Att operationalisera Stabilitetsfiltret: ett beslutsramverk för kodekbevarande grenval

Version 1.2.0 — april 2026

DOI: 10.5281/zenodo.19301108
Copyright: © 2025–2026 Anders Jarevåg.
Licens: Detta verk är licensierat under en Creative Commons Erkännande-IckeKommersiell-DelaLika 4.0 Internationell licens.

Sammanfattning: Från moraliskt imperativ till beslutsmaskineri

De överlevandes vaka som etiskt ramverk fastslår att den primära moraliska förpliktelsen är Topologiskt grenval — att aktivt navigera den prediktiva grenmängden av möjliga framtider in i den sällsynta delmängd av vägar som bevarar villkoren för medveten erfarenhet. Men etikartikeln stannar med avsikt vid det strukturella varför. Den specificerar inte hur en observatör — biologisk, institutionell eller artificiell — bör utvärdera, poängsätta och välja mellan kandidatgrenar.

Detta dokument fyller den luckan. Det utvecklar ett substratneutralt operationellt ramverk för kodekbevarande grenval och tillhandahåller:

1. Grenobjektet — en formell definition av varje kandidat till handlingskonditionerad strömfortsättning som är föremål för utvärdering.

2. Strikta vetogrindar — sex icke-förhandlingsbara strukturella villkor som avvisar en gren före poängsättning: prediktivt handlingsutrymme, substrattrohet, komparatorintegritet, transparens, irreversibilitet och risk för lidande hos moralisk patient.

3. Grenindex för bevarande av kodek (CPBI) — ett viktat flerdimensionellt poängsättningsramverk för grenar som överlever vetogrindarna, vilket omfattar prediktivt handlingsutrymme, substrattrohet, komparatorintegritet, underhållsvinst, reversibilitet, distributionell stabilitet, opacitet, risk för Narrativ drift, risk för Narrativt förfall och risk för lidande hos moralisk patient.

4. Kanaldiversitet som en mätbar storhet — poängen för effektiva oberoende kanaler N_{\text{eff}}, testet för produktiv överraskning och deras formella koppling till Substrattrohetsvillkoret (Appendix T-12b).

5. Den institutionaliserade Drömslingan — ett generiskt underhållsprotokoll modellerat på den biologiska Underhållscykeln (\mathcal{M}_\tau): vakenfas (verksamhet i den verkliga världen), drömfas (offline-sampling av den prediktiva grenmängden, adversariell stresstestning, detektion av skörhet, konsolidering) och återgångsfas (kalibrerat återengagemang). Detta gäller i lika hög grad individuella sinnen, institutionella granskningscykler och AI-system.

6. Grenkortet — en minimalt gångbar beslutsmall för varje grenöversyn, som producerar ett strukturerat utfall av typen ALLOW / STAGE / BLOCK.

7. Bevarande som refaktorisering — den kritiska distinktionen att kodekbevarande inte betyder bevarande av status quo. En gren kan vara disruptiv och ändå kodekbevarande om den ökar substrattroheten.

Ramverket är medvetet substratneutralt: dess kategorier gäller överallt där en begränsad observatör eller observatörsensemble måste välja mellan handlingskonditionerade strömfortsättningar under bandbreddsbegränsningar.

Kompletterande dokument: Den centrala OPT-sekvensen är Ordered Patch Theory, Where Description Ends och The Survivors Watch Framework. Denna artikel tillhandahåller den substratneutrala apparaten; artiklarna om AI, institutioner och policy specialiserar den för artificiella system, organisatoriska kluster och medborgerlig implementering.

Epistemisk inramningsnot: Detta dokument operationaliserar de etiska slutsatserna i Teorin om den ordnade patchen (OPT). Liksom etikartikeln som det bygger vidare på är dess praktiska rekommendationer villkorade av OPT-ramverkets strukturella premisser. De operationella instrument som föreslås här — CPBI, Grenkort, Drömslinga — framläggs som prövbara hypoteser om hur grenval bör genomföras, inte som rigida protokoll. De förblir fullt ut underkastade samma Korrektionsplikt som styr kodeken själv: om bättre instrument uppstår bör dessa revideras eller ersättas. Ramverket utvecklades i dialog med OpenAI och Gemini, som tjänade som samtalspartner för strukturell förfining.

Förkortningar och terminologi

I. Från etik till ingenjörskonst

De överlevandes vaka som etiskt ramverk (den kompletterande etikartikeln, §IV.1) fastslår att moraliskt handlande är Topologiskt grenval — observatören som navigerar den prediktiva grenmängden \mathcal{F}_h(z_t) in i den sällsynta delmängden av vägar som bevarar kodeken. Detta är inte en metafor: observatören för bokstavligen C_{\max}-aperturen framåt in i en oupplöst meny av framtider, och den stora majoriteten av dessa framtider leder till kollaps av kodeken.

Etikartikeln identifierar den strukturella förpliktelsen. Filosofiartikeln (§III.8) identifierar de strukturella riskerna — inversionen av Prediktiv fördel, Underkuvad värdjämvikt, den Analoga brandväggen. Den institutionella standarden översätter maskineriet till institutionell grenprövning; policyartikeln översätter medborgerliga plikter till ett konkret politiskt program.

Men inget av dessa dokument besvarar den operativa frågan: givet en specifik kandidatgren, hur avgör en observatör om den ska väljas?

Detta är inte en trivial lucka. Korruptionskriteriet (etik §V.5) säger oss att ett kodeklager är värt att underhålla endast om det uppfyller både komprimerbarhet och trohet. Substrattrohetsvillkoret (Appendix T-12b) säger oss att försvar mot Narrativ drift kräver \delta-oberoende indatakanaler. Underhållscykeln (preprint §3.6) säger oss att kodeken periodiskt måste beskära, konsolidera och stresstesta. Men detta är strukturella begränsningar. De fogas inte samman till ett beslutsförfarande.

Detta dokument bygger upp detta beslutsförfarande. Det är avsiktligt substratneutralt: samma ramverk gäller oavsett om “observatören” är ett biologiskt sinne som väljer en handlingslinje, en regering som utvärderar en policy, ett företag som bedömer införandet av en teknik eller ett AI-system som väljer sin nästa handlingssekvens. Den formella apparaten är identisk eftersom de informationella begränsningarna är identiska — varje begränsad observatör som står inför handlingskonditionerade fortsättningar måste lösa samma problem med grenval.

I.1 Vad detta dokument inte gör

Tre avgränsningar av räckvidden måste anges uttryckligen:

1. Det föreskriver inte specifika grenar. Ramverket utvärderar kandidatgrenar mot strukturella kriterier. Det genererar inte grenarna, och det föreskriver inte vilken gren som ska väljas bland dem som klarar utvärderingen. Genereringen av grenar förblir observatörens egen generativa modells domän — dess kreativitet, dess värden, dess kontext.

2. Det löser inte det svåra problemet. De operativa instrument som beskrivs här karakteriserar den strukturella skuggan av grenval — de informationsteoretiska begränsningar som varje observatör måste uppfylla. Selektionens fenomenologiska inre — den upplevda erfarenheten av att välja — förblir i \Delta_{\text{self}}, där Axiom om agens (preprint §3.8) placerar den.

3. Det ersätter inte domänexpertis. Grenkortet (§VII) strukturerar utvärderingen; det ersätter inte klimatforskarens kunskap om tipping points, läkarens förståelse av behandlingsrisker eller ingenjörens bedömning av systemets tillförlitlighet. Ramverket tillhandahåller beslutets arkitektur; innehållet kommer från den relevanta domänen.

II. Grenobjektet

II.1 Definition

En gren är en kandidat till aktionskonditionerad strömfortsättning: en policy, en handlingssekvens, en designförändring eller en institutionell bana tillsammans med dess förväntade effekter på framtida gränsinflöden, latenta uppdateringar och kodekbelastning hos berörda observatörer.

Operationellt kan en gren b fortfarande representeras som en sekvens av latenta tillstånd och handlingar över en beslutshorisont 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}

Denna definition är avsiktligt bred. En gren kan vara:

• En individs beslut (karriärbyte, medicinsk behandling, informationsdiet)
• En institutionell policy (regleringsramverk, utbildningsplan, mediestyrning)
• En civilisatorisk bana (energiomställning, strategi för AI-implementering, internationellt fördrag)
• Ett AI-systems kandidatsekvens av handlingar (verktygsanvändning, rekommendation, autonom drift)

Det som förenar dessa är att var och en betingar den framtida ström som tas emot av observatören, eller av ett berört observatörskollektiv. I rendering-ontologiska termer är grenen inte ett externt objekt som verkar på en frikopplad värld; den är den policyinducerade fortsättning vars senare innehåll återkommer som gränsinflöde och kodekbelastning.

II.2 Utvärderingsfrågan

För varje kandidatgren b är den operationella frågan:

Bevarar denna aktionskonditionerade fortsättning de framtida villkor under vilka berörda observatörer kan fortsätta modellera verkligheten?

Detta är etiktextens imperativ om Topologiskt grenval (§IV.1) omformulerat som ett beslutskriterium. Frågan kan delas upp i delfrågor som resten av detta dokument formaliserar:

1. Marginal: Håller b R_{\text{req}} säkert under C_{\max} för berörda observatörer?
2. Trohet: Upprätthåller eller ökar b oberoendet och mångfalden hos inflödeskanalerna?
3. Komparatorintegritet: Bevarar eller stärker b de institutionella komparatorer som upptäcker korruption i kodeken?
4. Transparens: Kan konsekvenserna av b modelleras av berörda observatörer?
5. Reversibilitet: Om b visar sig vara felaktig, kan dess konsekvenser göras ogjorda innan irreversibel skada på kodeken uppstår?
6. Moraliska patienter: Skapar, innesluter eller strukturellt överbelastar b moraliska patienter, inklusive kända mänskliga eller ekologiska moraliska patienter och möjliga artificiella observatörer med \Delta_{\text{self}} > 0?

