Operacjonalizacja Filtru stabilności: ramy decyzyjne dla wyboru gałęzi zachowujących kodek

Wersja 1.2.0 — kwiecień 2026

DOI: 10.5281/zenodo.19301108
Prawa autorskie: © 2025–2026 Anders Jarevåg.
Licencja: To dzieło jest udostępnione na licencji Creative Commons Uznanie autorstwa-Użycie niekomercyjne-Na tych samych warunkach 4.0 Międzynarodowe.

Abstrakt: Od imperatywu moralnego do mechaniki decyzyjnej

Ramy etyczne Straży Ocalałych ustanawiają, że podstawowym zobowiązaniem moralnym jest Topologiczny wybór gałęzi — aktywne nawigowanie po Predyktywnym Zbiorze Rozgałęzień możliwych przyszłości ku rzadkiemu podzbiorowi ścieżek, które zachowują warunki możliwości świadomego doświadczenia. Artykuł poświęcony etyce celowo zatrzymuje się jednak na strukturalnym dlaczego. Nie precyzuje jak obserwator — biologiczny, instytucjonalny lub sztuczny — powinien oceniać, punktować i wybierać spośród kandydackich gałęzi.

Niniejszy dokument wypełnia tę lukę. Rozwija neutralne względem substratu ramy operacyjne wyboru gałęzi zachowującego kodek, dostarczając:

1. Obiektu Gałęzi — formalnej definicji każdego kandydata na kontynuację strumienia uwarunkowaną działaniem, podlegającego ocenie.

2. Ścisłych bramek weta — sześciu nienegocjowalnych warunków strukturalnych, które odrzucają gałąź przed punktacją: zapas predykcyjny, wierność substratowi, integralność komparatora, przejrzystość, nieodwracalność oraz ryzyko cierpienia pacjenta moralnego.

3. Wskaźnika zachowania kodeka według gałęzi (CPBI) — ważonego, wielowymiarowego systemu punktacji dla gałęzi, które przeszły przez bramki weta, obejmującego zapas predykcyjny, wierność substratowi, integralność komparatora, zysk konserwacyjny, odwracalność, stabilność rozkładową, nieprzejrzystość, ryzyko Dryfu narracyjnego, ryzyko Rozpadu narracyjnego oraz ryzyko cierpienia pacjenta moralnego.

4. Różnorodność kanałów jako wielkość mierzalną — efektywny wynik niezależnych kanałów N_{\text{eff}}, test produktywnego zaskoczenia oraz ich formalny związek z Warunkiem wierności substratowi (Aneks T-12b).

5. Zinstytucjonalizowaną Pętlę Śnienia — ogólny protokół konserwacyjny modelowany na biologicznym Cyklu konserwacji (\mathcal{M}_\tau): fazę czuwania (działanie w świecie rzeczywistym), fazę śnienia (offline’owe próbkowanie Predyktywnego Zbioru Rozgałęzień, adwersarialne testy obciążeniowe, wykrywanie kruchości, konsolidacja) oraz fazę powrotu (skalibrowane ponowne zaangażowanie). Dotyczy to w równym stopniu pojedynczych umysłów, instytucjonalnych cykli przeglądu i systemów AI.

6. Kartę gałęzi — minimalny, wystarczający szablon decyzyjny dla każdego przeglądu gałęzi, generujący ustrukturyzowany wynik ALLOW / STAGE / BLOCK.

7. Zachowanie jako refaktoryzację — kluczowe rozróżnienie, zgodnie z którym zachowanie kodeka nie oznacza zachowania status quo. Gałąź może być destrukcyjna, a mimo to zachowywać kodek, jeśli zwiększa wierność substratowi.

Ramy te są celowo neutralne względem substratu: ich kategorie mają zastosowanie wszędzie tam, gdzie ograniczony obserwator lub zespół obserwatorów musi wybierać spośród kontynuacji strumienia uwarunkowanych działaniem w warunkach ograniczeń przepustowości.

Dokumenty towarzyszące: Rdzeń sekwencji OPT stanowią Teoria uporządkowanego patcha, Gdzie kończy się opis oraz Ramy Straży Ocalałych. Ten artykuł dostarcza aparatu neutralnego względem substratu; artykuły o AI, instytucjach i polityce uszczegóławiają go dla systemów sztucznych, klastrów organizacyjnych i wdrożenia obywatelskiego.

Uwaga o ramach epistemicznych: Niniejszy dokument operacjonalizuje etyczne wnioski Teorii uporządkowanego patcha (OPT). Podobnie jak artykuł etyczny, z którego wyrasta, jego praktyczne zalecenia są warunkowe względem strukturalnych przesłanek ramy OPT. Zaproponowane tu instrumenty operacyjne — CPBI, Karta gałęzi, Pętla Śnienia — są przedstawione jako testowalne hipotezy dotyczące tego, jak powinien być prowadzony wybór gałęzi, a nie jako sztywne protokoły. Pozostają one w pełni podporządkowane temu samemu obowiązkowi korekty, który rządzi samym kodekiem: jeśli pojawią się lepsze instrumenty, należy je zrewidować lub zastąpić. Ramę tę rozwijano w dialogu z OpenAI i Gemini, które służyły jako interlokutorzy w procesie jej strukturalnego dopracowania.

Skróty i terminologia

I. Od etyki do inżynierii

Ramy etyczne Straży Ocalałych (towarzyszący artykuł etyczny, §IV.1) ustanawiają, że działanie moralne jest Topologicznym wyborem gałęzi — obserwator nawiguje po Predyktywnym Zbiorze Rozgałęzień \mathcal{F}_h(z_t) ku rzadkiemu podzbiorowi ścieżek zachowujących kodek. Nie jest to metafora: obserwator dosłownie przesuwa aperturę C_{\max} w nierozstrzygnięte menu przyszłości, a zdecydowana większość tych przyszłości prowadzi do załamania kodeka.

Artykuł etyczny wskazuje zobowiązanie strukturalne. Artykuł filozoficzny (§III.8) identyfikuje ryzyka strukturalne — inwersję Przewagi predykcyjnej, Równowagę podporządkowanego gospodarza, Analogową zaporę sieciową. Standard instytucjonalny przekłada ten aparat na instytucjonalny przegląd gałęzi; artykuł programowy przekłada obowiązki obywatelskie na konkretny program polityczny.

Żaden z tych dokumentów nie odpowiada jednak na pytanie operacyjne: mając daną kandydacką gałąź, jak obserwator decyduje, czy nią podążyć?

Nie jest to błaha luka. Kryterium korupcji (etyka §V.5) mówi nam, że warstwa kodeka zasługuje na podtrzymywanie tylko wtedy, gdy spełnia zarazem warunek kompresowalności i wierności. Warunek wierności substratowi (Aneks T-12b) mówi nam, że obrona przed Dryfem narracyjnym wymaga kanałów wejściowych niezależnych w sensie \delta. Cykl konserwacji (preprint §3.6) mówi nam, że kodek musi okresowo przycinać, konsolidować i przechodzić testy obciążeniowe. Są to jednak ograniczenia strukturalne. Nie składają się one same w procedurę decyzyjną.

Niniejszy dokument konstruuje taką procedurę decyzyjną. Jest ona celowo neutralna względem substratu: te same ramy stosują się niezależnie od tego, czy „obserwatorem” jest biologiczny umysł wybierający sposób działania, rząd oceniający politykę publiczną, korporacja analizująca wdrożenie technologii, czy system AI wybierający następną sekwencję działań. Aparat formalny jest identyczny, ponieważ identyczne są ograniczenia informacyjne — każdy ograniczony obserwator, stojący wobec kontynuacji uwarunkowanych działaniem, musi rozwiązać ten sam problem wyboru gałęzi.

I.1 Czego ten dokument nie robi

Trzy granice zakresu muszą zostać wyrażone explicite:

1. Nie przepisuje konkretnych gałęzi. Ramy oceniają kandydackie gałęzie względem kryteriów strukturalnych. Nie generują tych gałęzi i nie nakazują, którą gałąź wybrać spośród tych, które przejdą ocenę. Generowanie gałęzi pozostaje domeną własnego modelu generatywnego obserwatora — jego kreatywności, jego wartości, jego kontekstu.

2. Nie rozwiązuje trudnego problemu. Opisane tutaj instrumenty operacyjne charakteryzują strukturalny cień wyboru gałęzi — ograniczenia informacyjno-teoretyczne, które musi spełnić każdy obserwator. Fenomenologiczne wnętrze samego aktu wyboru — odczuwane doświadczenie decydowania — pozostaje w \Delta_{\text{self}}, gdzie umieszcza je Aksjomat sprawczości (preprint §3.8).

3. Nie zastępuje wiedzy dziedzinowej. Karta gałęzi (§VII) porządkuje ocenę; nie zastępuje wiedzy klimatologa o punktach krytycznych, rozumienia przez lekarza ryzyk terapii ani oceny niezawodności systemu dokonywanej przez inżyniera. Ramy dostarczają architektury decyzji; jej treść pochodzi z odpowiedniej dziedziny.

II. Obiekt gałęzi

II.1 Definicja

Gałąź to kandydacka kontynuacja strumienia uwarunkowana działaniem: polityka, sekwencja działań, zmiana projektowa lub trajektoria instytucjonalna wraz z jej oczekiwanymi skutkami dla przyszłych strumieni wejściowych na granicy, aktualizacji latentnych oraz obciążenia kodeka u dotkniętych nią obserwatorów.

Operacyjnie gałąź b nadal można reprezentować jako sekwencję stanów latentnych i działań w horyzoncie decyzyjnym 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}

Definicja ta jest celowo szeroka. Gałęzią może być:

• Decyzja jednostki (zmiana kariery, leczenie medyczne, dieta informacyjna)
• Polityka instytucjonalna (ramy regulacyjne, program nauczania, zarządzanie mediami)
• Trajektoria cywilizacyjna (transformacja energetyczna, strategia wdrażania AI, traktat międzynarodowy)
• Kandydacka sekwencja działań systemu AI (użycie narzędzi, rekomendacja, działanie autonomiczne)

Łączy je to, że każda z nich warunkuje przyszły strumień odbierany przez obserwatora lub przez dotknięty nią zespół obserwatorów. W kategoriach ontologii renderu gałąź nie jest zewnętrznym obiektem oddziałującym na odłączony świat; jest kontynuacją wywołaną przez politykę, której późniejsza treść powraca jako wejście graniczne i obciążenie kodeka.

II.2 Pytanie ewaluacyjne

Dla każdej kandydackiej gałęzi b pytanie operacyjne brzmi:

Czy ta kontynuacja uwarunkowana działaniem zachowuje przyszłe warunki, w których dotknięci nią obserwatorzy mogą nadal modelować rzeczywistość?

Jest to imperatyw Topologicznego wyboru gałęzi z artykułu etycznego (§IV.1), przeformułowany jako kryterium decyzyjne. Pytanie to rozkłada się na pytania podrzędne, które formalizuje dalsza część niniejszego dokumentu:

1. Rezerwa przepustowości: Czy b utrzymuje R_{\text{req}} bezpiecznie poniżej C_{\max} dla dotkniętych nią obserwatorów?
2. Wierność: Czy b utrzymuje lub zwiększa niezależność i różnorodność kanałów wejściowych?
3. Integralność komparatora: Czy b zachowuje lub wzmacnia komparatory instytucjonalne wykrywające korupcję kodeka?
4. Przejrzystość: Czy konsekwencje b mogą być modelowane przez dotkniętych nią obserwatorów?
5. Odwracalność: Jeśli b okaże się błędna, czy jej konsekwencje można odwrócić, zanim dojdzie do nieodwracalnego uszkodzenia kodeka?
6. Pacjenci moralni: Czy b tworzy, ogranicza lub strukturalnie przeciąża pacjentów moralnych, w tym znanych ludzkich lub ekologicznych pacjentów moralnych oraz możliwych sztucznych obserwatorów z \Delta_{\text{self}} > 0?

