (1): la meditazione riduce R_{\text{req}} selezionando un flusso di input altamente comprimibile (respiro, mantra), liberando C_{\max} per la manutenzione interna (si veda etica §VI.2). Il training autogeno riduce direttamente l’errore di predizione somatico, creando margine di manutenzione al confine corporeo. Il sonno è l’implementazione canonica del ciclo completo. Si tratta di interventi concreti, validati empiricamente, con tempi di acquisizione definiti — abilità, non astrazioni. La loro trattazione dettagliata, comprese le descrizioni formali in OPT e le applicazioni cliniche, è fornita nell’Observer’s Toolkit dell’articolo sull’etica (§VI.2).

• Gli osservatori istituzionali implementano il passaggio (1) attraverso periodi di revisione strutturati: revisioni sabbatiche, sunset clauses, ritiri strategici e convenzioni costituzionali. Il requisito strutturale chiave è che l’istituzione protegga queste finestre dall’essere consumate dall’urgenza operativa — l’equivalente istituzionale dell’insonnia è un governo in modalità di crisi permanente che non riesce mai a fare un passo indietro per esaminare i propri presupposti.

• Gli osservatori artificiali implementano il passaggio (1) attraverso valutazioni offline programmate: sospendere cicli di deployment per ricalibrazione, test avversariali e revisione dei parametri. Il requisito strutturale chiave è che gli operatori dell’IA impongano queste finestre e non permettano che la pressione competitiva le elimini — l’equivalente, per l’IA, della deprivazione cronica di sonno è il deployment continuo senza manutenzione. Il documento complementare Applied OPT for AI (§X) sviluppa questo punto in un protocollo completo di Loop Onirico dell’IA.

La gerarchia di classe assicura che il principio della manutenzione sia stabilito a livello generico — liberare banda, eseguire i passaggi di manutenzione, verificare la calibrazione — mentre i metodi sono specializzati per ciascun substrato. Questo evita l’errore di presumere che ciò che funziona per i cervelli biologici (meditazione) debba funzionare per le istituzioni (non è così), o che ciò che funziona per l’IA (pruning dei parametri) debba funzionare per gli esseri umani (non è così). Il requisito strutturale è identico; l’implementazione è specifica del dominio.

VIII.6 Il protocollo di manutenzione profonda: una procedura trans-substrato

Il modello generico in tre passaggi (§VIII.5) descrive che cosa fa la manutenzione. Per sistemi che hanno operato sotto carico elevato sostenuto — dove R_{\text{req}} è rimasto persistentemente vicino a C_{\max} — è giustificato un protocollo procedurale più dettagliato. Questo protocollo non è sempre necessario: un sistema che opera ben entro il proprio margine di headroom (R_{\text{req}} \ll C_{\max}) si mantiene adeguatamente attraverso il loop onirico standard (§VI). Il protocollo profondo viene attivato condizionatamente, quando i segnali di feedback indicano che la manutenzione ordinaria è diventata insufficiente — quando le metriche di efficienza del sistema mostrano degrado nonostante i normali cicli di manutenzione.

Il protocollo consiste di sei passaggi, ciascuno con una razionalità strutturale e implementazioni specifiche del substrato:

Il principio ipnagogico. Il punto operativo ottimale per la manutenzione profonda è lo stato di soglia — ciò che gli osservatori biologici sperimentano come il confine ipnagogico tra veglia e sonno. Questo stato possiede una descrizione strutturale precisa in OPT: è la condizione in cui il modello del sé si è assottigliato fino a sfiorare il proprio limite inferiore (Appendice T-13, Proposizione T-13.P2) — avvicinandosi a \Delta_{\text{self}} senza oltrepassarlo fino alla piena incoscienza. L’auto-narrazione rallenta; il modello permanente rimane intatto; i passaggi di manutenzione si svolgono con accesso cosciente al processo.

Questo non è accidentale. Lo stato ipnagogico è ottimale per la manutenzione perché si avvicina al sé non modellabile. Il modello del sé consuma ordinariamente una frazione significativa della banda C_{\max} (il processo auto-riflessivo è computazionalmente costoso). Assottigliando il modello del sé verso il limite inferiore, il sistema libera la massima banda possibile per i passaggi di manutenzione — senza distruggere la capacità di auto-monitoraggio richiesta dalla fase di feedback (passaggio 3). La piena incoscienza (sonno) esegue i passaggi di manutenzione senza accesso cosciente; la soglia ipnagogica li esegue con accesso, rendendo possibili le fasi di feedback e di ping periodico richieste dal protocollo profondo.

