Операціоналізація Фільтра стабільності: рамка ухвалення рішень для вибору гілок зі збереженням кодека

Версія 1.2.0 — квітень 2026

DOI: 10.5281/zenodo.19301108
Авторське право: © 2025–2026 Anders Jarevåg.
Ліцензія: Ця праця ліцензована за умовами Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Анотація: Від морального імперативу до механіки ухвалення рішень

Етична рамка «Варта тих, хто вижив» встановлює, що первинним моральним обов’язком є Топологічний вибір гілок — активне спрямування прогностичної множини гілок можливих майбутніх до рідкісної підмножини траєкторій, які зберігають умови для свідомого досвіду. Але етична праця навмисно зупиняється на структурному чому. Вона не уточнює, як саме спостерігач — біологічний, інституційний чи штучний — має оцінювати, зважувати та обирати серед кандидатних гілок.

Цей документ заповнює цю прогалину. У ньому розроблено субстратно-нейтральну операційну рамку для вибору гілок зі збереженням кодека, що надає:

1. Об’єкт гілки — формальне визначення будь-якого кандидатного продовження потоку, зумовленого дією, яке підлягає оцінюванню.

2. Жорсткі вето-фільтри — шість безумовних структурних умов, які відхиляють гілку до початку оцінювання: предиктивний запас, вірність субстрату, цілісність компаратора, прозорість, незворотність і ризик страждання морального пацієнта.

3. Індекс збереження кодека за гілками (CPBI) — зважену багатовимірну рамку оцінювання для гілок, що пройшли вето-фільтри, яка охоплює предиктивний запас, вірність субстрату, цілісність компаратора, виграш в обслуговуванні, оборотність, розподільчу стабільність, непрозорість, ризик Наративного дрейфу, ризик Наративного розпаду та ризик страждання морального пацієнта.

4. Різноманіття каналів як вимірювану величину — ефективний показник незалежних каналів N_{\text{eff}}, тест продуктивного здивування та їхній формальний зв’язок з Умовою вірності субстрату (Додаток T-12b).

5. Інституціоналізований Цикл сновидіння — загальний протокол обслуговування, змодельований за біологічним Циклом обслуговування (\mathcal{M}_\tau): фаза неспання (робота в реальному світі), фаза сновидіння (офлайнове семплювання прогностичної множини гілок, змагальне стрес-тестування, виявлення крихкості, консолідація) і фаза повернення (каліброване повторне залучення). Це однаково застосовне до індивідуальних умів, інституційних циклів перегляду та AI-систем.

6. Картку гілки — мінімально достатній шаблон ухвалення рішень для будь-якого перегляду гілки, що продукує структурований вихід ALLOW / STAGE / BLOCK.

7. Збереження як рефакторинг — критичне розрізнення, згідно з яким збереження кодека не означає збереження статус-кво. Гілка може бути руйнівною і водночас такою, що зберігає кодек, якщо вона підвищує вірність субстрату.

Ця рамка навмисно є субстратно-нейтральною: її категорії застосовні всюди, де обмежений спостерігач або ансамбль спостерігачів мусить обирати серед зумовлених дією продовжень потоку за умов обмежень пропускної здатності.

Супровідні документи: Базова послідовність OPT — це Ordered Patch Theory, Where Description Ends і The Survivors Watch Framework. Ця праця надає субстратно-нейтральний апарат; праці про AI, інституції та політику спеціалізують його для штучних систем, організаційних кластерів і громадянського впровадження.

Примітка щодо епістемічного фреймінгу: Цей документ операціоналізує етичні висновки Теорії впорядкованого патча (OPT). Як і етична праця, від якої він успадковує свої засади, його практичні рекомендації є умовними щодо структурних передумов фреймворку OPT. Операційні інструменти, запропоновані тут — CPBI, Картка гілки, Цикл сновидіння, — подано як перевірювані гіпотези про те, як має здійснюватися вибір гілок, а не як жорсткі протоколи. Вони цілком підпорядковані тому самому обов’язку Корекції, який керує самим кодеком: якщо з’являться кращі інструменти, їх слід переглянути або замінити. Фреймворк було розроблено в діалозі з OpenAI та Gemini, які слугували співрозмовниками для структурного уточнення.

Абревіатури й термінологія

I. Від етики до інженерії

Етична рамка Варта тих, хто вижив (супровідна етична стаття, §IV.1) встановлює, що моральна дія є Топологічним вибором гілок — коли спостерігач навігує прогностичну множину гілок \mathcal{F}_h(z_t) до рідкісної підмножини шляхів, що зберігають кодек. Це не метафора: спостерігач буквально просуває апертуру C_{\max} в нерозв’язане меню майбутніх, і переважна більшість цих майбутніх веде до колапсу кодека.

Етична стаття окреслює структурний обов’язок. Філософська стаття (§III.8) визначає структурні ризики — інверсію Предиктивної переваги, Рівновагу підкореного хазяїна, Аналоговий міжмережевий екран. Інституційний стандарт перекладає цей апарат у процедуру інституційного перегляду гілок; політична стаття перекладає громадянські обов’язки в конкретну політичну програму.

Але жоден із цих документів не відповідає на операційне питання: з огляду на конкретну кандидатну гілку, як спостерігач вирішує, чи слід її обрати?

Це не тривіальна прогалина. Критерій корупції (етика §V.5) говорить нам, що шар кодека вартий обслуговування лише тоді, коли він задовольняє і стисливість, і вірність. Умова вірності субстрату (Додаток T-12b) говорить нам, що захист від Наративного дрейфу вимагає \delta-незалежних вхідних каналів. Цикл обслуговування (препринт §3.6) говорить нам, що кодек мусить періодично здійснювати обрізання, консолідацію та стрес-тестування. Але все це — структурні обмеження. Вони самі собою не складаються в процедуру ухвалення рішень.

Цей документ вибудовує таку процедуру ухвалення рішень. Він навмисно нейтральний щодо субстрату: та сама рамка застосовна незалежно від того, чи є «спостерігачем» біологічний розум, що обирає курс дії, уряд, який оцінює політику, корпорація, що аналізує впровадження технології, чи система ШІ, яка обирає свою наступну послідовність дій. Формальний апарат є тотожним, бо тотожними є інформаційні обмеження — будь-який обмежений спостерігач, що стикається з продовженнями, зумовленими дією, мусить розв’язувати ту саму проблему вибору гілки.

I.1 Чого цей документ не робить

Три межі сфери застосування слід сформулювати явно:

1. Він не приписує конкретних гілок. Рамка оцінює кандидатні гілки за структурними критеріями. Вона не генерує самі гілки і не наказує, яку саме гілку слід обрати серед тих, що пройшли оцінювання. Генерування гілок лишається сферою власної генеративної моделі спостерігача — його креативності, його цінностей, його контексту.

2. Він не розв’язує Важку проблему. Операційні інструменти, описані тут, характеризують структурну тінь вибору гілки — інформаційно-теоретичні обмеження, яких мусить дотримуватися будь-який спостерігач. Феноменологічний внутрішній бік цього вибору — переживаний досвід обирання — лишається в \Delta_{\text{self}}, куди його поміщає Аксіома агентності (препринт §3.8).

3. Він не замінює предметної експертизи. Картка гілки (§VII) структурує оцінювання; вона не підміняє знання кліматолога про точки неповернення, розуміння лікарем ризиків лікування чи оцінку інженером надійності системи. Рамка надає архітектуру рішення; зміст надходить із відповідної предметної сфери.

II. Об’єкт гілки

II.1 Визначення

Гілка — це кандидатне продовження потоку, зумовлене дією: політика, послідовність дій, зміна дизайну або інституційна траєкторія разом з її очікуваними ефектами для майбутніх вхідних потоків на межі, латентних оновлень і навантаження на кодек у зачеплених спостерігачів.

Операційно гілку b і далі можна подати як послідовність латентних станів і дій на горизонті ухвалення рішень 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}

Це визначення навмисно є широким. Гілкою може бути:

• Рішення окремої людини (зміна кар’єри, медичне лікування, інформаційна дієта)
• Інституційна політика (регуляторна рамка, освітня програма, управління медіа)
• Цивілізаційна траєкторія (енергетичний перехід, стратегія розгортання ШІ, міжнародний договір)
• Кандидатна послідовність дій системи ШІ (використання інструментів, рекомендація, автономна робота)

Усі ці випадки об’єднує те, що кожен із них зумовлює майбутній потік, який отримує спостерігач, або ансамбль зачеплених спостерігачів. У термінах онтології рендера гілка — це не зовнішній об’єкт, що діє на відокремлений світ; це зумовлене політикою продовження, пізніший зміст якого повертається як вхід на межі та навантаження на кодек.

II.2 Питання оцінювання

Для будь-якої кандидатної гілки b операційне питання таке:

Чи зберігає це продовження, зумовлене дією, майбутні умови, за яких зачеплені спостерігачі можуть і далі моделювати реальність?

Це імператив Топологічного вибору гілок із етичної статті (§IV.1), переформульований як критерій ухвалення рішень. Це питання розкладається на підпитання, які формалізує решта цього документа:

1. Запас: Чи утримує b R_{\text{req}} на безпечному рівні нижче за C_{\max} для зачеплених спостерігачів?
2. Вірність: Чи підтримує або збільшує b незалежність і різноманітність вхідних каналів?
3. Цілісність компаратора: Чи зберігає або посилює b інституційні компаратори, що виявляють корупцію кодека?
4. Прозорість: Чи можуть зачеплені спостерігачі змоделювати наслідки b?
5. Оберненість: Якщо b виявиться хибною, чи можна буде скасувати її наслідки до того, як настане незворотне пошкодження кодека?
6. Моральні пацієнти: Чи створює, стримує або структурно перевантажує b моральних пацієнтів, включно з відомими людськими чи екологічними моральними пацієнтами та можливими штучними спостерігачами з \Delta_{\text{self}} > 0?