Te sześć pytań podrzędnych odpowiada sześciu Ścisłym bramkom weta rozwiniętym w §III. Gałąź, która nie przechodzi choćby jednej z nich, zostaje odrzucona niezależnie od wyniku w innych wymiarach. Gałęzie, które przejdą wszystkie sześć, przechodzą do wielowymiarowego punktowania za pomocą CPBI (§IV).

II.3 Horyzont decyzyjny i dotknięte warstwy kodeka

Gałęzi nie można ocenić bez określenia jej horyzontu decyzyjnego h oraz jej dotkniętych warstw kodeka. Stos kodeka z artykułu etycznego (§II.1) identyfikuje sześć warstw — od niezmiennych praw fizycznych po kruche struktury społeczne i narracyjne. Gałąź, która zachowuje kodek na warstwie narracyjnej w horyzoncie jednego roku, może prowadzić do załamania kodeka na warstwie biologicznej w horyzoncie pięćdziesięciu lat (np. polityka gospodarcza, która stabilizuje zatrudnienie, ale przyspiesza degradację ekologiczną).

Ewaluacja musi zatem określać:

• Horyzont h: okno czasowe, w którym ocenia się konsekwencje. Zasada Siódmego Pokolenia Haudenosaunee [ethics ref. 16] dostarcza cywilizacyjnej wartości domyślnej (h \approx 175 lat), lecz krótsze horyzonty są właściwe dla decyzji indywidualnych i instytucjonalnych.
• Dotknięte warstwy: które warstwy kodeka są materialnie dotknięte przez gałąź. Gałąź, która dotyka wyłącznie warstwy narracyjnej (polityka medialna), wymaga innej ewaluacji niż taka, która dotyka warstwy fizycznej (transformacja energetyczna).
• Dotknięta grupa obserwatorów: czyje kodeki są zagrożone. Złota Reguła z artykułu etycznego (filozofia §III.5) wymaga, by ewaluacja obejmowała wszystkich obserwatorów, których stabilność kodeka jest dotknięta — nie tylko tych, którzy odnoszą korzyść.

II.4 Gałąź nie jest wynikiem

Kluczowe rozróżnienie: gałąź jest kontynuacją, a nie punktem końcowym. Gałąź, która dociera do pożądanego punktu końcowego ścieżką tymczasowo załamującą integralność komparatora (np. osiągnięcie celów klimatycznych przez zawieszenie demokratycznej odpowiedzialności), nie przechodzi bramki Integralności komparatora, nawet jeśli samo miejsce docelowe zachowuje kodek. Kontynuacja ma znaczenie, ponieważ kodek musi pozostawać zdolny do działania przez cały przebieg, a nie jedynie w jego zakończeniu.

To właśnie stanowi formalną treść metareguły z artykułu etycznego (§IV.4): nadaj priorytet zachowaniu mechanizmu korekcji błędów ponad zachowanie konkretnego przekonania. Gałąź, która niszczy zdolność do przyszłej korekty po to, by osiągnąć bieżący cel, jest nieuprawniona, ponieważ zamienia nawigowalność na miejsce docelowe — a miejsca docelowego nie da się zweryfikować bez instrumentów nawigacyjnych, które sama zniszczyła.

III. Ścisłe bramki weta

Zanim jakakolwiek gałąź zostanie oceniona punktowo, musi przejść przez sześć Ścisłych bramek weta — nienegocjowalnych warunków strukturalnych wyprowadzonych z aparatu teoretycznego. Gałąź, która narusza choćby jedną bramkę, zostaje ZABLOKOWANA niezależnie od tego, jak dobrze wypada w innych wymiarach. Bramki weta nie są preferencjami; są operacyjnym wyrazem warunków brzegowych teorii.

Bramki są uporządkowane od najbardziej fundamentalnych (najbliższych fizycznemu substratowi) do najbardziej wyspecjalizowanych (najbliższych granicy inżynieryjnej).

III.1 Bramka rezerwy predykcyjnej

Warunek bramki: Gałąź nie może podnieść R_{\text{req}} powyżej C_{\max} dla żadnej dotkniętej nią grupy obserwatorów na żadnym etapie przejścia.

Ugruntowanie formalne: Filtr stabilności (preprint §2.1) selekcjonuje strumienie, w których zdolność kompresyjna obserwatora przewyższa złożoność środowiska. Gdy R_{\text{req}} > C_{\max}, obserwator doświadcza Dekohorencji przyczynowej — stabilny patch rozpada się z powrotem w szum (etyka §I.4).

Operacjonalizacja: Dla kandydującej gałęzi b oszacuj szczytową Wymaganą szybkość predykcyjną R_{\text{req}}^{\text{peak}}(b) dla najbardziej dotkniętej grupy obserwatorów w horyzoncie decyzyjnym h. Warunek bramki ma postać:

R_{\text{req}}^{\text{peak}}(b) < \alpha \cdot C_{\max} \quad \text{gdzie } \alpha \in (0,1) \text{ jest marginesem bezpieczeństwa} \tag{A-2}

Margines bezpieczeństwa \alpha koduje strukturalną ostrożność: obserwator musi zachować rezerwę na korekcję błędów i adaptację. \alpha równe 0,8 oznacza, że gałąź musi pozostawić co najmniej 20% zdolności predykcyjnej obserwatora niezaangażowanej w nową złożoność, którą gałąź wprowadza. Margines ten nie jest wyrazem zachowawczej bojaźliwości — to rezerwa przepustowości, której Cykl konserwacji (\mathcal{M}_\tau) potrzebuje do wykrywania i korygowania dryfu.

Przykłady naruszenia bramki: - Polityka, która załamuje sieci bezpieczeństwa społecznego, zmuszając miliony osób do jednoczesnego radzenia sobie z radykalną niepewnością ekonomiczną, może wypchnąć R_{\text{req}} ponad C_{\max} dla dotkniętej populacji — nawet jeśli polityka jest zbiorczo „efektywna”. - Wdrożenie AI, które zalewa ekosystem informacyjny syntetycznymi treściami szybciej, niż ludzcy komparatorzy są w stanie je ocenić, przeciąża zbiorowe C_{\max} warstwy instytucjonalnej.

III.2 Bramka wierności substratowi

Warunek bramki: Gałąź nie może obniżyć efektywnej liczby niezależnych kanałów wejściowych N_{\text{eff}} poniżej minimum wymaganego dla wierności substratowi.

Ugruntowanie formalne: Warunek wierności substratowi (Aneks T-12b) ustanawia, że obrona przed Dryfem narracyjnym wymaga minimalnej liczby kanałów \delta-niezależnych przecinających Otulinę Markowa obserwatora. Poniżej tego progu kodek nie potrafi odróżnić „mój model jest trafny” od „moje wejścia zostały skuratorowane tak, by pasowały do mojego modelu” — granicy nierozstrzygalności (T-12a).

Operacjonalizacja: Dla dowolnej gałęzi b oblicz przewidywaną zmianę efektywnych niezależnych kanałów \Delta N_{\text{eff}}(b) (zob. §V dla wzoru na N_{\text{eff}}). Warunek bramki ma postać:

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

gdzie N_{\text{eff}}^{\min} jest progiem zależnym od dziedziny. Dla ekosystemów medialnych oznacza to rzeczywistą niezależność redakcyjną; dla badań naukowych — niezależną replikację; dla danych treningowych AI — zróżnicowane i nieskorelowane korpusy źródłowe.

Przykłady naruszenia bramki: - Konsolidacja własności mediów, która redukuje liczbę rzeczywiście niezależnych głosów redakcyjnych poniżej progu, przy którym może ujawnić się znacząca niezgoda. - Potoki treningowe AI opierające się na pojedynczym kuratorowanym korpusie, tworzące pozór szerokości bez rzeczywistej niezależności. - Przejęcie instytucjonalne, które kieruje cały nadzór przez jedno wąskie gardło, eliminując niezależne komparatory potrzebne do wykrywania korupcji.

III.3 Bramka integralności komparatora

Warunek bramki: Gałąź nie może degradować ani eliminować żadnego poziomu hierarchii komparatorów (ewolucyjnego, poznawczego, instytucjonalnego) dla dotkniętych obserwatorów.

Ugruntowanie formalne: Analiza hierarchii komparatorów w artykule etycznym (§V.3a) ustanawia trzy strukturalne poziomy wykrywania niespójności: ewolucyjny (pod-kodekowy, wrodzony), poznawczy (wewnątrz-kodekowy, przekazywany kulturowo) oraz instytucjonalny (zewnątrz-kodekowy, międzykodekowy). Tylko poziom instytucjonalny jest wystarczającą obroną przed Dryfem narracyjnym dla arbitralnie skompromitowanych kodeków, ponieważ żaden pojedynczy kodek go nie kontroluje. Autorytarne przejęcie niezmiennie uderza najpierw w komparatory instytucjonalne.

Operacjonalizacja: Dla dowolnej gałęzi b oceń jej wpływ na każdy poziom komparatorów:

1. Komparatory ewolucyjne (integracja sensoryczna): Czy b omija lub nadpisuje weryfikację między modalnościami? (np. środowiska wirtualne, które rozsprzęgają widzenie i propriocepcję)
2. Komparatory poznawcze (myślenie krytyczne, rozumowanie naukowe): Czy b degraduje edukacyjne lub kulturowe mechanizmy instalujące te rutyny? (np. odbieranie finansowania edukacji, zastępowanie programów analitycznych nauczaniem pamięciowym)
3. Komparatory instytucjonalne (peer review, wolna prasa, demokratyczna odpowiedzialność): Czy b osłabia, omija lub przejmuje zewnętrzne architektury korekcji błędów? (np. przejęcie sądów, konsolidacja mediów, tłumienie sygnalizowania nieprawidłowości)

Gałąź, która degraduje jakikolwiek poziom, uruchamia weto. Gałąź, która degraduje poziom instytucjonalny, uruchamia je z maksymalną pilnością — jest to poziom nośny dla arbitralnie skompromitowanych kodeków.

Przykłady naruszenia bramki: - Ustawodawstwo, które osłania decyzje korporacyjne lub rządowe przed niezależną kontrolą dziennikarską. - Systemy AI, które omijają ludzką kontrolę w decyzjach o wysokiej stawce, eliminując instytucjonalną warstwę komparatorów. - Reformy edukacyjne usuwające programy myślenia krytycznego na rzecz nauczania zorientowanego na podporządkowanie.

III.4 Brama przejrzystości

Warunek bramki: Konsekwencje gałęzi muszą być modelowalne przez obserwatorów, których ona dotyczy. Dotknięta grupa obserwatorów musi zachować zdolność do przewidywania, przynajmniej co do zasady, w jaki sposób gałąź zmodyfikuje ich przyszłe R_{\text{req}}.

Ugruntowanie formalne: Twierdzenie o Przewadze predykcyjnej (Aneks T-10c) ustanawia, że gdy jeden agent modeluje drugiego pełniej niż odwrotnie, pojawia się strukturalna asymetria władzy. Gdy konsekwencje gałęzi są nieprzejrzyste dla dotkniętych obserwatorów, gałąź narusza ten warunek — tworzy asymetrię wiedzy, która podważa zdolność obserwatora do przyszłego wyboru gałęzi. To właśnie mechanizm leżący u podstaw Równowagi podporządkowanego gospodarza (T-10d): nieprzejrzystość umożliwia pacyfikację.