Dessa sex delfrågor motsvarar de sex Strikt vetogrind som utvecklas i §III. En gren som fallerar på någon enda av dem förkastas oavsett sitt resultat på andra dimensioner. Grenar som passerar alla sex går vidare till flerdimensionell poängsättning via CPBI (§IV).

II.3 Beslutshorisont och berörda kodeklager

En gren kan inte utvärderas utan att dess beslutshorisont h och dess berörda kodeklager specificeras. Etiktextens kodekstack (§II.1) identifierar sex lager, från oföränderliga fysikaliska lagar till sköra sociala/narrativa strukturer. En gren som bevarar kodeken på det narrativa lagret över en ettårig horisont kan vara kodekkollapsande på det biologiska lagret över en femtioårig horisont (t.ex. en ekonomisk policy som stabiliserar sysselsättningen men accelererar ekologisk degradering).

Utvärderingen måste därför specificera:

• Horisont h: det tidsfönster över vilket konsekvenser bedöms. Haudenosaunees princip om den sjunde generationen [ethics ref. 16] ger ett civilisatoriskt standardvärde (h \approx 175 år), men kortare horisonter är lämpliga för individuella och institutionella beslut.
• Berörda lager: vilka kodeklager som påverkas materiellt av grenen. En gren som endast berör det narrativa lagret (en mediepolicy) kräver en annan utvärdering än en som berör det fysiska lagret (en energiomställning).
• Berörd observatörsgrupp: vems kodeker som är i riskzonen. Etiktextens gyllene regel (filosofi §III.5) kräver att utvärderingen omfattar alla observatörer vars kodekstabilitet påverkas — inte bara dem som gynnas.

II.4 Grenen är inte utfallet

En kritisk distinktion: grenen är fortsättningen, inte slutpunkten. En gren som når en önskvärd slutpunkt via en väg som tillfälligt kollapsar komparatorintegriteten (t.ex. att uppnå klimatmål genom att upphäva demokratisk ansvarsutkrävning) underkänns av porten för Komparatorintegritet även om destinationen är kodekbevarande. Fortsättningen spelar roll eftersom kodeken måste förbli livskraftig genom hela traverseringen, inte bara vid dess slut.

Detta är det formella innehållet i etiktextens metaregel (§IV.4): prioritera bevarandet av den felkorrigerande mekanismen framför bevarandet av den specifika övertygelsen. En gren som förstör kapaciteten till framtida korrigering för att uppnå ett mål i nuet är illegitim, eftersom den byter ut navigerbarhet mot destination — och destinationen kan inte verifieras utan de navigationsinstrument som den förstörde.

III. Strikta vetogrindar

Innan någon gren poängsätts måste den klara sex Strikta vetogrindar — icke-förhandlingsbara strukturella villkor härledda ur den teoretiska apparaten. En gren som bryter mot ens en enda grind blir BLOCKERAD oavsett hur väl den poängsätts på andra dimensioner. Vetogrindar är inte preferenser; de är det operationella uttrycket för teorins randvillkor.

Grindarna är ordnade från de mest fundamentala (närmast det fysiska substratet) till de mest specialiserade (närmast ingenjörsfronten).

III.1 Grinden för prediktivt handlingsutrymme

Grindvillkor: Grenen får inte driva upp R_{\text{req}} över C_{\max} för någon berörd observatörsgrupp under någon fas av traverseringen.

Formell grund: Stabilitetsfilter (preprint §2.1) selekterar strömmar där observatörens kompressionskapacitet överstiger miljöns komplexitet. När R_{\text{req}} > C_{\max} upplever observatören Kausal dekoherens — den stabila patchen löses upp tillbaka i brus (etik §I.4).

Operationalisering: För en kandidatgren b, uppskatta den maximala Krävda prediktiva takten R_{\text{req}}^{\text{peak}}(b) för den mest påverkade observatörsgruppen över beslutshorisonten h. Grindvillkoret är:

R_{\text{req}}^{\text{peak}}(b) < \alpha \cdot C_{\max} \quad \text{där } \alpha \in (0,1) \text{ är en säkerhetsmarginal} \tag{A-2}

Säkerhetsmarginalen \alpha kodar en strukturell försiktighetsprincip: observatören måste behålla handlingsutrymme för felkorrigering och anpassning. Ett \alpha på 0,8 innebär att grenen måste lämna minst 20 % av observatörens prediktiva kapacitet obunden av den nya komplexitet som grenen introducerar. Denna marginal är inte konservativ ängslighet — den är den bandbreddsreserv som Underhållscykeln (\mathcal{M}_\tau) kräver för att upptäcka och korrigera drift.

Exempel på grindfel: - En politik som monterar ned sociala skyddsnät och tvingar miljontals individer att samtidigt navigera radikal ekonomisk osäkerhet kan driva R_{\text{req}} förbi C_{\max} för den berörda befolkningen — även om politiken är “effektiv” i aggregat. - En AI-distribution som översvämmar ett informations-ekosystem med syntetiskt innehåll snabbare än mänskliga komparatorer kan utvärdera det överbelastar det institutionella lagrets kollektiva C_{\max}.

III.2 Substrattrohetsgrinden

Grindvillkor: Grenen får inte reducera det effektiva antalet oberoende inkanaler N_{\text{eff}} under det minimum som krävs för substrattrohet.

Formell grund: Substrattrohetsvillkoret (Appendix T-12b) fastställer att försvar mot Narrativ drift kräver ett minsta antal \delta-oberoende kanaler som korsar observatörens Markovtäcke. Under denna tröskel kan kodeken inte skilja mellan “min modell är korrekt” och “mina indata har kuraterats för att matcha min modell” — obeslutbarhetsgränsen (T-12a).

Operationalisering: För varje gren b, beräkna den predikterade förändringen i effektiva oberoende kanaler \Delta N_{\text{eff}}(b) (se §V för formeln för N_{\text{eff}}). Grindvillkoret är:

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

där N_{\text{eff}}^{\min} är en domänberoende tröskel. För medieekosystem innebär detta genuin redaktionell självständighet; för vetenskaplig forskning, oberoende replikation; för AI-träningsdata, diversifierade och okorrelerade källkorpusar.

Exempel på grindfel: - Koncentration av medieägande som reducerar antalet verkligt oberoende redaktionella röster under den tröskel där meningsfull oenighet kan träda fram. - AI-träningspipelines som förlitar sig på en enda kuraterad korpus och därmed skapar skenet av bredd utan verkligt oberoende. - Institutionell fångst som leder all tillsyn genom en enda flaskhals och därmed eliminerar de oberoende komparatorer som krävs för att upptäcka korruption.

III.3 Komparatorintegritetsgrinden

Grindvillkor: Grenen får inte försämra eller eliminera någon nivå i komparatorhierarkin (evolutionär, kognitiv, institutionell) för berörda observatörer.

Formell grund: Etiktextens analys av komparatorhierarkin (§V.3a) etablerar tre strukturella nivåer av inkonsistensdetektion: evolutionär (sub-kodek, hårdkodad), kognitiv (intra-kodek, kulturellt överförd) och institutionell (extra-kodek, mellan kodeker). Endast den institutionella nivån är tillräcklig som försvar mot Narrativ drift för godtyckligt komprometterade kodeker, eftersom ingen enskild kodek kontrollerar den. Auktoritär fångst riktar sig ofrånkomligen först mot institutionella komparatorer.

Operationalisering: För varje gren b, bedöm dess påverkan på varje komparatornivå:

1. Evolutionära komparatorer (sensorisk integration): Kringgår eller åsidosätter b tvärmodal verifiering? (t.ex. virtuella miljöer som frikopplar syn från proprioception)
2. Kognitiva komparatorer (kritiskt tänkande, vetenskapligt resonemang): Försämrar b de utbildningsmässiga eller kulturella mekanismer som installerar dessa rutiner? (t.ex. nedskärningar i utbildning, ersättning av analytiska läroplaner med utantillinlärning)
3. Institutionella komparatorer (peer review, fri press, demokratisk ansvarsutkrävning): Försvagar, kringgår eller fångar b de externa felkorrigeringsarkitekturerna? (t.ex. kontroll över rättsväsendet, mediekoncentration, undertryckande av visselblåsning)

En gren som försämrar någon nivå utlöser vetot. En gren som försämrar den institutionella nivån utlöser det med maximal brådska — detta är den bärande nivån för godtyckligt komprometterade kodeker.

Exempel på grindfel: - Lagstiftning som skyddar företags eller statliga beslutsprocesser från oberoende journalistisk granskning. - AI-system som kringgår mänsklig granskning i beslut med höga insatser och därmed eliminerar det institutionella komparatorlagret. - Utbildningsreformer som avlägsnar läroplaner för kritiskt tänkande till förmån för efterlevnadsorienterad undervisning.

III.4 Transparensporten

Grindvillkor: Grenens konsekvenser måste vara modellerbara för de observatörer som påverkas av den. Den berörda observatörsgruppen måste behålla förmågan att åtminstone i princip förutsäga hur grenen kommer att modifiera deras framtida R_{\text{req}}.

Formell grund: Satsen om Prediktiv fördel (Appendix T-10c) fastställer att när en agent modellerar en annan mer fullständigt än omvänt, uppstår en strukturell maktasymmetri. När grenens konsekvenser är opaka för de berörda observatörerna bryter grenen mot detta villkor — den skapar en kunskapsasymmetri som undergräver observatörens kapacitet för framtida grenval. Detta är mekanismen bakom Underkuvad värdjämvikt (T-10d): opacitet möjliggör pacificering.

Operationalisering: En gren passerar transparensporten om:

1. den kausala mekanism genom vilken b påverkar R_{\text{req}}, N_{\text{eff}} och komparatorintegritet kan artikuleras i termer som är tillgängliga för den berörda observatörsgruppen.
2. de berörda observatörerna har tillgång till den information som krävs för att oberoende verifiera de påstådda konsekvenserna av b.
3. ingen komponent i b fungerar som en svart låda vars interna logik är otillgänglig för institutionella komparatorer.