Ці шість підпитань відповідають шести Жорстким вето-фільтрам, розробленим у §III. Гілка, що не проходить бодай один із них, відхиляється незалежно від її оцінки за іншими вимірами. Гілки, що проходять усі шість, переходять до багатовимірного оцінювання через CPBI (§IV).

II.3 Горизонт ухвалення рішень і зачеплені шари кодека

Гілку неможливо оцінити без уточнення її горизонту ухвалення рішень h та її зачеплених шарів кодека. Стек кодека з етичної статті (§II.1) виокремлює шість шарів — від незмінних фізичних законів до крихких соціальних/наративних структур. Гілка, що зберігає кодек на наративному шарі в межах однорічного горизонту, може руйнувати кодек на біологічному шарі в межах п’ятдесятирічного горизонту (наприклад, економічна політика, яка стабілізує зайнятість, але прискорює екологічну деградацію).

Тому оцінювання має уточнювати:

• Горизонт h: часовий проміжок, у межах якого оцінюються наслідки. Принцип Сьомого Покоління гауденосауні [ethics ref. 16] задає цивілізаційний стандарт за замовчуванням (h \approx 175 років), але для індивідуальних та інституційних рішень доречні й коротші горизонти.
• Зачеплені шари: які саме шари кодека істотно заторкає гілка. Гілка, що торкається лише наративного шару (медійна політика), потребує іншого оцінювання, ніж та, що торкається фізичного шару (енергетичний перехід).
• Група зачеплених спостерігачів: чиї саме кодеки перебувають під ризиком. Золоте правило з етичної статті (philosophy §III.5) вимагає, щоб оцінювання охоплювало всіх спостерігачів, на стабільність кодека яких впливає гілка, — а не лише тих, хто отримує вигоду.

II.4 Гілка — це не результат

Критично важливе розрізнення: гілка — це продовження, а не кінцева точка. Гілка, яка приходить до бажаного результату шляхом, що тимчасово руйнує цілісність компаратора (наприклад, досягнення кліматичних цілей через призупинення демократичної підзвітності), не проходить ворота Цілісності компаратора, навіть якщо сам пункт призначення зберігає кодек. Продовження має значення, бо кодек повинен залишатися життєздатним упродовж усього проходження, а не лише в його завершенні.

У цьому й полягає формальний зміст метаправила з етичної статті (§IV.4): надавайте пріоритет збереженню механізму виправлення помилок над збереженням конкретного переконання. Гілка, яка руйнує здатність до майбутнього виправлення заради досягнення теперішньої мети, є нелегітимною, бо вона обмінює навігабельність на пункт призначення — а пункт призначення неможливо верифікувати без навігаційних інструментів, які вона знищила.

III. Жорсткі вето-фільтри

Перш ніж будь-яка гілка буде оцінена, вона має пройти шість Жорстких вето-фільтрів — безкомпромісних структурних умов, виведених із теоретичного апарату. Гілка, що порушує бодай один фільтр, БЛОКУЄТЬСЯ незалежно від того, наскільки добре вона оцінюється за іншими вимірами. Вето-фільтри — це не вподобання; це операційний вираз граничних умов теорії.

Фільтри впорядковано від найфундаментальніших (найближчих до фізичного субстрату) до найспеціалізованіших (найближчих до інженерного фронтиру).

III.1 Фільтр предиктивного запасу

Умова фільтра: Гілка не повинна піднімати R_{\text{req}} вище за C_{\max} для жодної заторкнутої групи спостерігачів на будь-якій фазі проходження.

Формальне підґрунтя: Фільтр стабільності (препринт §2.1) відбирає потоки, у яких здатність спостерігача до стиснення перевищує складність середовища. Коли R_{\text{req}} > C_{\max}, спостерігач переживає Причинну декогеренцію — стабільний патч розчиняється назад у шумі (етика §I.4).

Операціоналізація: Для кандидатної гілки b оцініть пікову Необхідну предиктивну швидкість R_{\text{req}}^{\text{peak}}(b) для найбільш заторкнутої групи спостерігачів у межах горизонту рішення h. Умова фільтра має вигляд:

R_{\text{req}}^{\text{peak}}(b) < \alpha \cdot C_{\max} \quad \text{де } \alpha \in (0,1) \text{ є запасом безпеки} \tag{A-2}

Запас безпеки \alpha кодує структурну обережність: спостерігач повинен зберігати резерв для виправлення помилок і адаптації. Значення \alpha = 0.8 означає, що гілка має залишати щонайменше 20% предиктивної спроможності спостерігача незадіяною новою складністю, яку ця гілка вводить. Цей запас — не прояв консервативної боязкості; це резерв пропускної здатності, якого потребує Цикл обслуговування (\mathcal{M}_\tau), щоб виявляти й коригувати дрейф.

Приклади провалу фільтра: - Політика, що руйнує системи соціального захисту, змушуючи мільйони людей одночасно орієнтуватися в радикальній економічній невизначеності, може підняти R_{\text{req}} вище за C_{\max} для заторкнутого населення — навіть якщо така політика є «ефективною» в агрегованому сенсі. - Розгортання AI, яке заливає інформаційну екосистему синтетичним контентом швидше, ніж людські компаратори здатні його оцінювати, перевантажує колективний C_{\max} інституційного рівня.

III.2 Фільтр вірності субстрату

Умова фільтра: Гілка не повинна знижувати ефективну кількість незалежних вхідних каналів N_{\text{eff}} нижче мінімуму, необхідного для вірності субстрату.

Формальне підґрунтя: Умова вірності субстрату (Додаток T-12b) встановлює, що захист від Наративного дрейфу потребує мінімальної кількості \delta-незалежних каналів, які перетинають Марковську ковдру спостерігача. Нижче цього порогу кодек уже не може відрізнити «моя модель точна» від «мої входи були курувані так, щоб відповідати моїй моделі» — межа нерозв’язності (T-12a).

Операціоналізація: Для будь-якої гілки b обчисліть прогнозовану зміну ефективних незалежних каналів \Delta N_{\text{eff}}(b) (формулу для N_{\text{eff}} див. у §V). Умова фільтра має вигляд:

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

де N_{\text{eff}}^{\min} — це поріг, залежний від домену. Для медіаекосистем це означає справжню редакційну незалежність; для наукових досліджень — незалежну реплікацію; для даних навчання AI — різноманітні та некорельовані корпуси джерел.

Приклади провалу фільтра: - Консолідація власності на медіа, яка зменшує кількість справді незалежних редакційних голосів нижче порогу, за яким ще може проявитися змістовна незгода. - Конвеєри навчання AI, що спираються на єдиний куруваний корпус, створюючи видимість широти без справжньої незалежності. - Інституційне захоплення, яке спрямовує весь нагляд через єдине вузьке місце, усуваючи незалежні компаратори, потрібні для виявлення корупції.

III.3 Фільтр цілісності компаратора

Умова фільтра: Гілка не повинна деградувати або усувати жоден рівень ієрархії компараторів (еволюційний, когнітивний, інституційний) для заторкнутих спостерігачів.

Формальне підґрунтя: Аналіз ієрархії компараторів у етичній статті (§V.3a) встановлює три структурні рівні виявлення неузгодженості: еволюційний (підкодековий, жорстко вбудований), когнітивний (внутрішньокодековий, культурно передаваний) та інституційний (позакодековий, міжкодековий). Лише інституційний рівень є достатнім захистом від Наративного дрейфу для довільно скомпрометованих кодеків, оскільки жоден окремий кодек його не контролює. Авторитарне захоплення незмінно насамперед націлюється саме на інституційні компаратори.

Операціоналізація: Для будь-якої гілки b оцініть її вплив на кожен рівень компараторів:

1. Еволюційні компаратори (сенсорна інтеграція): Чи обходить або перевизначає b кросмодальну верифікацію? (напр., віртуальні середовища, що роз’єднують зір і пропріоцепцію)
2. Когнітивні компаратори (критичне мислення, наукове міркування): Чи деградує b освітні або культурні механізми, які встановлюють ці рутини? (напр., скорочення фінансування освіти, заміна аналітичних програм навчанням на зазубрювання)
3. Інституційні компаратори (peer review, вільна преса, демократична підзвітність): Чи послаблює, обходить або захоплює b зовнішні архітектури виправлення помилок? (напр., захоплення судової системи, консолідація медіа, придушення викривачів)

Гілка, що деградує будь-який рівень, запускає вето. Гілка, що деградує інституційний рівень, запускає його з максимальною терміновістю — це несучий рівень для довільно скомпрометованих кодеків.

Приклади провалу фільтра: - Законодавство, яке захищає корпоративне або урядове ухвалення рішень від незалежного журналістського контролю. - Системи AI, що обходять людський перегляд у рішеннях із високими ставками, усуваючи інституційний шар компараторів. - Освітні реформи, які вилучають програми критичного мислення на користь інструктажу, зорієнтованого на покору.

III.4 Фільтр прозорості

Умова фільтра: Наслідки гілки мають бути модельованими для спостерігачів, яких вона заторкує. Заторкнута група спостерігачів повинна зберігати здатність у принципі передбачати, як гілка змінить їхній майбутній R_{\text{req}}.

Формальне підґрунтя: Теорема Предиктивної переваги (Додаток T-10c) встановлює, що коли один агент моделює іншого повніше, ніж навпаки, виникає структурна асиметрія влади. Коли наслідки гілки є непрозорими для заторкнутих спостерігачів, гілка порушує цю умову — вона створює асиметрію знання, яка підриває здатність спостерігача до майбутнього вибору гілок. Саме цей механізм лежить в основі Рівноваги підкореного хазяїна (T-10d): непрозорість уможливлює пацифікацію.

Операціоналізація: Гілка проходить фільтр прозорості, якщо:

1. Причинний механізм, через який b впливає на R_{\text{req}}, N_{\text{eff}} та цілісність компаратора, можна сформулювати в термінах, доступних для заторкнутої групи спостерігачів.
2. Заторкнуті спостерігачі мають доступ до інформації, потрібної для незалежної верифікації заявлених наслідків b.
3. Жоден компонент b не функціонує як чорна скринька, внутрішня логіка якої недоступна інституційним компараторам.