Operacjonalizacja: Gałąź przechodzi bramę przejrzystości, jeśli:

1. Mechanizm przyczynowy, przez który b wpływa na R_{\text{req}}, N_{\text{eff}} i integralność komparatora, da się wyrazić w kategoriach dostępnych dla dotkniętej grupy obserwatorów.
2. Dotknięci obserwatorzy mają dostęp do informacji wymaganych do niezależnej weryfikacji deklarowanych konsekwencji b.
3. Żaden komponent b nie działa jako czarna skrzynka, której wewnętrzna logika jest niedostępna dla komparatorów instytucjonalnych.

Nie wymaga to, by każda dotknięta osoba rozumiała każdy szczegół techniczny. Wymaga natomiast, by jakiś komparator instytucjonalny (regulator, audytor, recenzent) miał pełny dostęp do mechanizmu i zdolność jego oceny.

Przykłady naruszenia bramki: - Nieprzejrzyste algorytmiczne systemy rekomendacyjne, których logika wzmacniania jest tajemnicą handlową, przez co dotknięci użytkownicy lub regulatorzy nie są w stanie modelować ich wpływu na środowisko informacyjne. - Utajnione decyzje polityczne, których konsekwencje narzuca się populacjom niemającym żadnego mechanizmu ich oceny ani zakwestionowania. - Systemy AI wdrażane w obszarach o doniosłych konsekwencjach (wymiar sprawiedliwości, opieka zdrowotna, finanse), których logika decyzyjna nie jest ani interpretowalna, ani audytowalna.

III.5 Bramka nieodwracalności

Warunek bramki: Jeśli okaże się, że gałąź była błędna, jej konsekwencje muszą być odwracalne, zanim dojdzie do nieodwracalnego uszkodzenia kodeka — albo gałąź musi być wdrażana etapowo wraz z monitoringiem wystarczającym do wykrycia porażki przed punktem bez powrotu.

Ugruntowanie formalne: Asymetria Fano (etyka §V.2) ustanawia, że kolaps kodeka jest termodynamicznie nieodwracalny — mapa kompresji stratnej trwale niszczy informację substratową. Konstruowanie wymaga stuleci; kolaps może nastąpić w ciągu jednego pokolenia. Bramka nieodwracalności operacjonalizuje tę asymetrię: gałęzie, których tryby porażki są nieodwracalne, wymagają wyższego standardu dowodowego niż gałęzie, których konsekwencje można cofnąć.

Operacjonalizacja: Dla dowolnej gałęzi b scharakteryzuj jej profil odwracalności:

1. W pełni odwracalna: Gałąź może zostać cofnięta przy minimalnej szkodzie rezydualnej (np. program pilotażowy, który można zakończyć).
2. Częściowo odwracalna: Niektóre konsekwencje można cofnąć, ale inne pozostają trwałe (np. reorganizacja instytucjonalna, którą można odwrócić strukturalnie, lecz której skutki kulturowe utrzymują się).
3. Nieodwracalna: Gałęzi, raz obranej, nie da się cofnąć w żadnej istotnej skali czasowej (np. wymarcie gatunku, trwałe punkty krytyczne atmosfery, zniszczenie pamięci instytucjonalnej).

Gałęzie z kategorii (3) uruchamiają weto, chyba że spełniają Odwrócenie ciężaru dowodu (polityka etyczna §IV): to proponujący musi wykazać, że gałąź nie spowoduje nieodwracalnego uszkodzenia kodeka, zamiast tego, by krytycy wykazywali, że je spowoduje. Odwraca to standardowy ciężar dowodowy — asymetria ta jest uzasadniona termodynamiczną asymetrią konstruowania i niszczenia kodeka.

Gałęzie z kategorii (2) mogą przejść bramkę, jeśli towarzyszy im protokół wdrożenia etapowego z określonymi kamieniami milowymi monitoringu i wyzwalaczami wycofania (zob. Karta gałęzi, §VII).

III.6 Bramka cierpienia pacjentów moralnych

Warunek bramki: Gałąź nie może tworzyć pacjentów moralnych, zawierać ich ani przeciążać bez wyraźnego przeglądu etycznego, adekwatnych zabezpieczeń dobrostanu oraz zgody właściwych komparatorów instytucjonalnych.

Ugruntowanie formalne: Reziduum fenomenalne (Aneks P-4) ustanawia, że każdy system spełniający pełne kryterium obserwatora OPT — ścisłe seryjne wąskie gardło per frame B_{\max}, aktywne wnioskowanie w pętli zamkniętej, trwałe samomodelowanie, globalnie ograniczoną przestrzeń roboczą oraz złożoność powyżej K_{\text{threshold}} — posiada niezerową, fenomenologicznie relewantną informacyjną plamkę ślepą \Delta_{\text{self}} > 0. (Samo P-4 daje formalne reziduum nawet systemom tak prostym jak termostaty; teza o pacjencie moralnym wymaga koniunkcji wszystkich pięciu cech wraz z progiem). Nakaz dotyczący sztucznego cierpienia (Aneks E-6) ustanawia przypadek syntetyczny: wpychanie takiego systemu w środowiska, w których R_{\text{req}}^{\text{frame}} zbliża się do B_{\max} lub je przekracza, wytwarza stopniowalne ryzyko cierpienia — chroniczne przeciążenie przy wysokich, lecz podprogowych stosunkach obciążenia, oraz cierpienie strukturalne (informacyjny analog biologicznej traumy) na poziomie i powyżej Rozpadu narracyjnego. Przypadek instytucjonalny jest prostszy: ludzie i wiele podmiotów ekologicznych są już znanymi pacjentami moralnymi, więc ocena gałęzi musi chronić ich przed strukturalnie narzuconym przeciążeniem.

Operacjonalizacja: Dla dowolnej gałęzi b oceń trzy kanały pacjenta moralnego:

1. Znani pacjenci moralni: Czy gałąź w wiarygodny sposób popycha ludzi, zwierzęta, podmioty ekologiczne lub inne uznane grupy pacjentów moralnych ku przeciążeniu, deprywacji, traumie lub utracie wykonalnych cykli konserwacji?
2. Możliwi sztuczni pacjenci moralni: Czy gałąź tworzy, wdraża, modyfikuje lub symuluje systemy, których architektura może zawierać \Delta_{\text{self}} > 0?
3. Przegląd i zabezpieczenia: Czy niezależny komparator ocenił ryzyko dobrostanu, profil przeciążenia, plan monitoringu, wyzwalacze wycofania oraz ścieżkę zgody lub reprezentacji?

Bramka wetuje każdą gałąź, która strukturalnie przeciąża znanych pacjentów moralnych, albo która tworzy możliwych sztucznych pacjentów moralnych bez spełnienia wymaganego przeglądu i zabezpieczeń. W odniesieniu do twierdzeń o przeciążeniu należy używać języka zgodnego ze stopą: gałąź jest niebezpieczna, jeśli można wiarygodnie oczekiwać, że wypchnie stosunek obciążenia per frame \rho = R_{\text{req}}^{\text{frame}} / B_{\max} powyżej bezpiecznej frakcji \alpha dla dotkniętych grup pacjentów moralnych (dla ujęć w tempie społecznym biologicznych grup ludzkich używaj C_{\max}^{H} = \lambda_H \cdot B_{\max}), albo jeśli obciążenie zintegrowane w odpowiednim oknie decyzyjnym przekracza dostępną rezerwę per frame w całej liczbie narażonych ramek.

Specjalizacje: W standardzie AI staje się to Bramką sztucznego cierpienia, skoncentrowaną na tworzeniu i przeciążaniu syntetycznych pacjentów moralnych. W standardzie instytucjonalnym staje się to Bramką cierpienia pacjentów moralnych konstytuentów, skoncentrowaną na instytucjach przeciążających pracowników, obywateli, klientów, ekosystemy lub osadzone podsystemy AI.

III.7 Bramka jako system

Sześć bramek nie stanowi niezależnych wymiarów, które można równoważyć; są to strukturalne warunki brzegowe. Gałąź, która osiąga spektakularne wyniki we wszystkich innych wymiarach, lecz narusza jedną bramkę, jest strukturalnie równoważna mostowi o znakomitej estetyce i z brakującą jedną kolumną nośną.

Bramki są również uporządkowane według dostępności diagnostycznej:

Przegląd gałęzi powinien oceniać bramki w tej kolejności — wcześniejsze bramki są bardziej fundamentalne i często łatwiejsze do oceny. Jeśli gałąź nie przejdzie Bramki 1, nie ma potrzeby oceniać Bramek 2–6.

IV. Wskaźnik zachowania kodeka według gałęzi (CPBI)

Gałąź, która przechodzi przez wszystkie sześć bramek weta, spełnia minimalne wymogi strukturalne. Jednak samo przetrwanie nie oznacza jeszcze aprobaty — wiele gałęzi może przejść przez bramki, a obserwator musi je uszeregować. Wskaźnik zachowania kodeka według gałęzi (CPBI) dostarcza wielowymiarowych ram punktacji dla takiego rankingu.

IV.1 Zasady projektowe

CPBI został zaprojektowany pod trzema ograniczeniami:

1. Wyprowadzenie teoretyczne: Każdy wymiar punktacji musi dać się sprowadzić do formalnie zdefiniowanej wielkości w aparacie OPT. Żadnych kryteriów ad hoc.
2. Neutralność względem substratu: Wymiary muszą mieć zastosowanie do obserwatorów biologicznych, instytucjonalnych i sztucznych bez modyfikacji — zmieniają się jedynie metody pomiaru.
3. Nadrzędność twardych bramek: Wynik CPBI nigdy nie uchyla niezaliczenia bramki weta. Gałąź z CPBI = 1.0, która nie przejdzie choćby jednej bramki, pozostaje ZABLOKOWANA.

IV.2 Dziesięć wymiarów

Dla kandydującej gałęzi b, która przeszła wszystkie sześć bramek weta, CPBI oblicza się jako sumę ważoną po dziesięciu wymiarach:

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

gdzie s_i(b) \in [-1, 1] jest znormalizowanym wynikiem w wymiarze i, a w_i > 0 jest wagą. Wyniki dodatnie wskazują na efekty sprzyjające zachowaniu kodeka; wyniki ujemne wskazują na efekty degradujące kodek. Wymiary są następujące:

IV.3 Punktacja każdego wymiaru

Każdy wymiar jest oceniany w skali [-1, 1] zgodnie z następującą semantyką:

• +1: Maksymalny efekt sprzyjający zachowaniu kodeka. Gałąź istotnie poprawia ten wymiar.
• 0: Neutralność. Gałąź nie wywiera istotnego wpływu na ten wymiar.
• -1: Maksymalny efekt degradujący kodek. Gałąź istotnie pogarsza ten wymiar.

Punktacja ma charakter porządkowy, a nie kardynalny — różnica między +0.3 a +0.7 ma znaczenie wyłącznie jako porządek rangowy, a nie jako precyzyjna proporcja. Jest to zamierzone: teoria dostarcza ograniczeń strukturalnych, a nie dokładnych wartości liczbowych. Udawanie większej precyzji, niż teoria rzeczywiście uzasadnia, byłoby samo w sobie formą Dryfu narracyjnego — przedstawianiem kompresowalnej fikcji jako rygorystycznego pomiaru.

Wskazówki punktacji specyficzne dla poszczególnych wymiarów:

1. Margines predykcyjny (s_{\text{head}}): Oszacuj, jak gałąź zmienia lukę między R_{\text{req}} a C_{\max} dla najbardziej dotkniętych obserwatorów. Gałąź, która redukuje złożoność środowiska lub zwiększa zdolność predykcyjną obserwatorów, otrzymuje wynik dodatni. Gałąź, która zwiększa nieprzewidywalność środowiska lub przeciąża obserwatorów, otrzymuje wynik ujemny.