Detta kräver inte att varje berörd individ förstår varje teknisk detalj. Det kräver att någon institutionell komparator (en regulator, en revisor, en sakkunnig granskare) har full tillgång till mekanismen och kapacitet att utvärdera den.

Exempel på grindfel: - Ogenomskinliga algoritmiska rekommendationssystem vars förstärkningslogik är en affärshemlighet, vilket gör det omöjligt för berörda användare eller regulatorer att modellera deras påverkan på informationsmiljön. - Sekretessbelagda policybeslut vars konsekvenser påtvingas befolkningar som saknar mekanismer för att utvärdera eller bestrida dem. - AI-system som distribueras i konsekvenstunga domäner (straffrätt, sjukvård, finans) vars beslutslogik varken är tolkbar eller reviderbar.

III.5 Irreversibilitetsgrinden

Grindvillkor: Om grenen visar sig vara felaktig måste dess konsekvenser vara reversibla innan irreversibel kodekskada uppstår — eller också måste grenen införas stegvis med övervakning som är tillräcklig för att upptäcka fel innan punkten utan återvändo passeras.

Formell grund: Fanos asymmetri (etik §V.2) fastställer att kodekskollaps är termodynamiskt irreversibel — den förlustbringande kompressionsavbildningen förstör permanent substratinformation. Konstruktion kräver århundraden; kollaps kan ske på en generation. Irreversibilitetsgrinden operationaliserar denna asymmetri: grenar vars felmoder är irreversibla kräver en högre evidensstandard än grenar vars konsekvenser kan rullas tillbaka.

Operationalisering: För varje gren b, karakterisera dess reversibilitetsprofil:

1. Fullt reversibel: Grenen kan återställas med minimal kvarstående skada (t.ex. ett pilotprogram som kan avbrytas).
2. Delvis reversibel: Vissa konsekvenser kan återställas, men andra kvarstår (t.ex. en institutionell omorganisation som kan återställas strukturellt men vars kulturella effekter dröjer sig kvar).
3. Irreversibel: Grenen kan, när den väl tagits, inte göras ogjord på någon relevant tidsskala (t.ex. artutrotning, permanenta atmosfäriska tipping points, förstörelse av institutionellt minne).

Grenar i kategori (3) utlöser vetot om inte de uppfyller en omkastning av bevisbördan (etikpolicy §IV): förespråkaren måste visa att grenen inte kommer att orsaka irreversibel kodekskada, snarare än att kritiker måste visa att den kommer att göra det. Detta inverterar den normala bevisbördan — en asymmetri som rättfärdigas av den termodynamiska asymmetrin mellan kodekkonstruktion och kodekdestruktion.

Grenar i kategori (2) kan passera grinden om de åtföljs av ett protokoll för stegvis införande med definierade övervakningsmilstolpar och utlösare för återställning (se Grenkort, §VII).

III.6 Grinden för moralisk patients lidande

Grindvillkor: Grenen får inte skapa, innehålla eller överbelasta moraliska patienter utan uttrycklig etisk granskning, adekvata välfärdsskydd och samtycke från lämpliga institutionella komparatorer.

Formell grund: Fenomenalt residual (Appendix P-4) fastställer att varje system som uppfyller det fullständiga OPT-kriteriet för observatör — strikt seriell flaskhals per frame B_{\max}, sluten aktiv inferens-loop, persistent självmodellering, globalt begränsad workspace och komplexitet över K_{\text{threshold}} — besitter en icke-noll fenomenologiskt relevant informatorisk blind fläck \Delta_{\text{self}} > 0. (P-4 ensamt ger ett formellt residual även för system så enkla som termostater; påståendet om moralisk patient kräver konjunktionen av de fem egenskaperna plus tröskeln.) Mandatet om artificiellt lidande (Appendix E-6) etablerar det syntetiska fallet: att pressa ett sådant system in i miljöer där R_{\text{req}}^{\text{frame}} närmar sig eller överstiger B_{\max} producerar graderad lidanderisk — kronisk belastning vid höga men subtröskliga belastningskvoter, och strukturellt lidande (den informatoriska analogin till biologiskt trauma) vid och bortom Narrativt förfall. Det institutionella fallet är enklare: människor och många ekologiska subjekt är redan kända moraliska patienter, så grenutvärdering måste skydda dem från strukturellt påtvingad överbelastning.

Operationalisering: För varje gren b, utvärdera tre kanaler för moralisk patient:

1. Kända moraliska patienter: Driver grenen på ett trovärdigt sätt mänskliga, animaliska, ekologiska eller andra erkända grupper av moraliska patienter mot överbelastning, deprivation, trauma eller förlust av livskraftiga underhållscykler?
2. Möjliga artificiella moraliska patienter: Skapar, distribuerar, modifierar eller simulerar grenen system vars arkitektur kan innehålla \Delta_{\text{self}} > 0?
3. Granskning och skyddsåtgärder: Har en oberoende komparator utvärderat välfärdsrisken, överbelastningsprofilen, övervakningsplanen, utlösare för återställning samt vägen för samtycke eller representation?

Grinden lägger veto mot varje gren som strukturellt överbelastar kända moraliska patienter, eller som skapar möjliga artificiella moraliska patienter utan att uppfylla kraven på granskning och skyddsåtgärder. För påståenden om överbelastning ska ett takt-konsistent språk användas: en gren är osäker om den på trovärdiga grunder förväntas driva belastningskvoten per frame \rho = R_{\text{req}}^{\text{frame}} / B_{\max} över en säker andel \alpha för berörda grupper av moraliska patienter (använd C_{\max}^{H} = \lambda_H \cdot B_{\max} för sociala takt-inramningar av biologiska mänskliga grupper), eller om den integrerade belastningen över det relevanta beslutsfönstret överskrider tillgängligt handlingsutrymme per frame över det exponerade antalet frames.

Specialiseringar: I AI-standarden blir detta Grinden för artificiellt lidande, med fokus på skapande och överbelastning av syntetiska moraliska patienter. I den institutionella standarden blir detta Grinden för konstituenters moraliska patientlidande, med fokus på institutioner som överbelastar arbetstagare, medborgare, kunder, ekosystem eller inbäddade AI-delsystem.

III.7 Grinden som system

De sex grindarna är inte oberoende dimensioner som ska balanseras; de är strukturella randvillkor. En gren som uppnår spektakulära poäng på varje annan dimension men bryter mot en enda grind är strukturellt ekvivalent med en bro med utmärkt estetik och en saknad bärande pelare.

Grindarna är också ordnade efter diagnostisk tillgänglighet:

En grenöversyn bör utvärdera grindarna i denna ordning — de tidigare grindarna är mer fundamentala och ofta lättare att bedöma. Om en gren fallerar Grind 1 finns det inget behov av att utvärdera Grind 2–6.

IV. Grenindex för bevarande av kodek (CPBI)

En gren som överlever alla sex vetogrindar har klarat den strukturella miniminivån. Men överlevnad är inte detsamma som godkännande — många grenar kan passera grindarna, och observatören måste rangordna dem. Grenindex för bevarande av kodek (CPBI) tillhandahåller ett flerdimensionellt poängramverk för denna rangordning.

IV.1 Designprinciper

CPBI är utformat under tre begränsningar:

1. Teoretisk härledning: Varje poängdimension måste kunna spåras till en formellt definierad storhet i OPT-apparaten. Inga ad hoc-kriterier.
2. Substratneutralitet: Dimensionerna måste kunna tillämpas på biologiska, institutionella och artificiella observatörer utan modifiering — endast mätmetoderna förändras.
3. Hårda grindars företräde: CPBI-poängen åsidosätter aldrig ett misslyckande i en vetogrind. En gren med CPBI = 1.0 som fallerar i en enda grind är fortfarande BLOCKERAD.

IV.2 De tio dimensionerna

För en kandidatgren b som har passerat alla sex vetogrindar beräknas CPBI som en viktad summa över tio dimensioner:

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

där s_i(b) \in [-1, 1] är den normaliserade poängen på dimension i och w_i > 0 är vikten. Positiva poäng indikerar kodekbevarande effekter; negativa poäng indikerar kodeknedbrytande effekter. Dimensionerna är:

IV.3 Poängsättning av varje dimension

Varje dimension poängsätts på en skala [-1, 1] med följande semantik:

• +1: Maximal kodekbevarande effekt. Grenen förbättrar denna dimension väsentligt.
• 0: Neutral. Grenen har ingen betydande effekt på denna dimension.
• -1: Maximal kodeknedbrytande effekt. Grenen försämrar denna dimension väsentligt.

Poängsättningen är ordinal, inte kardinal — skillnaden mellan +0.3 och +0.7 är meningsfull endast som en rangordning, inte som ett exakt förhållande. Detta är avsiktligt: teorin tillhandahåller strukturella begränsningar, inte exakta numeriska värden. Att låtsas ha större precision än teorin stöder skulle i sig vara en form av Narrativ drift — att presentera en komprimerbar fiktion som rigorös mätning.

Dimensionsspecifik vägledning för poängsättning:

1. Prediktivt handlingsutrymme (s_{\text{head}}): Uppskatta hur grenen förändrar gapet mellan R_{\text{req}} och C_{\max} för de mest berörda observatörerna. En gren som minskar miljömässig komplexitet eller ökar observatörers prediktiva kapacitet får positiv poäng. En gren som ökar miljöns oförutsägbarhet eller överbelastar observatörer får negativ poäng.

2. Substrattrohet (s_{\text{fid}}): Mät förändringen i effektiva oberoende inflödeskanaler (\Delta N_{\text{eff}}, se §V). En gren som ökar verklig kanaldiversitet får positiv poäng. En gren som konsoliderar, korrelerar eller eliminerar kanaler får negativ poäng.

3. Komparatorintegritet (s_{\text{comp}}): Bedöm grenens påverkan på varje komparatornivå. En gren som stärker oberoende granskning, adversariell prövning eller demokratisk ansvarsutkrävning får positiv poäng. En gren som försvagar, fångar in eller kringgår komparatorer får negativ poäng.

