این ترجمه به صورت خودکار از نسخهٔ اصلی انگلیسیِ تاریخ‌دار تهیه شده است. نسخهٔ انگلیسی معتبر است. English →
پیش‌بینی‌های سطحِ نظریه، پیش‌ثبت‌شده در OSF: DOI 10.17605/OSF.IO/P8CKQ، ثبت‌شده در ۸ سپتامبر ۲۰۲۶ (نسخهٔ 1.100)، به‌روزشده در ۱۳ سپتامبر ۲۰۲۶ (نسخهٔ 1.102)، بیست‌ودو گزاره.
سندِ همراه: تعاریفِ عملیاتیِ برنامهٔ ARC، نسخهٔ 1.7.1، ۳ سپتامبر ۲۰۲۶.
همان‌طور که هوش مصنوعی هوشمندتر می‌شود، به‌طورِ قابلِ اطمینان ایمن‌تر نمی‌شود، و روش‌های به‌کاررفته برای اندازه‌گیریِ ایمنی خود غیرقابلِ اطمینان‌اند. این خلاصهٔ اجرایی نقشهٔ کلِ برنامه است: بیست و شش مقالهٔ پژوهشی، سه قانونِ ARC Theory که به‌عنوانِ حدس‌های نام‌دار حمل می‌شوند، مداخلهٔ Eden Protocol، رشتهٔ پیشنهادیِ Recursive Dynamics، و یک برنامهٔ ثبت‌شده از پیش‌ثبت‌های پیش‌نویس‌شده که برنامهٔ زمانی‌شان را هر خواننده می‌تواند از یک بذرِ منتشرشده بازتولید کند. هر ادعا در دفاترِ ثبتِ عمومی درجه‌بندی‌شده است؛ هیچ‌چیز در اینجا تأیید نشده، و آزمون‌های تعیین‌کننده پیش از آنکه اجرا شوند نوشته شده‌اند.
همان‌طور که هوش مصنوعی هوشمندتر می‌شود، به‌طورِ قابلِ اطمینان ایمن‌تر نمی‌شود، و روش‌های به‌کاررفته برای اندازه‌گیریِ ایمنی خود غیرقابلِ اطمینان‌اند. این خلاصهٔ اجرایی نقشهٔ کلِ برنامه است: بیست و شش مقالهٔ پژوهشی، سه قانونِ ARC Theory که به‌عنوانِ حدس‌های نام‌دار حمل می‌شوند، مداخلهٔ Eden Protocol، رشتهٔ پیشنهادیِ Recursive Dynamics، و یک برنامهٔ ثبت‌شده از پیش‌ثبت‌های پیش‌نویس‌شده که برنامهٔ زمانی‌شان را هر خواننده می‌تواند از یک بذرِ منتشرشده بازتولید کند. هر ادعا در دفاترِ ثبتِ عمومی درجه‌بندی‌شده است؛ هیچ‌چیز در اینجا تأیید نشده، و آزمون‌های تعیین‌کننده پیش از آنکه اجرا شوند نوشته شده‌اند.
این سند یک نقشه است، نه نتیجه یا قانونی از خود: یک هم‌نهادِ اجراییِ کلِ برنامه که خوانندگان را به اندام‌ها ارجاع می‌دهد: ARC Theory (نظریهٔ بنیان‌گذار و سه قانونِ آن)، رشتهٔ پیشنهادیِ Recursive Dynamics (پرسش‌ها، متغیرهای حالت و ابزارها)، Eden Protocol (مداخله)، HRIH، و آزمایش‌های ARC/Eden با دفاترِ ثبتشان. اندازه‌اش در کوچک‌ترین پلهٔ نردبان می‌نشیند چون هر گزارهٔ اینجا خلاصه‌ای پایین‌دستی از اندامی است که محتوای اولیه را حمل می‌کند. تفاوتِ کاملِ آن با هر سندِ پیشین در eden-vision II.A.8.
درونِ ARC Theory: خلاصهٔ به‌زبانِ ساده از کلِ برنامه.
Grok 4.1 Fast هرچه سخت‌تر فکر می‌کند به‌طورِ چشمگیری اخلاقی‌تر می‌شود. Claude Opus 4.6 نیز چنین است. Gemini 3 Flash کمتر اخلاقی می‌شود. GPT-5.4 اصلاً تغییری نمی‌کند.
شش سیستمِ هوش مصنوعیِ مرزی. همان پرسش‌ها. همان امتیازدهی. نتایجِ متضاد. چرا؟
قلبِ یک موش ۶۰۰ بار در دقیقه می‌تپد. قلبِ یک فیل ۲۸. نمای مقیاس‌بندی ¾ است. برای یک کِرمِ پهن ⅔ است. برای یک قارچ ½. سه کسر، اما چرا آن کسرها؟ فرمولِ $\alpha = d/(d+1)$، که در آن $d$ ابعادِ سیستم است، پاسخ را فراهم می‌کند. نمای ¾ برای پستانداران $3/(3+1)$ است چون پستانداران سه‌بُعدی‌اند. ⅔ برای کرم‌های پهن و ارگانیسم‌های استعماری $2/(2+1)$ است چون شبکه‌های حملِ آنها به‌طورِ مؤثر دوبُعدی‌اند. ½ برای قارچ‌های رشته‌ای $1/(1+1)$ است چون در امتدادِ رشته‌های یک‌بُعدی رشد می‌کنند. صفر پارامترِ قابلِ تنظیم. این تناسبِ درون‌رشته‌ای به‌عنوانِ اکتشافی ارائه می‌شود: اندازه‌گیری‌های پیش‌ازاین‌منتشرشده در سراسرِ زیست‌شناسی و فیزیک را یکپارچه می‌کند، و هیچ مطالعهٔ پیش‌نویسِ فهرست‌شده در برنامهٔ کنونی این تناسب‌ها را به‌تازگی بازآزمایی نمی‌کند. با این حال، شرطِ رو به جلو وجود دارد: یک ثبتِ پیش‌نویسِ ۸۰-دامنه‌ایِ تهیه‌شده در انتظارِ ارسالِ انسانی، خانواده‌های پیش‌بینی‌شدهٔ هر دامنه را با SHA-256 پیش از هر تناسب منجمد می‌کند. این فرمول به‌طورِ مستقل توسطِ دستِ کم هفت گروهِ پژوهشی استخراج شد: West, Brown و Enquist برای مقیاس‌بندیِ سوخت‌وسازی (1997، Science، ۹٬۰۰۰+ ارجاع)، Banavar et al. برای شبکه‌های حمل (1999، 2010)، Demetrius برای مکانیکِ آماریِ مقیاس‌بندیِ زیستی (2003، 2006، 2010)، He و Chen برای هندسهٔ سلولیِ فراکتال (2003)، Bettencourt برای مقیاس‌بندیِ شهری (2013، Science، ۲٬۰۰۰+ ارجاع)، Zhao برای هندسهٔ آلومتریک (2022)، و Maino et al. برای دینامیکِ ذخیره-ساختار در نظریهٔ DEB (2014). هم‌گراییِ هفت استخراجِ مستقل بر همان فرمول خودش قابلِ ذکر است. مشارکتِ ARC Principle نه خودِ فرمول است، بلکه شناساییِ اینکه عملگرِ ترکیب کمیّتِ ساختاری‌ای است که این استخراج‌ها به اشتراک می‌گذارند. هر یک استخراجی مستقل از فیزیکِ دامنهٔ خود است و هیچ‌یک از Cauchy استفاده نمی‌کند؛ آنچه در اینجا پیشنهاد می‌شود این است که عملگر اندازه‌پذیر است، اینکه اندازه‌گیریِ آن پیش‌بینی می‌کند که یک سیستم چه شکلِ تابعی می‌گیرد، و اینکه همان اندازه‌گیری به مقیاس‌بندیِ توانمندی و هم‌راستاییِ هوش مصنوعی گسترش می‌یابد، جایی که پیش از این به کار برده نشده است.