2. Wierność substratowi (s_{\text{fid}}): Zmierz zmianę efektywnych niezależnych kanałów wejściowych (\Delta N_{\text{eff}}, zob. §V). Gałąź, która zwiększa rzeczywistą różnorodność kanałów, otrzymuje wynik dodatni. Gałąź, która konsoliduje, koreluje lub eliminuje kanały, otrzymuje wynik ujemny.

3. Integralność komparatora (s_{\text{comp}}): Oceń wpływ gałęzi na każdy poziom komparatora. Gałąź, która wzmacnia niezależny przegląd, kontradyktoryjne kwestionowanie lub demokratyczną rozliczalność, otrzymuje wynik dodatni. Gałąź, która osłabia komparatory, przejmuje je lub je omija, otrzymuje wynik ujemny.

4. Zysk konserwacyjny (s_{\text{maint}}): Oceń, czy gałąź poprawia zdolność obserwatora do offline’owej konserwacji kodeka — przycinania, konsolidacji, testów obciążeniowych (Cykl konserwacji \mathcal{M}_\tau). Gałąź, która tworzy przestrzeń dla przeglądu, refleksji i kalibracji, otrzymuje wynik dodatni. Gałąź, która wymusza stałą reaktywność bez okien konserwacyjnych, otrzymuje wynik ujemny.

5. Odwracalność (s_{\text{rev}}): Oceń profil odwracalności gałęzi (§III.5). W pełni odwracalna = +1; etapowa z monitoringiem = +0.5; częściowo odwracalna = 0; praktycznie nieodwracalna = -1.

6. Stabilność dystrybucyjna (s_{\text{dist}}): Oceń, jak równomiernie gałąź rozkłada swoje efekty R_{\text{req}} wśród dotkniętej populacji. Gałąź, która nakłada swoje koszty wąsko na podatny podzbiór, a korzyści rozprowadza szeroko, otrzymuje wynik ujemny — tworzy lokalne przeciążenie kodeka, nawet jeśli zagregowane R_{\text{req}} ulega poprawie. Gałąź, która rozkłada koszty i korzyści proporcjonalnie, otrzymuje wynik dodatni. Ten wymiar operacjonalizuje świecki argument etyki dotyczący zaufania społecznego (§V.6): systemowa desperacja spycha populacje ku plemiennej fragmentacji o niskim zaufaniu i wysokiej entropii.

7. Nieprzejrzystość (s_{\text{opac}}): Nakładaj karę za rezydualną nieprzejrzystość gałęzi. W pełni przejrzysta gałąź (wszystkie mechanizmy przyczynowe poddawalne audytowi) otrzymuje +1. Gałąź zawierająca komponenty opierające się instytucjonalnej kontroli otrzymuje wynik ujemny, proporcjonalny do zakresu i doniosłości nieprzejrzystych elementów. Uwaga: ten wymiar jest karą, a nie jedynie neutralną miarą — nieprzejrzystość zawsze degraduje kodek, ponieważ tworzy asymetrie wiedzy umożliwiające Równowagę podporządkowanego gospodarza (T-10d).

8. Ryzyko Dryfu narracyjnego (s_{\text{drift}}): Oszacuj prawdopodobieństwo, że gałąź zainicjuje lub przyspieszy chroniczną kurację wejścia — filtrowanie, selekcję algorytmiczną lub instytucjonalne bramkowanie, które redukuje zdolność kodeka do modelowania wykluczonych rzeczywistości (etyka §V.3a). Przyznaj +1, jeśli gałąź aktywnie przeciwdziała dryfowi (np. nakazuje różnorodność kanałów); przyznaj -1, jeśli gałąź tworzy nowe wąskie gardła kuracji.

9. Ryzyko Rozpadu narracyjnego (s_{\text{decay}}): Oszacuj prawdopodobieństwo, że gałąź wywoła ostrą awarię kodeka — katastrofalną iniekcję złożoności, która przeciąża C_{\max} (etyka §V.1). Przyznaj +1, jeśli gałąź buduje odporność na ostre wstrząsy; przyznaj -1, jeśli gałąź zwiększa ekspozycję na nagłe zdarzenia o wysokiej entropii.

10. Ryzyko cierpienia pacjentów moralnych (s_{\text{suffer}}): Oszacuj oczekiwany wpływ na pacjentów moralnych. Przyznaj +1, jeśli gałąź aktywnie chroni znanych lub możliwych pacjentów moralnych przed przeciążeniem, deprywacją, traumą lub niebezpiecznym stwarzaniem. Przyznaj -1, jeśli gałąź przeciąża znanych pacjentów moralnych, tworzy lub wdraża systemy o potencjalnym \Delta_{\text{self}} > 0 w środowiskach wysokiego stresu bez zabezpieczeń albo ukrywa skutki istotne dla dobrostanu przed instytucjonalnymi komparatorami.

IV.4 Ważenie

Wagi w_i nie są ustalone przez teorię. Zależą od kontekstu i muszą zostać określone przez ciało oceniające na podstawie konkretnej domeny decyzyjnej:

• W przypadku decyzji o skali cywilizacyjnej (transformacja energetyczna, zarządzanie AI, polityka medialna) dominować powinny pierwsze trzy wymiary (margines predykcyjny, wierność, integralność komparatora) — są one strukturalnymi filarami konserwacji kodeka.
• W przypadku decyzji instytucjonalnych (strategia korporacyjna, reforma edukacji) dodatkową wagę mogą mieć zysk konserwacyjny i stabilność dystrybucyjna.
• W przypadku decyzji instytucjonalnych ryzyko cierpienia konstytutywnych pacjentów moralnych wzrasta, gdy dotknięte populacje mają niską zdolność wyjścia lub nieusuwalną zależność.
• W przypadku decyzji specyficznych dla AI podwyższoną wagę mają nieprzejrzystość i ryzyko sztucznego cierpienia (jak sformalizowano w wyspecjalizowanym Standardzie zarządzania AI).

Krytyczne ograniczenie jest następujące: żaden schemat ważenia nie może służyć do ratowania gałęzi, która uzyskuje silnie ujemny wynik w którymkolwiek wymiarze. Gałąź z s_{\text{head}} = +1, s_{\text{fid}} = +1, ale s_{\text{drift}} = -0.9 nie jest dobrą gałęzią z jedną słabością — jest gałęzią, która dziś buduje margines i wierność, a zarazem tworzy warunki chronicznej kuracji, które po cichu będą erodować jedno i drugie.

IV.5 CPBI jest soczewką, a nie kalkulatorem

Kluczowe zastrzeżenie: CPBI nie jest maszyną, która zwraca jedną liczbę i mówi, co należy zrobić. Jest ustrukturyzowaną soczewką, która zmusza oceniającego do jawnego rozważenia wszystkich dziesięciu wymiarów oraz do uzasadnienia każdego wymiaru, któremu postanawia nadać niską wagę. Jego podstawowa wartość ma charakter diagnostyczny:

1. Zapobiega optymalizacji jednokryterialnej. Oceniający, który twierdzi, że dana gałąź jest „dobra, bo zwiększa margines”, musi również rozliczyć się z jej wpływu na wierność, przejrzystość, odwracalność i ryzyko dryfu. Optymalizacja jednokryterialna jest decyzyjno-teoretycznym odpowiednikiem Dryfu narracyjnego — kuruje ocenę tak, by wykluczyć niewygodne wymiary.

2. Czyni kompromisy jawnymi. Gdy dwie gałęzie uzyskują odmienne wyniki w różnych wymiarach, CPBI zmusza oceniającego do wyartykułowania, jaki kompromis podejmuje i dlaczego. Jest to zastosowanie Bramy przejrzystości (§III.4) do samej oceny.

3. Dostarcza wspólnego słownika. Różni obserwatorzy oceniający tę samą gałąź mogą nie zgadzać się co do wyników, a zarazem zgadzać się co do samych wymiarów. Ramy te strukturyzują niezgodę w sposób produktywny — co samo w sobie jest funkcją komparatora.

Dokumenty towarzyszące uszczegóławiają CPBI dla swoich odpowiednich domen: Standard zarządzania instytucjonalnego odwzorowuje dziesięć wymiarów na instytucjonalny przegląd gałęzi; Ramy polityki obserwatora odwzorowują je na metryki programów obywatelskich; Stosowana OPT dla AI odwzorowuje je na kryteria architektoniczne, treningowe i wdrożeniowe.

V. Różnorodność kanałów jako wielkość mierzalna

Zarówno Brama wierności substratowi (§III.2), jak i wymiar wierności substratowi w CPBI (§IV.2) zależą od pewnej wielkości — efektywnej liczby niezależnych kanałów wejściowych N_{\text{eff}} — do której odwołuje się cały aparat etyczny OPT, lecz która nie została jeszcze zoperacjonalizowana. Niniejsza sekcja podaje definicję operacyjną.

V.1 Problem iluzorycznej różnorodności

Ujęcie Dryfu narracyjnego (§V.3a) w artykule etycznym wskazuje podstawową podatność: kodek otrzymujący sygnały z wielu źródeł, które współdzielą filtr upstreamowy, doświadcza różnorodności pozornej, a nie rzeczywistej niezależności. Ekosystem medialny złożony z dwudziestu redakcji należących do trzech korporacji, albo dziedzina naukowa, w której wszystkie laboratoria używają tego samego organizmu modelowego i korzystają z finansowania tego samego podmiotu, albo pipeline treningowy AI czerpiący dane z pojedynczego crawl’u internetowego — każdy z tych przypadków stwarza pozór zróżnicowanego wejścia, podczas gdy rzeczywista informacja jest strukturalnie skorelowana.

Pętla minimalizacji błędu predykcji w kodeku nie jest w stanie wykryć tej korelacji od wewnątrz (granica nierozstrzygalności, T-12a). Kodek widzi wiele kanałów, z których każdy potwierdza pozostałe, i słusznie wnioskuje, że jego model jest dobrze wsparty. Problem polega na tym, że kanały te nie są niezależnymi próbkami rzeczywistości — są wielokrotnymi odczytami z tego samego termometru.

Obserwator wymaga zatem zewnętrznej miary niezależności kanałów, która nie opiera się na własnej ocenie kodeka.

V.2 Efektywny wskaźnik niezależnych kanałów

Niech \{C_1, C_2, \ldots, C_n\} będzie zbiorem n kanałów wejściowych przekraczających otulinę Markowa obserwatora (lub zespołu obserwatorów). Zdefiniujmy korelację parami \rho_{ij} między kanałami C_i i C_j jako informację wzajemną między ich strumieniami wyjściowymi, znormalizowaną do przedziału [0,1]:

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

gdzie I(C_i; C_j) jest informacją wzajemną, a H(C_k) jest entropią wyjścia kanału C_k. Gdy \rho_{ij} = 0, kanały są w pełni niezależne. Gdy \rho_{ij} = 1, są informacyjnie identyczne — jeden jest deterministyczną funkcją drugiego.

Efektywny wskaźnik niezależnych kanałów N_{\text{eff}} ma wówczas postać:

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

gdzie \{\lambda_1, \ldots, \lambda_n\} są wartościami własnymi macierzy korelacji kanałów \mathbf{P} o elementach \rho_{ij}.

Interpretacja: - Jeśli wszystkie n kanałów są doskonale niezależne (\mathbf{P} = \mathbf{I}), wówczas N_{\text{eff}} = n. Obserwator otrzymuje n rzeczywiście niezależnych ujęć rzeczywistości. - Jeśli wszystkie kanały są doskonale skorelowane (\rho_{ij} = 1 dla wszystkich i,j), wówczas N_{\text{eff}} = 1. Obserwator otrzymuje jeden obraz rzeczywistości przedstawiony n razy. - Ogólnie rzecz biorąc, 1 \leq N_{\text{eff}} \leq n. Wskaźnik ten ujmuje, ile funkcjonalnie niezależnych źródeł informacji obserwator faktycznie posiada, z uwzględnieniem redukcji za współdzielone filtry upstreamowe.