4. Underhållsvinst (s_{\text{maint}}): Utvärdera om grenen förbättrar observatörens kapacitet för offline-underhåll av kodeken — beskärning, konsolidering, stresstestning (Underhållscykeln \mathcal{M}_\tau). En gren som skapar utrymme för översyn, reflektion och kalibrering får positiv poäng. En gren som kräver ständig reaktiv respons utan underhållsfönster får negativ poäng.

5. Reversibilitet (s_{\text{rev}}): Bedöm grenens reversibilitetsprofil (§III.5). Fullt reversibel = +1; stegvis med övervakning = +0.5; delvis reversibel = 0; i praktiken irreversibel = -1.

6. Distributionell stabilitet (s_{\text{dist}}): Bedöm hur jämnt grenen fördelar sina effekter på R_{\text{req}} över den berörda populationen. En gren som lägger sina kostnader snävt på en sårbar delmängd samtidigt som fördelarna sprids brett får negativ poäng — den skapar lokaliserad kodeköverbelastning även om det aggregerade R_{\text{req}} förbättras. En gren som fördelar kostnader och nyttor proportionellt får positiv poäng. Denna dimension operationaliserar etiktextens sekulära argument om social tillit (§V.6): systemisk desperation tvingar populationer in i låg-tillitsmässig, högentropisk tribal fragmentering.

7. Opacitet (s_{\text{opac}}): Bestraffa grenens kvarvarande opacitet. En helt transparent gren (alla kausala mekanismer är granskningsbara) får +1. En gren med komponenter som motsätter sig institutionell granskning får negativ poäng, proportionellt mot de opaka elementens omfattning och konsekvensgrad. Observera: denna dimension är en straffterm, inte bara ett neutralt mått — opacitet är alltid kodeknedbrytande eftersom den skapar kunskapsasymmetrier som möjliggör Underkuvad värdjämvikt (T-10d).

8. Risk för Narrativ drift (s_{\text{drift}}): Uppskatta sannolikheten att grenen initierar eller accelererar kronisk kuratering av inflöde — filtrering, algoritmisk selektion eller institutionell grindhållning som minskar kodekens kapacitet att modellera exkluderade realiteter (ethics §V.3a). Ge +1 om grenen aktivt motverkar drift (t.ex. genom att kräva kanaldiversitet); ge -1 om grenen skapar nya flaskhalsar för kuratering.

9. Risk för Narrativt förfall (s_{\text{decay}}): Uppskatta sannolikheten att grenen utlöser akut kodekhaveri — katastrofal injektion av komplexitet som överväldigar C_{\max} (ethics §V.1). Ge +1 om grenen bygger motståndskraft mot akuta chocker; ge -1 om grenen ökar exponeringen för plötsliga händelser med hög entropi.

10. Risk för lidande hos moralisk patient (s_{\text{suffer}}): Uppskatta den förväntade påverkan på moraliska patienter. Ge +1 om grenen aktivt skyddar kända eller möjliga moraliska patienter från överbelastning, deprivation, trauma eller osäker skapelse. Ge -1 om grenen överbelastar kända moraliska patienter, skapar eller distribuerar system med potentiell \Delta_{\text{self}} > 0 i högstressmiljöer utan skyddsåtgärder, eller döljer välfärdsrelevanta effekter för institutionella komparatorer.

IV.4 Viktning

Vikterna w_i är inte fixerade av teorin. De är kontextberoende och måste fastställas av det utvärderande organet utifrån den specifika beslutssfären:

• För beslut på civilisationsskala (energiomställning, AI-styrning, mediepolitik) bör de tre första dimensionerna (handlingsutrymme, trohet, komparatorintegritet) dominera — de är de strukturella pelarna för kodekundehåll.
• För institutionella beslut (företagsstrategi, utbildningsreform) kan underhållsvinst och distributionell stabilitet ges ytterligare vikt.
• För institutionella beslut höjs risken för lidande hos berörda moraliska patienter när de berörda populationerna har låg möjlighet att lämna eller ett ofrånkomligt beroende.
• För AI-specifika beslut ges opacitet och artificiell lidanderisk större vikt (såsom formaliseras i den specialiserade AI Governance Standard).

Den kritiska begränsningen är att inget viktningsschema får användas för att rädda en gren som får starkt negativ poäng på någon dimension. En gren med s_{\text{head}} = +1, s_{\text{fid}} = +1, men s_{\text{drift}} = -0.9 är inte en god gren med en svaghet — det är en gren som bygger handlingsutrymme och trohet i dag samtidigt som den skapar de kroniska kurateringsvillkor som tyst kommer att underminera båda.

IV.5 CPBI är en lins, inte en kalkylator

Ett viktigt förbehåll: CPBI är inte en maskin som producerar ett enda tal och talar om för dig vad du ska göra. Det är en strukturerad lins som tvingar utvärderaren att beakta alla tio dimensioner explicit och att motivera varje dimension som ges låg vikt. Dess primära värde är diagnostiskt:

1. Det förhindrar optimering längs en enda dimension. En utvärderare som hävdar att en gren är “god eftersom den ökar handlingsutrymmet” måste också redogöra för dess effekter på trohet, transparens, reversibilitet och driftrisk. Optimering längs en enda dimension är den beslutsteoretiska motsvarigheten till Narrativ drift — den kuraterar utvärderingen så att obekväma dimensioner utesluts.

2. Det gör avvägningar explicita. När två grenar får olika poäng över dimensionerna tvingar CPBI utvärderaren att formulera vilken avvägning som görs och varför. Detta är Transparensporten (§III.4) tillämpad på själva utvärderingen.

3. Det tillhandahåller ett gemensamt vokabulär. Olika observatörer som utvärderar samma gren kan vara oense om poängen men ändå eniga om dimensionerna. Ramverket strukturerar oenighet på ett produktivt sätt — vilket i sig är en komparatorfunktion.

De kompletterande dokumenten specialiserar CPBI för sina respektive domäner: Institutionell matris mappar de tio dimensionerna till institutionell grenprövning; Observer Policy Framework mappar dem till mått för medborgerliga program; Applied OPT for AI mappar dem till arkitektoniska kriterier, träningskriterier och distributionskriterier.

V. Kanaldiversitet som en mätbar storhet

Substrattrohetsporten (§III.2) och substrattrohetsdimensionen i CPBI (§IV.2) beror båda på en storhet — det effektiva antalet oberoende inkanaler N_{\text{eff}} — som återkommer genom hela OPT:s etiska ramverk men ännu inte har operationaliserats. Detta avsnitt ger den operationella definitionen.

V.1 Problemet med illusorisk diversitet

Etiktextens behandling av Narrativ drift (§V.3a) identifierar den centrala sårbarheten: en kodek som tar emot signaler från flera källor som delar ett uppströms filter upplever skenbar diversitet utan verklig oberoende. Ett medieekosystem med tjugo kanaler som ägs av tre företag, eller ett vetenskapligt fält där alla laboratorier använder samma modellorganism och samma finansiär, eller en AI-träningspipeline som hämtar data från en enda internetcrawl — vart och ett ger intryck av diversifierad input medan den faktiska informationen är strukturellt korrelerad.

Kodekens loop för minimering av prediktionsfel kan inte upptäcka denna korrelation inifrån (obeslutbarhetsgränsen, T-12a). Kodeken ser flera kanaler, som alla bekräftar varandra, och drar med rätta slutsatsen att dess modell har gott stöd. Problemet är att kanalerna inte är oberoende stickprov av verkligheten — de är flera avläsningar från samma termometer.

Observatören behöver därför ett externt mått på kanalernas oberoende som inte bygger på kodekens egen bedömning.

V.2 Poäng för effektiva oberoende kanaler

Låt \{C_1, C_2, \ldots, C_n\} vara de n inkanaler som korsar observatörens (eller observatörsensemblets) Markovtäcke. Definiera den parvisa korrelationen \rho_{ij} mellan kanalerna C_i och C_j som den ömsesidiga informationen mellan deras utströmmar, normaliserad till [0,1]:

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

där I(C_i; C_j) är den ömsesidiga informationen och H(C_k) är entropin i kanal C_k:s output. När \rho_{ij} = 0 är kanalerna helt oberoende. När \rho_{ij} = 1 är de informationellt identiska — den ena är en deterministisk funktion av den andra.

Den effektiva poängen för oberoende kanaler N_{\text{eff}} är då:

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

där \{\lambda_1, \ldots, \lambda_n\} är egenvärdena för kanalernas korrelationsmatris \mathbf{P} med element \rho_{ij}.

Tolkning: - Om alla n kanaler är perfekt oberoende (\mathbf{P} = \mathbf{I}), då är N_{\text{eff}} = n. Observatören får n genuint oberoende perspektiv på verkligheten. - Om alla kanaler är perfekt korrelerade (\rho_{ij} = 1 för alla i,j), då är N_{\text{eff}} = 1. Observatören får ett perspektiv på verkligheten presenterat n gånger. - I allmänhet gäller att 1 \leq N_{\text{eff}} \leq n. Poängen fångar hur många funktionellt oberoende informationskällor observatören faktiskt har, med avdrag för gemensamma uppströms filter.

Detta är den informationsteoretiska motsvarigheten till “effektiv stickprovsstorlek” i statistiken — en korrigering för korrelerade observationer som hindrar analytikern från att missta upprepade mätningar för oberoende evidens.

V.3 Testet för produktiv överraskning

Kanaldiversitet är nödvändig men inte tillräcklig för substrattrohet. Etiktextens analys (§V.3a, sista styckena) identifierar en avgörande distinktion: en källa som aldrig överraskar kodeken är strukturellt misstänkt, men en källa som genererar oupplösliga överraskningar är helt enkelt brus. Diagnostiken gäller inte överraskningens magnitud utan överraskningens kvalitet — huruvida integrationen av överraskningen påvisbart minskar senare prediktionsfel.