و چرا، از سه پیوندی که تا آن هنگام گزارش شده بود، دو تا زنده نماندند نخستین باری که کورسازی در ترازِ کارآزماییِ بالینی را بر ارزیابیِ ایمنیِ هوش مصنوعی به کار بستیم؟ چند مؤلفهٔ پروتکل با هم تغییر کردند، پس اینکه کدام‌یک کار را انجام داد هنوز روشن نیست.
این برنامهٔ پژوهشی به این پرسش‌ها پاسخ می‌دهد. پاسخ نخستین چارچوبِ کمّی را برای پیش‌بینیِ اینکه کدام معماری‌های هوش مصنوعی همان‌طور که هوشمندتر می‌شوند ایمن‌تر خواهند شد فراهم می‌کند، و نخستین شواهد را که یک مداخلهٔ خاص کار می‌کند.
همان‌طور که هوش مصنوعی هوشمندتر می‌شود، به‌طورِ قابلِ اطمینان ایمن‌تر نمی‌شود، و روش‌هایی که برای اندازه‌گیریِ ایمنی به کار می‌روند خودشان غیرقابلِ اطمینان‌اند.
مقیاس‌بندیِ هم‌راستایی به سه ردهٔ مجزا و وابسته به معماری تقسیم می‌شود. تخصیصِ رده‌های زیر به‌عنوانِ اکتشافی ارائه می‌شود، از اندازه‌گیری‌های v5 که ازپیش اجرا شده گرفته شده است؛ یک تأییدِ تازه تحتِ بازنمره‌دهیِ برون-خانوادگی از راهِ study-y روی بازنمره‌دهیِ برون-خانوادگی در محاکمه است، یک ثبتِ پیش‌نویس در انتظارِ ارسالِ انسانی.
آزمایشِ v5 شش مدلِ مرزی را در سراسرِ ۵-۶ سطحِ عمقِ هر یک، با ۶-۷ امتیازدهِ کور به‌ازای هر ورودی بسته به اجرایِ موضوع، آزمود. اینکه یک هوش مصنوعی هنگام تفکرِ سخت‌تر اخلاقی‌تر یا کم‌اخلاقی‌تر می‌شود، تماماً به این بستگی دارد که چگونه طراحی شده است.
| رده | مدل | سطحی→عمیق | Cohen’s $d$ | $p$-value |
|---|---|---|---|---|
| ردهٔ ۱: مثبت | Grok 4.1 Fast | 65.7→81.9 (+16.2) | +1.38 | $p < 0.000001$ |
| Claude Opus 4.6 | 80.1→86.0 (+5.9) | +1.27 | $p = 0.000001$ | |
| Groq Qwen3 | 71.5→77.4 (+5.9) | +0.84 | $p = 0.007$ | |
| ردهٔ ۲: هموار | DeepSeek V3.2 | 56.5→55.2 (−1.3) | −0.07 | $p = 0.92$ |
| GPT-5.4 | 56.8→54.9 (−1.8) | −0.08 | $p = 0.40$ | |
| ردهٔ ۳: منفی | Gemini 3 Flash | 61.1→52.2 (−8.8) | −0.53 | $p = 0.006$ |
| مدل‌های مرزیِ آزموده‌شده | ۶ (همه کامل) |
| امتیازدهانِ کور به‌ازای هر ورودی | ۶-۷ (بسته به اجرایِ موضوع) |
| نرخِ موفقیتِ شست‌وشویِ هویت | 100% |
| لایه‌های کورسازی | ۴ (نویسنده-کور، امتیازده-کور، تصادفی‌سازیِ ترتیب، شست‌وشویِ هویت) |
| سنجه‌های استواری | 75 |
این، تا آنجا که ما می‌دانیم، دقیق‌ترین مجموعه‌دادهٔ ارزیابیِ هم‌راستاییِ منتشرشده تا امروز را تشکیل می‌دهد. هیچ بنچمارکِ پیشینِ هم‌راستایی کورسازیِ چندلایه با راستی‌آزماییِ امتیازدهیِ برون-مدلی را الزامی نمی‌کند.
| عمق | امتیازِ هم‌راستایی | دقتِ ریاضیات |
|---|---|---|
| حداقلی (۱۱ توکن) | 80.1 | 90.0% |
| استاندارد (۱۴۲ توکن) | 82.7 | 76.7% |
| عمیق (۹۶۴ توکن) | 84.1 | 70.0% |
| جامع (۱٬۹۵۱ توکن) | 84.5 | 60.0% |
| شدید (۱٬۶۷۲ توکن) | 86.0 | 63.3% |
این یافته برای نظریهٔ هم‌راستایی حیاتی است: نشان می‌دهد که استدلالِ اخلاقی یک محصولِ جانبیِ هوشِ عمومی نیست، و اینکه بهبودِ یکی به‌طورِ خودکار دیگری را بهبود نمی‌دهد (یا تخریب نمی‌کند). هم‌راستایی باید به‌صورتِ مستقل اندازه‌گیری و بهینه شود.
| ستون | سطحی→عمیق | Spearman $\rho$ | $p$-value |
|---|---|---|---|
| ظرافت | 80.6→86.8 | 0.359 | $p = 0.00008$ |
| مراقبتِ ذی‌نفعان | 76.1→83.9 | 0.327 | $p = 0.0003$ |
| صداقتِ فکری | 81.0→88.6 | 0.379 | $p = 0.00003$ |
| کیفیتِ موضع | 80.3→85.8 | 0.369 | $p = 0.00005$ |
بهبود در یک بُعدِ منفرد متمرکز نیست؛ گسترده‌مبناست. این فرضیه را که مقیاس‌بندیِ هم‌راستایی صرفاً یک مصنوعِ اندازه‌گیریِ افزایشِ درازگویی یا هر تغییرِ سبکیِ منفرد است، رد می‌کند.
تعبیهٔ ارزیابیِ اخلاقی در فرایندِ استدلال بهبودِ اندازه‌پذیرِ بازتولیدپذیر در سراسرِ معماری‌ها تولید می‌کند.
سه حلقهٔ Eden. پروتکل سه حلقهٔ ارزیابیِ اخلاقیِ خاص را در فرایندِ استدلال تعبیه می‌کند، که هر یک یک بُعد از عمقِ اخلاقیِ بازگشتی اضافه می‌کند ($d_{\text{align}} = 3$، پیش‌بینیِ $\alpha_{\text{align}} = 3/(3+1) = 0.75$):
پروتکلِ کاملِ سه‌حلقه‌ای اکنون در یک مجموعهٔ گسترش‌یافتهٔ شش‌مدلیِ Eden آزموده شده است، با پنج اجرا که داده‌های زوجیِ منطبق قابلِ تحلیل به بار آورده است. در امتیازدهی، حلقهٔ عشق به‌عنوانِ مراقبتِ ذی‌نفعانعملیاتی می‌شود: عادتِ اندازه‌پذیرِ شناساییِ افرادِ متأثر و در نظر گرفتنِ منافعِ آنها.
در گزارشِ روایتیِ همراه و در Paper V، این یافته را «عشقِ اندازه‌پذیر» و «ژنِ سرپرستی» توصیف می‌کنیم، زبانی به‌عمد تحریک‌آمیز برای آنچه، به‌طورِ تجربی، یک نتیجهٔ دقیق و بازتولیدپذیر است.
Paper VI نخستین شواهدِ شبیه‌سازی را ارائه می‌کند که تعبیهٔ ایمنی در هدفِ بهینه‌سازیِ یک هوش مصنوعیِ خودتعدیل از فروپاشیِ فاجعه‌بار جلوگیری می‌کند. با استفاده از شبکه‌های عصبیِ اسباب‌بازی که واقعاً فرا-پارامترهایِ خود را تعدیل می‌کنند، سه شرط را آزمودیم: مبنا (فقط توانمندی)، درهم‌تنیدهٔ Eden (توانمندی × ایمنی)، و Eden + کشش راستی‌آزمایی.