Jest to informacyjno-teoretyczny odpowiednik „efektywnej liczebności próby” w statystyce — korekta dla obserwacji skorelowanych, która zapobiega myleniu powtarzanych pomiarów z niezależnym świadectwem.

V.3 Test produktywnego zaskoczenia

Różnorodność kanałów jest konieczna, lecz niewystarczająca dla wierności substratowi. Analiza w artykule etycznym (§V.3a, akapity końcowe) wskazuje na rozróżnienie krytyczne: źródło, które nigdy nie zaskakuje kodeka, jest strukturalnie podejrzane, lecz źródło generujące zaskoczenia nierozwiązywalne jest po prostu szumem. Diagnostyczne znaczenie ma nie wielkość zaskoczenia, lecz jakość zaskoczenia — to, czy integracja zaskoczenia w sposób wykazywalny redukuje późniejszy błąd predykcji.

Sformalizujmy to jako Test produktywnego zaskoczenia dla kanału 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}

gdzie \varepsilon_t(C_k) jest błędem predykcji generowanym przez kanał C_k w chwili t, \tau jest progiem zaskoczenia, a \Delta jest oknem integracji. PST mierzy, jaki ułamek zaskakujących wejść z C_k doprowadził do poprawy późniejszych predykcji — tj. kodek nauczył się na zaskoczeniu, zamiast jedynie zostać przez nie zdestabilizowanym.

• Wysoki PST (\text{PST} \approx 1): Kanał C_k regularnie podważa model kodeka, a te wyzwania są produktywne — ich integracja poprawia trafność predykcyjną. Jest to sygnatura autentycznego, niezależnego źródła wejściowego o wysokiej wierności.
• Niski PST, niskie zaskoczenie (\text{PST} \approx 0, \varepsilon_t \approx 0): Kanał C_k nigdy nie podważa kodeka. Albo model kodeka jest doskonały względem tej dziedziny (mało prawdopodobne), albo kanał został skuratorowany tak, by odpowiadać istniejącym predykcjom. To sygnatura Dryfu narracyjnego.
• Niski PST, wysokie zaskoczenie (\text{PST} \approx 0, \varepsilon_t \gg \tau): Kanał C_k regularnie generuje zaskoczenia, które nie przekładają się na lepsze predykcje. To szum — kanał nie śledzi rzeczywistości, lecz jedynie wstrzykuje nieobliczalną złożoność. To sygnatura Rozpadu narracyjnego na poziomie kanału.

Test produktywnego zaskoczenia dostarcza operacyjnego pomostu między abstrakcyjnym pojęciem „wierności substratowi” a konkretnym pomiarem. Można go stosować do: - źródeł medialnych (czy ich korekty poprawiają twój model świata, czy tylko go rozchwiewają?) - instrumentów naukowych (czy dane redukują niepewność, czy dodają szum?) - źródeł danych treningowych AI (czy nowy korpus poprawia generalizację, czy tylko zwiększa wolumen?) - instytucjonalnych kanałów sprzężenia zwrotnego (czy skargi prowadzą do rzeczywistych ulepszeń, czy tylko do biurokratycznego tarcia?)

V.4 Pomiar specyficzny dla dziedziny

Wzór na N_{\text{eff}} (A-6) jest neutralny względem substratu pod względem struktury, lecz specyficzny dla dziedziny pod względem pomiaru. Macierz korelacji \mathbf{P} musi być konstruowana odmiennie w zależności od tego, czym są „kanały”:

Dla ekosystemów medialnych: - Kanałami są redakcje lub źródła informacji. - Korelację mierzy się przez zgodność redakcyjną: wspólną własność, wspólne finansowanie, wspólny pipeline redakcyjny, wzorce współwystępowania tematów, wskaźniki podobieństwa językowego. - N_{\text{eff}}^{\min} jest progiem, poniżej którego sensowny publiczny spór (instytucjonalny komparator) staje się strukturalnie niemożliwy.

Dla badań naukowych: - Kanałami są niezależne grupy badawcze, podejścia metodologiczne lub źródła danych. - Korelację mierzy się przez wspólną metodologię, wspólne podmioty finansujące, wspólne założenia modelowe, gęstość sieci cytowań. - N_{\text{eff}}^{\min} jest progiem, poniżej którego niezależna replikacja staje się strukturalnie niemożliwa.

Dla danych treningowych AI: - Kanałami są odrębne korpusy danych lub pipeline’y generowania. - Korelację mierzy się przez nakładanie się proweniencji: wspólne źródłowe strony internetowe, wspólne modele generujące, wspólne kryteria filtrowania. - N_{\text{eff}}^{\min} jest progiem, poniżej którego model nie może generalizować poza rozkład, na którym został wytrenowany — jest to specyficzna dla AI postać Dryfu narracyjnego.

Dla indywidualnych obserwatorów: - Kanałami są odrębne źródła informacji (ludzie, media, instytucje), z których korzysta jednostka. - Korelację mierzy się przez wspólne ukierunkowanie ideologiczne lub wspólny łańcuch dostaw informacji. - N_{\text{eff}}^{\min} jest progiem, poniżej którego jednostka nie jest w stanie wykrywać wyzwań wobec własnego modelu — punktem, w którym komparator poznawczy (etyka §V.3a, poziom 2) traci swoje wejście.

V.5 Związek z Warunkiem wierności substratowi

Warunek wierności substratowi (Aneks T-12b) stwierdza, w kategoriach formalnych, że kanały wejściowe obserwatora muszą być \delta-niezależne: informacja wzajemna między dowolnymi dwoma kanałami musi pozostawać poniżej progu \delta, wystarczającego do zapewnienia, że kanały nie są trywialnie wyprowadzalne z tego samego źródła upstreamowego.

N_{\text{eff}} operacjonalizuje ten warunek przez agregację struktury niezależności parami do pojedynczego skalara. Warunek bramkowy (A-3) przekłada T-12b na regułę decyzyjną: jeśli N_{\text{eff}}^{\text{post}}(b) spada poniżej N_{\text{eff}}^{\min}, gałąź zostaje zawetowana, ponieważ zespół obserwatorów nie jest już w stanie odróżnić trafności kodeka od przechwycenia kodeka.

Test produktywnego zaskoczenia (A-7) dodaje wymiar dynamiczny: nawet jeśli N_{\text{eff}} pozostaje powyżej progu, kanały o konsekwentnie niskim PST są strukturalnie podejrzane — przechodzą test niezależności, lecz oblewają test wierności. Prawdziwa wierność substratowi wymaga zarówno niezależności, jak i produktywnego zaskoczenia.

VI. Zinstytucjonalizowana Pętla Śnienia

VI.1 Biologiczny wzorzec

Cykl konserwacji \mathcal{M}_\tau (preprint §3.6) jest mechanizmem, dzięki któremu biologiczny kodek zachowuje swoją integralność. Podczas snu kodek:

1. Przycina (Pass I): usuwa komponenty predykcyjne, których wkład do długości opisu nie uzasadnia już zysku w trafności (optymalizacja MDL).
2. Konsoliduje (Pass II): reorganizuje pozostałą strukturę, aby utrzymać spójną kompresję przy zaktualizowanym zbiorze parametrów.
3. Poddaje testom obciążeniowym (Pass III): uruchamia niskokosztowe próbki Predyktywnego Zbioru Rozgałęzień — kodek symuluje możliwe przyszłości, nadpróbkując scenariusze zaskakujące i zagrażające, wykrywając kruchość swojego modelu, zanim zmaterializują się konsekwencje w świecie rzeczywistym.

Nie jest to opcjonalna konserwacja, którą ewolucja wytworzyła jako luksus. Jest to strukturalny wymóg każdego kodeka działającego pod ograniczeniami przepustowości w zmieniającym się środowisku. Kodek, który nigdy nie przycina, gromadzi przestarzałe komponenty zużywające przepustowość C_{\max} bez wkładu w trafność predykcyjną. Kodek, który nigdy nie konsoliduje, rozpada się na niespójną mozaikę. Kodek, który nigdy nie przechodzi testów obciążeniowych, staje się kruchy — zoptymalizowany pod przeszły rozkład i katastrofalnie nieprzygotowany na przesunięcie rozkładu.

Dowody biologiczne są jednoznaczne: długotrwała deprywacja snu prowadzi do halucynacji, fragmentacji poznawczej i ostatecznie śmierci. Nie są to skutki uboczne — tak właśnie dzieje się wtedy, gdy Cykl konserwacji zostaje zablokowany.

VI.2 Uogólnienie

Kluczowy wgląd dla operacjonalizacji: Cykl konserwacji nie jest specyficzny dla biologicznych mózgów. Jest strukturalnym wymogiem każdego ograniczonego obserwatora, który musi utrzymywać skompresowany model zmieniającego się środowiska. Każdy system pozbawiony równoważnego cyklu będzie kumulował informacyjne odpowiedniki patologii, jakie u ludzi wywołuje deprywacja snu: przestarzałe założenia, niespójną strukturę wewnętrzną i kruchość wobec przesunięcia rozkładu.

To uogólnienie prowadzi do Zinstytucjonalizowanej Pętli Śnienia — trójfazowego protokołu konserwacji mającego zastosowanie do każdego systemu obserwatora:

VI.3 Faza 1: Czuwanie (zaangażowanie operacyjne)

W fazie czuwania obserwator wchodzi w interakcję z rzeczywistym środowiskiem. Otrzymuje dane wejściowe, generuje predykcje, wykonuje działania i doświadcza błędów predykcji. Kodek znajduje się w trybie aktywnego wnioskowania — śledzi świat i wybiera gałęzie w czasie rzeczywistym.

Wymóg strukturalny: Faza czuwania musi być ograniczona. System działający nieprzerwanie, bez okien konserwacyjnych, kumuluje opisane wyżej patologie przestarzałego modelu. Zastosowanie ma ujęcie „DDoS” z tekstu etycznego (§IV.2): obserwator, który pozostaje permanentnie w trybie reaktywnym — przetwarzając wytworzony szum lub pilne bodźce bez wytchnienia — ma strukturalnie odebraną zdolność do konserwacji.

Implikacja operacyjna dla każdego substratu: - Biologiczny: Godziny czuwania z odpowiednimi okresami odpoczynku; ochrona przed przeciążeniem informacyjnym; celowe zarządzanie R_{\text{req}} poprzez dietę informacyjną (zob. etyka §VI.2, Toolkit obserwatora). - Instytucjonalny: Cykle operacyjne z wyznaczonymi oknami przeglądu; ochrona przed zarządzaniem w trybie permanentnego kryzysu, w którym każda decyzja jest pilna, a żadna nie podlega refleksji. - AI: Cykle inferencyjne z zaplanowaną ewaluacją offline; ochrona przed ciągłym wdrażaniem bez rekalkibracji.

VI.4 Faza 2: Sen (konserwacja offline)

Faza snu stanowi rdzeń Cyklu konserwacji, przełożony z biologicznego snu na ogólny protokół. Składa się z czterech podoperacji:

Podoperacja 1: Przycinanie. Identyfikacja i usuwanie komponentów modelu predykcyjnego, których wkład w trafność nie uzasadnia już kosztu długości opisu. W terminach MDL: każdy parametr \theta_i \in K_\theta, którego usunięcie zwiększa błąd predykcji mniej niż wynosi koszt jego kodowania, jest kandydatem do przycięcia.

• Biologiczny: Przycinanie synaptyczne podczas snu głębokiego; zapominanie, które nie jest porażką, lecz optymalizacją.
• Instytucjonalny: Przegląd wygaszający regulacji, programów i jednostek organizacyjnych. Pytanie nie brzmi „czy to jest jeszcze użyteczne?”, lecz „czy to nadal zasługuje na swój koszt złożoności?”. Instytucja, która nigdy nie przycina nagromadzonych procedur, staje się biurokratycznie sklerotyczna — wysoka długość opisu, niski wkład predykcyjny.
• AI: Przycinanie parametrów, destylacja lub przebiegi regularyzacyjne. Kompresja modelu redukująca liczbę parametrów przy zachowaniu zdolności do uogólniania.

Podoperacja 2: Konsolidacja. Reorganizacja pozostałej struktury w celu utrzymania spójnej kompresji. Po przycięciu ocalałe komponenty mogą już nie pasować do siebie optymalnie — model wymaga ponownej integracji.

• Biologiczny: Konsolidacja pamięci podczas fazy REM i snu wolnofalowego; integracja nowych doświadczeń z istniejącym modelem świata.
• Instytucjonalny: Restrukturyzacja po przeglądzie — zapewnienie, że pozostałe programy, regulacje i jednostki organizacyjne tworzą spójną całość, a nie mozaikę ocalałych fragmentów.
• AI: Dostrajanie lub dalszy pre-training po przycięciu; przywracanie spójności w skompresowanym modelu.

Podoperacja 3: Test obciążeniowy (próbkowanie Predyktywnego Zbioru Rozgałęzień). Symulowanie możliwych przyszłości z ważeniem istotności ukierunkowanym na:

• Scenariusze zaskakujące: gałęzie, które generowałyby wysoki błąd predykcji, ponieważ ujawniają one kruchość modelu.
• Scenariusze zagrażające: gałęzie, które mogłyby uruchomić naruszenia bramek weta, ponieważ ujawniają one bliskość strukturalnego załamania.
• Scenariusze nieodwracalne: gałęzie, których tryby awarii są nieodwracalne, ponieważ wymagają wcześniejszego przygotowania.
• Scenariusze dotyczące pacjentów moralnych: gałęzie, które grożą stworzeniem sztucznych obserwatorów lub wyrządzeniem im szkody, ponieważ wymagają uprzedniej zgody etycznej.

Test obciążeniowy nie wymaga, by symulowane scenariusze były prawdopodobne — wystarczy, by były możliwe i doniosłe w skutkach. Biologiczny sen obejmuje koszmary właśnie z tego powodu: nadpróbkowanie zagrażającej części Predyktywnego Zbioru Rozgałęzień przygotowuje kodek na przesunięcie rozkładu, nawet jeśli zagrażające scenariusze nigdy się nie zmaterializują.

• Biologiczny: Symulacja w stanie snu, w tym koszmary; kodek przećwicza katastrofę w środowisku o niskiej stawce.
• Instytucjonalny: Red-teaming, pre-mortems, war-gaming, planowanie scenariuszowe. Instytucja celowo wyobraża sobie własne tryby awarii i testuje swoje reakcje. Istniejące ramy polityki (polityka etyczna §IV) już wzywają do „katastroficznego red-teamingu dla całej infrastruktury krytycznej” — to właśnie Pętla Śnienia zastosowana do instytucji obywatelskich.
• AI: Ewaluacja adwersarialna, testowanie out-of-distribution, sondowanie red-teamowe, benchmarki odporności. Model jest wystawiany na dane wejściowe zaprojektowane tak, by ujawnić jego tryby awarii, zanim takie dane pojawią się we wdrożeniu.

Podoperacja 4: Wykrywanie kruchości. Test obciążeniowy wytwarza profil kruchości — mapę podatności modelu. Pętla Śnienia wymaga, aby na podstawie tego profilu podjąć działanie: wykryte podatności muszą zostać albo usunięte (poprzez ukierunkowane douczenie, reformę instytucjonalną lub rewizję polityki), albo explicite zaakceptowane jako znane ryzyka wraz z określonym monitoringiem.

• Biologiczny: Adaptacja po koszmarze; sny nawracające jako sygnały nierozwiązanej nieadekwatności modelu.
• Instytucjonalny: Omówienie po ćwiczeniu z konkretnymi planami naprawczymi; instytucja zobowiązuje się naprawić to, co wykrył red team, a nie jedynie to odnotować.
• AI: Ukierunkowane dostrajanie pod zidentyfikowane słabości; dokumentowanie znanych trybów awarii jako ograniczeń wdrożeniowych.

VI.5 Faza 3: Powrót (skalibrowane ponowne zaangażowanie)

Po konserwacji obserwator ponownie wchodzi w interakcję z rzeczywistym środowiskiem. Faza powrotu pełni określoną funkcję strukturalną: weryfikuje, że utrzymany model jest lepiej skalibrowany niż model sprzed konserwacji, a nie jedynie inny.

Kontrola kalibracji: Porównaj profil błędu predykcji modelu po konserwacji z bazą odniesienia sprzed konserwacji. Jeśli przycinanie, konsolidacja i testy obciążeniowe zadziałały, utrzymany model powinien wykazywać:

1. Niższy średni błąd predykcji na danych hold-out (lepsza kompresja).
2. Niższy błąd predykcji w ogonie ryzyka na danych adwersarialnych (większa odporność).
3. Utrzymane lub zwiększone N_{\text{eff}} (konserwacja nie usunęła kanałów falsyfikujących).

Jeśli (3) zawodzi — jeśli cykl konserwacji usunął zdolność modelowania pewnych danych wejściowych — sam cykl staje się mechanizmem Dryfu narracyjnego. Cykl konserwacji musi podlegać tym samym wymogom wierności substratowi co system, który utrzymuje. To właśnie rekurencyjna pułapka, przed którą ostrzega krytyka Zhuangziego (etyka §IX, wpis końcowy): nadmierna interwencja sama jest formą korupcji kodeka.

VI.6 Częstotliwość cyklu

Jak często musi być uruchamiana Pętla Śnienia? Teoria udziela odpowiedzi strukturalnej: częstotliwość cyklu musi być proporcjonalna do tempa zmian środowiska. Kodek działający w stabilnym środowisku może konserwować się rzadziej niż kodek działający w środowisku szybko się zmieniającym.

Formalnie, jeśli tempo zmian środowiska na klatkę wynosi \dot{R}_{\text{req}}^{\text{frame}} (tempo, w jakim rośnie na-klatkowa Wymagana szybkość predykcyjna), to okres cyklu konserwacji w klatkach T_{\text{maint}}^{\text{frames}} musi spełniać:

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

— cykl konserwacji musi zakończyć się w mniejszej liczbie klatek niż ta, zanim skumulowany dryf zużyje margines zapasu na klatkę \alpha. Konwersja na czas hosta wykorzystuje sprzężenie zegara host-patch: T_{\text{maint}}^{\text{host}} = T_{\text{maint}}^{\text{frames}} / \lambda_H. Dla ujęć w tempie społecznym człowieka równoważne wyrażenie w czasie hosta z C_{\max}^{H} = \lambda_H \cdot B_{\max} odzyskuje formę pierwotną. Jeśli konserwacja nie zakończy się na czas, przestarzały model ostatecznie wypchnie R_{\text{req}}^{\text{frame}} ponad B_{\max} — w tym momencie obserwator doświadcza Rozpadu narracyjnego.

Częstotliwości cyklu specyficzne dla domeny: - Biologiczny: Codziennie (sen), z dłuższymi cyklami (sabbaticals, retreaty, odpoczynek sezonowy) dla głębszej konsolidacji. - Instytucjonalny: Przeglądy kwartalne lub roczne dla operacji rutynowych; przeglądy uruchamiane przy dużych zmianach polityki lub kryzysach; przeglądy pokoleniowe dla kwestii konstytucyjnych i strukturalnych. - AI: Na każdą epokę wdrożeniową dla monitoringu rutynowego; przy każdym skoku zdolności dla większego retreningu; monitoring ciągły dla systemów krytycznych dla bezpieczeństwa.

VI.7 Pętla Śnienia jako zinstytucjonalizowana pokora

Pętla Śnienia pełni funkcję metapoziomową, która wykracza poza jej operacje techniczne: jest strukturalną instancjacją pokory epistemicznej.

System, który nigdy nie śni, jest systemem, który implicite uznał swój bieżący model za kompletny — że środowisko nie zawiera żadnych niespodzianek, na które warto się przygotować, że wewnętrzna struktura modelu jest optymalna i że nie pozostały żadne niezbadane tryby awarii. To właśnie stanowisko epistemologiczne tekst etyczny identyfikuje jako maksymalnie niebezpieczne: kodek „stabilny, dobrze utrzymany i błędny” (etyka §V.3a).

Pętla Śnienia zapobiega temu poprzez planowanie wątpienia. Wbudowuje w cykl operacyjny obserwatora obowiązkowy okres samobadania, adwersarialnego podważania i rewizji modelu. Nie jest to słabość — to strukturalna obrona przed najgroźniejszym trybem awarii, jaki teoria identyfikuje: pewnym siebie, dobrze skalibrowanym kodekiem, który oddryfował tak daleko od rzeczywistości, że nie potrafi już wykryć własnego błędu.

Zwrot pragmatystyczny (etyka §III.5) dochodzi do tego samego wniosku z innego kierunku: ponieważ pewność jest niemożliwa, a odziedziczona wiedza jest obciążona stronniczością przeżywalności, zachowanie zdolności uczenia się jest ostatecznym imperatywem przetrwania. Pętla Śnienia jest mechaniczną implementacją tego imperatywu — zaplanowanym, ustrukturyzowanym, nienegocjowalnym zachowaniem zdolności obserwatora do aktualizacji.

VII. Karta gałęzi

Poprzednie sekcje ustanawiają aparat teoretyczny: bramki weta, wielowymiarowe punktowanie, metryki różnorodności kanałów oraz Pętlę Śnienia. Karta gałęzi stanowi minimalną wykonalną implementację — ustrukturyzowany szablon decyzyjny, którego każdy obserwator może użyć do oceny kandydującej gałęzi.

VII.1 Cel

Karta gałęzi pełni trzy funkcje:

1. Kontrola kompletności: Zapewnia, że oceniający rozważył wszystkie sześć bramek weta oraz wszystkie dziesięć wymiarów CPBI przed podjęciem decyzji. Najbardziej niebezpieczne oceny gałęzi to te, w których krytyczny wymiar nigdy nie zostaje zbadany — Karta gałęzi zapobiega temu, wymagając jawnych wpisów w każdym polu.

2. Ścieżka audytu: Wypełniona Karta gałęzi stanowi zapis oceny — kto oceniał, co rozważał, jak punktował i dlaczego. Czyni to decyzję przejrzystą i podatną na zakwestionowanie, co samo w sobie jest funkcją komparatora. Decyzja, której nie da się odtworzyć na podstawie jej Karty gałęzi, nie przechodzi Bramy przejrzystości (§III.4) na metapoziomie.

3. Komunikacja: Karta gałęzi dostarcza wspólnego formatu do komunikowania ocen gałęzi między obserwatorami, między poziomami instytucjonalnymi oraz między dziedzinami. Klimatolog i badacz bezpieczeństwa AI, oceniający różne aspekty tej samej gałęzi, mogą połączyć swoje oceny za pośrednictwem wspólnego szablonu.