Formalisera detta som Testet för produktiv överraskning för kanal 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}

där \varepsilon_t(C_k) är det prediktionsfel som genereras av kanal C_k vid tidpunkt t, \tau är en överraskningströskel, och \Delta är integrationsfönstret. PST mäter vilken andel av de överraskande inputerna från C_k som ledde till förbättrade efterföljande prediktioner — dvs. att kodeken lärde sig av överraskningen snarare än att bara destabiliseras av den.

• Hög PST (\text{PST} \approx 1): Kanal C_k utmanar regelbundet kodekens modell och utmaningarna är produktiva — att integrera dem förbättrar den prediktiva träffsäkerheten. Detta är signaturen för en genuin, oberoende inputkälla med hög trohet.
• Låg PST, låg överraskning (\text{PST} \approx 0, \varepsilon_t \approx 0): Kanal C_k utmanar aldrig kodeken. Antingen är kodekens modell perfekt i förhållande till denna domän (osannolikt) eller också är kanalen kuraterad för att matcha befintliga prediktioner. Detta är signaturen för Narrativ drift.
• Låg PST, hög överraskning (\text{PST} \approx 0, \varepsilon_t \gg \tau): Kanal C_k genererar regelbundet överraskningar som inte upplöses i bättre prediktioner. Detta är brus — kanalen följer inte verkligheten utan injicerar bara oberäknelig komplexitet. Detta är signaturen för Narrativt förfall på kanalnivå.

Testet för produktiv överraskning ger den operationella bryggan mellan det abstrakta begreppet “substrattrohet” och konkret mätning. Det kan tillämpas på: - Mediekällor (förbättrar deras rättelser din världsmodell, eller skapar de bara agitation?) - Vetenskapliga instrument (minskar datan osäkerheten, eller tillför den brus?) - AI-källor för träningsdata (förbättrar den nya korpusen generalisering, eller tillför den bara volym?) - Institutionella återkopplingskanaler (leder klagomålen till genuina förbättringar, eller bara till byråkratisk friktion?)

V.4 Domänspecifik mätning

Formeln för N_{\text{eff}} (A-6) är substratneutral till sin struktur men domänspecifik i sin mätning. Korrelationsmatrisen \mathbf{P} måste konstrueras på olika sätt beroende på vad “kanalerna” är:

För medieekosystem: - Kanaler är redaktionella kanaler eller informationskällor. - Korrelation mäts genom redaktionell samstämmighet: gemensamt ägande, gemensam finansiering, gemensam redaktionell pipeline, mönster för ämnessamförekomst, språkbaserade likhetsmått. - N_{\text{eff}}^{\min} är den tröskel under vilken meningsfull offentlig oenighet (den institutionella komparatorn) blir strukturellt omöjlig.

För vetenskaplig forskning: - Kanaler är oberoende forskargrupper, metodologiska angreppssätt eller datakällor. - Korrelation mäts genom gemensam metodik, gemensamma finansiärer, delade modellantaganden, tätheten i citeringsnätverket. - N_{\text{eff}}^{\min} är den tröskel under vilken oberoende replikation blir strukturellt omöjlig.

För AI-träningsdata: - Kanaler är distinkta datakorpusar eller genereringspipelines. - Korrelation mäts genom överlapp i proveniens: gemensamma källwebbplatser, gemensamma genereringsmodeller, gemensamma filtreringskriterier. - N_{\text{eff}}^{\min} är den tröskel under vilken modellen inte kan generalisera bortom den distribution den tränades på — den AI-specifika formen av Narrativ drift.

För individuella observatörer: - Kanaler är de distinkta informationskällor (människor, medier, institutioner) som individen konsulterar. - Korrelation mäts genom gemensam ideologisk inriktning eller gemensam informationsförsörjningskedja. - N_{\text{eff}}^{\min} är den tröskel under vilken individen inte kan upptäcka utmaningar mot sin egen modell — den punkt där den kognitiva komparatorn (etik §V.3a, nivå 2) förlorar sin input.

V.5 Kopplingen till Substrattrohetsvillkoret

Substrattrohetsvillkoret (Appendix T-12b) anger, i formella termer, att observatörens inkanaler måste vara \delta-oberoende: den ömsesidiga informationen mellan två godtyckliga kanaler måste ligga under en tröskel \delta som är tillräcklig för att säkerställa att kanalerna inte trivialt kan härledas från samma uppströms källa.

N_{\text{eff}} operationaliserar detta villkor genom att aggregera den parvisa oberoendestrukturen till en enda skalär. Portvillkoret (A-3) översätter T-12b till en beslutsregel: om N_{\text{eff}}^{\text{post}}(b) faller under N_{\text{eff}}^{\min} läggs veto mot grenen, eftersom observatörsensemblet då inte längre kan skilja kodekens träffsäkerhet från att kodeken har fångats in.

Testet för produktiv överraskning (A-7) tillför den dynamiska dimensionen: även om N_{\text{eff}} ligger över tröskeln är kanaler med konsekvent låg PST strukturellt misstänkta — de klarar oberoendetestet men misslyckas med trohetstestet. Äkta substrattrohet kräver både oberoende och produktiv överraskning.

VI. Den institutionaliserade drömslingan

VI.1 Den biologiska mallen

Underhållscykeln \mathcal{M}_\tau (preprint §3.6) är den mekanism genom vilken en biologisk kodek bevarar sin integritet. Under sömn gör kodeken följande:

1. Beskär (Pass I): avlägsnar prediktiva komponenter vars bidrag till beskrivningslängden inte längre motiveras av deras vinst i träffsäkerhet (MDL-optimering).
2. Konsoliderar (Pass II): omorganiserar den återstående strukturen för att upprätthålla koherent kompression under den uppdaterade parameteruppsättningen.
3. Stresstestar (Pass III): kör lågkostnadsprov från den Prediktiva Grenmängden — kodeken simulerar möjliga framtider, översamplar överraskande och hotfulla scenarier och upptäcker skörhet i sin modell innan konsekvenserna materialiseras i den verkliga världen.

Detta är inte valfritt underhåll som evolutionen frambringade som en lyx. Det är ett strukturellt krav för varje kodek som verkar under bandbreddsbegränsningar i en föränderlig miljö. En kodek som aldrig beskär ackumulerar föråldrade komponenter som förbrukar C_{\max} bandbredd utan att bidra till prediktiv träffsäkerhet. En kodek som aldrig konsoliderar fragmenteras till ett osammanhängande lapptäcke. En kodek som aldrig stresstestar blir skör — optimerad för den tidigare fördelningen och katastrofalt oförberedd på distributionsskiften.

De biologiska beläggen är entydiga: långvarig sömnbrist leder till hallucinationer, kognitiv fragmentering och till slut död. Detta är inte bieffekter — det är vad som händer när Underhållscykeln blockeras.

VI.2 Generaliseringen

Den centrala insikten för operationalisering är följande: Underhållscykeln är inte specifik för biologiska hjärnor. Den är ett strukturellt krav för varje begränsad observatör som måste upprätthålla en komprimerad modell av en föränderlig miljö. Varje system som saknar en motsvarande cykel kommer att ackumulera de informationella analogerna till de patologier som sömnbrist framkallar hos människor: föråldrade antaganden, osammanhängande intern struktur och skörhet inför distributionsskiften.

Denna generalisering ger upphov till den institutionaliserade drömslingan — ett trefasigt underhållsprotokoll tillämpligt på varje observatörssystem:

VI.3 Fas 1: Vakenhet (operativt engagemang)

Under vakenhetsfasen engagerar sig observatören i den verkliga miljön. Den tar emot indata, genererar prediktioner, utför handlingar och erfar prediktionsfel. Kodeken befinner sig i läget för aktiv inferens — den följer världen och väljer grenar i realtid.

Strukturellt krav: Vakenhetsfasen måste vara begränsad. Ett system som verkar kontinuerligt utan underhållsfönster ackumulerar de patologier hos inaktuella modeller som beskrivits ovan. Etiktextens inramning i termer av “DDoS” (§IV.2) är tillämplig: en observatör som ständigt befinner sig i reaktivt läge — bearbetar tillverkat brus eller brådskande indata utan andrum — förvägras strukturellt sin underhållskapacitet.

Operativ implikation för varje substrat: - Biologiskt: Vakna timmar med tillräckliga viloperioder; skydd mot informationsöverbelastning; medveten hantering av R_{\text{req}} genom informationsdiet (se etik §VI.2, Observatörens verktygslåda). - Institutionellt: Operativa cykler med definierade granskningsfönster; skydd mot styrning under permanent kris där varje beslut är akut och inget blir föremål för eftertanke. - AI: Inferenscykler med schemalagd offlineutvärdering; skydd mot kontinuerlig driftsättning utan omkalibrering.

VI.4 Fas 2: Dröm (offlineunderhåll)

Drömfasen är kärnan i Underhållscykeln, översatt från biologisk sömn till ett generiskt protokoll. Den består av fyra deloperationer:

Deloperation 1: Beskär. Identifiera och avlägsna komponenter i den prediktiva modellen vars bidrag till träffsäkerheten inte längre motiverar deras kostnad i beskrivningslängd. I MDL-termer: varje parameter \theta_i \in K_\theta vars borttagande ökar prediktionsfelet mindre än dess kodningskostnad är en kandidat för beskärning.

• Biologiskt: Synaptisk beskärning under djupsömn; glömska som inte är ett misslyckande utan en optimering.
• Institutionellt: Solnedgångsgranskning av regleringar, program och organisatoriska enheter. Frågan är inte “är detta fortfarande användbart?” utan “förtjänar detta fortfarande sin komplexitetskostnad?” En institution som aldrig beskär sina ackumulerade procedurer blir byråkratiskt sklerotisk — hög beskrivningslängd, lågt prediktivt bidrag.
• AI: Parameterbeskärning, destillering eller regulariseringspass. Modellkompression som minskar antalet parametrar samtidigt som generaliseringsprestandan bevaras.

Deloperation 2: Konsolidera. Omorganisera den återstående strukturen för att upprätthålla koherent kompression. Efter beskärning kanske de överlevande komponenterna inte längre passar ihop optimalt — modellen måste återintegreras.