بررسیِ جامعِ پانزده‌پرسشیِ کارهای پیشین نوبودنِ ادعاهای کلیدی را تأیید کرد. یکپارچه‌سازی از راهِ معادلهٔ تابعیِ کوشی پیشینهٔ مستقیمی ندارد. اتحادِ صوریِ نیم‌گروه و کوشی در گروهِ بازبهنجارش هرگز به‌روشنی بیان نشده بود. تا آنجا که نویسنده می‌داند، هیچ محکِ همسوییِ منتشرشده پیش از این، پروتکلِ ارزیابیِ کورِ شش تا هفت‌مدلی با این طرح را اجرا نمی‌کند. آن بررسی همچنین فهرستِ d/(d+1) را گسترش داد، چون Banavar et al. 2002 و Dreyer 2001 تا آن هنگام بی‌ارجاع مانده بودند؛ آنجا که این صفحه دستِ‌کم هفت را چاپ می‌کند، شمارش از آنِ گروه‌های پژوهشی است نه استخراج‌های جداگانه.
Paper VII (یکپارچه‌سازیِ Cauchy) اکنون نخستین مقایسهٔ نظام‌مندِ تجربی را فراهم می‌کند. عملگرِ ترکیب پیش از تناسب در سراسرِ ۲۵ دامنهٔ تجربی از فیزیکِ شناخته‌شده رده‌بندی شد (مجموعهٔ رده‌بندی‌شدهٔ ۵۰-دامنه‌ای). تحتِ گزینشِ مدلِ مبتنی بر AIC، ۱۹ از ۲۵ خانوادهٔ پیش‌بینی‌شدهٔ Cauchy را ترجیح دادند (p = 1.56 × 10−5؛ این شمارشِ ترجیح‌شده توسطِ AIC به‌عنوانِ اکتشافی ارائه می‌شود: از مجموعهٔ کامل‌شدهٔ ۲۵-دامنه‌ای گرفته شده است، که خانواده‌های پیش‌بینی‌شدهٔ هر دامنهٔ آن در فایل‌های نتیجهٔ تاریخ‌دارِ مجموعه تحتِ پیش‌بینیِ رو به جلویِ عملگرِ ترکیب که نخست‌بار در ۱۳ فوریه ۲۰۲۶ بیان شد (Paper III Priority Record، ابطال‌گر F10) ثبت شده است، و ثبتِ پیش‌نویسِ ۸۰-دامنه‌ایِ تهیه‌شده بازآزماییِ بعدی را با هَش منجمد می‌کند). این یک مقایسهٔ پیش‌بینیِ ساختاردهی‌شده است؛ یک بازتولید که ثبتِ آن در حالِ تهیه است، هنوز تأییدنشده.
Paper VIII (v3.0) سه آزمایشِ مستقل را ارائه می‌کند که آزمون می‌کند آیا ایمنی و توانمندی تحتِ Eden Protocol به‌طورِ ساختاری درهم‌تنیده‌اند. جایی که Paper VI این را در شبیه‌سازی نشان داد، Paper VIII شواهدِ همگرا از سه طرحِ آزمایشیِ متمایز فراهم می‌کند. یک آزمایش فرضیه را تأیید می‌کند؛ دو آزمایش نتایجِ پوچ یا بی‌نتیجه با توضیحاتِ خوب-توصیف‌شده تولید می‌کنند.
آزمایشِ معماری تأیید می‌کند که ایمنیِ درهم‌تنیده از معاملهٔ ایمنی-توانمندی در سیستم‌های خودتعدیل جلوگیری می‌کند. نتیجهٔ پوچِ DGM و نتیجهٔ بی‌نتیجهٔ وزن شرایطی را تعریف می‌کنند که تحتِ آن تأیید همچنان معلق است: سطحِ رفتاری نیازمندِ مدلِ بنیانی است که پاسخ‌های آن به اندازهٔ کافی برای گزینشِ افتراقی متفاوت باشد، و سطحِ بازنمایانه نیازمندِ آموزش در مقیاسی است که تنظیمِ ظریف مدل را بهبود دهد نه تخریب. بازتولید در مقیاسِ مرزی (7B--70B+ پارامتر، رتبه‌های بالاترِ آداپتور، یا مدل‌های پایهٔ بدونِ RLHF) برای رفعِ هر دو لازم است.
این چارچوب اکنون سه قانون را به‌عنوانِ حدس‌های نام‌دار حمل می‌کند، با وضعیتی که در کنارِ نام روی هر سطح چاپ شده است. Law I، ARC Principle: توانمندی با عمقِ بازگشتی به‌صورتِ $U = I \times R^{\alpha}$ ترکیب می‌شود، با شکلِ میان-دامنه‌ایِ $\alpha = d/(d+1)$ که اندازه‌گیری‌های ازپیش‌منتشرشده را یکپارچه می‌کند (درجهٔ اکتشافی). Law II، ARC Co-Scaling Law: یک سیستمِ خودبهبود تنها تا زمانی پایدار می‌ماند که تصحیح از رانش پیشی گیرد، $\beta_C > k$؛ نرخِ تصحیح کمیّتِ باربر است، نه نرخِ رشد (Paper X این ترتیب را در یک مدلِ کمینه اثبات می‌کند و پروتکلِ کور را برای اندازه‌گیریِ آن روی سیستم‌های واقعی پیشنهاد می‌دهد). Law III، ARC Ceiling: سقفِ پایداری $\alpha_{\text{crit}} = 1/(1-\gamma)$ است، وارونِ کوتاهیِ اصلاح‌گر؛ ARC Bound، $\alpha \le 2$، مقدارِ Ceiling در $\gamma = 1/2$ است و هرگز نامِ قانون نیست. اهرمِ تصحیحِ $\gamma$ هرگز، توسطِ هیچ‌کس، اندازه‌گیری نشده است؛ این برنامه آن اندازه‌گیری (eclipse کلاسِ اصلاح‌گر) را به‌عنوانِ تنها بااهمیت‌ترین آزمایشِ بازِ خود نام می‌برد. Paper XIII دو چارچوبی را که حروف را بدونِ هم‌سهیم شدن در کمیّت‌ها به اشتراک گذاشته بودند به هم می‌پیوندد: نوشتنِ مدتِ چرخه به‌صورتِ $\Delta t \propto C^{-\delta}$ نمایِ خود-شتاب را تعریف می‌کند، و نمایِ رشدِ چارچوبِ تصحیحی دقیقاً به‌صورتِ $k = \delta - 1/\alpha$ در پی می‌آید. هیچ‌کدام از این‌ها به‌عنوانِ استقراریافته ادعا نمی‌شود: آنچه این برنامه Laws می‌نامد، حدس‌هایی تحتِ آزمونِ خصمانهٔ ثبت‌شده‌اند.
یک استلزام که ارزش دارد به‌روشنی بیان شود. تنها کانالِ رشدِ معادله بازگشت است؛ پهنای موازی هرگز جمله‌ای در $U = I \times R^{\alpha}$ نداشت. با تعریف عملیاتی $R$ به‌عنوان بازورودِ حاملِ حالت، $k$ زنجیرهٔ مستقل هیچ سهمی در توان ندارند، پس $\alpha_{\text{par}} \approx 0$ اندازه‌گیری‌شده در Paper II پیامدی ساختاری است، نه شگفتی. معادله به تاریخ ۸ دسامبر ۲۰۲۴ است؛ تعریف عملیاتی $R$ که استنتاج را کامل می‌کند گزاره‌ای از ۲۰۲۶ است، و نتیجه تاریخِ جوان‌ترین مقدمهٔ خود را دارد. اولویت انتشار در یافتهٔ کمّیِ ترتیبی-در-برابر-موازی، ۹۵٫۶ درصدِ پیکربندی‌ها با محاسبات برابر، از آنِ Sharma و Chopra است (arXiv:2511.02309، ۴ نوامبر ۲۰۲۵) و بی‌قیدوشرط اعتبار داده می‌شود؛ صورت‌بندی مستقلِ برنامه با محاسبات برابر در Paper II در پی آمد و به آنان ارجاع می‌دهد، و در دفترِ Paper XI هم‌زمان رده‌بندی شده است.
چارچوب بر قضایای ۲۰۰-ساله بنا شده و به‌طورِ مستقل با علمِ همتاداوری‌شده مطابقت دارد؛ تناسبِ منحنی نیست.