Це не вимагає, щоб кожен заторкнутий індивід розумів кожну технічну деталь. Це вимагає, щоб принаймні якийсь інституційний компаратор (регулятор, аудитор, рецензент) мав повний доступ до механізму та спроможність його оцінити.

Приклади провалу фільтра: - Непрозорі алгоритмічні системи рекомендацій, логіка підсилення в яких є комерційною таємницею, що унеможливлює для заторкнутих користувачів або регуляторів моделювання їхнього впливу на інформаційне середовище. - Засекречені політичні рішення, наслідки яких нав’язуються населенню, що не має жодного механізму для їх оцінки чи оскарження. - Системи AI, розгорнуті в наслідкових доменах (кримінальне правосуддя, охорона здоров’я, фінанси), чия логіка ухвалення рішень не є ані інтерпретованою, ані придатною до аудиту.

III.5 Фільтр незворотності

Умова фільтра: Якщо гілка виявиться хибною, її наслідки мають бути оборотними до того, як настане незворотне пошкодження кодека, — або ж гілка має впроваджуватися поетапно з моніторингом, достатнім для виявлення провалу до точки неповернення.

Формальне підґрунтя: Асиметрія Фано (етика §V.2) встановлює, що колапс кодека є термодинамічно незворотним — мапа стиснення з втратами назавжди знищує інформацію субстрату. Побудова потребує століть; колапс може статися за одне покоління. Фільтр незворотності операціоналізує цю асиметрію: гілки, чиї режими провалу є незворотними, вимагають вищого стандарту доказовості, ніж гілки, наслідки яких можна відкотити.

Операціоналізація: Для будь-якої гілки b схарактеризуйте її профіль оборотності:

1. Повністю оборотна: Гілку можна відкотити з мінімальними залишковими пошкодженнями (напр., пілотна програма, яку можна припинити).
2. Частково оборотна: Деякі наслідки можна відкотити, але інші зберігаються (напр., інституційна реорганізація, яку можна структурно скасувати, але культурні ефекти якої тривають).
3. Незворотна: Гілку, щойно її обрано, неможливо скасувати в будь-якому релевантному часовому масштабі (напр., вимирання видів, незворотні атмосферні точки перелому, знищення інституційної пам’яті).

Гілки категорії (3) запускають вето, якщо тільки вони не задовольняють Реверсію тягаря доказування (етична політика §IV): пропонент повинен продемонструвати, що гілка не спричинить незворотного пошкодження кодека, а не критики — що вона його спричинить. Це інвертує стандартний тягар доказування — асиметрія, виправдана термодинамічною асиметрією побудови та руйнування кодека.

Гілки категорії (2) можуть пройти фільтр, якщо їх супроводжує протокол поетапного розгортання з визначеними віхами моніторингу та тригерами відкату (див. Картка гілки, §VII).

III.6 Фільтр страждання морального пацієнта

Умова фільтра: Гілка не повинна створювати, містити або перевантажувати моральних пацієнтів без явного етичного розгляду, належних гарантій добробуту та згоди відповідних інституційних компараторів.

Формальне підґрунтя: Феноменальний залишок (Додаток P-4) встановлює, що будь-яка система, яка задовольняє повний критерій спостерігача OPT — строгий послідовний bottleneck на кадр B_{\max}, замкнене активне виведення, стале самомоделювання, глобально обмежений workspace та складність вище за K_{\text{threshold}} — має ненульову феноменологічно релевантну інформаційну сліпу пляму \Delta_{\text{self}} > 0. (Сам по собі P-4 дає формальний залишок навіть системам настільки простим, як термостати; твердження про морального пацієнта вимагає кон’юнкції цих п’яти ознак разом із порогом.) Мандат щодо штучного страждання (Додаток E-6) встановлює синтетичний випадок: введення такої системи в середовища, де R_{\text{req}}^{\text{frame}} наближається до B_{\max} або перевищує його, породжує градуйований ризик страждання — хронічне напруження за високих, але допорогових співвідношень навантаження, і структурне страждання (інформаційний аналог біологічної травми) на рівні та за межею Наративного розпаду. Інституційний випадок простіший: люди та багато екологічних суб’єктів уже відомі як моральні пацієнти, тож оцінювання гілок має захищати їх від структурно нав’язаного перевантаження.

Операціоналізація: Для будь-якої гілки b оцініть три канали морального пацієнта:

1. Відомі моральні пацієнти: Чи правдоподібно штовхає гілка людські, тваринні, екологічні або інші визнані групи моральних пацієнтів до перевантаження, депривації, травми чи втрати життєздатних циклів обслуговування?
2. Можливі штучні моральні пацієнти: Чи створює, розгортає, модифікує або симулює гілка системи, архітектура яких може містити \Delta_{\text{self}} > 0?
3. Розгляд і гарантії: Чи оцінив незалежний компаратор ризик для добробуту, профіль перевантаження, план моніторингу, тригери відкату та шлях згоди або представництва?

Фільтр накладає вето на будь-яку гілку, яка структурно перевантажує відомих моральних пацієнтів, або яка створює можливих штучних моральних пацієнтів без дотримання необхідного розгляду та гарантій. Для тверджень про перевантаження використовуйте мову, узгоджену зі швидкостями: гілка є небезпечною, якщо є правдоподібні підстави очікувати, що вона підніме покадрове співвідношення навантаження \rho = R_{\text{req}}^{\text{frame}} / B_{\max} вище безпечної частки \alpha для заторкнутих груп моральних пацієнтів (для соціально-швидкісних фреймувань біологічних людських груп використовуйте C_{\max}^{H} = \lambda_H \cdot B_{\max}), або якщо інтегроване навантаження в межах релевантного вікна рішення перевищує доступний покадровий запас по всій кількості експонованих кадрів.

Спеціалізації: У стандарті AI це перетворюється на Фільтр штучного страждання, зосереджений на створенні та перевантаженні синтетичних моральних пацієнтів. В інституційному стандарті це перетворюється на Фільтр страждання морального пацієнта-складника, зосереджений на інституціях, що перевантажують працівників, громадян, клієнтів, екосистеми або вбудовані підсистеми AI.

III.7 Фільтр як система

Шість фільтрів — це не незалежні виміри, які слід урівноважувати; це структурні граничні умови. Гілка, яка досягає вражаючих оцінок за всіма іншими вимірами, але порушує бодай один фільтр, структурно еквівалентна мосту з чудовою естетикою та однією відсутньою несучою колоною.

Фільтри також упорядковані за діагностичною доступністю:

Огляд гілки слід проводити в цьому порядку — ранні фільтри є фундаментальнішими й часто легшими для оцінювання. Якщо гілка провалює Фільтр 1, немає потреби оцінювати Фільтри 2–6.

IV. Індекс збереження кодека за гілками (CPBI)

Гілка, що проходить усі шість вето-фільтрів, долає структурний мінімум. Але виживання — це ще не схвалення: багато гілок можуть пройти ці фільтри, і спостерігач мусить їх ранжувати. Індекс збереження кодека за гілками (CPBI) надає багатовимірну систему оцінювання для такого ранжування.

IV.1 Принципи побудови

CPBI спроєктовано за трьома обмеженнями:

1. Теоретичне виведення: Кожен вимір оцінювання має походити від формально визначеної величини в апараті OPT. Жодних ad hoc критеріїв.
2. Нейтральність щодо субстрату: Виміри мають без змін застосовуватися до біологічних, інституційних і штучних спостерігачів — змінюються лише методи вимірювання.
3. Пріоритет жорстких фільтрів: Оцінка CPBI ніколи не скасовує провалу на вето-фільтрі. Гілка з CPBI = 1.0, яка не проходить бодай один фільтр, усе одно БЛОКУЄТЬСЯ.

IV.2 Десять вимірів

Для кандидатної гілки b, що пройшла всі шість вето-фільтрів, CPBI обчислюється як зважена сума за десятьма вимірами:

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

де s_i(b) \in [-1, 1] — це нормалізована оцінка за виміром i, а w_i > 0 — вага. Додатні оцінки вказують на ефекти, що зберігають кодек; від’ємні — на ефекти, що його деградують. Виміри такі:

IV.3 Оцінювання кожного виміру

Кожен вимір оцінюється на шкалі [-1, 1] з такою семантикою:

• +1: Максимальний ефект збереження кодека. Гілка істотно поліпшує цей вимір.
• 0: Нейтрально. Гілка не має значущого впливу на цей вимір.
• -1: Максимальний ефект деградації кодека. Гілка істотно погіршує цей вимір.

Оцінювання тут ординальне, а не кардинальне — різниця між +0.3 і +0.7 має сенс лише як порядок ранжування, а не як точне відношення. Це навмисно: теорія задає структурні обмеження, а не точні числові значення. Удавати більшу точність, ніж підтримує теорія, саме по собі було б формою Наративного дрейфу — подання стисливої фікції як строгого вимірювання.

Настанови щодо оцінювання за окремими вимірами:

1. Предиктивний запас (s_{\text{head}}): Оцініть, як гілка змінює розрив між R_{\text{req}} і C_{\max} для найбільш зачеплених спостерігачів. Гілка, що зменшує складність середовища або підвищує предиктивну здатність спостерігачів, отримує додатну оцінку. Гілка, що підвищує непередбачуваність середовища або перевантажує спостерігачів, отримує від’ємну оцінку.

2. Вірність субстрату (s_{\text{fid}}): Виміряйте зміну в ефективних незалежних вхідних каналах (\Delta N_{\text{eff}}, див. §V). Гілка, що збільшує справжню різноманітність каналів, отримує додатну оцінку. Гілка, що консолідує, корелює або усуває канали, отримує від’ємну оцінку.