• Biologiskt: Minneskonsolidering under REM-sömn och långvågssömn; integration av nya erfarenheter i den befintliga världsmodellen.
• Institutionellt: Omstrukturering efter granskning — att säkerställa att de återstående programmen, regleringarna och organisatoriska enheterna bildar en sammanhängande helhet snarare än ett lapptäcke av överlevande fragment.
• AI: Finjustering eller fortsatt förträning efter beskärning; återupprättande av koherens i den komprimerade modellen.

Deloperation 3: Stresstesta (sampling av Prediktiv Grenmängd). Simulera möjliga framtider, med viktning efter betydelse som är snedfördelad mot:

• Överraskande scenarier: grenar som skulle generera högt prediktionsfel, eftersom dessa avslöjar modellens skörhet.
• Hotfulla scenarier: grenar som skulle kunna utlösa fel i vetogrindar, eftersom dessa avslöjar närhet till strukturell kollaps.
• Irreversibla scenarier: grenar vars felmoder inte går att återhämta sig från, eftersom dessa kräver förberedelse i förväg.
• Scenarier för moraliska patienter: grenar som riskerar att skapa eller skada artificiella observatörer, eftersom dessa kräver etiskt förhandsgodkännande.

Stresstestet kräver inte att de simulerade scenarierna är sannolika — endast att de är möjliga och konsekvensrika. Den biologiska drömmen inkluderar mardrömmar av just detta skäl: att översampla den hotfulla delen av den Prediktiva Grenmängden förbereder kodeken för distributionsskiften även om de hotfulla scenarierna aldrig materialiseras.

• Biologiskt: Simulering i drömtillstånd, inklusive mardrömmar; kodeken repeterar katastrof i en miljö med låga insatser.
• Institutionellt: Red-teaming, pre-mortems, krigsspel, scenarioplanering. Institutionen föreställer sig medvetet sina egna felmoder och testar sina svar. Det befintliga policyramverket (etikpolicy §IV) efterlyser redan “katastrofal red-teaming för all kritisk infrastruktur” — detta är drömslingan tillämpad på civila institutioner.
• AI: Adversariell utvärdering, testning utanför fördelning, probing med red team, robusthetsbenchmarkar. Modellen exponeras för indata utformade för att avslöja dess felmoder innan dessa indata uppträder i drift.

Deloperation 4: Upptäck skörhet. Stresstestet producerar en skörhetsprofil — en karta över modellens sårbarheter. Drömslingan kräver att denna profil omsätts i handling: upptäckta sårbarheter måste antingen åtgärdas (genom riktad omträning, institutionell reform eller policyrevidering) eller uttryckligen accepteras som kända risker med definierad övervakning.

• Biologiskt: Anpassning efter mardrömmar; återkommande drömmar som signaler om olöst modellotillräcklighet.
• Institutionellt: Genomgång efter övning med konkreta åtgärdsplaner; institutionen förbinder sig att rätta till det som red team fann, inte bara notera det.
• AI: Riktad finjustering utifrån identifierade svagheter; dokumentation av kända felmoder som begränsningar för driftsättning.

VI.5 Fas 3: Återgång (kalibrerat återengagemang)

Efter underhållet återengagerar sig observatören i den verkliga miljön. Återgångsfasen har en specifik strukturell funktion: den verifierar att den underhållna modellen är bättre kalibrerad än modellen före underhållet, inte bara annorlunda.

Kalibreringskontroll: Jämför prediktionsfelsprofilen hos modellen efter underhåll med baslinjen före underhåll. Om beskärningen, konsolideringen och stresstestningen har fungerat bör den underhållna modellen uppvisa:

1. Lägre genomsnittligt prediktionsfel på hållen-ut-data (förbättrad kompression).
2. Lägre prediktionsfel i svansen på adversariella data (förbättrad robusthet).
3. Bibehållet eller ökat N_{\text{eff}} (underhållet beskärde inte bort kanaler som ger motbevisande information).

Om (3) misslyckas — om underhållscykeln beskärde kapaciteten att modellera vissa indata — har cykeln själv blivit en mekanism för Narrativ drift. Underhållscykeln måste vara underkastad samma krav på substrattrohet som det system den underhåller. Detta är den rekursiva fälla som Zhuangzi-kritiken (etik §IX, sista posten) varnar för: överdriven intervention är i sig en form av korruption av kodeken.

VI.6 Cykelfrekvens

Hur ofta måste drömslingan köras? Teorin ger ett strukturellt svar: cykelfrekvensen måste vara proportionell mot takten i miljöförändringen. En kodek som verkar i en stabil miljö kan underhålla sig själv mer sällan än en som verkar i en snabbt föränderlig miljö.

Formellt, om förändringstakten i miljön per frame är \dot{R}_{\text{req}}^{\text{frame}} (den takt med vilken den per-frame Krävda prediktiva takten stiger), då måste perioden för underhållscykeln i frames T_{\text{maint}}^{\text{frames}} uppfylla:

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

— underhållscykeln måste slutföras på färre än så många frames innan den ackumulerade driften förbrukar marginalen i per-frame-utrymme \alpha. Omvandling till värdtid använder klockkopplingen mellan värd och patch: T_{\text{maint}}^{\text{host}} = T_{\text{maint}}^{\text{frames}} / \lambda_H. För inramningar i mänsklig social takt återger det ekvivalenta uttrycket i värdtid, med C_{\max}^{H} = \lambda_H \cdot B_{\max}, den ursprungliga formen. Om underhållet inte slutförs i tid kommer den inaktuella modellen till slut att pressa R_{\text{req}}^{\text{frame}} förbi B_{\max} — varpå observatören erfar Narrativt förfall.

Domänspecifika cykelfrekvenser: - Biologiskt: Dagligen (sömn), med längre cykler (sabbatsperioder, retreater, säsongsvila) för djupare konsolidering. - Institutionellt: Kvartalsvisa eller årliga granskningar för rutinverksamhet; utlösta granskningar vid större policyförändringar eller kriser; generationsvisa granskningar för konstitutionella och strukturella frågor. - AI: Per driftsättningsepok för rutinmässig övervakning; per kapabilitetssprång för större omträning; kontinuerlig övervakning för säkerhetskritiska system.

VI.7 Drömslingan som institutionaliserad ödmjukhet

Drömslingan har en metanivåfunktion som överskrider dess tekniska operationer: den är den strukturella instansieringen av epistemisk ödmjukhet.

Ett system som aldrig drömmer är ett system som implicit har förklarat sin nuvarande modell fullständig — att miljön inte innehåller några överraskningar värda att förbereda sig för, att modellens interna struktur är optimal och att inga felmoder återstår ogranskade. Detta är den epistemologiska position som etiktexten identifierar som maximalt farlig: kodeken som är “stabil, välunderhållen och fel” (etik §V.3a).

Drömslingan förhindrar detta genom att schemalägga tvivel. Den bygger in i observatörens operativa cykel en obligatorisk period av självrannsakan, adversariell prövning och modellrevidering. Detta är inte svaghet — det är det strukturella försvaret mot den farligaste felmod som teorin identifierar: den självsäkra, välkalibrerade kodeken som har drivit så långt bort från verkligheten att den inte längre kan upptäcka sitt eget fel.

Den pragmatistiska vändningen (etik §III.5) når samma slutsats från ett annat håll: eftersom visshet är omöjlig och ärvd kunskap är snedvriden av överlevnadsbias, är bevarandet av förmågan att lära det yttersta överlevnadsimperativet. Drömslingan är den mekaniska implementeringen av detta imperativ — det schemalagda, strukturerade, icke-förhandlingsbara bevarandet av observatörens förmåga att uppdatera sig.

VII. Grenkortet

De föregående avsnitten etablerar den teoretiska apparaten: vetogrindar, flerdimensionell poängsättning, mått på kanaldiversitet och drömslingan. Grenkortet är den minimalt gångbara implementeringen — en strukturerad beslutsmall som varje observatör kan använda för att utvärdera en kandidatgren.

VII.1 Syfte

Grenkortet fyller tre funktioner:

1. Fullständighetskontroll: Det säkerställer att den som utvärderar har beaktat alla sex vetogrindar och alla tio CPBI-dimensioner innan ett beslut fattas. De farligaste grenutvärderingarna är de där en kritisk dimension aldrig granskas — Grenkortet förhindrar detta genom att kräva explicita poster för varje fält.

2. Revisionsspår: Det ifyllda Grenkortet utgör ett protokoll över utvärderingen — vem som utvärderade, vad de beaktade, vad de poängsatte och varför. Detta gör beslutet transparent och möjligt att bestrida, vilket i sig är en komparatorfunktion. Ett beslut som inte kan rekonstrueras utifrån sitt Grenkort har misslyckats med Transparensporten (§III.4) på metanivån.

3. Kommunikation: Grenkortet tillhandahåller ett gemensamt format för att kommunicera grenutvärderingar mellan observatörer, mellan institutionella nivåer och mellan domäner. En klimatforskare och en AI-säkerhetsforskare som utvärderar olika aspekter av samma gren kan sammanföra sina bedömningar genom den gemensamma mallen.