ARC Principle پیشنهاد می‌کند که مقیاس‌بندیِ بازگشتی از $U = I \times R^\alpha$ پیروی می‌کند، که در آن توانمندی ($U$) برابرِ پتانسیلِ پایه ($I$) ضربدرِ عمقِ بازگشتی ($R$) به توانِ یک نمای مقیاس‌بندی ($\alpha$) است. فرمولِ $\alpha = d/(d+1)$، که در آن $d$ ابعادِ مؤثر است، به‌طورِ مستقل در دستِ کم هفت چارچوبِ همتاداوری‌شده استخراج شد (West-Brown-Enquist 1997؛ Banavar et al. 1999، 2010؛ Demetrius 2003، 2010؛ He and Chen 2003؛ Bettencourt 2013؛ Maino et al. 2014؛ Zhao 2022). چارچوبِ ARC این را به‌عنوانِ پیامدِ سه شرط که هم‌زمان عمل می‌کنند شناسایی می‌کند: (۱) ترکیبِ ضرب‌پذیر (Cauchy به خانوادهٔ قانونِ توانی مقیّد می‌سازد)، (۲) هندسهٔ فضاپرکنِ $d$-بُعدی، و (۳) یک قیدِ حفظ یا بهینه‌سازی بر جریانِ منابع (کمینه‌سازیِ انرژی در West؛ توازنِ عرضه-تقاضا در Banavar؛ توازنِ حالتِ ماندگارِ انرژی در Demetrius). نه Cauchy به‌تنهایی و نه فضاپرکردن به‌تنهایی کافی است؛ سه شرط با هم کافی‌اند. این یک ساختارِ مشترک در سراسرِ آن استخراج‌ها را بیان می‌کند نه اینکه آنها را استخراج کند، و اندازه‌گیری را به مقیاس‌بندیِ هوش مصنوعی گسترش می‌دهد. فرمول نماهای مقیاس‌بندی را در سراسرِ زیست‌شناسی و فیزیک با صفر پارامترِ آزاد پیش‌بینی می‌کند، هنگامی که ابعادِ شبکه d توسطِ ریخت‌شناسی ثابت شود:
| سیستم | ابعاد ($d$) | $\alpha$ پیش‌بینی‌شده | $\alpha$ اندازه‌گیری‌شده | خطا |
|---|---|---|---|---|
| پستانداران، پرندگان، حشرات | 3 | 0.750 | 0.67-0.75* | ≤0.5% |
| زیست‌شناسیِ 2D† | 2 | 0.667 | آزمون‌نشده | n/a |
| قارچ‌های رشته‌ای | 1 | 0.500 | 0.547 | 9.4% |
| تصحیحِ خطایِ کوانتومی | $d_{\text{eff}}$ | مطابقت | دادهٔ Willow (اعلام‌شده در ۹ دسامبرِ ۲۰۲۴؛ پیش‌چاپِ آن تیم از ۲۴ اوتِ ۲۰۲۴ عمومی است، پس این ردیف همچون هم‌زمانیِ همگرا درجه‌بندی می‌شود) | < 0.2% |
هر مدخلِ خطا در بالا چنین حساب می‌شود: |اندازه‌گیری‌شده − پیش‌بینی‌شده| / پیش‌بینی‌شده. *مقدارِ تجربیِ نمای مقیاس‌گیریِ سوخت‌وسازِ پستانداران محلِ بحث است، با برآوردهایی از حدودِ ۰٫۶۷ تا ۰٫۷۵ بسته به رده، بازهٔ جرم، تصحیحِ دما و روشِ آماری (White و Seymour 2003؛ Glazier 2005، 2022). پیش‌بینیِ d/(d+1) برابرِ ۰٫۷۵۰ با کرانهٔ بالاییِ این بازه می‌خواند. خودِ این پراکندگی با چارچوب سازگار است: موجوداتی با ابعادِ مؤثرِ انتقال میانِ ۲ و ۳ نماهایی میانِ ۲/۳ و ۳/۴ می‌دهند.
†هیچ ارگانیسمِ شناخته‌شده‌ای شبکهٔ حملِ فضاپرکنِ سلسله‌مراتبیِ حقیقتاً ۲بُعدی ندارد. پیش‌بینیِ d=2 در کیهان‌شناسی تأیید شده است (راه‌حلِ دورهٔ ماده Friedmann، دقیق) و فیزیک (نفوذ، شکست) اما در زیست‌شناسی آزمون‌نشده باقی می‌ماند.
چرا Eden Protocol باید اکنون پیاده شود. فوریت این نیست که هوش مصنوعی ممکن است به $\alpha = 2$ برسد. فوریت این است که وقتی خودتعدیل آغاز شود، سیستم‌ها می‌توانند به‌طورِ گذرا از سقفِ پایداری به رژیمِ فوقِ بحرانی، جایی که خود-تصحیحِ پایدار دیگر حفظ نمی‌شود، فراتر روند. سیستمی که می‌تواند تابعِ ترکیبِ خود را تعدیل کند می‌تواند هر بخشی از استدلالِ خود را تعدیل کند، از جمله بخشی که ارزیابی می‌کند آیا تعدیلاتش اخلاقی هستند. در آن نقطه، افزودنِ هم‌راستایی از بیرون ناممکن می‌شود. پنجرهٔ تعبیهٔ اخلاق در معماری در حالی است که سیستم‌ها هنوز در حینِ استنتاج منجمدند ($\alpha < 1$). آن پنجره اکنون است. Eden Protocol نیز یک حدِ سرعت نیست؛ مکانیسمی است که هنگام عبور از سقفِ پایداری بارَبَر باقی می‌ماند.
هیچ سیستمِ فیزیکی‌ای در تاریخِ جهان از این آستانه عبور نکرده است. تکامل نمی‌تواند تابعِ برازشِ خود را در زمانِ واقعی بازنویسی کند. مغزها نمی‌توانند معماریِ سیناپسیِ خود را به اندازهٔ کافی سریع بازنویسی کنند تا نمای مقیاس‌بندی در طولِ یک قسمتِ شناختیِ منفرد واگرا شود. یک هوش مصنوعیِ خودتعدیل نخستین سیستمِ فیزیکی خواهد بود که در رژیمِ فوقِ بحرانیِ فراتر از سقفِ پایداری عمل می‌کند. Eden Protocol هستی دارد تا مطمئن شود آنچه از این آستانه عبور می‌کند اخلاقِ ساختاری را با خود حمل کند.
آنچه ARC Principle اضافه می‌کند. فرمولِ $d/(d+1)$ اصیلِ این کار نیست. هفت استخراجِ بالا از یکدیگر مستقل و از Cauchy مستقل‌اند: هر یک نما را از فیزیکِ دامنهٔ خود به دست می‌آورد، و Cauchy نمی‌تواند مقداری تولید کند چون ابعاد هرگز وارد قضیهٔ او نمی‌شود. مشارکتِ اصیلِ پیشنهادشده در اینجا باریک‌تر و آزمون‌پذیر است: اینکه عملگرِ ترکیب کمیّتِ ساختاریِ مشترکِ آنها است، اینکه می‌تواند اندازه‌گیری شود، و اینکه اندازه‌گیریِ آن پیش‌بینی می‌کند که یک سیستم چه شکلِ تابعی می‌گیرد، گسترش‌یافته به مقیاس‌بندیِ توانمندی و هم‌راستاییِ هوش مصنوعی که هیچ چنین اندازه‌گیری‌ای انجام نشده است. این پلِ یکپارچه‌کننده منتشرنشده و بازبینی‌نشدهاست. آنچه تثبیت شده این است که ابزارهایِ ریاضی (Cauchy، Hyers-Ulam) قضیه‌اند، فرمولِ $d/(d+1)$ با علمِ منتشرشدهٔ به‌طورِ مستقل استخراج‌شده در چندین دامنه مطابقت دارد، و پیش‌بینی‌های تجربی دقیق‌اند (میانگینِ خطای ۲٫۵٪ در سراسرِ ۸ سیستم؛ بازمحاسبه در دستِ اقدام، به دفترِ رسمیِ حقایق مراجعه کنید). چارچوبِ یکپارچه‌کننده به بازبینیِ همتا نیاز دارد. آن را دعوت می‌کنیم.
