IRAM-Omega-Q: 人工エージェントにおける不確実性制御の計算アーキテクチャ

概要:
人工エージェントは、内部規制、不確実性管理、および確率的撹乱下での安定性に関して不透明なままで、強力なタスク性能を達成できる。私たちはIRAM-Omega-Qを提示する、内部規制を量子のような状態表現に対する閉ループ制御としてモデル化する計算アーキテクチャである。フレームワークは、密度行列を抽象的な状態記述子として道具的に用い、物理的な量子過程を呼び起こすことなく、エントロピー、純度、およびコヒーレンス関連の指標を直接計算できる。ノイズの下で目標とする不確実性のレジームを維持するため、中心的な適応ゲインを継続的に更新する。系統的なパラメータスイープ、固定シードの公開モードシミュレーション、および感受性に基づく相図分析を用いて、規制-ノイズ空間における再現可能な臨界境界を特定する。さらに、知覚優先と行動優先のアーキテクチャとして解釈される代替的な制御更新順序が、同一の外部条件下で異なる安定性レジームを誘発することを示す。これらの結果は、不確実性規制を人工エージェントの具体的なアーキテクチャ原理として支持し、認知に触発されたAIシステムにおける安定性、制御、および順序効果を研究するための形式的な枠組みを提供する。このフレームワークは、人工エージェントにおける適応的な規制ダイナミクスの技術的モデルとして提示される。現象学的意識に関する主張は含まず、量子のような形式論は、構造化された不確実性と状態進化を表現するための厳密な数学的表現としてのみ用いられる。