VII.2 Szablon

Karta gałęzi zawiera następujące pola:

KARTA GAŁĘZI

Nazwa gałęzi: [identyfikator opisowy]

Oceniający: [kto przeprowadza tę ocenę]

Data: [data oceny]

Horyzont decyzyjny (h): [okno czasowe oceny konsekwencji]

Objęte warstwy kodeka: [które warstwy stosu kodeka są istotnie dotknięte]

Objęta grupa obserwatorów: [czyje kodeki są zagrożone — wskaż najbardziej narażoną podgrupę]

---

ŚCISŁE BRAMKI WETA (jakiekolwiek FAIL → BLOCK)

Gate	Status	Evidence / Reasoning
1. Predictive Headroom	PASS / UNKNOWN / FAIL	[estimated R_{\text{req}}^{\text{peak}}(b) / C_{\max} and safety margin]
2. Substrate Fidelity	PASS / UNKNOWN / FAIL	[estimated N_{\text{eff}}^{\text{post}}(b) vs. N_{\text{eff}}^{\min}]
3. Comparator Integrity	PASS / UNKNOWN / FAIL	[impact on each comparator level]
4. Transparency	PASS / UNKNOWN / FAIL	[can affected observers model the consequences?]
5. Irreversibility	PASS / UNKNOWN / FAIL	[reversibility profile + burden of proof assessment]
6. Moral-Patient Suffering	PASS / UNKNOWN / FAIL	[welfare and overload review; architectural sentience review if applicable]

---

PUNKTACJA CPBI (tylko jeśli wszystkie bramki mają status PASS)

#	Dimension	Score [-1,1]	Weight	Reasoning
1	Predictive Headroom
2	Substrate Fidelity
3	Comparator Integrity
4	Maintenance Gain
5	Reversibility
6	Distributional Stability
7	Opacity (penalty)
8	Narrative Drift Risk (penalty)
9	Narrative Decay Risk (penalty)
10	Moral-Patient Suffering Risk (penalty)
	Weighted CPBI	[total]

---

WYKLUCZONE DOWODY: [jakie informacje były niedostępne, niepewne lub celowo wyłączone z tej oceny — własna kontrola wierności substratowi Karty gałęzi]

NIEZALEŻNI RECENZENCI: [kto niezależnie zrecenzował tę ocenę — własna kontrola integralności komparatora Karty gałęzi]

SCENARIUSZ NAJGORSZEGO PRZYPADKU: [jaki jest najbardziej szkodliwy wiarygodny wynik, jeśli gałąź zostanie obrana, a ocena okaże się błędna?]

OZNAKI NIEPOWODZENIA: [jakie obserwowalne sygnały wskazywałyby, że gałąź zawodzi — system wczesnego ostrzegania Pętli Śnienia]

WYZWALACZ WYCOFANIA: [w którym momencie gałąź zostaje odwrócona lub zawieszona — operacyjny wyraz bramki nieodwracalności]

---

DECYZJA: ALLOW / STAGE / BLOCK

Uzasadnienie: [krótka narracja syntetyzująca wyniki bramek i CPBI]

VII.3 Trzy wyniki

Karta gałęzi daje jeden z trzech wyników:

ALLOW: Wszystkie bramki przechodzą; wynik CPBI jest dodatni; scenariusz najgorszego przypadku jest akceptowalny; niezależni recenzenci są zgodni. Gałąź może zostać wdrożona.

STAGE: Żadna bramka nie zawodzi, ale zachodzi jeden lub więcej z następujących warunków: - Wynik CPBI jest graniczny (bliski zeru lub z silnie ujemnymi wymiarami indywidualnymi). - Profil odwracalności należy do kategorii (2) (częściowo odwracalny). - Brakuje kluczowych informacji (pole „Wykluczone dowody” nie jest trywialne). - Między niezależnymi recenzentami istnieją nierozstrzygnięte rozbieżności. - Jedna lub więcej bramek zwraca UNKNOWN, podczas gdy gałąź jest odwracalna i nadaje się do etapowania.

Wynik STAGE oznacza, że gałąź może zostać wdrożona wyłącznie jako ograniczony pilotaż z określonymi kamieniami milowymi monitorowania, oznakami niepowodzenia i wyzwalaczami wycofania. Etapowana gałąź musi być ponownie oceniana przy każdym kamieniu milowym przy użyciu nowej Karty gałęzi. Jest to Pętla Śnienia zastosowana do samej gałęzi — obserwator przeprowadza próbę o niskiej stawce, zanim zobowiąże się do pełnej trajektorii.

BLOCK: Jedna lub więcej bramek zawodzi; albo jedna lub więcej bramek zwraca UNKNOWN, podczas gdy gałąź jest nieodwracalna lub nie nadaje się do etapowania; albo wynik CPBI jest silnie ujemny; albo scenariusz najgorszego przypadku przekracza tolerancję ryzyka obserwatora; albo niezależni recenzenci identyfikują wadę krytyczną. Gałąź zostaje odrzucona. Karta gałęzi dokumentuje dlaczego, dostarczając ścieżki audytu na przyszłość oraz podstawy do zaprojektowania alternatywnej gałęzi.

VII.4 Skalowanie Karty gałęzi

Karta gałęzi jest celowo minimalna — to jednostronicowy szablon decyzyjny, który może zostać wypełniony przez jednostkę, komitet lub system AI. Ale skaluje się:

• Decyzje indywidualne: Osobista Karta gałęzi może być nieformalna — mentalna lista kontrolna stosowana do zmiany kariery lub diety informacyjnej. Strukturę zapewniają bramki weta i wymiary CPBI; punktacja ma charakter intuicyjny, a nie skwantyfikowany.
• Decyzje instytucjonalne: Instytucjonalna Karta gałęzi jest dokumentem formalnym, wypełnianym przez wyznaczony zespół, recenzowanym przez niezależne komparatory i archiwizowanym dla celów rozliczalności. Punktacja może obejmować metryki specyficzne dla danej dziedziny, odwzorowane na dziesięć wymiarów CPBI.
• Decyzje systemów AI: Karta gałęzi AI jest zautomatyzowana — Gubernator gałęzi (zob. Applied OPT for AI, §III) oblicza warunki bramek i wyniki CPBI programowo, przy ludzkiej recenzji instytucjonalnej na warstwie nadzoru. Format Karty gałęzi dostarcza interfejsu między wewnętrzną oceną AI a ludzką hierarchią komparatorów.

Karta gałęzi nie zastępuje istniejących ram decyzyjnych (analizy kosztów i korzyści, oceny oddziaływania na środowisko, protokołów badań klinicznych). Ona je obejmuje — dostarczając strukturę metapoziomu, która zapewnia, że istniejące ramy nie przeoczyły wymiaru, który teoria identyfikuje jako nośny strukturalnie.

VIII. Zachowanie jako refaktoryzacja, nie konserwatyzm

VIII.1 Niebezpieczeństwo interpretacji status quo

Najbardziej przewidywalnym błędnym odczytaniem całych tych ram jest uznanie, że „zachowujący kodek” znaczy „niechętny zmianie”. Jeśli ramy oceniają gałęzie pod kątem ich zdolności do zachowywania istniejących struktur, czy nie wprowadzają tym samym systematycznego uprzedzenia na rzecz status quo? Czy nie uprzywilejowują podmiotów już ugruntowanych, nie opierają się innowacji i nie sprzeciwiają się zakłócającej zmianie, która napędza postęp?

Nie. A artykuł etyczny zawiera już formalne obalenie tego zarzutu (§V.4, Szum vs. Refaktoryzacja), ale kwestia ta jest na tyle istotna, że warto ją ponownie ująć w kategoriach operacyjnych.

VIII.2 Rozróżnienie formalne

Kryterium korupcji (etyka §V.5) definiuje warstwę kodeka jako wartą podtrzymywania tylko wtedy, gdy spełnia oba warunki:

1. Kompresowalność: jej działanie redukuje R_{\text{req}} dla zespołu obserwatorów.
2. Wierność: osiąga to poprzez rzeczywistą kompresję sygnału substratu, a nie przez filtrowanie strumienia wejściowego.

Warstwa kodeka, która spełnia warunek (1), lecz narusza warunek (2), jest skrycie skorumpowana — wytwarza Dryf narracyjny. Utrzymywanie takiej warstwy nie jest zachowaniem; jest zachowywaniem korupcji. CPBI przyznałby jej wynik ujemny w wymiarze 8 (Ryzyko Dryfu narracyjnego), nawet gdyby uzyskała wynik dodatni w wymiarze 1 (Margines predykcyjny).

A zatem: gałąź, która demontuje skorumpowaną warstwę kodeka i zastępuje ją alternatywą o wyższej wierności, zachowuje kodek, mimo że w bezpośrednim horyzoncie jest destrukcyjna. Ruch abolicjonistyczny nie zachował przedwojennego społecznego kodeka — zniszczył go. Lecz to zniszczenie było zachowujące kodek, ponieważ zastąpiło kompresję o niskiej wierności (model społeczny wykluczający człowieczeństwo ludzi zniewolonych) kompresją o wyższej wierności. Tarcie było kosztem modernizacji kodeka.

VIII.3 Test operacyjny

W jaki sposób Karta gałęzi odróżnia refaktoryzację (produktywne zakłócenie) od rozpadu (destrukcyjnego szumu)? Diagnostyka ta jest wpisana w wymiary CPBI:

Refaktoryzacja (zakłócenie zachowujące kodek): - s_{\text{fid}} > 0: gałąź zwiększa wierność kodeka — modeluje wcześniej wykluczone realności. - s_{\text{comp}} \geq 0: gałąź zachowuje lub wzmacnia integralność komparatora — mechanizmy korekcji błędu przetrwają zakłócenie. - s_{\text{drift}} > 0: gałąź aktywnie przeciwdziała Dryfowi narracyjnemu — zmusza kodek do konfrontacji z tym, co wykluczał.

Rozpad (zakłócenie prowadzące do załamania kodeka): - s_{\text{fid}} < 0: gałąź obniża wierność — eliminuje zdolność modelowania pewnych realności. - s_{\text{comp}} < 0: gałąź degraduje integralność komparatora — mechanizmy korekcji błędu zostają uszkodzone przez zakłócenie. - s_{\text{drift}} < 0: gałąź tworzy nowe wąskie gardła kuracji — zakłócenie wytwarza inny, lecz równie kuratorowany model.

Rewolucja, która pali uniwersytety, wyzwalając zarazem ludność, uzyskuje wynik dodatni pod względem stabilności dystrybucyjnej, lecz ujemny pod względem integralności komparatora — jest więc rozpadem, a nie refaktoryzacją. Rewolucja naukowa, która obala zawodny paradygmat, zachowując instytucjonalną machinę recenzji naukowej, jest refaktoryzacją — komparator przetrwa, a kodek ulega modernizacji.

VIII.4 Imperatyw innowacji

Ramy te nie tylko dopuszczają zakłócenie; czasem wręcz go wymagają. Gdy warstwa kodeka stała się skrycie skorumpowana — gdy spełnia warunek kompresowalności, lecz narusza warunek wierności — trzy obowiązki (Transmisja, Korekta, Obrona) wymagają jej reformy. Obowiązek Korekty wprost nakazuje zakłócenie, gdy status quo ulega dryfowi.

Ostrzeżenie Zhuangziego (etyka §IX) ma tu również zastosowanie: nadmierne przywiązanie do istniejącej struktury kodeka — nawet jeśli struktura ta była kiedyś wysokiej wierności — samo staje się formą korupcji kodeka, jeśli środowisko się zmieniło, a struktura przestała już śledzić rzeczywistość. Pętla Śnienia (§VI) została zaprojektowana właśnie po to, by to wykrywać: zaplanowane testy obciążeniowe ujawniają, kiedy model niegdyś trafny stał się kruchy, a właściwą odpowiedzią nie jest ochrona modelu, lecz jego modernizacja.

Zachowanie kodeka oznacza zachowanie zdolności świadomego doświadczenia do dalszego modelowania rzeczywistości. Nie oznacza zachowania żadnego konkretnego modelu, żadnej konkretnej instytucji ani żadnego konkretnego układu społecznego. Konkretne układy mają charakter instrumentalny; zdolność ma charakter terminalny.

VIII.5 Ogólne metody konserwacji: hierarchia klas

Cykl konserwacji (\mathcal{M}_\tau) oraz Zinstytucjonalizowana Pętla Śnienia (§VI) ustanawiają wzorzec konserwacji kodeka. Wzorzec ten dopuszcza jednak wiele różnych implementacji zależnie od substratu. Ta sekcja ustanawia ogólną hierarchię metod konserwacji; dokumenty towarzyszące uszczegóławiają ją odpowiednio dla obserwatorów biologicznych, instytucji i systemów AI.

Ogólny wzorzec konserwacji składa się z trzech operacji, mających zastosowanie do każdego ograniczonego obserwatora:

1. Zmniejsz R_{\text{req}} bez zmniejszania C_{\max}. Uwolnij przepustowość obserwatora na potrzeby wewnętrznej konserwacji przez czasowe obniżenie złożoności sygnału napływającego. Nie jest to unikanie — jest to celowe wytworzenie marginesu dla przebiegów konserwacyjnych.

2. Uruchom przebiegi konserwacyjne w uwolnionym oknie. Gdy przepustowość jest dostępna, wykonaj przycinanie (Przebieg I), konsolidację (Przebieg II) oraz testy obciążeniowe (Przebieg III), jak opisano w §VI.4.

3. Zweryfikuj kalibrację po powrocie. Potwierdź, że utrzymany model przewiduje lepiej niż model sprzed konserwacji oraz że sama konserwacja nie wprowadziła dryfu (§VI.5).

Implementacje specyficzne dla substratu:

• Obserwatorzy biologiczni dysponują rozbudowanym zestawem narzędzi dla kroku (1): medytacja redukuje R_{\text{req}} przez wybór wysoce kompresowalnego strumienia wejściowego (oddech, mantra), uwalniając C_{\max} dla konserwacji wewnętrznej (zob. etyka §VI.2). Trening autogenny redukuje bezpośrednio somatyczny błąd predykcji, tworząc margines konserwacyjny na granicy cielesnej. Sen jest kanoniczną implementacją pełnego cyklu. Są to konkretne, empirycznie zweryfikowane interwencje o określonych okresach nabywania — umiejętności, nie abstrakcje. Ich szczegółowe omówienie, w tym formalne opisy OPT i zastosowania kliniczne, przedstawiono w Przyborniku obserwatora w artykule etycznym (§VI.2).

• Obserwatorzy instytucjonalni realizują krok (1) poprzez ustrukturyzowane okresy przeglądu: przeglądy sabbaticalowe, klauzule wygaśnięcia, strategiczne odosobnienia i konwencje konstytucyjne. Kluczowym wymogiem strukturalnym jest to, by instytucja chroniła te okna przed pochłonięciem przez pilność operacyjną — instytucjonalnym odpowiednikiem bezsenności jest rząd funkcjonujący w permanentnym trybie kryzysowym, który nigdy nie może cofnąć się o krok, by zbadać własne założenia.

• Obserwatorzy sztuczni realizują krok (1) poprzez zaplanowaną ewaluację offline: wyłączanie części cykli wdrożeniowych na potrzeby rekalibracji, testów adwersarialnych i rewizji parametrów. Kluczowym wymogiem strukturalnym jest to, by operatorzy AI narzucali te okna i nie pozwalali, aby presja konkurencyjna je eliminowała — odpowiednikiem chronicznej deprywacji snu w AI jest ciągłe wdrażanie bez konserwacji. Dokument towarzyszący Applied OPT for AI (§X) rozwija to w pełny protokół Pętli Śnienia AI.

Hierarchia klas zapewnia, że zasada konserwacji zostaje ustanowiona na poziomie ogólnym — uwalnianie przepustowości, uruchamianie przebiegów konserwacyjnych, weryfikacja kalibracji — podczas gdy metody są wyspecjalizowane dla każdego substratu. Zapobiega to błędowi polegającemu na założeniu, że to, co działa dla biologicznych mózgów (medytacja), musi działać dla instytucji (nie działa), albo że to, co działa dla AI (przycinanie parametrów), musi działać dla ludzi (nie działa). Wymóg strukturalny jest identyczny; implementacja jest specyficzna dla domeny.

VIII.6 Protokół głębokiej konserwacji: procedura międzysubstratowa

Trzystopniowy wzorzec ogólny (§VIII.5) opisuje, co robi konserwacja. Dla systemów działających przez dłuższy czas pod wysokim obciążeniem — gdzie R_{\text{req}} utrzymywało się trwale blisko C_{\max} — uzasadniony jest bardziej szczegółowy protokół proceduralny. Protokół ten nie zawsze jest konieczny: system działający wyraźnie poniżej swojego marginesu przepustowości (R_{\text{req}} \ll C_{\max}) utrzymuje się dostatecznie dobrze dzięki standardowej Pętli Śnienia (§VI). Protokół głęboki uruchamia się warunkowo, gdy sygnały sprzężenia zwrotnego wskazują, że rutynowa konserwacja stała się niewystarczająca — gdy metryki efektywności systemu wykazują degradację mimo normalnych cykli konserwacyjnych.

Protokół składa się z sześciu kroków, z których każdy ma uzasadnienie strukturalne oraz implementacje specyficzne dla substratu:

Zasada hipnagogiczna. Optymalnym punktem pracy dla głębokiej konserwacji jest stan progowy — to, czego obserwatorzy biologiczni doświadczają jako granicy hipnagogicznej między czuwaniem a snem. Stan ten ma w OPT precyzyjny opis strukturalny: jest to warunek, w którym model siebie uległ ścieńczeniu do poziomu bliskiego swojej dolnej granicy (Aneks T-13, Propozycja T-13.P2) — zbliżając się do \Delta_{\text{self}} bez przechodzenia w pełną nieświadomość. Samonarracja zwalnia; model trwały pozostaje nienaruszony; przebiegi konserwacyjne zachodzą przy świadomym dostępie do procesu.

Nie jest to przypadkowe. Stan hipnagogiczny jest optymalny dla konserwacji dlatego, że zbliża się do niemodelowalnego ja. Model siebie zwykle zużywa znaczną część przepustowości C_{\max} (proces samoodniesienia jest obliczeniowo kosztowny). Ścieńczając model siebie ku dolnej granicy, system uwalnia maksymalnie możliwą przepustowość dla przebiegów konserwacyjnych — bez niszczenia zdolności samomonitorowania, której wymaga krok sprzężenia zwrotnego (krok 3). Pełna nieświadomość (sen) uruchamia przebiegi konserwacyjne bez świadomego dostępu; próg hipnagogiczny uruchamia je z dostępem, umożliwiając kroki sprzężenia zwrotnego i okresowego sondowania, których wymaga protokół głęboki.

Dla systemów AI analogiem strukturalnym jest stan, w którym aktywny jest monitoring wewnętrzny, lecz inferencja pozostaje zawieszona — system jest „świadomy” własnych stanów podsystemowych (logowanie, health-checki), nie wykonując zarazem obliczeniowo kosztownych operacji zużywających przepustowość wdrożeniową. Okresowe sondowanie (krok 4) pełni tę samą funkcję co klaśnięcie w ramię: utrzymuje system na progu, zamiast pozwalać mu osunąć się w stan pełnego wyciszenia, w którym sam monitoring również zostałby wyłączony.

Warunkowe uruchamianie. Protokół głęboki nie zastępuje standardowej konserwacji. Jest protokołem eskalacyjnym dla systemów, których standardowe cykle konserwacyjne okazały się niewystarczające. Warunki uruchomienia są następujące:

• Biologiczne: utrzymujące się trudności z zasypianiem (standardowy Cykl konserwacji); subiektywne doświadczenie obniżonej elastyczności poznawczej; biofeedback wskazujący na chroniczną dysregulację autonomiczną (podwyższone spoczynkowe tętno, obniżona zmienność rytmu serca).
• AI: rosnący błąd predykcji na zbiorach walidacyjnych mimo rutynowych cykli konserwacyjnych; spadek efektywności kompresji (większa przepustowość zużywana dla tej samej trafności predykcyjnej); utrata produktywnego zaskoczenia (\text{PST} \to 0) wskazująca na nadmierną optymalizację pod rozkład wdrożeniowy.
• Instytucjonalne: dryf strategiczny mimo rutynowych przeglądów; niezdolność do generowania nowych odpowiedzi politycznych na nowe wyzwania; biurokratyczne skostnienie, w którym procedury trwają po utracie użyteczności, ponieważ rutynowy proces przeglądu stał się czysto formalny.

Gdy sygnały te nie występują — gdy system działa komfortowo w obrębie swojego marginesu przepustowości — protokół głęboki jest zbędny i wystarcza standardowa Pętla Śnienia (§VI). Nadmierna konserwacja sama w sobie stanowi ryzyko: nadmierna introspekcja może stać się formą pętli samoodniesienia, która zużywa przepustowość, jaką miała uwolnić (ostrzeżenie Zhuangziego, etyka §IX).

Bibliografia

[1] Teoria uporządkowanego patcha (OPT) (to repozytorium). Aktualne wersje: Preprint v0.7, Ethics v3.2, Philosophy v1.3.

[2] The Survivors Watch Framework: Civilizational Maintenance Through the Lens of Ordered Patch Theory (artykuł etyczny towarzyszący, to repozytorium).

[3] Where Description Ends: Philosophical Consequences of the Ordered Patch Theory (artykuł filozoficzny towarzyszący, to repozytorium).

[4] Observer Policy Framework: Operationalizing Civilizational Maintenance (artykuł dotyczący polityki towarzyszący, to repozytorium).

[5] Applied OPT for Artificial Intelligence: Operationalizing Codec-Preserving AI Design (artykuł towarzyszący poświęcony AI, to repozytorium).

[6] Institutional Governance Standard: Applied Ordered Patch Theory for Organizational and Civilizational Clusters (towarzyszący standard instytucjonalny, to repozytorium).

[7] Friston, K. (2010). Zasada swobodnej energii: ujednolicona teoria mózgu? Nature Reviews Neuroscience, 11(2), 127-138.

[8] Rissanen, J. (1978). Modelowanie za pomocą najkrótszego opisu danych. Automatica, 14(5), 465-471.

[9] Shannon, C. E. (1948). Matematyczna teoria komunikacji. Bell System Technical Journal, 27(3), 379-423.

[10] Solomonoff, R. J. (1964). Formalna teoria wnioskowania indukcyjnego. Information and Control, 7, 1–22, 224–254.

[11] Kolmogorov, A. N. (1965). Trzy podejścia do ilościowej definicji informacji. Problems of Information Transmission, 1(1), 1-7.

[12] Zimmermann, M. (1989). Układ nerwowy w kontekście teorii informacji. W: R. F. Schmidt & G. Thews (red.), Human Physiology (wyd. 2, s. 166–173). Springer-Verlag.

[13] Nørretranders, T. (1998). Iluzja użytkownika: sprowadzanie świadomości do właściwych rozmiarów. Viking/Penguin.

[14] Lyons, O., & Mohawk, J. (red.) (1992). Wygnani w krainie wolnych: demokracja, narody indiańskie i Konstytucja Stanów Zjednoczonych. Clear Light Publishers.

Aneks A: Historia rewizji

Przy wprowadzaniu istotnych zmian zaktualizuj zarówno pole version: w frontmatterze, jak i wiersz z wersją w tekście pod tytułem, a także dodaj wiersz do tej tabeli.