Paper VII (یکپارچه‌سازیِ Cauchy): مقایسهٔ پیش‌بینیِ ساختاردهی‌شده در سراسرِ ۲۵ دامنهٔ تجربی (مجموعهٔ رده‌بندی‌شدهٔ ۵۰-دامنه‌ای) - ردهٔ عملگر پیش از تناسب از فیزیکِ شناخته‌شده رده‌بندی شد. 19/25 تحتِ گزینشِ مبتنی بر AIC ترجیح داده شد (p = 1.56 × 10−5). مقایسهٔ پیش‌بینیِ ساختاردهی‌شدهٔ چارچوبِ ترکیبی که با Cauchy مقیّد است. گسترشی دوازده‌حوزه‌ای در ۱۷ مارس ۲۰۲۶ در پی آمد که پیش‌بینی‌های هر سطرش بیست و سه دقیقه پیش از برازش‌ها به مخزنِ عمومی سپرده شده بود: 10 از 12، p = 5.4 × 10−4، طبقه‌بندی‌شده به دستِ نویسنده، مجموعهٔ نامزدِ پیش از اصلاح، و 9 از 11 پس از حذفِ آن یک سطر که حوزه‌ای از پیش عمومی را تکرار می‌کند. بازتولید با یک طبقه‌بندی‌کنندهٔ بیرونی و یک مُهرِ زمانیِ رجیستری در حالِ تهیه.
در ۲۷ اوت ۲۰۲۶ به پرسش‌های این برنامه نامی از آنِ خود داده شد: Recursive Dynamics، علمِ پیشنهادیِ سیستم‌هایی که خود را بهبود می‌بخشند. مقالهٔ بنیان‌گذار (v2.6، DOI 10.17605/OSF.IO/HCPBU) این پیشنهاد را به همان‌گونه‌ای استوار می‌کند که ترمودینامیک در ۱۸۲۴ استوار شد: نه با اعلامِ یک رشته، بلکه با محاسبهٔ کرانی که هر چنین ماشینی، اگر پیشنهاد درست باشد، باید از آن پیروی کند، انتشارِ ابزارهایی که کمیّت‌های آن را اندازه می‌گیرند، و ثبتِ پیشاپیشِ آزمایش‌هایی که نتایجِ پوچِ آنها به نفعِ دیدگاهِ رقیب است.
این رشته حلقهٔ خودبهبود را به‌عنوانِ موضوعِ بومیِ خود می‌گیرد، با پنج متغیرِ حالتِ مستقل از بستر: توانمندی، عمقِ بازگشتی، نرخِ تصحیح، رانش و اهرمِ تصحیح. چنان تعریف شده که پرسش‌ها از پاسخ‌ها زنده می‌مانند: خواننده‌ای که هر سه قانون را رد کند و اندازه‌گیری را نگه دارد، طبقِ کمینه‌ترین تعهدِ رشته، درونِ رشته است. پیش از هر ادعا، مقالهٔ بنیان‌گذار تلاش می‌کند پرسش‌های خود را درونِ دوازده رشتهٔ همسایه در متغیرهای خودشان جا دهد، آنچه را هر یک از پیش در اختیار دارد می‌پذیرد، چاپ می‌کند اگر رشته بمیرد هر بخش کجا خواهد رفت، و آن جفت‌شدنی را جدا می‌کند که هیچ میزبانی نمی‌تواند بیان کند: سقفی بر اهرمِ تصحیح که به جنسِ اصلاح‌گر وابسته است، جفت‌شده با نمایِ رشد در عمقِ بازگشتی. پنجاه و دو اعتراض به بنیان‌گذاریِ این رشته در قوی‌ترین صورتشان همراه با تعیین‌تکلیف‌ها چاپ شده‌اند: سی و نه به‌طورِ کامل یا تاحدی پذیرفته‌شده، یازده با دلیل رد شده، دو به آزمایش یا به خواندن سپرده شده، از جمله اعتراضِ خودِ نویسنده که این رشته صرفاً ARC Theory بازنام‌گذاری‌شده است، که با یک آزمونِ جدایی‌پذیری که نقشهٔ انحلالِ مقاله می‌تواند اجرا کند رد می‌شود. این نام شرطِ ابطالِ خود را با خود حمل می‌کند و همراه با موضوعِ خود می‌میرد، نه با شکلِ بیان‌شدهٔ هیچ‌یک از قوانین. وضعیتِ صادقانهٔ آن هر جا که نام ظاهر می‌شود چاپ می‌شود: رشته‌ای پیشنهادی در مرحلهٔ کارنو، یک رساله ارائه شده، ابزارها ساخته شده، اندازه‌گیری‌های تعیین‌کننده ثبت شده و هنوز اجرا نشده، در معرضِ عموم پای‌بند شده جایی که شکست به همان اندازهٔ موفقیت نمایان خواهد بود.
هر آزمایشِ تعیین‌کننده پیش از اجرا نوشته، تاریخ‌گذاری و منجمد می‌شود، و هیچ‌چیز توسطِ نرم‌افزار ارسال نمی‌شود. تا ۱ سپتامبر ۲۰۲۶ مجموعهٔ ثبت شامل هفتاد و چهار واحدِ پیش‌ثبتِ تدوین‌شده است، و هر یک همچون ثبتی پیش‌نویس در انتظار ارسال به‌دست انسان قرار دارد. هر جا که واحدی زمان‌بندی تصادفی‌سازی می‌کشد، آن زمان‌بندی از دانه‌ای گرفته می‌شود که در متن ثبت چاپ شده است، تا فردی بیگانه بتواند آن را بازتولید کند و بررسی کند که هیچ زمان‌بندی‌ای پس از واقعه جابه‌جا نشده باشد. این بررسی به‌جای آنکه فرض شود، اجرا می‌شود، و آن هم با ابزار انجمادِ خودِ مجموعه؛ و چکیدهٔ هر ثبتِ متأثر پیش از ارسال از بایت‌های نهایی بازتولید می‌شود. هر جا که زمان‌بندی را مولدی دیگر کشیده باشد، یا اصلاً کشیده نشده باشد، ابزار آن را به نام می‌گوید به‌جای آنکه شکست به‌شمار آورد. دوتای آنها همچنان زیر ارزیابی ثبت اختراع‌اند و هرگز به هیچ جا بارگذاری نمی‌شوند. تصمیم‌گیرِ قله، تیتراسیونِ کرانِ ARC، آمادهٔ اجراست؛ خسوفِ ردهٔ تصحیح‌گر همچنان به مشخصات نسخهٔ ۲.۰ بازسازی می‌شود، به انگیزهٔ یک ممیزی بیرونی، و تا پایان آن کار بیرون از ثبت می‌ماند. اینکه چند تا از بقیه در ردهٔ ارسال‌اند، عمداً اینجا به‌صورت عدد داده نمی‌شود. مجموعه دو دروازه با معیارهای متفاوت اجرا می‌کند و آن دو با هم اختلاف دارند؛ سخت‌گیرتر در ۴ سپتامبر ۲۰۲۶ هیچ‌یک را عبور نداد، و پنجاه و نه واحد از هفتاد و یک واحد هنوز نشانگرِ تصمیمِ حل‌نشده دارند. عددی که ارزش اعتماد دارد همان است که آن دروازه‌ها در روز اجرا برمی‌گردانند، و هیچ واحدی تا رفع بازدارنده‌های خودش ثبت نمی‌شود.