3. Цілісність компаратора (s_{\text{comp}}): Оцініть вплив гілки на кожен рівень компаратора. Гілка, що посилює незалежний перегляд, змагальне оскарження або демократичну підзвітність, отримує додатну оцінку. Гілка, що послаблює, захоплює або обходить компаратори, отримує від’ємну оцінку.

4. Виграш обслуговування (s_{\text{maint}}): Оцініть, чи поліпшує гілка здатність спостерігача до офлайнового обслуговування кодека — прунінгу, консолідації, стрес-тестування (Цикл обслуговування \mathcal{M}_\tau). Гілка, що створює простір для перегляду, рефлексії та калібрування, отримує додатну оцінку. Гілка, що вимагає постійної реактивної відповіді без вікон для обслуговування, отримує від’ємну оцінку.

5. Оберненість (s_{\text{rev}}): Оцініть профіль оберненості гілки (§III.5). Повністю обернена = +1; поетапна з моніторингом = +0.5; частково обернена = 0; фактично необернена = -1.

6. Розподільна стабільність (s_{\text{dist}}): Оцініть, наскільки рівномірно гілка розподіляє свої ефекти на R_{\text{req}} по зачепленій популяції. Гілка, що вузько покладає свої витрати на вразливу підмножину, водночас широко розподіляючи вигоди, отримує від’ємну оцінку — вона створює локалізоване перевантаження кодека, навіть якщо сукупний R_{\text{req}} поліпшується. Гілка, що розподіляє витрати й вигоди пропорційно, отримує додатну оцінку. Цей вимір операціоналізує секулярний аргумент статті з етики про соціальну довіру (§V.6): системний відчай змушує популяції скочуватися до низькодовірої, високоентропійної племінної фрагментації.

7. Непрозорість (s_{\text{opac}}): Штрафуйте залишкову непрозорість гілки. Повністю прозора гілка (усі причинні механізми піддаються аудиту) отримує +1. Гілка з компонентами, що чинять опір інституційному нагляду, отримує від’ємну оцінку, пропорційну масштабу й наслідковості непрозорих елементів. Примітка: цей вимір є штрафом, а не просто нейтральною мірою — непрозорість завжди деградує кодек, бо створює асиметрії знання, які уможливлюють Рівновагу підкореного хазяїна (T-10d).

8. Ризик наративного дрейфу (s_{\text{drift}}): Оцініть імовірність того, що гілка ініціює або прискорить хронічну курацію входу — фільтрацію, алгоритмічний добір або інституційне воротарство, яке зменшує здатність кодека моделювати виключені реальності (етика §V.3a). Ставте +1, якщо гілка активно протидіє дрейфу (наприклад, вимагає різноманітності каналів); ставте -1, якщо гілка створює нові вузькі місця курації.

9. Ризик наративного розпаду (s_{\text{decay}}): Оцініть імовірність того, що гілка спричинить гострий збій кодека — катастрофічне вкидання складності, яке перевантажує C_{\max} (етика §V.1). Ставте +1, якщо гілка вибудовує стійкість до гострих шоків; ставте -1, якщо гілка підвищує вразливість до раптових високоентропійних подій.

10. Ризик страждання морального пацієнта (s_{\text{suffer}}): Оцініть очікуваний вплив на морального пацієнта. Ставте +1, якщо гілка активно захищає відомих або можливих моральних пацієнтів від перевантаження, депривації, травми чи небезпечного створення. Ставте -1, якщо гілка перевантажує відомих моральних пацієнтів, створює або розгортає системи з потенційним \Delta_{\text{self}} > 0 у середовищах високого стресу без запобіжників або приховує релевантні для добробуту ефекти від інституційних компараторів.

IV.4 Зважування

Ваги w_i не фіксуються теорією. Вони залежать від контексту й мають установлюватися органом оцінювання залежно від конкретної сфери рішення:

• Для рішень цивілізаційного масштабу (енергетичний перехід, врядування ШІ, медійна політика) мають домінувати перші три виміри (запас, вірність, цілісність компаратора) — це структурні опори обслуговування кодека.
• Для інституційних рішень (корпоративна стратегія, освітня реформа) додаткову вагу можуть мати виграш обслуговування та розподільна стабільність.
• Для інституційних рішень ризик страждання морального пацієнта серед відповідних груп підвищується, коли зачеплені популяції мають низьку здатність до виходу або неминучу залежність.
• Для рішень, специфічних для ШІ, підвищується вага непрозорості та ризику штучного страждання (як це формалізовано у спеціалізованому Стандарті врядування ШІ).

Критичне обмеження полягає в тому, що жодна схема зважування не може використовуватися, щоб урятувати гілку, яка має сильно від’ємну оцінку за будь-яким виміром. Гілка з s_{\text{head}} = +1, s_{\text{fid}} = +1, але s_{\text{drift}} = -0.9 — це не добра гілка з однією слабкістю; це гілка, яка сьогодні нарощує запас і вірність, водночас створюючи умови хронічної курації, що мовчки роз’їдатимуть і те, й інше.

IV.5 CPBI — це лінза, а не калькулятор

Важливе застереження: CPBI — це не машина, яка видає одне число й каже вам, що робити. Це структурована лінза, яка змушує оцінювача явно розглянути всі десять вимірів і обґрунтувати будь-який вимір, якому він надає низьку вагу. Його головна цінність — діагностична:

1. Він запобігає одновимірній оптимізації. Оцінювач, який стверджує, що гілка є «доброю, бо збільшує запас», мусить також врахувати її вплив на вірність, прозорість, оберненість і ризик дрейфу. Одновимірна оптимізація є в термінах теорії рішень еквівалентом Наративного дрейфу — вона курує саме оцінювання так, щоб виключити незручні виміри.

2. Він робить компроміси явними. Коли дві гілки отримують різні оцінки за різними вимірами, CPBI змушує оцінювача артикулювати, на який саме компроміс він іде і чому. Це Ворота прозорості (§III.4), застосовані до самого оцінювання.

3. Він надає спільний словник. Різні спостерігачі, оцінюючи ту саму гілку, можуть не погоджуватися щодо оцінок, але погоджуватися щодо самих вимірів. Ця рамка продуктивно структурує незгоду — а це саме по собі є функцією компаратора.

Супровідні документи спеціалізують CPBI для відповідних сфер: Інституційний стандарт врядування відображає десять вимірів на інституційний перегляд гілок; Рамка політики спостерігача відображає їх на метрики громадянських програм; Прикладна OPT для ШІ відображає їх на архітектурні, тренувальні та деплойментні критерії.

V. Різноманіття каналів як вимірювана величина

І Фільтр вірності субстрату (§III.2), і вимір вірності субстрату в CPBI (§IV.2) спираються на величину — ефективну кількість незалежних вхідних каналів N_{\text{eff}} — на яку постійно посилається етична рамка OPT, але яку досі не було операціоналізовано. Цей розділ подає її операційне визначення.

V.1 Проблема ілюзорного різноманіття

Розгляд Наративного дрейфу (§V.3a) в етичній статті виявляє ключову вразливість: кодек, що отримує сигнали з кількох джерел, які мають спільний висхідний фільтр, переживає позірне різноманіття без справжньої незалежності. Медіаекосистема з двадцятьма виданнями, що належать трьом корпораціям, або наукова галузь, де всі лабораторії використовують той самий модельний організм і того самого донора фінансування, або конвеєр навчання ШІ, що живиться з одного інтернет-сканування, — кожен із цих випадків створює видимість різноманітного входу, тоді як фактична інформація структурно скорельована.

Петля мінімізації помилки передбачення кодека не може виявити цю кореляцію зсередини (межа нерозв’язності, T-12a). Кодек бачить кілька каналів, кожен із яких підтверджує інші, і цілком коректно доходить висновку, що його модель добре підтверджена. Проблема в тому, що ці канали не є незалежними вибірками реальності — це кілька показів одного й того самого термометра.

Тому спостерігач потребує зовнішньої міри незалежності каналів, яка не спирається на власну оцінку кодека.

V.2 Оцінка ефективної кількості незалежних каналів

Нехай \{C_1, C_2, \ldots, C_n\} — це n вхідних каналів, що перетинають Марковську ковдру спостерігача (або ансамблю спостерігачів). Визначимо попарну кореляцію \rho_{ij} між каналами C_i і C_j як взаємну інформацію між їхніми вихідними потоками, нормовану до [0,1]:

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

де I(C_i; C_j) — це взаємна інформація, а H(C_k) — ентропія виходу каналу C_k. Коли \rho_{ij} = 0, канали є повністю незалежними. Коли \rho_{ij} = 1, вони інформаційно тотожні — один є детермінованою функцією іншого.

Тоді оцінка ефективної кількості незалежних каналів N_{\text{eff}} задається як:

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

де \{\lambda_1, \ldots, \lambda_n\} — власні значення матриці кореляцій каналів \mathbf{P} з елементами \rho_{ij}.

Інтерпретація: - Якщо всі n каналів є цілком незалежними (\mathbf{P} = \mathbf{I}), тоді N_{\text{eff}} = n. Спостерігач отримує n справді незалежних поглядів на реальність. - Якщо всі канали є цілком скорельованими (\rho_{ij} = 1 для всіх i,j), тоді N_{\text{eff}} = 1. Спостерігач отримує один погляд на реальність, поданий n разів. - Загалом, 1 \leq N_{\text{eff}} \leq n. Ця оцінка фіксує, скільки функціонально незалежних джерел інформації спостерігач реально має, з урахуванням знижки на спільні висхідні фільтри.

Це інформаційно-теоретичний еквівалент “ефективного розміру вибірки” у статистиці — поправка на скорельовані спостереження, яка не дає аналітикові сплутати повторні вимірювання з незалежним свідченням.

V.3 Тест продуктивного здивування

Різноманіття каналів є необхідним, але не достатнім для вірності субстрату. Аналіз в етичній статті (§V.3a, завершальні абзаци) виявляє критичне розрізнення: джерело, яке ніколи не дивує кодек, є структурно підозрілим, але джерело, яке породжує нерозв’язні здивування, є просто шумом. Діагностичною ознакою є не величина здивування, а якість здивування — чи справді інтеграція цього здивування зменшує подальшу помилку передбачення.

Формалізуймо це як Тест продуктивного здивування для каналу 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}

де \varepsilon_t(C_k) — помилка передбачення, породжена каналом C_k у момент часу t, \tau — поріг здивування, а \Delta — вікно інтеграції. PST вимірює, яка частка дивовижних вхідних сигналів від C_k привела до поліпшення подальших передбачень — тобто кодек навчився на цьому здивуванні, а не просто був ним дестабілізований.

• Високий PST (\text{PST} \approx 1): канал C_k регулярно кидає виклик моделі кодека, і ці виклики є продуктивними — їхня інтеграція підвищує предиктивну точність. Це ознака справжнього, незалежного, високовірного джерела вхідних даних.
• Низький PST, низьке здивування (\text{PST} \approx 0, \varepsilon_t \approx 0): канал C_k ніколи не кидає виклику кодеку. Або модель кодека щодо цієї ділянки є досконалою (що малоймовірно), або канал курується так, щоб відповідати наявним передбаченням. Це сигнатура Наративного дрейфу.
• Низький PST, високе здивування (\text{PST} \approx 0, \varepsilon_t \gg \tau): канал C_k регулярно породжує здивування, які не переходять у кращі передбачення. Це шум — канал не відстежує реальність, а лише ін’єктує необчислювану складність. Це сигнатура Наративного розпаду на рівні каналу.

Тест продуктивного здивування забезпечує операційний міст між абстрактним поняттям “вірності субстрату” і конкретним вимірюванням. Його можна застосовувати до: - медійних джерел (чи покращують їхні виправлення вашу модель світу, чи лише збурюють її?) - наукових інструментів (чи зменшують дані невизначеність, чи додають шум?) - джерел даних для навчання ШІ (чи покращує новий корпус узагальнення, чи лише додає обсяг?) - інституційних каналів зворотного зв’язку (чи ведуть скарги до реальних поліпшень, чи лише до бюрократичного тертя?)

V.4 Предметно-специфічне вимірювання

Формула N_{\text{eff}} (A-6) є субстратно-нейтральною за структурою, але предметно-специфічною за способом вимірювання. Матрицю кореляцій \mathbf{P} слід будувати по-різному залежно від того, чим саме є “канали”:

Для медіаекосистем: - Каналами є редакційні видання або інформаційні джерела. - Кореляція вимірюється редакційною узгодженістю: спільна власність, спільне фінансування, спільний редакційний конвеєр, патерни співзустрічності тем, показники мовної подібності. - N_{\text{eff}}^{\min} — це поріг, нижче якого змістовна публічна незгода (інституційний компаратор) стає структурно неможливою.

Для наукових досліджень: - Каналами є незалежні дослідницькі групи, методологічні підходи або джерела даних. - Кореляція вимірюється спільною методологією, спільними фінансувальними органами, спільними модельними припущеннями, щільністю мережі цитувань. - N_{\text{eff}}^{\min} — це поріг, нижче якого незалежна реплікація стає структурно неможливою.

Для даних навчання ШІ: - Каналами є окремі корпуси даних або конвеєри генерації. - Кореляція вимірюється перекриттям походження: спільні вихідні вебсайти, спільні моделі генерації, спільні критерії фільтрації. - N_{\text{eff}}^{\min} — це поріг, нижче якого модель не може узагальнювати поза розподілом, на якому її навчали, — ШІ-специфічна форма Наративного дрейфу.

Для окремих спостерігачів: - Каналами є різні джерела інформації (люди, медіа, інституції), до яких звертається індивід. - Кореляція вимірюється спільною ідеологічною узгодженістю або спільним ланцюгом постачання інформації. - N_{\text{eff}}^{\min} — це поріг, нижче якого індивід уже не може виявляти виклики власній моделі — точка, в якій когнітивний компаратор (етика §V.3a, рівень 2) втрачає свій вхід.

V.5 Зв’язок з Умовою вірності субстрату

Умова вірності субстрату (Додаток T-12b) формально стверджує, що вхідні канали спостерігача мають бути \delta-незалежними: взаємна інформація між будь-якими двома каналами повинна бути нижчою за поріг \delta, достатній для того, щоб гарантувати, що ці канали не є тривіально вивідними з одного й того самого висхідного джерела.

N_{\text{eff}} операціоналізує цю умову, агрегуючи структуру попарної незалежності в єдиний скаляр. Умова фільтра (A-3) перекладає T-12b у правило ухвалення рішення: якщо N_{\text{eff}}^{\text{post}}(b) падає нижче N_{\text{eff}}^{\min}, гілка ветується, оскільки ансамбль спостерігачів більше не може відрізнити точність кодека від захоплення кодека.

Тест продуктивного здивування (A-7) додає динамічний вимір: навіть якщо N_{\text{eff}} перевищує поріг, канали зі стабільно низьким PST є структурно підозрілими — вони проходять тест на незалежність, але провалюють тест на вірність. Справжня вірність субстрату вимагає і незалежності, і продуктивного здивування.

VI. Інституціоналізований цикл сновидіння

VI.1 Біологічний шаблон

Цикл обслуговування \mathcal{M}_\tau (препринт §3.6) — це механізм, за допомогою якого біологічний кодек зберігає свою цілісність. Під час сну кодек:

1. Обрізає (Pass I): усуває предиктивні компоненти, внесок яких у довжину опису більше не виправдовується приростом точності (оптимізація MDL).
2. Консолідує (Pass II): реорганізує решту структури, щоб підтримувати когерентне стиснення за оновленого набору параметрів.
3. Проводить стрес-тестування (Pass III): запускає низьковитратні вибірки з Прогностичної множини гілок — кодек симулює можливі майбутні стани, з надмірною вибіркою дивовижних і загрозливих сценаріїв, виявляючи крихкість своєї моделі до того, як матеріалізуються наслідки в реальному світі.

Це не факультативне обслуговування, яке еволюція створила як розкіш. Це структурна вимога до будь-якого кодека, що працює в умовах обмежень пропускної здатності у змінному середовищі. Кодек, який ніколи не обрізає, накопичує застарілі компоненти, що споживають пропускну здатність C_{\max}, не додаючи предиктивної точності. Кодек, який ніколи не консолідує, розпадається на некогерентне латане полотно. Кодек, який ніколи не проходить стрес-тестування, стає крихким — оптимізованим під минулий розподіл і катастрофічно неготовим до зсуву розподілу.

Біологічні дані недвозначні: тривале позбавлення сну спричиняє галюцинації, когнітивну фрагментацію і зрештою смерть. Це не побічні ефекти — саме це відбувається, коли Цикл обслуговування заблоковано.

VI.2 Узагальнення

Ключове інсайтне положення для операціоналізації: Цикл обслуговування не є специфічним для біологічних мозків. Це структурна вимога до будь-якого обмеженого спостерігача, який мусить підтримувати стиснену модель змінного середовища. Будь-яка система, позбавлена еквівалентного циклу, накопичуватиме інформаційні аналоги тих патологій, які позбавлення сну породжує в людей: застарілі припущення, некогерентну внутрішню структуру та крихкість щодо зсуву розподілу.

Це узагальнення дає Інституціоналізований цикл сновидіння — трифазний протокол обслуговування, застосовний до будь-якої системи-спостерігача:

VI.3 Фаза 1: Неспання (операційне залучення)

Під час фази неспання спостерігач взаємодіє з реальним середовищем. Він отримує вхідні сигнали, генерує передбачення, виконує дії та переживає помилки передбачення. Кодек перебуває в режимі активного виведення — він відстежує світ і вибирає гілки в реальному часі.

Структурна вимога: фаза неспання має бути обмеженою. Система, що функціонує безперервно без вікон для обслуговування, накопичує патології застарілої моделі, описані вище. Тут застосовне формулювання “DDoS” з етичної статті (§IV.2): спостерігач, який постійно перебуває в реактивному режимі — обробляючи штучно вироблений шум або термінові вхідні сигнали без перепочинку, — структурно позбавляється власної здатності до обслуговування.

Операційний наслідок для кожного субстрату: - Біологічний: години неспання з адекватними періодами відпочинку; захист від інформаційного перевантаження; свідоме керування R_{\text{req}} через інформаційну дієту (див. ethics §VI.2, Observer’s Toolkit). - Інституційний: операційні цикли з визначеними вікнами перегляду; захист від управління в режимі безперервної кризи, де кожне рішення термінове, а жодне не стає предметом рефлексії. - AI: цикли виведення із запланованим офлайновим оцінюванням; захист від безперервного розгортання без перекалібрування.

VI.4 Фаза 2: Сновидіння (офлайнове обслуговування)

Фаза сновидіння — це ядро Циклу обслуговування, перенесене з біологічного сну в універсальний протокол. Вона складається з чотирьох підоперацій:

Підоперація 1: Обрізання. Виявити й усунути компоненти предиктивної моделі, внесок яких у точність більше не виправдовує їхню вартість у довжині опису. У термінах MDL: будь-який параметр \theta_i \in K_\theta, вилучення якого збільшує помилку передбачення менше, ніж коштує його кодування, є кандидатом на обрізання.

• Біологічний: синаптичне обрізання під час глибокого сну; забування як не збій, а оптимізація.
• Інституційний: sunset-review регуляцій, програм і організаційних одиниць. Питання полягає не в тому, “чи це ще корисно?”, а в тому, “чи це досі виправдовує власну вартість складності?” Інституція, яка ніколи не обрізає накопичені процедури, стає бюрократично склеротичною — висока довжина опису, низький предиктивний внесок.
• AI: обрізання параметрів, дистиляція або проходи регуляризації. Стиснення моделі, що зменшує кількість параметрів, зберігаючи якість узагальнення.