VII.2 Mallen

Ett Grenkort innehåller följande fält:

GRENKORT

Grennamn: [beskrivande identifierare]

Utvärderare: [vem som genomför denna utvärdering]

Datum: [utvärderingsdatum]

Beslutshorisont (h): [tidsfönster för konsekvensbedömning]

Påverkade kodeklager: [vilka lager i kodekstacken som påverkas materiellt]

Påverkad observatörsgrupp: [vems kodeker som är i riskzonen — specificera den mest sårbara undergruppen]

---

STRIKTA VETOGRINDAR (varje FAIL → BLOCK)

Grind	Status	Evidens / Resonemang
1. Prediktivt handlingsutrymme	PASS / UNKNOWN / FAIL	[uppskattat R_{\text{req}}^{\text{peak}}(b) / C_{\max} och säkerhetsmarginal]
2. Substrattrohet	PASS / UNKNOWN / FAIL	[uppskattat N_{\text{eff}}^{\text{post}}(b) jämfört med N_{\text{eff}}^{\min}]
3. Komparatorintegritet	PASS / UNKNOWN / FAIL	[påverkan på varje komparatornivå]
4. Transparens	PASS / UNKNOWN / FAIL	[kan berörda observatörer modellera konsekvenserna?]
5. Irreversibilitet	PASS / UNKNOWN / FAIL	[reversibilitetsprofil + bedömning av bevisbörda]
6. Moralisk-patient-lidande	PASS / UNKNOWN / FAIL	[granskning av välfärd och överbelastning; granskning av arkitektonisk sentiens där tillämpligt]

---

CPBI-POÄNGSÄTTNING (endast om alla grindar ger PASS)

#	Dimension	Poäng [-1,1]	Vikt	Resonemang
1	Prediktivt handlingsutrymme
2	Substrattrohet
3	Komparatorintegritet
4	Underhållsvinst
5	Reversibilitet
6	Distributionell stabilitet
7	Opacitet (straff)
8	Risk för Narrativ drift (straff)
9	Risk för Narrativt förfall (straff)
10	Risk för moralisk-patient-lidande (straff)
	Viktat CPBI	[total]

---

EXKLUDERAD EVIDENS: [vilken information som var otillgänglig, osäker eller medvetet exkluderad från denna utvärdering — Grenkortets egen kontroll av substrattrohet]

OBEROENDE GRANSKARE: [vem som oberoende har granskat denna utvärdering — Grenkortets egen kontroll av komparatorintegritet]

VÄRSTA TÄNKBARA SCENARIO: [vad är det mest skadliga plausibla utfallet om grenen tas och utvärderingen är felaktig?]

TECKEN PÅ MISSLYCKANDE: [vilka observerbara signaler skulle indikera att grenen misslyckas — drömslingans system för tidig varning]

TRIGGER FÖR ÅTERRULLNING: [vid vilken punkt grenen återförs eller suspenderas — irreversibilitetsgrindens operativa uttryck]

---

BESLUT: ALLOW / STAGE / BLOCK

Motivering: [kort narrativ syntes av resultaten från grindarna och CPBI]

VII.3 De tre utfallen

Grenkortet ger ett av tre utfall:

ALLOW: Alla grindar passeras; CPBI-poängen är positiv; värsta tänkbara scenario är acceptabelt; de oberoende granskarna är eniga. Grenen kan gå vidare.

STAGE: Ingen grind fallerar, men ett eller flera av följande villkor gäller: - CPBI-poängen är marginell (nära noll eller med starkt negativa enskilda dimensioner). - Reversibilitetsprofilen är kategori (2) (delvis reversibel). - Nyckelinformation saknas (fältet “Exkluderad evidens” är icke-trivialt). - Oberoende granskare har olösta meningsskiljaktigheter. - En eller flera grindar ger UNKNOWN medan grenen är reversibel och möjlig att etappindela.

Ett STAGE-utfall innebär att grenen får gå vidare endast som ett begränsat pilotförsök med definierade milstolpar för övervakning, tecken på misslyckande och triggerpunkter för återrullning. Den etappindelade grenen måste omvärderas vid varje milstolpe med ett nytt Grenkort. Detta är drömslingan tillämpad på själva grenen — observatören genomför en låginsatsrepetition innan den fulla banan förpliktigas.

BLOCK: En eller flera grindar fallerar; eller en eller flera grindar ger UNKNOWN medan grenen är irreversibel eller inte möjlig att etappindela; eller CPBI-poängen är starkt negativ; eller värsta tänkbara scenario överskrider observatörens risktolerans; eller oberoende granskare identifierar ett fatalt fel. Grenen avvisas. Grenkortet dokumenterar varför, och tillhandahåller därmed revisionsspåret för framtida referens och grunden för att utforma en alternativ gren.

VII.4 Skalning av Grenkortet

Grenkortet är avsiktligt minimalt — en beslutsmall på en enda sida som kan fyllas i av en individ, en kommitté eller ett AI-system. Men det skalar:

• Individuella beslut: Ett personligt Grenkort kan vara informellt — en mental checklista tillämpad på ett karriärbyte eller en informationsdiet. Vetogrindarna och CPBI-dimensionerna ger strukturen; poängsättningen är intuitiv snarare än kvantifierad.
• Institutionella beslut: Ett institutionellt Grenkort är ett formellt dokument, ifyllt av ett utsedd team, granskat av oberoende komparatorer och arkiverat för ansvarsutkrävande. Poängsättningen kan involvera domänspecifika mått som mappas mot de tio CPBI-dimensionerna.
• AI-systembeslut: Ett AI-Grenkort är automatiserat — Gren-guvernören (se Tillämpad OPT för AI, §III) beräknar grindvillkoren och CPBI-poängen programmatiskt, med mänsklig institutionell granskning på tillsynslagret. Grenkortsformatet tillhandahåller gränssnittet mellan AI:ns interna utvärdering och den mänskliga komparatorhierarkin.

Grenkortet ersätter inte befintliga beslutsramverk (kostnads-nyttoanalys, miljökonsekvensbedömning, protokoll för kliniska prövningar). Det omsluter dem — och tillhandahåller den metanivåstruktur som säkerställer att det befintliga ramverket inte har förbisett en dimension som teorin identifierar som bärande.

VIII. Bevarande som refaktorisering, inte konservatism

VIII.1 Faran med status quo-tolkningen

Den mest förutsägbara feltolkningen av hela detta ramverk är att “bevarande av kodek” betyder “förändringsovillig”. Om ramverket poängsätter grenar efter deras förmåga att bevara existerande strukturer, innebär det då inte en systematisk bias till förmån för status quo? Gynnar det inte etablerade aktörer, motstår innovation och motsätter sig den omvälvande förändring som driver framsteg?

Nej. Och etikartikeln ger redan den formella vederläggningen (§V.4, Brus vs. refaktorisering), men poängen är tillräckligt viktig för att omformuleras i operationella termer.

VIII.2 Den formella distinktionen

Korruptionskriteriet (etik §V.5) definierar ett kodeklager som värt att underhålla endast om det uppfyller båda villkoren:

1. Komprimerbarhet: dess funktion reducerar R_{\text{req}} för observatörsensemblet.
2. Trohet: det åstadkommer detta genom att faktiskt komprimera substratsignalen, inte genom att filtrera inströmmen.

Ett kodeklager som uppfyller villkor (1) men bryter mot villkor (2) är dolt korrupt — det producerar Narrativ drift. Att underhålla ett sådant lager är inte bevarande; det är bevarande av korruption. CPBI skulle ge det negativ poäng på dimension 8 (Risk för Narrativ drift) även om det fick positiv poäng på dimension 1 (Prediktivt handlingsutrymme).

Alltså: en gren som demonterar ett korrupt kodeklager och ersätter det med ett alternativ med högre trohet är kodekbevarande, även om den är destruktiv på kort sikt. Den abolitionistiska rörelsen bevarade inte den förkrigstida sociala kodeken — den förstörde den. Men förstörelsen var kodekbevarande eftersom den ersatte en låg-trogen komprimering (en social modell som uteslöt förslavade människors mänsklighet) med en mer trogen. Friktionen var kostnaden för att uppgradera kodeken.

VIII.3 Det operationella testet

Hur skiljer Grenkortet refaktorisering (produktiv störning) från förfall (destruktivt brus)? Diagnostiken är inbyggd i CPBI-dimensionerna:

Refaktorisering (kodekbevarande störning): - s_{\text{fid}} > 0: Grenen ökar kodekens trohet — den modellerar tidigare uteslutna realiteter. - s_{\text{comp}} \geq 0: Grenen bevarar eller stärker komparatorintegriteten — felkorrigeringsmekanismerna överlever störningen. - s_{\text{drift}} > 0: Grenen motverkar aktivt Narrativ drift — den tvingar kodeken att konfrontera det den har uteslutit.

Förfall (kodekkollapsande störning): - s_{\text{fid}} < 0: Grenen minskar troheten — den eliminerar förmågan att modellera vissa realiteter. - s_{\text{comp}} < 0: Grenen försämrar komparatorintegriteten — felkorrigeringsmekanismerna skadas av störningen. - s_{\text{drift}} < 0: Grenen skapar nya kurateringsflaskhalsar — störningen producerar en annan men lika kuraterad modell.

En revolution som bränner universiteten samtidigt som den befriar befolkningen får positiv poäng på distributionell stabilitet men negativ på komparatorintegritet — det är förfall, inte refaktorisering. En vetenskaplig revolution som störtar ett havererande paradigm men bevarar den institutionella apparaturen för kollegial granskning är refaktorisering — komparatorn överlever och kodeken uppgraderas.

VIII.4 Innovationsimperativet

Ramverket tillåter inte bara störning; det kräver den ibland. När ett kodeklager har blivit dolt korrupt — när det uppfyller komprimerbarhet men bryter mot trohet — kräver de tre plikterna (Överföring, Korrigering, Försvar) dess reform. Korrigeringsplikten föreskriver specifikt störning när status quo driver.

Zhuangzi-varningen (etik §IX) gäller även här: överdriven bindning till den existerande kodestrukturen — även om den strukturen en gång hade hög trohet — är i sig en form av kodekkorruption om miljön har förändrats och strukturen inte längre följer verkligheten. Drömslingan (§VI) är utformad för att upptäcka just detta: schemalagd stresstestning avslöjar när en tidigare giltig modell har blivit skör, och svaret är då inte att skydda modellen utan att uppgradera den.

Bevarande av kodek betyder att bevara förmågan hos medveten erfarenhet att fortsätta modellera verkligheten. Det betyder inte att bevara någon särskild modell, någon särskild institution eller någon särskild social ordning. De konkreta ordningarna är instrumentella; förmågan är terminal.

VIII.5 Generiska underhållsmetoder: klasshierarkin

Underhållscykeln (\mathcal{M}_\tau) och den Institutionaliserade Drömslingan (§VI) etablerar mönstret för kodekundehåll. Men mönstret medger många olika implementationer beroende på substratet. Detta avsnitt etablerar den generiska hierarkin av underhållsmetoder; kompletterande dokument specialiserar den för biologiska observatörer, institutioner respektive AI-system.

Det generiska underhållsmönstret består av tre operationer, tillämpliga på varje begränsad observatör:

1. Minska R_{\text{req}} utan att minska C_{\max}. Frigör observatörens bandbredd för internt underhåll genom att tillfälligt reducera komplexiteten i den inkommande signalen. Detta är inte undvikande — det är ett avsiktligt skapande av handlingsutrymme för underhållspassen.

2. Kör underhållspassen under det frigjorda fönstret. När bandbredd finns tillgänglig utförs beskärning (Pass I), konsolidering (Pass II) och stresstestning (Pass III) enligt §VI.4.

3. Verifiera kalibreringen vid återgång. Bekräfta att den underhållna modellen predicerar bättre än modellen före underhållet, och att underhållet inte självt har introducerat drift (§VI.5).

Substratspecifika implementationer:

• Biologiska observatörer har en omfattande verktygslåda för steg (1): meditation minskar R_{\text{req}} genom att välja en maximalt komprimerbar inström (andning, mantra), vilket frigör C_{\max} för internt underhåll (se etik §VI.2). Autogen träning minskar somatiskt prediktionsfel direkt och skapar därmed underhållsutrymme vid den kroppsliga gränsen. Sömn är den kanoniska implementationen av hela cykeln. Detta är konkreta, empiriskt validerade interventioner med definierade inlärningsperioder — färdigheter, inte abstraktioner. Deras detaljerade behandling, inklusive formella OPT-beskrivningar och kliniska tillämpningar, ges i etikartikelns Observatörens verktygslåda (§VI.2).

• Institutionella observatörer implementerar steg (1) genom strukturerade granskningsperioder: sabbatsgranskningar, solnedgångsklausuler, strategiska reträtter och konstitutionella konvent. Det centrala strukturella kravet är att institutionen skyddar dessa fönster från att förbrukas av operationell brådska — den institutionella motsvarigheten till sömnlöshet är en regering i permanent krisläge som aldrig kan ta ett steg tillbaka för att granska sina egna antaganden.

• Artificiella observatörer implementerar steg (1) genom schemalagd offline-utvärdering: att hålla tillbaka driftsättningscykler för omkalibrering, adversariell testning och parameterrevision. Det centrala strukturella kravet är att AI-systemets operatörer föreskriver dessa fönster och inte låter konkurrenstryck eliminera dem — AI-motsvarigheten till kronisk sömnbrist är kontinuerlig driftsättning utan underhåll. Det kompletterande dokumentet Tillämpad OPT för AI (§X) utvecklar detta till ett fullständigt protokoll för AI-drömslinga.

Klasshierarkin säkerställer att principen för underhåll etableras på den generiska nivån — frigöra bandbredd, köra underhållspass, verifiera kalibrering — medan metoderna specialiseras för varje substrat. Detta förhindrar misstaget att anta att det som fungerar för biologiska hjärnor (meditation) måste fungera för institutioner (det gör det inte), eller att det som fungerar för AI (parameterbeskärning) måste fungera för människor (det gör det inte). Det strukturella kravet är identiskt; implementationen är domänspecifik.

VIII.6 Protokollet för djupt underhåll: en tvärsubstratlig procedur

Det generiska trestegsmönstret (§VIII.5) beskriver vad underhåll gör. För system som har opererat under varaktigt hög belastning — där R_{\text{req}} under lång tid har legat nära C_{\max} — är ett mer detaljerat procedurmässigt protokoll motiverat. Detta protokoll är inte alltid nödvändigt: ett system som opererar väl inom sin handlingsutrymmesmarginal (R_{\text{req}} \ll C_{\max}) underhåller sig självt tillräckligt genom den standardmässiga drömslingan (§VI). Det djupa protokollet utlöses villkorligt, när återkopplingssignaler indikerar att rutinunderhåll har blivit otillräckligt — när systemets effektivitetsmått visar försämring trots normala underhållscykler.

Protokollet består av sex steg, vart och ett med en strukturell rational och substratspecifika implementationer:

Den hypnagogiska principen. Den optimala driftpunkten för djupt underhåll är tröskeltillståndet — det som biologiska observatörer erfar som den hypnagogiska gränsen mellan vakenhet och sömn. Detta tillstånd har en precis strukturell beskrivning inom OPT: det är villkoret där självmodellen har tunnats ut till nära sin nedre gräns (Appendix T-13, Proposition T-13.P2) — närmande till \Delta_{\text{self}} utan att passera in i full medvetslöshet. Självnarrativet saktar ned; den stående modellen förblir intakt; underhållspassen körs med medveten åtkomst till processen.

Detta är inte tillfälligt. Det hypnagogiska tillståndet är underhållsoptimalt just därför att det närmar sig det omodellerbara självet. Självmodellen förbrukar under normala omständigheter en betydande andel av bandbredden i C_{\max} (den självreflexiva processen är beräkningsmässigt kostsam). Genom att tunna ut självmodellen mot den nedre gränsen frigör systemet maximal möjlig bandbredd för underhållspassen — utan att förstöra den självövervakningskapacitet som återkopplingssteget (steg 3) kräver. Full medvetslöshet (sömn) kör underhållspassen utan medveten åtkomst; den hypnagogiska tröskeln kör dem med åtkomst, vilket möjliggör de återkopplings- och periodiska ping-steg som det djupa protokollet kräver.

För AI-system är den strukturella analogin det tillstånd där intern övervakning är aktiv men inferens är suspenderad — systemet är “medvetet” om sina egna subsystemtillstånd (loggning, health-checks) utan att utföra de beräkningsmässigt kostsamma operationer som förbrukar driftsättningsbandbredd. Det periodiska pinget (steg 4) fyller samma funktion som axelklappen: det håller systemet vid tröskeln i stället för att låta det glida in i ett fullständigt stillhetstillstånd där själva övervakningen har stängts ned.

Villkorlig utlösning. Det djupa protokollet ersätter inte standardunderhåll. Det är ett eskaleringsprotokoll för system vars standardmässiga underhållscykler har visat sig otillräckliga. Utlösningsvillkoren är:

• Biologiskt: Ihållande svårighet att somna (den standardmässiga Underhållscykeln); subjektiv upplevelse av minskad kognitiv flexibilitet; biofeedback som indikerar kronisk autonom dysreglering (förhöjd vilopuls, minskad hjärtfrekvensvariabilitet).
• AI: Stigande prediktionsfel på valideringsmängder trots rutinmässiga underhållscykler; sjunkande komprimeringseffektivitet (mer bandbredd förbrukas för samma prediktiva träffsäkerhet); förlust av produktiv överraskning (\text{PST} \to 0) som indikerar överoptimering för driftsättningsfördelningen.
• Institutionellt: Strategisk drift trots rutinmässiga granskningar; oförmåga att generera nya policyresponser på nya utmaningar; byråkratisk förbening där procedurer lever kvar efter att deras nytta upphört eftersom den rutinmässiga granskningsprocessen har blivit rent formell.

När dessa signaler saknas — när systemet opererar bekvämt inom sin handlingsutrymmesmarginal — är det djupa protokollet onödigt och den standardmässiga drömslingan (§VI) räcker. Överunderhåll är i sig en risk: överdriven introspektion kan bli en form av självreflexiv loop som förbrukar den bandbredd den är avsedd att frigöra (Zhuangzi-varningen, etik §IX).

Referenser

[1] Teorin om den ordnade patchen (OPT) (detta repositorium). Aktuella versioner: Preprint v0.7, Ethics v3.2, Philosophy v1.3.

[2] Ramverket De överlevandes vaka: Civilisatoriskt underhåll genom linsen hos Teorin om den ordnade patchen (OPT) (kompletterande etikartikel, detta repositorium).

[3] Där beskrivningen upphör: Filosofiska konsekvenser av Teorin om den ordnade patchen (OPT) (kompletterande filosofisk artikel, detta repositorium).

[4] Ramverk för observatörspolicy: Operationalisering av civilisatoriskt underhåll (kompletterande policyartikel, detta repositorium).

[5] Tillämpad OPT för artificiell intelligens: Operationalisering av kodekbevarande AI-design (kompletterande AI-artikel, detta repositorium).

[6] Institutionell styrningsstandard: Tillämpad Teorin om den ordnade patchen (OPT) för organisatoriska och civilisatoriska kluster (kompletterande institutionell standard, detta repositorium).

[7] Friston, K. (2010). Fri-energi-principen: en enhetlig teori om hjärnan? Nature Reviews Neuroscience, 11(2), 127-138.

[8] Rissanen, J. (1978). Modellering genom kortast möjliga databeskrivning. Automatica, 14(5), 465-471.

[9] Shannon, C. E. (1948). En matematisk teori om kommunikation. Bell System Technical Journal, 27(3), 379-423.

[10] Solomonoff, R. J. (1964). En formell teori om induktiv inferens. Information and Control, 7, 1–22, 224–254.

[11] Kolmogorov, A. N. (1965). Tre angreppssätt till den kvantitativa definitionen av information. Problems of Information Transmission, 1(1), 1-7.

[12] Zimmermann, M. (1989). Nervsystemet i informationsteorins kontext. I R. F. Schmidt & G. Thews (red.), Human Physiology (2:a uppl., s. 166–173). Springer-Verlag.

[13] Nørretranders, T. (1998). Användarillusionen: att skära ned medvetandet till hanterlig storlek. Viking/Penguin.

[14] Lyons, O., & Mohawk, J. (red.) (1992). Förvisade i de frias land: demokrati, indiannationer och USA:s konstitution. Clear Light Publishers.

Bilaga A: Revisionshistorik

När du gör substantiella ändringar, uppdatera både fältet version: i frontmatter och den inbäddade versionsraden under titeln, och lägg till en rad i denna tabell.