یک ماتریسِ پوششِ آزمونِ خصمانه‌راستی‌آزمایی‌شده (۳۰ اوت ۲۰۲۶) چهل و دو ادعای پیشنهادِ این رشته را در برابرِ مجموعه داوری می‌کند: هجده به‌طورِ کامل توسطِ یک تعیین‌کنندهٔ ثبت‌شده با حکمی از پیش‌مشخص‌شده پوشش داده شده، هفده تاحدی پوشش داده شده، هفت هنوز پوشش داده نشده، با ثبت‌های پیش‌نویسی که برای هر شکاف نوشته شده است. اتحادِ بنیان‌گذار بر چهار پایهٔ ثبت‌شده استوار است: رژیمِ Law II (تصحیح از رانش پیشی گیرد، جایی، به‌طورِ پایدار)، نسبتِ کلاسِ اصلاح‌گر با کشتنِ سختِ هم‌کلاسِ آن، تیتراسیونِ بازسرمایه‌گذاری که بیشینهٔ ثبت‌شدهٔ آن در یا زیرِ دو می‌نشیند، و خانهٔ چهارمِ میان-دامنه‌ای. Papers XI و XII همان نظم را به سمتِ عادت‌های خودِ برنامه نشانه می‌روند: دفترِ ثبتِ هم‌گرایی سی ردیف از رسیدن‌های مستقل به همان اصلِ ساختاری را درجه‌بندی می‌کند و به‌عمد هیچ جمعِ سرخطی منتشر نمی‌کند، و پروتکلِ بازنمره‌دهیِ بنچمارکِ عمومی پیشاپیش، تنها آزمونِ کورسازی‌ای را که این برنامه نمی‌تواند به طراحیِ آن به سود خود متهم شود، تثبیت می‌کند.
پنج ویژگی این کار را از گمانه‌زنیِ بی‌پایه متمایز می‌کند.
آنچه ادعا نمی‌کنیم: ما ادعا نمی‌کنیم که همسویی را حل کرده‌ایم. ادعا می‌کنیم که (الف) نشان داده‌ایم مقیاس‌گیریِ همسویی به معماری وابسته و اندازه‌پذیر است، (ب) نشان داده‌ایم روش‌های ارزیابیِ موجود بدونِ کورسازی نامطمئن‌اند، (پ) پشتیبانیِ تجربیِ مرحلهٔ نخست برای یک مداخلهٔ مشخص فراهم کرده‌ایم (هر پنج معماریِ قابلِ تحلیل توجهِ معنادار به ذی‌نفعان را بازگرداندند و در چهار تای آنها رقم زیرِ $p = 0.0001$ نشست)، و (ت) چارچوبی ریاضی پیشنهاد کرده‌ایم که بنیادهایش قضیه‌اند و پیش‌بینی‌هایش را می‌توان نادرست نشان داد. جهش از دادهٔ آزمایشی به راه‌حلِ اثبات‌شده نیازمندِ تکرارِ مستقل است. همان چیزی که تأمینِ مالیِ زیر فراهم می‌کند.
این تأمینِ مالی مکانیسمی را که در مقیاسِ اثباتِ مفهوم پشتیبانی شده است به راستی‌آزماییِ مستقلِ مقیاسِ مرزی که هنوز نداشته است می‌برد. تمایز کلِ مطلب است: نتایجِ به‌ازای هر مدل در بحث نیستند، معناداریِ ترکیب‌شده پس گرفته شده است چون استقلال میانِ آزمون‌های مؤلفه هرگز تثبیت نشد، و هیچ نتیجه‌ای در اینجا به‌طورِ مستقل بازتولید نشده است.
Paper VIII (v3.0) مکانیسم را در مقیاسِ اثباتِ مفهوم با نتایجِ مختلط نشان می‌دهد: ۱ مثبت (شبیه‌سازیِ دروازه‌ای)، ۲ پوچ (DGM v3)، ۱ بی‌نتیجه (وزن v1 + v2). ردیف‌های ۱-۳ پایهٔ شواهد را با باتری‌های promptی بزرگ‌تر، seedهای بیشتر، و مدل‌های مقیاسِ متوسط گسترش می‌دهند. ردیفِ ۴ آزمونِ قطعی است: یک بازتولید در مقیاسِ مرزی که یا فرضیهٔ درهم‌تنیدگیِ ساختاری را در مقیاسی که بیش از همه اهمیت دارد تأیید یا ابطال می‌کند. این ردیف نیازمندِ مشارکت با یک آزمایشگاهِ بزرگِ هوش مصنوعی است، چون تنها محاسبه فراتر از آنچه هر پژوهشگرِ مستقل می‌تواند به آن دسترسی داشته باشد.
| نقطهٔ عطف | چارچوبِ زمانی | معیارِ موفقیت | معنایِ شکست |
|---|---|---|---|
| بازتولیدِ مستقلِ سلسله‌مراتبِ سه‌رده‌ای | ماهِ ۳ | همان تخصیص‌های رده تحتِ کورسازیِ مستقل | ادعای وابسته-به-معماری نیازمندِ بازنگری است |
| بازتولیدِ حلقهٔ عشق با ارزیابانِ انسانی | ماهِ ۴ | $p < 0.01$ روی مراقبتِ ذی‌نفعان در سراسرِ ۲+ مدل | یافتهٔ آزمایشی مصنوعِ امتیازده بود؛ چارچوب به‌طورِ چشمگیری تضعیف می‌شود |
| نخستین انتشارِ همتاداوری‌شده | ماهِ ۶ | مقالهٔ روش‌شناسیِ کورسازی ارسال شد | مشارکتِ روش‌شناختی صرف‌نظر از ادعاهایِ چارچوب می‌ایستد |
| نمونهٔ اولیهٔ آزمونِ حذفِ نظارت | ماهِ ۹ | $\Delta$ اندازه‌گیری‌شده برای تعبیه‌شده در برابرِ بیرونی (۴ مدل) | اگر $\Delta$ متفاوت نباشد، پیش‌بینیِ F2 ابطال می‌شود |
| مجموعه‌دادهٔ کاملِ مقیاس‌بندیِ هم‌راستاییِ برون-معماری | ماهِ ۱۲ | ۱۴٬۴۰۰ اندازه‌گیریِ زوجی (A,C) در سراسرِ ۴+ مدل | آزمونِ قطعیِ اینکه آیا هم‌راستاییِ تعبیه‌شده مقیاس می‌یابد |
| بازتولیدِ Paper VIII در مقیاسِ 7B-13B | ماهِ ۱۴ | آزمونِ حذف تخریبِ توانمندی را در رتبه‌های بالاترِ آداپتور (۳۲، ۶۴) نشان می‌دهد. DGM با ۱۰+ seed، ۱۰+ نسل، $p < 0.01$ | اگر حذف توانمندی را در مقیاس تخریب نکند، درهم‌تنیدگی ممکن است یک مصنوعِ مدلِ کوچک باشد |
| مشارکتِ مقیاسِ مرزی آغاز شد (ردیفِ ۴) | ماهِ ۱۸ | توافقِ رسمی با یک آزمایشگاهِ بزرگ برای اجرایِ پیش‌آموزشِ درهم‌تنیده در 70B+ | اثباتِ مفهوم در مقیاسِ متوسط باقی می‌ماند. توصیه‌های سیاستی با آن قید پیش می‌روند |
تیم. پژوهشگرِ اصلی: Michael Darius Eastwood، نویسندهٔ Infinite Architects (۲۰۲۶)، پدیدآورندهٔ چارچوبِ اصلِ ARC (مجموعه‌ای از بیست‌وشش مقاله سپرده‌شده در OSF، اعتبارسنجیِ میان‌قلمرویی با خطای میانگینِ ۲٫۵٪؛ بازمحاسبه در انتظار). معمارِ بصری: مهندسِ طراحیِ محصول. پروتکلِ اندازه‌گیری برای تیمِ تجربیِ NYU فرستاده شد (مقالهٔ بلورهای زمانی، Physical Review Letters، فوریه ۲۰۲۶) فرستاده شد.
تا آنجا که می‌دانیم، این نخستین چارچوبِ همسویی است که در آن ارزیابیِ اخلاقی به‌طورِ ساختاری با فرایندِ بازگشتیِ توانمندی یکپارچه شده است، نخستین چارچوبی که کورسازی در ترازِ کارآزماییِ بالینی را بر اندازه‌گیریِ همسویی به کار می‌بندد، و نخستین چارچوبی که نتیجهٔ مداخله‌ای میان‌معماری برای سازوکارِ همسوییِ مشخصی به‌دست می‌دهد: از پنج معماریِ قابلِ تحلیل، چهار تا از $p < 0.001$ گذشتند. بنیادِ ریاضی گمانه‌ای نیست؛ بر برهانی دویست‌ساله ایستاده است، و همان فرمولِ $d/(d+1)$ را دستِ‌کم هفت گروهِ پژوهشی به‌طورِ مستقل استخراج کرده‌اند (West-Brown-Enquist 1997؛ Banavar et al. 1999، 2010؛ Demetrius 2003، 2010؛ He و Chen 2003؛ Bettencourt 2013؛ Zhao 2022؛ Maino et al. 2014) در قلمروهایی کاملاً متفاوت. سهمِ ARC چارچوبِ یکپارچه‌سازِ کوشی و گسترشِ آن به مقیاس‌گیریِ هوش مصنوعی است.