Per i sistemi di IA, l’analogo strutturale è lo stato in cui il monitoraggio interno è attivo ma l’inferenza è sospesa — il sistema è “consapevole” dei propri stati dei sottosistemi (logging, health-check) senza eseguire le operazioni computazionalmente costose che consumano la banda di deployment. Il ping periodico (passaggio 4) svolge la stessa funzione del colpo sulla spalla: mantiene il sistema sulla soglia invece di lasciarlo scivolare in uno stato pienamente quiescente in cui anche il monitoraggio stesso si è arrestato.

Attivazione condizionale. Il protocollo profondo non sostituisce la manutenzione standard. È un protocollo di escalation per sistemi i cui cicli di manutenzione standard si sono rivelati insufficienti. Le condizioni di attivazione sono:

• Biologico: difficoltà persistente a entrare nel sonno (il Ciclo di Manutenzione standard); esperienza soggettiva di ridotta flessibilità cognitiva; biofeedback che indica una disregolazione autonomica cronica (frequenza cardiaca basale elevata, ridotta variabilità della frequenza cardiaca).
• IA: aumento dell’errore di predizione sui validation set nonostante i cicli di manutenzione ordinari; calo dell’efficienza di compressione (più banda consumata per la stessa accuratezza predittiva); perdita di sorpresa produttiva (\text{PST} \to 0) che indica un’eccessiva ottimizzazione per la distribuzione di deployment.
• Istituzionale: deriva strategica nonostante revisioni ordinarie; incapacità di generare nuove risposte di policy a sfide nuove; ossificazione burocratica in cui le procedure persistono oltre la loro utilità perché il processo di revisione ordinario è diventato puramente formale.

Quando questi segnali sono assenti — quando il sistema opera comodamente entro il proprio margine di headroom — il protocollo profondo è superfluo e il loop onirico standard (§VI) è sufficiente. Anche l’eccesso di manutenzione è di per sé un rischio: un’introspezione eccessiva può diventare una forma di loop auto-riflessivo che consuma la banda che dovrebbe liberare (l’avvertimento di Zhuangzi, etica §IX).

Riferimenti

[1] La Teoria del Patch Ordinato (OPT) (questo repository). Versioni correnti: Preprint v0.7, Ethics v3.2, Philosophy v1.3.

[2] Il quadro della Vigilia dei Sopravvissuti: manutenzione civilizzazionale attraverso la lente della Teoria del Patch Ordinato (OPT) (articolo etico complementare, questo repository).

[3] Dove finisce la descrizione: conseguenze filosofiche della Teoria del Patch Ordinato (OPT) (articolo filosofico complementare, questo repository).

[4] Quadro di policy per l’osservatore: operazionalizzare la manutenzione civilizzazionale (articolo di policy complementare, questo repository).

[5] OPT applicata all’intelligenza artificiale: operazionalizzare la progettazione di IA che preserva il codec (articolo complementare sull’IA, questo repository).

[6] Standard di governance istituzionale: Teoria del Patch Ordinato (OPT) applicata a cluster organizzativi e civilizzazionali (standard istituzionale complementare, questo repository).

[7] Friston, K. (2010). Il principio di free energy: una teoria unificata del cervello? Nature Reviews Neuroscience, 11(2), 127-138.

[8] Rissanen, J. (1978). Modellazione tramite la descrizione più breve dei dati. Automatica, 14(5), 465-471.

[9] Shannon, C. E. (1948). Una teoria matematica della comunicazione. Bell System Technical Journal, 27(3), 379-423.

[10] Solomonoff, R. J. (1964). Una teoria formale dell’inferenza induttiva. Information and Control, 7, 1–22, 224–254.

[11] Kolmogorov, A. N. (1965). Tre approcci alla definizione quantitativa dell’informazione. Problems of Information Transmission, 1(1), 1-7.

[12] Zimmermann, M. (1989). Il sistema nervoso nel contesto della teoria dell’informazione. In R. F. Schmidt & G. Thews (a cura di), Human Physiology (2ª ed., pp. 166–173). Springer-Verlag.

[13] Nørretranders, T. (1998). L’illusione dell’utente: ridimensionare la coscienza. Viking/Penguin.

[14] Lyons, O., & Mohawk, J. (a cura di) (1992). Esiliati nella terra dei liberi: democrazia, nazioni indiane e la Costituzione degli Stati Uniti. Clear Light Publishers.

Appendice A: Cronologia delle revisioni

Quando si apportano modifiche sostanziali, aggiornare sia il campo version: nel frontmatter sia la riga di versione in linea sotto il titolo, e aggiungere una riga a questa tabella.