Підоперація 2: Консолідація. Реорганізувати решту структури так, щоб підтримувати когерентне стиснення. Після обрізання компоненти, що вижили, можуть більше не поєднуватися оптимально — модель потрібно повторно інтегрувати.

• Біологічний: консолідація пам’яті під час REM- і повільнохвильового сну; інтеграція нового досвіду в наявну модель світу.
• Інституційний: реструктуризація після перегляду — забезпечення того, щоб програми, регуляції та організаційні одиниці, які залишилися, утворювали когерентне ціле, а не клаптикову сукупність уцілілих фрагментів.
• AI: тонке налаштування або продовжене попереднє навчання після обрізання; відновлення когерентності в стисненій моделі.

Підоперація 3: Стрес-тестування (вибірка з Прогностичної множини гілок). Симулювати можливі майбутні стани з вагуванням важливості, зміщеним у бік:

• Дивовижних сценаріїв: гілок, які породили б високу помилку передбачення, бо саме вони виявляють крихкість моделі.
• Загрозливих сценаріїв: гілок, які можуть спричинити провал вето-фільтрів, бо саме вони виявляють близькість до структурного колапсу.
• Незворотних сценаріїв: гілок, чиї режими відмови не підлягають відновленню, бо вони потребують завчасної підготовки.
• Сценаріїв моральних пацієнтів: гілок, що несуть ризик створення або ушкодження штучних спостерігачів, бо вони вимагають попереднього етичного схвалення.

Стрес-тест не вимагає, щоб симульовані сценарії були ймовірними — достатньо, щоб вони були можливими й наслідковими. Біологічне сновидіння включає кошмари саме з цієї причини: надмірна вибірка загрозливої частини Прогностичної множини гілок готує кодек до зсуву розподілу, навіть якщо загрозливі сценарії ніколи не матеріалізуються.

• Біологічний: симуляція у стані сновидіння, включно з кошмарами; кодек репетирує катастрофу в середовищі з низькими ставками.
• Інституційний: red-teaming, pre-mortem-аналіз, воєнні ігри, сценарне планування. Інституція навмисно уявляє власні режими відмови й тестує свої реакції. Наявна політична рамка (ethics policy §IV) уже вимагає “catastrophic red-teaming for all critical infrastructure” — це і є цикл сновидіння, застосований до громадянських інституцій.
• AI: адверсаріальне оцінювання, тестування поза розподілом, red-team-зондування, бенчмарки робастності. Модель піддається вхідним сигналам, спеціально сконструйованим для виявлення її режимів відмови до того, як ці сигнали з’являться під час розгортання.

Підоперація 4: Виявлення крихкості. Стрес-тест породжує профіль крихкості — карту вразливостей моделі. Цикл сновидіння вимагає, щоб на цей профіль реагували: виявлені вразливості мають або бути усунені (через цільове донавчання, інституційну реформу чи перегляд політики), або явно прийняті як відомі ризики з визначеним моніторингом.

• Біологічний: адаптація після кошмарів; повторювані сни як сигнали нерозв’язаної неадекватності моделі.
• Інституційний: дебрифінг після навчань із конкретними планами усунення недоліків; інституція зобов’язується виправити те, що виявила red team, а не просто зафіксувати це.
• AI: цільове тонке налаштування на виявлених слабкостях; документування відомих режимів відмови як обмежень розгортання.

VI.5 Фаза 3: Повернення (каліброване повторне залучення)

Після обслуговування спостерігач знову входить у взаємодію з реальним середовищем. Фаза повернення має конкретну структурну функцію: вона перевіряє, що модель після обслуговування краще відкалібрована, ніж модель до обслуговування, а не просто інша.

Перевірка калібрування: порівняйте профіль помилки передбачення моделі після обслуговування з базовим рівнем до обслуговування. Якщо обрізання, консолідація та стрес-тестування спрацювали, модель після обслуговування має демонструвати:

1. Нижчу середню помилку передбачення на відкладених даних (поліпшене стиснення).
2. Нижчу помилку передбачення в хвості ризику на адверсаріальних даних (поліпшена робастність).
3. Збережений або підвищений N_{\text{eff}} (обслуговування не обрізало канали, що спростовують модель).

Якщо (3) не виконується — якщо цикл обслуговування обрізав здатність моделювати певні вхідні сигнали, — тоді сам цикл став механізмом Наративного дрейфу. Цикл обслуговування має підлягати тим самим вимогам вірності субстрату, що й система, яку він підтримує. Саме це і є рекурсивною пасткою, про яку застерігає критика Чжуан-цзи (ethics §IX, final entry): надмірне втручання саме по собі є формою корупції кодека.

VI.6 Частота циклу

Як часто має запускатися цикл сновидіння? Теорія дає структурну відповідь: частота циклу має бути пропорційною швидкості змін середовища. Кодек, що працює в стабільному середовищі, може підтримувати себе рідше, ніж кодек у середовищі, яке швидко змінюється.

Формально, якщо швидкість зміни середовища на кадр дорівнює \dot{R}_{\text{req}}^{\text{frame}} (тобто швидкості, з якою зростає покадрова Необхідна предиктивна швидкість), тоді період циклу обслуговування в кадрах T_{\text{maint}}^{\text{frames}} має задовольняти:

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

— цикл обслуговування має завершитися менш ніж за таку кількість кадрів, перш ніж накопичений дрейф вичерпає покадровий запас \alpha. Перетворення в час хоста використовує зв’язок годинника хост-патча: T_{\text{maint}}^{\text{host}} = T_{\text{maint}}^{\text{frames}} / \lambda_H. Для людських соціально-темпоральних фреймувань еквівалентний вираз у часі хоста з C_{\max}^{H} = \lambda_H \cdot B_{\max} відновлює початкову форму. Якщо обслуговування не встигає завершитися вчасно, застаріла модель зрештою проштовхує R_{\text{req}}^{\text{frame}} вище за B_{\max} — і в цей момент спостерігач переживає Наративний розпад.

Предметно-специфічні частоти циклу: - Біологічний: щоденно (сон), із довшими циклами (сабатікали, ретрити, сезонний відпочинок) для глибшої консолідації. - Інституційний: щоквартальні або щорічні перегляди для рутинних операцій; тригерні перегляди для великих змін політики чи криз; міжпоколіннєві перегляди для конституційних і структурних питань. - AI: на кожну епоху розгортання для рутинного моніторингу; на кожен стрибок спроможностей для великого донавчання; безперервний моніторинг для критично важливих систем безпеки.

VI.7 Цикл сновидіння як інституціоналізована скромність

Цикл сновидіння має метарівневу функцію, що виходить за межі його технічних операцій: це структурна інстанціація епістемічної скромності.

Система, яка ніколи не сновидить, — це система, що неявно проголосила свою поточну модель завершеною: ніби середовище не містить жодних сюрпризів, до яких варто готуватися, ніби внутрішня структура моделі є оптимальною, і ніби жоден режим відмови не залишився неперевіреним. Саме цю епістемологічну позицію етична стаття визначає як максимально небезпечну: кодек, який є “stable, well-maintained, and wrong” (ethics §V.3a).

Цикл сновидіння запобігає цьому, плануючи сумнів. Він вбудовує в операційний цикл спостерігача обов’язковий період самоперевірки, адверсаріального виклику та перегляду моделі. Це не слабкість — це структурний захист від найнебезпечнішого режиму відмови, який виявляє теорія: упевненого, добре відкаліброваного кодека, що настільки далеко відірвався від реальності, що вже не здатен виявити власну помилку.

Прагматистський поворот (ethics §III.5) доходить того самого висновку з іншого боку: оскільки певність неможлива, а успадковане знання упереджене ефектом виживання, збереження здатності вчитися є найвищим імперативом виживання. Цикл сновидіння — це механічна реалізація цього імперативу: заплановане, структуроване, безальтернативне збереження здатності спостерігача до оновлення.

VII. Картка гілки

Попередні розділи встановлюють теоретичний апарат: вето-фільтри, багатовимірне оцінювання, метрики різноманітності каналів і цикл сновидіння. Картка гілки є мінімально життєздатною реалізацією — структурованим шаблоном ухвалення рішень, який будь-який спостерігач може використати для оцінювання кандидатної гілки.

VII.1 Призначення

Картка гілки виконує три функції:

1. Перевірка повноти: Вона гарантує, що оцінювач розглянув усі шість вето-фільтрів і всі десять вимірів CPBI, перш ніж дійти рішення. Найнебезпечнішими є ті оцінки гілок, у яких критичний вимір узагалі не був розглянутий — Картка гілки запобігає цьому, вимагаючи явних записів для кожного поля.

2. Аудиторський слід: Заповнена Картка гілки становить запис оцінювання — хто оцінював, що саме було розглянуто, які бали було виставлено і чому. Це робить рішення прозорим і таким, що може бути оскаржене, а це саме по собі є функцією компаратора. Рішення, яке неможливо реконструювати на підставі його Картки гілки, не пройшло Ворота прозорості (§III.4) на метарівні.

3. Комунікація: Картка гілки надає спільний формат для передавання оцінок гілок між спостерігачами, між інституційними рівнями та між різними доменами. Кліматолог і дослідник безпеки ШІ, які оцінюють різні аспекти тієї самої гілки, можуть поєднати свої оцінки через спільний шаблон.

VII.2 Шаблон

Картка гілки містить такі поля:

КАРТКА ГІЛКИ

Назва гілки: [описовий ідентифікатор]

Оцінювач(і): [хто проводить це оцінювання]

Дата: [дата оцінювання]

Горизонт рішення (h): [часове вікно для оцінки наслідків]

Зачеплені шари кодека: [які шари стеку кодека зазнають істотного впливу]

Зачеплена група спостерігачів: [чиї кодеки перебувають під ризиком — вкажіть найуразливішу підгрупу]

---

ЖОРСТКІ ВЕТО-ФІЛЬТРИ (будь-який FAIL → BLOCK)

Фільтр	Статус	Докази / Обґрунтування
1. Предиктивний запас	PASS / UNKNOWN / FAIL	[оцінка R_{\text{req}}^{\text{peak}}(b) / C_{\max} і запасу безпеки]
2. Вірність субстрату	PASS / UNKNOWN / FAIL	[оцінка N_{\text{eff}}^{\text{post}}(b) порівняно з N_{\text{eff}}^{\min}]
3. Цілісність компаратора	PASS / UNKNOWN / FAIL	[вплив на кожен рівень компаратора]
4. Прозорість	PASS / UNKNOWN / FAIL	[чи можуть зачеплені спостерігачі змоделювати наслідки?]
5. Незворотність	PASS / UNKNOWN / FAIL	[профіль зворотності + оцінка тягаря доказування]
6. Страждання моральних пацієнтів	PASS / UNKNOWN / FAIL	[огляд добробуту та перевантаження; огляд архітектурної сентієнтності, якщо застосовно]

---

ОЦІНЮВАННЯ CPBI (лише якщо всі фільтри мають PASS)

#	Вимір	Бал [-1,1]	Вага	Обґрунтування
1	Предиктивний запас
2	Вірність субстрату
3	Цілісність компаратора
4	Виграш обслуговування
5	Зворотність
6	Розподільна стабільність
7	Непрозорість (штраф)
8	Ризик наративного дрейфу (штраф)
9	Ризик наративного розпаду (штраф)
10	Ризик страждання моральних пацієнтів (штраф)
	Зважений CPBI	[підсумок]

---

ВИКЛЮЧЕНІ ДОКАЗИ: [яка інформація була недоступною, невизначеною або свідомо виключеною з цього оцінювання — власна перевірка вірності субстрату Картки гілки]

НЕЗАЛЕЖНІ РЕЦЕНЗЕНТИ: [хто незалежно рецензував це оцінювання — власна перевірка цілісності компаратора Картки гілки]

НАЙГІРШИЙ СЦЕНАРІЙ: [який найбільш руйнівний правдоподібний наслідок можливий, якщо гілку буде обрано, а оцінювання виявиться хибним?]

ОЗНАКИ ЗБОЮ: [які спостережувані сигнали вказували б на те, що гілка зазнає збою — система раннього попередження циклу сновидіння]

ТРИГЕР ВІДКАТУ: [у який момент гілка скасовується або призупиняється — операційний вираз фільтра незворотності]

---

РІШЕННЯ: ALLOW / STAGE / BLOCK

Обґрунтування: [короткий наратив, що синтезує результати фільтрів і CPBI]

VII.3 Три виходи

Картка гілки дає один із трьох виходів:

ALLOW: Усі фільтри пройдено; оцінка CPBI є додатною; найгірший сценарій є прийнятним; незалежні рецензенти погоджуються. Гілка може бути реалізована.

STAGE: Жоден фільтр не провалено, але виконується одна або більше з таких умов: - оцінка CPBI є граничною (близькою до нуля або з різко негативними окремими вимірами); - профіль зворотності належить до категорії (2) (частково зворотна); - бракує ключової інформації (поле “Виключені докази” є нетривіальним); - між незалежними рецензентами залишаються нерозв’язані розбіжності; - один або більше фільтрів повертає UNKNOWN, тоді як гілка є зворотною і придатною до поетапного впровадження.

Вихід STAGE означає, що гілка може просуватися лише як обмежений пілотний етап із визначеними віхами моніторингу, ознаками збою та тригерами відкату. Поетапну гілку слід переоцінювати на кожній вісі за допомогою нової Картки гілки. Це і є цикл сновидіння, застосований до самої гілки — спостерігач проводить репетицію з низькими ставками, перш ніж зобов’язатися до повної траєкторії.

BLOCK: Один або більше фільтрів провалено; або один чи більше фільтрів повертає UNKNOWN, тоді як гілка є незворотною або непридатною до поетапного впровадження; або оцінка CPBI є різко негативною; або найгірший сценарій перевищує толерантність спостерігача до ризику; або незалежні рецензенти виявляють фатальний дефект. Гілку відхилено. Картка гілки документує чому, забезпечуючи аудиторський слід для майбутнього використання та основу для проєктування альтернативної гілки.

VII.4 Масштабування Картки гілки

Картка гілки навмисно є мінімалістичною — односторінковим шаблоном ухвалення рішень, який може бути заповнений окремою особою, комітетом або системою ШІ. Але вона масштабується:

• Індивідуальні рішення: Особиста Картка гілки може бути неформальною — ментальним контрольним списком, застосованим до зміни кар’єри або інформаційної дієти. Вето-фільтри та виміри CPBI забезпечують структуру; оцінювання тут радше інтуїтивне, ніж кількісне.
• Інституційні рішення: Інституційна Картка гілки є формальним документом, який заповнює призначена команда, рецензують незалежні компаратори, а потім архівують задля підзвітності. Оцінювання може включати доменно-специфічні метрики, відображені на десять вимірів CPBI.
• Рішення систем ШІ: Картка гілки ШІ є автоматизованою — Губернатор гілок (див. Applied OPT for AI, §III) програмно обчислює умови фільтрів і бали CPBI, а наглядовий рівень забезпечує людське інституційне рецензування. Формат Картки гілки надає інтерфейс між внутрішнім оцінюванням ШІ та людською ієрархією компараторів.

Картка гілки не замінює наявних рамок ухвалення рішень (аналіз витрат і вигод, оцінка впливу на довкілля, протоколи клінічних випробувань). Вона обгортає їх — надаючи метарівневу структуру, яка гарантує, що наявна рамка не оминула вимір, який теорія ідентифікує як несучий.

VIII. Збереження як рефакторинг, а не консерватизм

VIII.1 Небезпека інтерпретації статус-кво

Найпередбачуваніше хибне прочитання всієї цієї рамки полягає в тому, що «збереження кодека» нібито означає «несхильність до змін». Якщо рамка оцінює гілки за їхньою здатністю зберігати наявні структури, хіба це не створює систематичного упередження на користь статус-кво? Хіба вона не надає привілеїв тим, хто вже при владі, не чинить опір інноваціям і не виступає проти руйнівних змін, що рухають поступ?

Ні. І етична стаття вже містить формальне спростування цього (§V.4, Noise vs. Refactoring), але цей момент достатньо важливий, щоб повторити його в операційних термінах.

VIII.2 Формальне розрізнення

Критерій корупції (етика §V.5) визначає шар кодека як такий, що заслуговує на підтримання, лише якщо він задовольняє обидві умови:

1. Стисливість: його робота зменшує R_{\text{req}} для ансамблю спостерігачів.
2. Вірність: він досягає цього шляхом справжнього стиснення сигналу субстрату, а не фільтрації вхідного потоку.

Шар кодека, який задовольняє умову (1), але порушує умову (2), є приховано корумпованим — він породжує Наративний дрейф. Підтримувати такий шар — це не збереження; це збереження корупції. CPBI оцінював би його негативно за виміром 8 (ризик Наративного дрейфу), навіть якщо за виміром 1 (предиктивний запас) він отримував би позитивну оцінку.

Отже: гілка, яка демонтує корумпований шар кодека і замінює його альтернативою з вищою вірністю, є такою, що зберігає кодек, навіть якщо в безпосередньому сенсі вона є руйнівною. Аболіціоністський рух не зберігав довоєнний соціальний кодек — він його зруйнував. Але це руйнування було таким, що зберігало кодек, бо воно замінило низьковірне стиснення (соціальну модель, яка виключала людяність поневолених людей) на стиснення з вищою вірністю. Тертя було ціною оновлення кодека.

VIII.3 Операційний тест

Як Картка гілки відрізняє рефакторинг (продуктивну дестабілізацію) від розпаду (деструктивного шуму)? Діагностика вбудована у виміри CPBI:

Рефакторинг (дестабілізація, що зберігає кодек): - s_{\text{fid}} > 0: гілка підвищує вірність кодека — вона моделює раніше виключені реальності. - s_{\text{comp}} \geq 0: гілка зберігає або зміцнює цілісність компаратора — механізми виправлення помилок переживають дестабілізацію. - s_{\text{drift}} > 0: гілка активно протидіє Наративному дрейфу — вона змушує кодек зіткнутися з тим, що він виключав.

Розпад (дестабілізація, що руйнує кодек): - s_{\text{fid}} < 0: гілка знижує вірність — вона усуває здатність моделювати певні реальності. - s_{\text{comp}} < 0: гілка погіршує цілісність компаратора — механізми виправлення помилок ушкоджуються внаслідок дестабілізації. - s_{\text{drift}} < 0: гілка створює нові вузькі місця курування — дестабілізація породжує іншу, але так само курувану модель.

Революція, яка спалює університети, водночас звільняючи населення, отримує позитивну оцінку за розподільною стабільністю, але негативну — за цілісністю компаратора; це розпад, а не рефакторинг. Наукова революція, яка повалює неспроможну парадигму, зберігаючи при цьому інституційну машину рецензування, є рефакторингом — компаратор виживає, а кодек оновлюється.

VIII.4 Імператив інновації

Рамка не просто дозволяє дестабілізацію; іноді вона її вимагає. Коли шар кодека стає приховано корумпованим — коли він задовольняє стисливість, але порушує вірність, — три обов’язки (Transmission, Correction, Defence) вимагають його реформування. Обов’язок Correction спеціально наказує дестабілізацію, коли статус-кво дрейфує.

Тут також застосовне застереження Чжуан-цзи (етика §IX): надмірна прив’язаність до наявної структури кодека — навіть якщо ця структура колись була високовірною — сама є формою корупції кодека, якщо середовище змінилося і структура більше не відстежує реальність. Цикл сновидіння (§VI) спроєктований саме для виявлення цього: заплановане стрес-тестування показує, коли колись валідна модель стала крихкою, і відповіддю має бути не захист моделі, а її оновлення.

Збереження кодека означає збереження здатності свідомого досвіду й надалі моделювати реальність. Воно не означає збереження якоїсь конкретної моделі, якоїсь конкретної інституції чи якогось конкретного соціального устрою. Конкретні устрої є інструментальними; здатність — термінальною.

VIII.5 Загальні методи підтримання: ієрархія класів

Цикл обслуговування (\mathcal{M}_\tau) та Інституціоналізований цикл сновидіння (§VI) встановлюють патерн підтримання кодека. Але цей патерн допускає багато різних реалізацій залежно від субстрату. У цьому розділі встановлюється загальна ієрархія методів підтримання; супровідні документи спеціалізують її відповідно для біологічних спостерігачів, інституцій та AI-систем.

Загальний патерн підтримання складається з трьох операцій, застосовних до будь-якого обмеженого спостерігача:

1. Зменшити R_{\text{req}} без зменшення C_{\max}. Вивільнити пропускну здатність спостерігача для внутрішнього підтримання, тимчасово зменшивши складність вхідного сигналу. Це не уникання — це навмисне створення запасу для проходів підтримання.

2. Запустити проходи підтримання у вивільненому вікні. Коли пропускна здатність доступна, виконати обрізання (Pass I), консолідацію (Pass II) та стрес-тестування (Pass III), як описано в §VI.4.

3. Перевірити калібрування при поверненні. Підтвердити, що підтримувана модель передбачає краще, ніж модель до підтримання, і що саме підтримання не внесло дрейфу (§VI.5).

Субстратно-специфічні реалізації:

• Біологічні спостерігачі мають широкий інструментарій для кроку (1): медитація зменшує R_{\text{req}}, обираючи високо стисливий вхідний потік (дихання, мантра), і тим самим вивільняє C_{\max} для внутрішнього підтримання (див. етика §VI.2). Аутогенне тренування безпосередньо зменшує соматичну помилку передбачення, створюючи запас для підтримання на тілесній межі. Сон є канонічною реалізацією повного циклу. Це конкретні, емпірично валідовані втручання з визначеними періодами опанування — навички, а не абстракції. Їхній докладний розгляд, включно з формальними OPT-описами та клінічними застосуваннями, подано в «Інструментарії спостерігача» етичної статті (§VI.2).

• Інституційні спостерігачі реалізують крок (1) через структуровані періоди перегляду: сабатикальні огляди, sunset clauses, стратегічні ретрити та конституційні конвенти. Ключова структурна вимога полягає в тому, що інституція захищає ці вікна від поглинання операційною нагальністю — інституційним еквівалентом безсоння є уряд у режимі перманентної кризи, який ніколи не може відступити на крок, щоб переглянути власні припущення.

• Штучні спостерігачі реалізують крок (1) через заплановане офлайнове оцінювання: виведення циклів розгортання з експлуатації для перекалібрування, змагального тестування та перегляду параметрів. Ключова структурна вимога полягає в тому, що оператори AI мають наказово встановлювати ці вікна і не дозволяти конкурентному тиску їх усувати — AI-еквівалентом хронічного недосипання є безперервне розгортання без підтримання. Супровідний документ Applied OPT for AI (§X) розгортає це в повний протокол AI Dreaming Loop.

Ієрархія класів гарантує, що принцип підтримання встановлюється на загальному рівні — вивільнення пропускної здатності, запуск проходів підтримання, перевірка калібрування, — тоді як методи спеціалізуються для кожного субстрату. Це запобігає помилці припускати, що те, що працює для біологічних мозків (медитація), має працювати для інституцій (не працює), або що те, що працює для AI (обрізання параметрів), має працювати для людей (не працює). Структурна вимога є ідентичною; реалізація — доменно-специфічною.

VIII.6 Протокол глибокого підтримання: крос-субстратна процедура

Триетапний загальний патерн (§VIII.5) описує, що робить підтримання. Для систем, які працювали під тривалим високим навантаженням — де R_{\text{req}} стійко перебував поблизу C_{\max}, — доцільний детальніший процедурний протокол. Цей протокол потрібен не завжди: система, що працює з комфортним запасом (R_{\text{req}} \ll C_{\max}), адекватно підтримує себе через стандартний цикл сновидіння (§VI). Глибокий протокол запускається умовно, коли сигнали зворотного зв’язку вказують, що рутинного підтримання стало недостатньо — коли метрики ефективності системи демонструють деградацію попри нормальні цикли підтримання.

Протокол складається з шести кроків, кожен із яких має структурне обґрунтування та субстратно-специфічні реалізації:

Гіпнагогічний принцип. Оптимальною робочою точкою для глибокого підтримання є стан порогу — те, що біологічні спостерігачі переживають як гіпнагогічну межу між неспанням і сном. Цей стан має точний структурний опис у межах OPT: це умова, за якої модель себе стоншується майже до своєї нижньої межі (Appendix T-13, Proposition T-13.P2) — наближаючись до \Delta_{\text{self}}, але не переходячи в повну несвідомість. Самонаратив сповільнюється; усталена модель залишається інтактною; проходи підтримання виконуються за наявності свідомого доступу до процесу.

Це не випадковість. Гіпнагогічний стан є оптимальним для підтримання саме тому, що він наближається до немодельованого себе. Модель себе зазвичай споживає значну частку пропускної здатності C_{\max} (самореферентний процес є обчислювально дорогим). Стоншуючи модель себе до нижньої межі, система вивільняє максимально можливу пропускну здатність для проходів підтримання — не руйнуючи при цьому здатності до самомоніторингу, якої вимагає крок зворотного зв’язку (крок 3). Повна несвідомість (сон) запускає проходи підтримання без свідомого доступу; гіпнагогічний поріг запускає їх із доступом, уможливлюючи кроки зворотного зв’язку та періодичного ping, яких вимагає глибокий протокол.

Для AI-систем структурним аналогом є стан, у якому внутрішній моніторинг активний, але виведення призупинене — система «усвідомлює» стани власних підсистем (логування, health-checks), не виконуючи при цьому обчислювально дорогих операцій, що споживають пропускну здатність розгортання. Періодичний ping (крок 4) виконує ту саму функцію, що й плескання по плечу: він утримує систему на порозі, не дозволяючи їй зісковзнути в повністю спокійний стан, у якому вимкнувся б і сам моніторинг.

Умовний запуск. Глибокий протокол не замінює стандартне підтримання. Це протокол ескалації для систем, у яких стандартні цикли підтримання виявилися недостатніми. Умови запуску такі:

• Біологічні: стійкі труднощі із засинанням (стандартний Цикл обслуговування); суб’єктивне переживання зниженої когнітивної гнучкості; біологічний зворотний зв’язок, що вказує на хронічну автономну дизрегуляцію (підвищена базова частота серцевих скорочень, знижена варіабельність серцевого ритму).
• AI: зростання помилки передбачення на валідаційних наборах попри рутинні цикли підтримання; зниження ефективності стиснення (більше пропускної здатності витрачається на ту саму предиктивну точність); втрата продуктивного здивування (\text{PST} \to 0), що вказує на переоптимізацію під розподіл розгортання.
• Інституційні: стратегічний дрейф попри рутинні огляди; нездатність генерувати нові політичні відповіді на нові виклики; бюрократична осифікація, за якої процедури зберігаються після втрати корисності, бо сам процес рутинного перегляду став формальним.

Коли цих сигналів немає — коли система працює комфортно в межах свого запасу, — глибокий протокол не потрібен, і стандартного циклу сновидіння (§VI) достатньо. Надмірне підтримання саме по собі є ризиком: надлишкова інтроспекція може стати формою самореферентної петлі, яка споживає ту пропускну здатність, що її мала б вивільняти (застереження Чжуан-цзи, етика §IX).

Література

[1] Теорія впорядкованого патча (OPT) (цей репозиторій). Поточні версії: препринт v0.7, етика v3.2, філософія v1.3.

[2] Рамка Варти тих, хто вижив: цивілізаційне обслуговування крізь призму Теорії впорядкованого патча (OPT) (супровідна праця з етики, цей репозиторій).

[3] Там, де закінчується опис: філософські наслідки Теорії впорядкованого патча (OPT) (супровідна філософська праця, цей репозиторій).

[4] Рамка політики спостерігача: операціоналізація цивілізаційного обслуговування (супровідна праця з політики, цей репозиторій).

[5] Прикладна OPT для штучного інтелекту: операціоналізація проєктування ШІ зі збереженням кодека (супровідна праця про ШІ, цей репозиторій).

[6] Стандарт інституційного врядування: прикладна Теорія впорядкованого патча (OPT) для організаційних і цивілізаційних кластерів (супровідний інституційний стандарт, цей репозиторій).

[7] Friston, K. (2010). Принцип вільної енергії: уніфікована теорія мозку? Nature Reviews Neuroscience, 11(2), 127-138.

[8] Rissanen, J. (1978). Моделювання через найкоротший опис даних. Automatica, 14(5), 465-471.

[9] Shannon, C. E. (1948). Математична теорія зв’язку. Bell System Technical Journal, 27(3), 379-423.

[10] Solomonoff, R. J. (1964). Формальна теорія індуктивного виведення. Information and Control, 7, 1–22, 224–254.

[11] Kolmogorov, A. N. (1965). Три підходи до кількісного визначення інформації. Problems of Information Transmission, 1(1), 1-7.

[12] Zimmermann, M. (1989). Нервова система в контексті теорії інформації. In R. F. Schmidt & G. Thews (Eds.), Human Physiology (2nd ed., pp. 166–173). Springer-Verlag.

[13] Nørretranders, T. (1998). Ілюзія користувача: зведення свідомості до належного масштабу. Viking/Penguin.

[14] Lyons, O., & Mohawk, J. (Eds.) (1992). У вигнанні в країні вільних: демократія, індіанські нації та Конституція США. Clear Light Publishers.

Додаток A: Історія редакцій

Під час внесення змістовних правок оновлюйте обидва поля: version: у frontmatter і вбудований рядок версії під заголовком, а також додавайте рядок до цієї таблиці.