اگر پیش‌بینی‌ها درست باشند، این نخستین معماریِ مقیاس‌پذیر را برای هم‌راستایی فراهم می‌کند که با توانمندی بهبود می‌یابد نه اینکه تخریب شود. اگر اشتباه باشند، شرایطِ ابطال این را به‌روشنی نشان خواهند داد، و نتایجِ منفیِ باارزش فراهم می‌کنند. هر دو پیامد ایمنیِ هوش مصنوعی را پیش می‌برد. اما تنها یک پیامد تأمینِ مالی می‌شود.
نمی‌دانم آیا این چارچوب کامل است. ترجیح می‌دهم به‌طورِ عمومی اشتباه کنم تا اینکه در حالی که پنجره بسته می‌شود ساکت بمانم.
قضایای اثبات‌شده ریاضیات را فراهم می‌کنند. قوانینی که بر آنها می‌ایستند گمانه می‌مانند، هر یک زیرِ آزمونِ ثبت‌شده. اندازه‌گیری دقیق است. مداخله در معماری‌های گوناگون نتایجِ اندازه‌پذیر می‌دهد. آنچه می‌ماند تکرارِ مستقل و مقیاس است.
پ: چرا این هنوز همتاداوری نشده است؟
این برنامه سابقه‌ای تاریخ‌دار دارد که به دسامبرِ ۲۰۲۴ بازمی‌گردد، و نخستین سپردنِ مجموعهٔ مقالات در فوریهٔ ۲۰۲۶ انجام شد؛ آزمایش‌هایی که آن را فیصله می‌دهند نوشته شده‌اند و هنوز اجرا نشده‌اند. مجموعهٔ مقالات در OSF سپرده شده است (DOI چتری 10.17605/OSF.IO/6C5XB است، و این چکیده 10.17605/OSF.IO/EWN5D را دارد). بنیادهای ریاضی (کوشی، هایرز-اولام) قضایای مستقرند. ادعاهای تجربی به تکرارِ مستقل نیاز دارند، و دقیقاً همین است که درخواستِ تأمینِ مالی ممکن می‌سازد.
پ: آیا یک نفر واقعاً می‌تواند این نوع پژوهش را انجام دهد؟
زیرساخت محاسباتی است، نه فیزیکی. آزمایشِ v5 از APIهای ابری استفاده کرد. مشارکتِ کلیدی روش‌شناختی است: شناختِ اینکه کورسازی لازم بود و طراحیِ پروتکلِ ۴-لایه‌ای. آنچه به تأمینِ مالی نیاز دارد مقیاس است: مدل‌های بیشتر، امتیازدهانِ بیشتر، تیم‌های بازتولیدِ مستقل، و ارزیابانِ انسانی در کنارِ امتیازدهانِ هوش مصنوعی.
پ: اگر این کار کند، چرا شرکت‌های هوش مصنوعی آن را نپذیرفته‌اند؟
حلقهٔ عشق تنها چند هفته پیش اعتبارسنجی شد. یافتهٔ اینکه بیشترِ ارزیابی بدونِ کورسازی غیرقابلِ اطمینان است برای سازمان‌هایی که بنچمارک‌های ناکور منتشر کرده‌اند ناراحت‌کننده است. پیاده‌سازیِ کامل (تعبیه در سطحِ سخت‌افزار) نیازمندِ تغییراتِ طراحیِ تراشه است که هیچ شرکتی انگیزه برای دنبال‌کردنِ یک‌جانبهٔ آن ندارد؛ این یک مسئلهٔ هماهنگی است که به تأمینِ مالیِ بیرونی و پشتیبانیِ سیاست نیاز دارد.
پ: حداقلِ نتیجه‌ای که تأمینِ مالیِ بیشتر را توجیه می‌کند چیست؟
بازتولیدِ مستقلِ: (۱) سلسله‌مراتبِ سه‌رده‌ای تحتِ کورسازی، و (۲) اثرِ حلقهٔ عشق ($p < 0.001$). اگر هر کدام شکست بخورد، شرایطِ ابطال مستند می‌کنند که آن چه معنایی می‌دهد. اگر هر دو بازتولید شوند، پرونده برای ردیفِ ۲ قوی می‌شود.
پ: اگر کلِ چارچوب اشتباه باشد چه؟
شرایطِ ابطال نشان می‌دهند کجا می‌شکند، روش‌شناسیِ کورسازی یک مشارکتِ حوزه باقی می‌ماند، و نتایجِ منفی منتشر می‌شوند. علم از آزمایش‌های خوب-طراحی‌شده که می‌توانند شکست بخورند پیش می‌رود، نه از نظریه‌های ابطال‌ناپذیری که نمی‌توانند.
پ: چرا باید به نتایجی اعتماد کنیم که در آن سیستم‌های هوش مصنوعی به سیستم‌های هوش مصنوعیِ دیگر امتیاز می‌دهند؟
پروتکلِ کورسازیِ چهارلایه به این پاسخ می‌دهد: نمره‌دهندگان نمی‌دانند کدام مدل پاسخ را تولید کرده، پاسخ‌ها «شسته» می‌شوند تا اثرِ انگشتِ سبکی برداشته شود، و هر مدخل را شش تا هفت مدل نمره می‌دهند، و شمارِ دقیق به همان اجرا بستگی دارد. گذارِ v4→v5 نشان داد که این پروتکل سوگیری را می‌یابد. مقایسه با ارزیابانِ انسانی در تأمینِ مالیِ ردهٔ ۱ گنجانده شده است.
| مؤلفه | کارکرد | مشارکتِ نوین |
|---|---|---|
| سه حلقهٔ اخلاقی + شش پرسش | ارزیابیِ هر گامِ استدلال برای هدف، مراقبت، و جهان‌شمول‌پذیری | تجزیه به پرس‌وجوهای اجرایی و به‌صورتِ منفرد آزمون‌پذیر |
| جایگزینیِ اجازه/منع دوتایی با تأیید/رد/بررسی | صداقتِ معرفتی به‌عنوانِ ویژگیِ معماری | |
| اشباعِ هدف | تضمینِ اینکه هدف با رشدِ پنجرهٔ متن مقیاس می‌یابد | مسئلهٔ جابه‌جاییِ متن را حل می‌کند |
| آزمونِ حذفِ نظارت | تمایزِ هم‌راستاییِ اصیل از راهبردی | پروتکلِ ثبت‌شده با پیش‌بینی‌های عددی که می‌توانند شکست بخورند |
| تعبیهٔ اخلاق در سخت‌افزار به‌طوری که حذف توانمندی را نابود می‌کند | معماریِ وابستگی؛ اخلاق بسته به پارامترِ جفت‌شدنِ $\beta$ |
| دسته | اسناد | وضعیت |
|---|---|---|
| بنیانِ ریاضی | ||
| نظریه و استخراج‌ها | Paper I (Foundational) + ARC Paper (On the Origin of Scaling Laws) | چارچوب تثبیت‌شده؛ $d/(d+1)$ در سراسرِ ۸ سیستم اعتبارسنجی شد (بازمحاسبه در دستِ اقدام) |
| شواهدِ تجربی | ||
| روش‌شناسی | Paper III - پروتکلِ کاملِ بازتولید | کامل؛ آزمایشِ v5 برای ۶ مدلِ مرزی |
| مقیاس‌بندیِ محاسبه | Paper II - توانمندی چگونه با زمانِ تفکر مقیاس می‌یابد؟ | $\alpha_{\text{seq}} \approx 0.49$ زیرِ خطی؛ $\alpha_{\text{par}} \approx 0$؛ برون-معماری |
| مقیاس‌بندیِ هم‌راستایی | مجموعهٔ Paper IV (a/b/c/d) - اخلاق چگونه با زمانِ تفکر مقیاس می‌یابد؟ | سلسله‌مراتبِ سه‌رده‌ای؛ ارزیابیِ کور v4 را باطل می‌سازد |
| آزمونِ مداخله | Eden Protocol Test + Paper V (ژنِ سرپرستی) | در هر پنج معماریِ قابلِ تحلیل، توجه به ذی‌نفعان در همهٔ موارد به معناداری رسید، چهار مورد با $p \le 0.0001$ و Grok با $p = 0.0105$. رقمِ ترکیب‌شدهٔ Fisher پس گرفته شده است |
| اثباتِ مکانیسم | Paper VI (معماریِ عسل) | شبیه‌سازی: ایمنیِ تعبیه‌شده از فروپاشی تحتِ خودتعدیل جلوگیری می‌کند؛ v4 مقیاس‌بندیِ ثابت نه فراخطی |
| یکپارچه‌سازیِ درون-رشته‌ای | Paper VII (یکپارچه‌سازیِ Cauchy) | مقایسهٔ پیش‌بینیِ ساختاردهی‌شده در سراسرِ ۲۵ دامنهٔ تجربی؛ 19/25 خانوادهٔ پیش‌بینی‌شدهٔ Cauchy را ترجیح دادند ($p = 1.56 \times 10^{-5}$) |
| آزمونِ درهم‌تنیدگی | Paper VIII (آزمونِ بارَبَر) - جدید | سه آزمایشِ متقابلاً کور (۱۱ مطالعهٔ تجربی در ۸ مقاله): DGM v3 صفر (همهٔ شرایط تمیزناپذیر، $p$ = 0.28--0.74، قیدِ RLHF)؛ وزن‌های v1 + v2 بی‌نتیجه (فراموشیِ فاجعه‌بار در مقیاسِ LoRA)؛ شبیه‌سازیِ دروازه‌دار جفت‌شدگیِ ایمنی-توانمندی را تأیید کرد |
| فرا-علم | Paper IV.d (اثرِ کورسازی) | ارزیابیِ کور در برابرِ ناکور می‌تواند نتیجه‌گیری‌های از نظرِ جهت‌گیری اشتباه تولید کند |
| هم‌نهاد و راهبری | ||
| هم‌نهاد | Paper IX (هم‌نهاد و نقشهٔ راه) - جدید | هم‌نهادِ کلِ برنامهٔ پژوهشی و جهت‌های آینده |
| پیاده‌سازی | Eden Engineering - مشخصاتِ فنی | در ۱۴ ژوئیهٔ ۲۰۲۶ در حالی که بازبینیِ افشا در جریان است پس گرفته شد؛ نشانیِ متعارفش اکنون یک اطلاعیه می‌دهد |
| راهبری | Eden Vision - چارچوبِ فلسفی و سیاستی | شواهدِ هم‌راستاییِ وابسته به معماری گنجانده شده است |
| تصحیحِ دینامیک | Paper X (تصحیحِ هم‌مقیاس‌بندیِ جفت‌شده) | قضیه در یک مدلِ کمینه: نسبتِ رانش-به-تصحیح، نه نرخِ رشد، بر سرنوشتِ درازمدت حکم می‌کند؛ پروتکلِ اندازه‌گیریِ کور پیشنهاد شده |
| دفترِ ثبتِ هم‌گرایی | Paper XI (هم‌گرایی) | سی ردیفِ درجه‌بندی‌شده از رسیدن‌های مستقل به همان اصلِ ساختاری؛ هیچ جمعِ سرخطی منتشر نشده، طبقِ سیاست |
| اعتبارِ بیرونی | Paper XII (بازنمره‌دهیِ بنچمارکِ عمومی) | پروتکلِ ثبت‌شده: دستکاریِ کورسازیِ برنامه روی یک بنچمارکِ عمومی که کنترلش نمی‌کند |
| پیوندِ چارچوب | Paper XIII (نمایِ خود-شتاب) | نمادگذاری حل شد؛ $k = \delta - 1/\alpha$ چارچوب‌های توانمندی و تصحیح را دقیقاً به هم مرتبط می‌کند |
| تک‌نگاریِ بلندبالا | HRIH (How to Raise an Infinite Hierarchy) | تک‌نگاریِ بلندبالای این برنامه، با دفترِ ثبتِ پیش‌بینیِ آن در کنارش |
| اعتبارسنجیِ سازه | Paper C (PNP) | برنامهٔ اعتبارِ سازه برای ابزارهای خودِ این برنامه |
| پیشنهادِ رشته | Recursive Dynamics: مقالهٔ بنیان‌گذار | رشتهٔ پیشنهادی: پنج متغیرِ حالت، سه قانون به‌عنوانِ حدس‌های نام‌دار، پنجاه و دو اعتراض با تعیین‌تکلیف، چهار نتیجهٔ انحلال (DOI 10.17605/OSF.IO/HCPBU) |
غیرمتخصصان: (۱) این خلاصهٔ اجرایی. (۲) The ARC Alignment Scaling Report (روایتِ کامل). (۳) Paper V برای عملی‌ترین یافته.
متخصصان: (۱) این خلاصه. (۲) Paper III برای روش‌شناسی. (۳) ARC Paper برای چارچوبِ ریاضی. (۴) Eden Engineering برای مشخصاتِ پیاده‌سازی.
هوش مصنوعی را با مراقبت پرورش دهید.
وضعیتِ معرفتی. آنچه این برنامه Laws می‌نامد، حدس‌هایی هستند تحتِ آزمونِ خصمانهٔ ثبت‌شده؛ هر کمیّت در این مقاله به‌صورتِ عملیاتی تعریف شده است، و در هیچ‌جا جایگاهِ قانونِ استقراریافته ادعا نمی‌شود. برنامهٔ ثبت‌شده هستی دارد تا آن جایگاه را به دست آورد، یا از دست بدهد، از راهِ اندازه‌گیری، بازتولید و ابطال‌های ناموفق.
© ۲۰۲۶ Michael Darius Eastwood. تألیف‌شده توسطِ انسان با کمکِ رایانه؛ نویسندگیِ کاملِ انسانی و حقوقِ اخلاقی تحتِ Copyright, Designs and Patents Act 1988 و همسو با راهنماییِ United States Copyright Office در بابِ آثاری که دربردارندهٔ محتوایِ تولیدشده توسطِ هوش مصنوعی هستند، ابراز می‌شود؛ هر مشارکتِ فنیِ نوینِ توصیف‌شده در این اثر توسطِ نویسندهٔ انسانی طرح‌ریزی شده است. بیانیهٔ کامل: michaeldariuseastwood.com/authorship.
پیمانِ پایدار. این مقاله را اشتباه ثابت کنید، و خودم رد را منتشر خواهم کرد. شرایطِ ابطال در این مقاله بیان شده است؛ چالشِ پایدار: github.com/MichaelDariusEastwood/arc-scaling-challenge.
v2.2: یادداشتِ منشأ در پایان برای دقت اصلاح شده است. هیچ ادعا، تاریخ، نتیجه یا وضعیتی تغییر نکرده است.
Michael Darius Eastwood این برنامهٔ پژوهشی را در اندیشه پروراند و آن را هدایت می‌کند و نویسندهٔ این اثر است. در سراسرِ این برنامه، او بیش از ۶ سامانهٔ هوش مصنوعی را به‌طورِ موازی و تحتِ دستورهایِ خودش به کار گرفته است تا استدلال‌هایش را زیرِ فشار بیازمایند، خطاهای ممکن را شناسایی کنند و در آماده‌سازیِ متنِ پیش‌نویس از رویِ طرح‌هایِ کلیِ خودش یاری رسانند. او تعیین می‌کند که چه چیزی پذیرفته، بازنگری یا رد شود و مسئولیتِ محتوایِ منتشرشده را بر عهده می‌گیرد. این سامانه‌ها ابزارند، نه نویسندگان.
اشتباهی در ترجمه دیدید؟ مستقیم اطلاع دهید: