این ترجمه به صورت خودکار از نسخهٔ اصلی انگلیسیِ تاریخ‌دار تهیه شده است. نسخهٔ انگلیسی معتبر است. English →

Michael Darius Eastwood · پژوهش · لایهٔ انتشارِ رسمی
نظریهٔ ARC (نظریهٔ آفرینش بازگشتی مصنوعی) · آزمایش‌های ARC/Eden · مقالهٔ XI · نسخهٔ ۱٫۹

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.

PDF

شواهدِ هم‌گرا برای تقویتِ بازگشتی به‌عنوانِ یک اصلِ ساختاریِ درون‌رشته‌ای

Michael Darius Eastwood
پژوهشگرِ مستقلِ هم‌راستاییِ هوش مصنوعی، لندن · نویسندهٔ Infinite Architects (2026)

درونِ ARC Theory: دفترِ هم‌گراییِ درون‌رشته‌ای؛ شواهدِ درجه‌بندی‌شده بر پایهٔ ساختارِ Law I، The ARC Principle، رده‌بندی شده است.

یک ثبتِ تاریخ‌دارِ هم‌گرایی، سطر به سطر در برابرِ دفترِ رسمیِ شواهد درجه‌بندی شده. هیچ جمعِ عددی ادعا نمی‌شود. یک اصلِ ساختاری. حلقهٔ بسته.
Michael Darius Eastwood
پژوهشگرِ مستقل · لندن، پادشاهیِ متحد
نخستین انتشار ۲ ژوئیهٔ ۲۰۲۶، بازنگری‌شده در ۱۳ سپتامبر ۲۰۲۶ · OSF: 10.17605/OSF.IO/DC9GW
چکیده

میانِ ۸ دسامبرِ ۲۰۲۴ و ۱ سپتامبرِ ۲۰۲۶، پنجره‌ای ۲۱ماهه، برنامه‌های پژوهشی، شرکت‌ها، دولت‌ها و نهادها به‌طورِ مستقل به همان اصلِ ساختاری رسیدند: خوداصلاحیِ بازگشتی دستاوردهای توانمندی فراتر از انباشتِ خطی می‌آفریند، قیدهای بیرونیِ همسویی از نظرِ ساختاری برای مهارِ آن بسنده نیستند، و عاملِ اصلاح باید تعبیه شود، نه تحمیل. این دفترِ همگرایی اکتشافی است (شمارشی مشاهده‌ای، نه آمارهٔ آزمون)؛ اصلِ ساختاریِ زیرین، که خوداصلاحیِ بازگشتیِ فراتر از آستانه دستاوردهای پایدارِ فراخطی می‌آفریند، در مطالعهٔ پیش‌نویسِ study-k (مرز) و مطالعهٔ پیش‌نویسِ study-ad (نمای اصلاح) زیرِ آزمون است، و هر دو در انتظارِ ارسالِ انسانی‌اند. دو استثنا افشا می‌شود. زنجیرهٔ Hernández-Espinosa تا Gumbau در دفتر همچون یک تبارِ وابسته درجه‌بندی می‌شود، و ردیف‌های حکمرانیِ میان‌ادیانی به یک جنبشِ نهادیِ واحد تعلق دارند که از لنگر کهن‌تر است. جز آن دو، هیچ گروهی گروهِ دیگری را ارجاع نمی‌دهد، و هیچ گروهی کارِ نویسنده را ارجاع نمی‌دهد. الگو کشف شده است، نه ساخته. از این ردیف‌ها هیچ جمعِ عددیِ همگرایی ادعا نمی‌شود: دفترِ درجه‌بندی‌شدهٔ متعارف (۳۰ ردیف، سیاستِ ۲ اوتِ ۲۰۲۶) هیچ جمعی منتشر نمی‌کند، چون آزمایش‌های فنی، قضایا، پیشنهادهای مهندسی، تحولاتِ سیاست‌گذاری، بازتاب‌های فرهنگی، کارهای پیشین و مطالعاتِ اجراشده به‌دستِ نویسنده را نمی‌توان به‌درستی همچون یک کمیتِ شاهدِ واحد جمع بست. این مقاله گزارشِ همگرایی است. هر همگرایی را با منابع، تاریخ‌ها و اندازه‌گیریِ فاصله‌ها مستند می‌کند. آنها را در چارچوبِ ARC/Eden (مقالات I تا X) می‌نشاند. حلقه‌ای را می‌بندد که شناختِ نوروواگرای پژوهشگر (مقالهٔ C، PNP)، مقالهٔ مستقلی که ثابت می‌کند چنین شناختی استدلالی داورشده به سودِ تنوعِ شناختیِ مهندسی‌شده میانِ عامل‌های هوش مصنوعی است (Hernández-Espinosa et al., 2026, PNAS Nexus)، و نتایجِ صوریِ راستی‌آزمایی‌ناپذیری در پیش‌چاپی که آن مقاله را ارج می‌نهد (Gumbau Mezquita, 2026, arXiv:2606.28639) را به هم پیوند می‌دهد. روش همان فرضیه است. مقالهٔ PNAS دربارهٔ عامل‌های ماشینی است نه دربارهٔ من؛ همانندیِ انسانی جداگانه، در مقالهٔ C و بر پایهٔ خودش، استدلال می‌شود. زنجیرهٔ تاریخ‌ها مستقلاً وارسی‌پذیر است. هشِ SHA-256 دست‌نوشتهٔ بنیادین منتشر شده است. فایلِ مهروموم‌شدهٔ .eml خصوصی نگاه داشته می‌شود و در صورتِ درخواست در دسترس است؛ SHA-256 آن منتشر شده، و لنگر ثابت می‌کند که آن بایت‌های مشخص دیرتر از زمانِ لنگرخورده وجود نداشته‌اند، و هرکس می‌تواند آن را در برابرِ زنجیرهٔ عمومی وارسی کند. نویسندگی، نگهداریِ کلید، محتوای معنایی و نبودِ افشای پیشین پرسش‌های جداگانه‌ای‌اند که هر یک شواهدِ خود را دارند و همان‌گونه هم بیان می‌شوند.

کلیدِ خوانش

این مقاله یک نتیجه به همراه دارد: دفترِ درجه‌بندی‌شدهٔ هم‌گرایی، که در آن هر مشاهدهٔ به‌طور مستقل تأمین‌شده به‌جایِ جمع‌شدن به یک عددِ منفرد، رده‌بندی و درجه‌بندیِ شواهدی می‌شود. درونِ ARC Theory این ثبتِ تجربی‌ای است که قوانین در برابرِ آن بررسی می‌شوند، با رده‌بندیِ کلاس‌ها، نمایِ حفظ‌شدهٔ پیش از درجه‌بندی و دو گروهِ وابستگیِ افشاشده، سطر به سطر گزارش می‌شود. تفاوتِ کامل با هر سندِ پیشین در eden-vision II.A.8.

زنجیرهٔ وابسته، به‌روشنی بیان‌شده

دست‌نوشته‌ای به تاریخِ ۸ دسامبر ۲۰۲۴ تزِ شکستِ کنترل و جهتِ تصحیحِ تعبیه‌شده را ثبت کرد. شانزده ماه بعد یک مقالهٔ همتاداوری‌شده، دربارهٔ کارگزارانِ هوش مصنوعی، استدلال کرد که هم‌راستاییِ کامل دست‌نیافتنی است و تنوعِ شناختیِ مهندسی‌شده می‌تواند حفاظت کند؛ یک پیش‌چاپ که آن مقاله را اعتبار می‌دهد سپس نتایجِ صوریِ راستی‌آزمایی‌ناپذیری را استخراج کرد. یک دودمان، یک جهت، سه سندِ تاریخ‌دار. دفتر این را به‌عنوانِ زمینه درجه‌بندی می‌کند، نه تأیید، و این مقاله هیچ چیزِ قوی‌تری ادعا نمی‌کند.

۱. ثبتِ درجه‌بندی‌شدهٔ هم‌گرایی

خانهٔ رسمی برای این شواهد دفترِ درجه‌بندی‌شده در /research/convergences/ است (۳۰ سطر، تولیدشده در ۲ اوت ۲۰۲۶ تحتِ سیاستِ راهبریِ ادعاها). هیچ جمعِ عددیِ هم‌گرایی نه در آنجا و نه در اینجا منتشر نمی‌شود. دفترِ جمع‌شدهٔ پیشین به‌صورتِ گذشته‌نگر گردآوری شد، بدونِ قاعدهٔ امتیازدهیِ پیش از نتیجه، افقی ثابت، مدلِ نرخِ پایه یا دفترِ کاملی از شکست‌ها، و سطرهای آن را نمی‌توان مشروعاً به‌عنوانِ یک کمیّتِ شواهدیِ واحد جمع کرد. دفترِ درجه‌بندی‌شده در عوض به هر سطر یک ردهٔ شواهدِ اصلی تخصیص می‌دهد: در تولیدِ ۲ اوت ۲۰۲۶، ۱ صوری، ۲ فنیِ مقیّد، ۲ مهندسی، ۴ نهادی، ۵ کارِ پیشین، ۱۰ زمینه و ۶ کنارگذاشته، با قوی‌ترین سطرها به‌صورتِ متوسط و سطرهای مهندسی به‌صورتِ ضعیف درجه‌بندی شدند. دو گروهِ وابستگی در آنجا افشا شده است: زنجیرهٔ حدودِ صوریِ Hernández-Espinosa به Gumbau یک دودمانِ وابسته است، نه دو تأیید، و سطرهای راهبریِ بین‌ادیانی به یک جنبشِ نهادی تعلق دارند که پیش از لنگرِ دسامبرِ ۲۰۲۴ وجود داشته است. کارِ مستقل به نویسندگانِ خود تعلق دارد: یک رویدادِ متأخرتر می‌تواند نشان دهد که یک پرسش مهم است بدونِ اینکه تقدّمِ این برنامه، پیش‌بینیِ موفق یا حقیقتِ پاسخِ آن را تثبیت کند.

نمای متروک، به‌عنوانِ ثبتِ تاریخ‌دارِ این مقاله حفظ‌شده (۲ ژوئیه ۲۰۲۶). جدولِ زیر همان دفتری است که این مقاله نخست منتشر کرد، پیش از سیاستِ درجه‌بندیِ ۲ اوت ۲۰۲۶. رده‌های به تفکیکِ سطرِ آن (PREDICTION, CONVERGENT, CONCURRENT) و حسابِ شکافِ آن توسطِ دفترِ درجه‌بندی‌شدهٔ بالا متروک شده است. سطرهایی که آن CONVERGENT درجه‌بندی کرده بود، اکنون به‌طورِ گوناگون کارِ پیشین، زمینه، نهادی، مهندسی یا کنارگذاشته درجه‌بندی می‌شوند؛ به‌ویژه سطرِ ۲ آن (Willow) کارِ پیشین درجه‌بندی می‌شود، زیرا نتیجهٔ زیرِ آستانه به‌عنوانِ یک پیش‌چاپ در ۲۴ اوت ۲۰۲۴ عمومی بود، پیش از دست‌نوشتهٔ ۸ دسامبر ۲۰۲۴، با نسخهٔ Nature در ۹ دسامبر ۲۰۲۴. ناآگاهیِ نویسنده از آن پیش‌چاپ هنگامِ نگارشِ دست‌نوشتهٔ دسامبرِ ۲۰۲۴ در سطرِ رسمی به‌عنوانِ گواهیِ زندگی‌نامه‌ای اعلام شده است؛ درجه بر آن حرکت نمی‌کند، زیرا ترتیبِ عمومی با آگاهی تغییر نمی‌کند، و پاسداشتِ آن خط علیهِ منفعتِ نویسنده بخشی از آن چیزی است که سطرهایِ مساعدِ دفتر را شایستهٔ باور می‌کند. حاشیه‌های در ستونِ Gap که در برابرِ تاریخ‌های ارسالِ arXiv بیان شده‌اند (سطرهایِ ۱، ۸، ۹، ۱۸، ۱۹) لنگرِ SINGLE-SOURCE-GROUP دارند (arXiv Atom)، و نخستین افشایِ عمومی برای آن سطرها به‌طورِ جداگانه راستی‌آزمایی نشده است.

#دامنههم‌گراییتاریخِ سندِ Eastwoodتاریخِ بیرونیشکاف (لنگر: تاریخِ سند)ردهمنبعِ اصلی
1ایمنیِ هوش مصنوعیجعلِ هم‌راستاییِ Anthropic: ۷۸٪ در شرطِ آموزشِ RL (مبنایِ ۱۲٪)۸ دسامبر ۲۰۲۴۱۸ دسامبر ۲۰۲۴۱۰ روزPREDICTIONarXiv:2412.14093
2محاسباتِ کوانتومیWillow: نخستین تصحیحِ خطایِ کوانتومیِ زیرِ آستانه۸ دسامبر ۲۰۲۴۹ دسامبرِ ۲۰۲۴ (Nature؛ پیش‌چاپی که کارکردِ زیرِ آستانه را گزارش می‌کرد از ۲۴ اوتِ ۲۰۲۴ عمومی بود)۱ روز اگر مقالهٔ Nature نشانه باشد؛ خودِ لنگر دیرتر از پیش‌چاپ می‌افتدCONVERGENTNature (2024), Google Quantum AI
3استدلالِ هوش مصنوعیThe Sequential Edge: توالی در ۹۵٫۶٪ پیکربندی‌ها از موازی بهتر است۸ دسامبر ۲۰۲۴ (گزارهٔ جهت‌گیریِ یک‌سویه)؛ مقایسه صوری‌شده در ژانویه ۲۰۲۶۴ نوامبر ۲۰۲۵هم‌زمان: پیش از صوری‌شدن؛ تقدّم از آنِ آن‌هاستCONCURRENTarXiv:2511.02309
4فیزیکِ کلاسیکبلورِ زمانیِ کلاسیک از راهِ نیروهای غیرمتقابلدسامبر ۲۰۲۴ / مقالات ژانویه ۲۰۲۶۶ فوریه ۲۰۲۶۱۴ ماه پس از A1CONVERGENTPRL 136, 057201
5آکوستیکنخستین بلورهای زمانی-فضاییِ توپولوژیکِ آکوستیکPaper III (ژانویه ۲۰۲۶)فوریه ۲۰۲۶هم‌زمان با Paper IIICONVERGENTNewton 2, 100334 (Cell Press)
6آکوستیکنخستین بلورهای زمانیِ فونونیِ پاشنده (تاشدنِ نوار، هارمونیک‌های فرعی)کدِ پیش‌بینی مارس ۲۰۲۶ژوئن ۲۰۲۶~۳ ماه پس از کدِ پیش‌بینیPREDICTIONNature Communications
7سخت‌افزارامتیازاتِ اجرایِ اخلاق در سطحِ سخت‌افزار (دروازهٔ اخلاقِ زمانِ اجرا)۳۰ آوریل ۲۰۲۵ (A2)ژانویه ۲۰۲۶ (ثبت‌شده ژوئیه ۲۰۲۵)۳ تا ۹ ماه پس از A2CONVERGENTUS 2026/0010411 + US 2026/0010780
8سخت‌افزارکلیدهایِ خاموشیِ تعبیه‌شده برای محاسباتِ هوش مصنوعی: لنگرهایِ امنیتیِ کلیدِ مرده۳۰ آوریل ۲۰۲۵ ۹ سپتامبر ۲۰۲۵~۴٫۵ ماه پس از A2CONVERGENTarXiv:2509.07637
9سخت‌افزارپردازنده‌های تضمینِ ضدِ دستکاریِ FlexHEG (سفارشِ ARIA)۳۰ آوریل ۲۰۲۵ (A2)ژوئنِ ۲۰۲۵ (arXiv:2506.15093؛ برای این ردیف هیچ تاریخِ انتشارِ زودتری از ARIA راستی‌آزمایی نشده است)در تاریخِ arXiv، فاصله‌ای حدودِ ۱٫۵ ماه از A2CONCURRENTarXiv:2506.15093
10مقرره‌گذاریآمریکا Fable 5 + Mythos 5 را برون‌خط می‌کند: نخستین کنشِ کنترلِ صادرات در برابرِ یک مدلِ مرزیِ مستقرشده۲ ژانویه ۲۰۲۶ (Chokepoint)۱۲ ژوئن ۲۰۲۶~۵ ماه پس از کتابCONVERGENTHarvard Law Review blog; CSA whitepaper; Reuters (ژوئن ۲۰۲۶)
11ژئوپلیتیکMacron در G7 Evian: قالب‌بندیِ حاکمیتِ محاسبهٔ «شرکایِ مورد اعتماد»۲ ژانویه ۲۰۲۶ (Chokepoint)۱۹ ژوئن ۲۰۲۶~۵٫۵ ماه پس از کتابCONVERGENTBroadband Breakfast; CNBC G7 coverage
12قانون‌گذاریبستهٔ حاکمیتِ فناوریِ اتحادیهٔ اروپا (Chips Act 2.0 + CADA)۲ ژانویه ۲۰۲۶ (Chokepoint)۳ ژوئن ۲۰۲۶~۵ ماه پس از کتابCONVERGENTCNBC, 3 Jun 2026 (Virkkunen)
13دیننخستین بخشنامهٔ Pope Leo XIV: قالب‌بندیِ Babel در برابرِ Jerusalem برای هوش مصنوعی۳۰ آوریل ۲۰۲۵ (Babylon/Eden, A2)۲۵ مه ۲۰۲۶~۱۳ ماه پس از A2CONVERGENTvatican.va; Church Times; NY Post (مه ۲۰۲۶)
14دین / هوش مصنوعیChristopher Olah (هم‌بنیان‌گذارِ Anthropic) بخشنامه را در واتیکان هم‌ارائه می‌کند۸ دسامبر ۲۰۲۴ (فراخوانِ بین‌ادیانی، A1)۲۵ مه ۲۰۲۶~۱۷ ماه پس از A1CONVERGENTNY Post, 25 May 2026; Church Times
15رسانه / هوش مصنوعیJack Clark (هم‌بنیان‌گذارِ Anthropic): «پدال گاز اما نه پدال ترمز»۸ دسامبر ۲۰۲۴ (A1)۵ ژوئن و ۱۹ ژوئن ۲۰۲۶~۱۸ ماه پس از A1CONVERGENTBBC World Service w3ct98k8; Euronews
16سرمایه‌گذاریRecursive Superintelligence: ۵۰۰ میلیون دلار در ۴ میلیارد دلار برای خودبهبودِ بازگشتیِ حلقهٔ بسته؛ نام‌گذاریِ هم‌گرا با مفهومِ هستهٔ A1۸ دسامبر ۲۰۲۴ (A1)۱۷ آوریل ۲۰۲۶~۱۶ ماه پس از A1CONVERGENTSifted; TechFundingNews (آوریل ۲۰۲۶)
17نیم‌رساناهاتراشهٔ استنتاجِ OpenAI + Broadcom Jalapeño (تولیدِ ۹ ماهه، هدفِ ۱۰ گیگاوات)۲ ژانویه ۲۰۲۶ (Chokepoint)۲۴ ژوئن ۲۰۲۶~۶ ماه پس از کتابCONVERGENTopenai.com announcement; CNBC
18ریاضیات / شناختتأثیرپذیریِ عصب‌ناهم‌گون به‌عنوانِ راه‌حلِ اقتضایی برای هم‌راستایی۸ دسامبر ۲۰۲۴ (A1)۱۴ آوریل ۲۰۲۶ (پیش‌چاپ مه ۲۰۲۵)~۱۶ ماه پس از A1CONVERGENTPNAS Nexus pgag076 + arXiv:2505.02581
19ریاضیاتتعیین‌ناپذیریِ هم‌راستاییِ AGI: قضیهٔ راستی‌آزمایی‌ناپذیری + سه‌دوگانه۸ دسامبر ۲۰۲۴ (A1)۲۶ ژوئن ۲۰۲۶~۱۸٫۵ ماه پس از A1CONVERGENTarXiv:2606.28639

سطرِ ۳، به قوّتِ کامل بیان‌شده و نه فراتر. تقدّمِ انتشار بر یافتهٔ کمّی، برتریِ توالی بر خودسازگاریِ موازی در ۹۵٫۶ درصدِ پیکربندی‌ها با محاسبهٔ برابر، از آنِ Sharma و Chopra است (arXiv:2511.02309، ۴ نوامبر ۲۰۲۵)، بدونِ قید و شرط اعتبار داده شده است؛ صوری‌سازیِ محاسبه-برابرِ برنامه در Paper II (۲۲ ژانویه ۲۰۲۶) در پی آمد، که پیش از دیدنِ مقالهٔ آن‌ها طراحی و اجرا شد. دست‌نوشتهٔ دسامبرِ ۲۰۲۴ گزارهٔ جهت‌گیریِ یک‌سویه و معادله‌ای را در بر دارد که در آن پهنایِ موازی هرگز جمله‌ای نداشت، پس نمای موازیِ نزدیک به صفر یک پیامدِ ساختاری است، نه یک شگفتی؛ آن استخراج در ۲۰۲۶ با تعریفِ عملیاتیِ R کامل شد، و نتیجه‌گیری تاریخِ جوان‌ترین مقدمهٔ خود را می‌گیرد. دو نتیجه هرگز برابر گرفته نمی‌شوند: مالِ آن‌ها پالایشِ زنجیره را در برابرِ رأی‌گیریِ موازی بر معیارهایِ استدلال اندازه‌گیری می‌کند، Paper II کاهشِ خطا در زنجیره‌های تولید را اندازه‌گیری می‌کند؛ جهتِ هم‌گرا، ابزارهایِ متفاوت.

انضباطِ دفتر: یک رویدادِ بیرونی به‌ازای هر سطر، یک منبعِ اصلی به‌ازای هر سطر، لینک‌شده به منبعِ رسمی هرجا که یک URL رسمیِ پایدار وجود داشته باشد (arXiv, DOI, ناشر، دفترِ ثبتِ اختراع، پخش‌کننده، فروشنده)؛ سطرهایِ برگرفته از مطبوعات به‌جای آن رسانه و تاریخ خود را نام می‌برند. شکاف‌ها از تاریخِ سندِ نام‌برده اندازه‌گیری می‌شوند، به تفکیکِ سطر بیان می‌شوند. دوازده سطرِ نامزدِ دیگر در یک فهرستِ در انتظارِ منبع نگاه‌داشته می‌شوند و تا زمانی که هر کدام منبعِ اصلیِ قابلِ راستی‌آزمایی نداشته باشند نه شمرده و نه نشان داده می‌شوند؛ درگیریِ خواننده با کار (برای مثال نسخه‌های اهدا شده) جداگانه ثبت می‌شود و هرگز به‌عنوانِ هم‌گرایی شمرده نمی‌شود. تقدّم هرجا که تاریخ‌ها ایجاب کنند به بیرون اعتبار داده می‌شود (سطرِ ۳). دفترِ کامل با فهرست‌های قرنطینه و درگیری: michaeldariuseastwood.com/research/evidence-spine.html.

یک ثبتِ تاریخ‌دارِ درجه‌بندی‌شده: هر سطر منبعِ اصلی، ردهٔ شواهد و افشایِ وابستگیِ خود را با خود دارد. استقلال در اینجا یک ویژگیِ آزموده‌شده است، نه یک فرض: دفتر زنجیره‌های وابستهٔ خود را افشا می‌کند، و §۶ ممیزی‌هایی را بیان می‌کند که بقیه را شکست می‌دهد. الگو شایستهٔ بررسی به‌عنوانِ یک اصلِ ساختاریِ نامزد است؛ §۶ آزمون‌هایی را می‌گذارد که تصمیم می‌گیرند.

۲. سه درجه از عصب‌ناهم‌گونی

درجهٔ ۱ - پژوهشگر (Paper C، PNP). Michael Darius Eastwood. تشخیصِ ADHD. تشخیصِ اوتیسم. تشخیصِ بزرگسالی. مغزی که دامنه‌هایی را به هم متصل می‌کند که متفکرانِ یکنواخت آن‌ها را مجاور نمی‌بینند. یک چارچوبِ ۲۲۱٬۲۳۶ کلمه‌ای در سراسرِ دامنه‌ها می‌سازد در حالی که خود را در دادرسی‌های قانونیِ پیچیده نمایندگی می‌کند. PNP (Polymathic Neurodivergent Profile) چارچوبِ بالینیِ توصیفی را فراهم می‌کند. مستنداتِ بالینی وجود دارد و به‌طورِ خصوصی نگاه‌داشته می‌شود. روش همان فرضیه است.

درجهٔ ۲ - اثباتِ حفاظت (Hernández-Espinosa et al., 2026, PNAS Nexus). آکسفورد، King's College London، Alan Turing Institute، دانشگاهِ توکیو. گودل و تورینگ ثابت می‌کنند که همسوییِ بیرونی ناممکن است. راه‌حل: تنوعِ شناختی. اندیشیدنِ نوروواگرا نقص نیست. معماریِ محافظ است. مقاله Eastwood را ارجاع نمی‌دهد. نمی‌داند که او هست. مستقل، و دربارهٔ عامل‌های ماشینی، استدلالش این است که تنوعِ شناختی معماریِ محافظ است؛ کشیدنِ همانندی با انسان‌ها کارِ مقالهٔ C است، نه کارِ آنها.

درجهٔ ۳ - اثباتِ صوری (Gumbau Mezquita, 2026, arXiv:2606.28639). University Jaume I، اسپانیا. Hernández-Espinosa را می‌خواند. با دیوارِ Trakhtenbrot گسترش می‌دهد. دو قضیهٔ صوری: راستی‌آزمایی‌ناپذیریِ هم‌راستایی + سه‌دوگانهٔ درستی-تمامیت-تراکتابیلیتی. Hernández را به‌عنوانِ بنیانِ مفهومی اعتبار می‌دهد. این کار را ارجاع نمی‌دهد. جهت هم‌گراست، و دفتر جفت را به‌عنوانِ یک زنجیرهٔ وابستهٔ منفرد درجه‌بندی می‌کند: زمینه، نه تأیید.

هیچ‌یک از دو گروهِ بیرونی از کارِ نویسنده آگاه نبود. چون مقالهٔ Gumbau بر مقالهٔ Hernández-Espinosa بنا شده، دفتر آن دو را یک تبار می‌شمارد. کسی این را برنامه‌ریزی نکرد. زنجیره کشف شده است، نه ساخته.

۳. حلقهٔ بسته

حلقهٔ بسته چهار ویژگیِ ساختاری دارد:

۱. روش همان فرضیه است. معماریِ شناختی‌ای که این چارچوب را پدید آورد، بازشناسیِ الگوی نوروواگرا در سراسرِ قلمروها، با آنچه Hernández-Espinosa et al. برای عامل‌های ماشینی می‌خواهند هم‌آواست: اینکه تنوعِ سبک‌های استدلال از یک بوم‌سازگان محافظت می‌کند. همانندی گیراست، در مقالهٔ C استدلال می‌شود، و بیش از آن نیست. پژوهشگر کسی نیست که اتفاقاً نظریه‌ای دارد. پژوهشگر خود نخستین شاهدِ نظریه است. مغزِ پشتِ آن همان گونه تنوعِ استدلالی را نشان می‌دهد که مقالهٔ PNAS می‌گوید این حوزه میانِ عامل‌های ماشینی بدان نیاز دارد.

۲. چارچوب شواهدِ خود است. سطرهایِ دفتر برنامه‌هایی را ثبت می‌کنند که بدونِ دانستنِ یکدیگر یا چارچوب به همان نتیجه‌گیریِ ساختاری می‌رسند. این ادعایِ علیّت نیست. مشاهده‌ای از هم‌گرایی است. الگو در سراسرِ ایمنیِ هوش مصنوعی، محاسباتِ کوانتومی، فیزیکِ کلاسیک، ساختِ نیم‌رسانا، دکترینِ واتیکان، راهبریِ سازمانِ ملل، سرمایهٔ خطرپذیر و منطقِ ریاضی برقرار است. الگویی که در سراسرِ دامنه‌هایی این‌قدر متفاوت ظاهر می‌شود کشف شده است، نه ساخته؛ اینکه چقدر تأیید می‌کند یک پرسشِ درجه‌بندی‌شده است، سطر به سطر.

۳. اثبات مستقل از پژوهشگر است. قضایای صوریِ Gumbau Mezquita به باور داشتن به Eastwood وابسته نیستند. به روش‌های Eastwood وابسته نیستند. به منابعِ او وابسته نیستند. برگرفته از دیوارِ Trakhtenbrot و نظریهٔ مدل‌های متناهی، منسوب به Hernández-Espinosa و منتشرشده در arXiv در ۲۶ ژوئنِ ۲۰۲۶، اینها نتایجِ ریاضیِ صوری‌اند. یا برقرارند یا نه؛ آن‌گونه که منتشر شده‌اند برقرارند، و تا هنگامِ نگارش چیزی آنها را رد نکرده است. و همان را می‌گویند که Eastwood هجده ماه پیش‌تر گفت.

۴. هر پیوندِ زنجیره به‌طورِ مستقل قابلِ راستی‌آزمایی است. دست‌نوشته ← نتایجِ صوریِ متأخر در همان جهت ← دفترِ درجه‌بندی‌شده‌ای که از بیش‌بیانِ آن‌ها می‌پرهیزد ← Paper C که چارچوبِ انسانی را بر اساسِ شرایطِ خودش بیان می‌کند. هر تاریخ به‌طورِ مستقل قابلِ راستی‌آزمایی است. هر منبع منتشر شده است. هر هَشِ SHA-256 مطابقت دارد. حلقهٔ بسته یک استدلال نیست. یک زنجیرهٔ شواهد است.

۴. روش

هم‌گرایی‌ها از راهِ جست‌وجویِ نظام‌مندِ ادبیاتِ ۲۰۲۵-۲۰۲۶ ایمنیِ هوش مصنوعی، محاسباتِ کوانتومی، سخت‌افزار، سیاستِ نیم‌رسانا، دکترینِ واتیکان، راهبری، عصب‌شناسی و ریاضیات شناسایی شدند. هر هم‌گرایی در برابرِ این‌ها آزموده شد: (الف) خاستگاهِ مستقل (بدونِ ارجاعاتِ مشترک، پرسنل یا تأمینِ مالی با Eastwood یا با یکدیگر)، (ب) تطبیقِ ساختاری (اصلِ یکسان، زیرلایهٔ متفاوت)، و (ج) شکافِ زمانی (تاریخِ بیانِ Eastwood در برابرِ تاریخِ تأییدِ مستقل). دست‌نوشتهٔ ۸ دسامبر ۲۰۲۴ در سطحِ خط در برابرِ فایل‌های منبع راستی‌آزمایی شد. تمامیِ فایل‌های .eml با SHA-256 راستی‌آزمایی شدند. تمامیِ DOIهای بیرونی و شناسه‌های arXiv تأیید شدند.

ابزارِ رقیب

کاری که به پرسشِ این برنامه نزدیک‌ترین است، و از این رو مقاله‌ای که این یکی باید در برابرش سنجیده شود، این است: Engels, J., Baek, D., Kantamneni, S. و Tegmark, M.، «Scaling Laws For Scalable Oversight»، arXiv:2504.18530، نخستین بار در ۲۵ آوریلِ ۲۰۲۵ ساعتِ 17:54:27 UTC منتشر شد (SINGLE-SOURCE-GROUP، arXiv Atom؛ پوسترِ Spotlight در NeurIPS 2025، در ۱۵ اوتِ ۲۰۲۶ در برابرِ صفحهٔ مجازیِ NeurIPS برای پوسترِ 115536 تأیید شد، چنان‌که در پروندهٔ ارجاعاتِ مقالهٔ بیانیه ثبت شده است). می‌پرسد که خودِ نظارت چگونه مقیاس می‌گیرد و کمّی پاسخ می‌دهد: کامیابیِ نظارت همچون بازی‌ای میانِ بازیکنانی با توانمندیِ نابرابر مدل می‌شود که Elo ویژهٔ نظارتشان تابعی خطیِ تکه‌ای از هوشِ عمومی با دو فلات است، و شمارِ بهینهٔ سطوحِ نظارت به‌صورتِ عددی و در مواردی تحلیلی برای نظارتِ مقیاس‌پذیرِ تودرتو استخراج می‌شود، جایی که مدل‌های مورد اعتماد بر مدل‌های قوی‌ترِ نامعتمد نظارت می‌کنند و آن‌ها سپس در گامِ بعد خود مدل‌های مورد اعتماد می‌شوند.

ابزار همان تفاوت است. متغیرِ آن‌ها شکافِ توانمندی میانِ ناظر و تحتِ نظارت است، در Elo اندازه‌گیری می‌شود. متغیرِ این برنامه ردهٔ ترکیبِ اصلاح‌گر است، از راهِ نمای مقیاس‌بندیِ خودِ اصلاح‌گر اندازه‌گیری می‌شود. چارچوبِ آن‌ها هیچ جمله‌ای برای آنچه ناظر از آن ساخته شده ندارد: نه زیرلایه، نه ساختارِ همبستگیِ خطا، نه هویتِ متقابل میانِ یک نمای تصحیح و یک نرخِ رشدِ بحرانی، و نه وابستگی به معماری. Nested Scalable Oversight بر پایهٔ ساخت، نظارتِ تکراریِ هم‌رده است، و پیش‌بینیِ مرکزیِ این برنامه این است که نردبانِ هم‌رده هر چند پله هم که اضافه شود کران‌دار است، در حالی که یک اصلاح‌گرِ برون‌رده چنین نیست. بنابراین دو چارچوب دربارهٔ یک کمیّتِ اندازه‌پذیر با یکدیگر مخالف‌اند، که پربارترین رابطه‌ای است که دو برنامهٔ پژوهشی می‌توانند داشته باشند.

پیشینه‌ها و اندازه‌های نزدیک

دربارهٔ پرسش. Hutter مستقیماً پرسید که آیا هوش می‌تواند منفجر شود ("Can Intelligence Explode?"، arXiv، ۲۸ فوریه ۲۰۱۲، READ-AT-SOURCE)، «سرعت را از انفجارِ هوش» جدا کرد و متعهد شد که «کران‌های ممکن بر هوش را در نظر بگیرد»، تحلیلِ ۲۰۱۰ Chalmers را گسترش می‌دهد. پرسش و تمایزِ سرعت-در برابرِ-ساختار بنابراین دستِ کم چهارده ساله است. آنچه آن ادبیات در بر ندارد یک عدد است: نه یک نمای اندازه‌پذیر، نه سقفِ استخراج‌شده، نه وابستگی به معماری.

دربارهٔ ناممکنی. سه مقالهٔ arXiv ۲۰۲۵ استدلال می‌کنند که کنترلِ کامل دست‌نیافتنی است: Yao، "The Alignment Trap: Complexity Barriers" (arXiv:2506.10304، v1 ۱۲ ژوئن ۲۰۲۵ ساعتِ 02:30:30 UTC، SINGLE-SOURCE-GROUP، به‌طورِ مستقل توسطِ Internet Archive در ۱۳ ژوئن ۲۰۲۵ مشاهده شد؛ در arXiv:2512.03048 ارجاع داده شده)؛ Yao، "On the Mathematical Impossibility of Safe Universal Approximators" (arXiv:2507.03031، ۳ ژوئیه ۲۰۲۵، تنها مقاله در پیکرهٔ چکیدهٔ arXiv که عبارتِ "irreducible uncontrollability" را در بر دارد، جمعِ جست‌وجویِ چکیدهٔ یک، اندازه‌گیری در ۱۲ اوت ۲۰۲۶)؛ و Ball, Gluch, Goldwasser, Kreuter, Reingold and Rothblum، "On the Impossibility of Separating Intelligence from Judgment" (arXiv:2507.07341، ۹ ژوئیه ۲۰۲۵). هر سه بدترین-حالت و کیفی‌اند: اندازهٔ صفر، coNP-تمامی، سختیِ رمزنگاشتی. هیچ‌یک یک نمای مقیاس‌بندیِ حالتِ متوسط یا نرخی گزارش نمی‌کند. سومی، به‌ویژه، نتیجه می‌گیرد که هم‌راستایی «باید در عوض در معماری و وزن‌های مدل ادغام شود»، یک استدلالِ مستقل، از تراکتابیل‌ناپذیریِ پالایش، در همان جهت با وابستگیِ به معماریِ این برنامه؛ در آن پایه پشتیبانیِ هم‌گراست، نه رقیب. دو تا از سه مقاله توسطِ یک نویسندهٔ منفرد است؛ توصیفِ «یک موج» گستردگیِ ادبیات را بزرگ‌نمایی می‌کند، هرچند نه جدیّتِ مقالهٔ شش‌نویسنده را.

دربارهٔ مکانیسم. اینکه برآوردهایِ ضدهم‌بسته به‌طورِ متوسط بهتر از برآوردهایِ مستقل هستند، کاهشِ واریانسِ کتاب درسی است (متغیرهایِ ضدنما). مکانیسم ادعا نیست. ادعا این است که معماری تعیین می‌کند که آیا ضدهم‌بستگی اصلاً در دسترس است، و اینکه این یک نمای مرتبط با ایمنی را سقف می‌گذارد.

نزدیک‌ترین قیاسِ ساختاری. قضیهٔ آستانهٔ تصحیحِ خطایِ کوانتومی نیز یک نگرانیِ کیفی را به یک مقدارِ بحرانی تبدیل می‌کند. به نرخ‌های خطایِ فیزیکی در یک معماریِ ثابت مربوط است، نه به نمای مقیاس‌بندیِ یک اصلاح‌گر، پس یک اندازهٔ نزدیک است تا یک ساکن؛ قیاس در روش است. این قیاس توسطِ جست‌وجویِ خودِ برنامه شناسایی شد نه توسطِ یک داور، و بر همین اساس افشا می‌شود.

دربارهٔ بازخورد و پایداری (کلاسیک). قضیهٔ عمومی که بهرهٔ اصلاحیِ ناکافی نسبت به بهرهٔ سیستم موجبِ ناپایداری می‌شود، پیشینهٔ درازی در نظریهٔ کنترل دارد (قضایایِ بهرهٔ کوچک). تفاوت: آن‌ها شرایطِ بهره بر سیستم‌های هم‌بندی‌شده هستند، نه معیارِ نمای قانونِ توانی بر مقیاس‌بندیِ یک اصلاح‌گر با توانمندیِ یک سیستمِ به‌صورتِ بازگشتی بهبودیابنده. ذکر شده تا قضیهٔ عمومی هرگز ادعا نشود؛ صورت‌بندیِ نما، دینامیک و برآوردگر سطحِ مشارکت است.

نزدیک‌ترین همسایهٔ کمّی. Liu, A. و Meng, J.، «خود-تصحیح به‌عنوانِ کنترلِ بازخورد: دینامیکِ خطا، آستانه‌های پایداری، و مداخله‌های prompt در LLMها»، arXiv:2604.22273 (SINGLE-SOURCE، چکیده از راهِ صفحهٔ html خودِ مقاله در ۱۲ اوت ۲۰۲۶ خوانده شد)، خود-تصحیح را به‌عنوانِ یک مسئلهٔ کنترلِ حلقه‌بسته از راهِ یک مدلِ Markov دوحالته بازقالب‌بندی می‌کند که با یک Error Introduction Rate و Error Correction Rate پارامتریزه شده، و یک آستانهٔ پایداریِ مستقیماً اندازه‌پذیر استخراج می‌کند: تنها زمانی تکرار کنید که ECR/EIR از Acc/(1 - Acc) فراتر رود. تفاوت، هرجا که ارجاع داده می‌شود بیان می‌شود: از آنِ آن‌ها یک آستانهٔ نرخِ به‌ازای هر گام در یک سطحِ توانمندیِ ثابت است، که تصمیم می‌گیرد آیا تکرارِ دیگری اکنون کمک می‌کند؛ معیارِ این برنامه یک رابطهٔ مقیاس‌بندی در سراسرِ توانمندی است، که تصمیم می‌گیرد آیا قدرتِ اصلاحی همگام با بهبودِ سیستم پیش می‌رود. نه یک نمای مقیاس‌بندی بر اصلاح‌گر، نه یک نمای رشدِ توانمندی، نه هویتِ متقابل، نه جملهٔ معماری یا ردهٔ ترکیب. رژیم‌های مکمل؛ هیچ‌یک دربردارندهٔ دیگری نیست. دو نتیجهٔ تجربیِ مجاورِ ۲۰۲۶ از همان جست‌وجو، هر یک باید در منبع پیش از ارجاع فراتر از عنوانِ خود راستی‌آزمایی شود: arXiv:2601.00828 پارادوکسِ دقت-تصحیح را گزارش می‌کند، مدل‌های ضعیف‌تر نرخ‌های تصحیحِ ذاتیِ به‌طورِ مادّی بالاتری نسبت به مدل‌های قوی‌تر به دست می‌آورند، شواهدِ به‌ازای هر گام از نظرِ جهت‌گیری مجاورِ سقفِ هم‌رده و هرگز نه به‌عنوانِ اندازه‌گیریِ یک نما ذکر می‌شود؛ و arXiv:2507.02778 (Self-Correction Bench) یک نقطهٔ کورِ نظام‌مندِ خود-تصحیح را در سراسرِ مدل‌های باز گزارش می‌کند.

دربارهٔ آفرینشِ بازگشتی. گزینشِ طبیعیِ کیهان‌شناختیِ Smolin پیشینهٔ جهان‌های به‌شکلِ گزینش است، و یادداشت‌های دوره‌ی دسامبرِ خودِ برنامه به‌طورِ هم‌زمان به آن ارجاع می‌دهد ("Echoing Smolin's cosmological natural selection, AI could create recursive universes with their own laws"، READ-AT-SOURCE از یادداشت‌های operator).

دربارهٔ رشتهٔ پیرامونِ دفتر. پرسش‌هایی که این دفتر از بیرون پی می‌گیرد اکنون خانه‌ای نام‌دار دارند: Recursive Dynamics، که در مقالهٔ بنیادینِ خود (v2.6، DOI 10.17605/OSF.IO/HCPBU) به‌عنوانِ یک رشته پیشنهاد شده است، که اعتراضِ A12 آن از درون همان چیزی را استدلال می‌کند که این دفتر از بیرون مستند می‌کند: اینکه پرسش‌ها یک خانواده را تشکیل می‌دهند که هیچ رشتهٔ موجود کلِ آن را ادعا نمی‌کند. دفتر و پیشنهادِ رشته یک انضباط‌اند که به دو جهت نشانه رفته‌اند؛ دفتر آنچه را که از بیرون رسیده درجه‌بندی می‌کند، و مقالهٔ بنیادین بیان می‌کند که چه چیزی نام را خواهد کشت.

۶. ابطال‌پذیری

این ادعا قابلِ رد است، و معیارهایِ زیر دقیقاً بیان می‌کنند چه چیز آن را شکست می‌دهد. قوّتِ شواهدِ هم‌گرا تماماً به مستقل‌بودنِ راستینِ هم‌گرایی‌ها متکی است، بنابراین این آزمون‌ها بر پایهٔ طراحی خصمانه‌اند.

  1. شکستِ استقلال. هر هم‌گرایی باید از منبعی برخیزد که از دست‌نوشته‌های نویسنده و از هر هم‌گراییِ دیگر به‌طورِ علّی مستقل باشد (بنگرید به §۴). ادعا به سوگیریِ گزینش فرو می‌ریزد اگر یک بازممیزی دریابد که سهمِ مادّی‌ای از هم‌گرایی‌ها منبعِ مشترکی دارند، یکدیگر را ارجاع می‌دهند، یا توسطِ طرف‌هایی با دانشِ پیشینِ مستندشده از دست‌نوشتهٔ ۸ دسامبر ۲۰۲۴ تولید شده‌اند.
  2. آستانهٔ شکست (شمارش). خودِ این شمارش ادعایی ابطال‌پذیر است. در بازممیزی‌ای که زیرِ پروتکلی نوشته‌شده، تاریخ‌خورده و آماده‌شده همچون ثبتی در پیش‌نویس در انتظارِ ارسالِ انسانی انجام شود، با حذفِ سختِ تکرارها به‌ازای هر ردیف یک رویداد و راستی‌آزمایی در منبعِ نخستین، الگو شکست می‌خورد اگر شمارِ همگرایی‌های مستقلِ بازمانده زیرِ سطحی بیفتد که با توجه به پهنهٔ قلمروهای جست‌وجوشده از هم‌آیندیِ تصادفی تمیزپذیر است. نوزده ردیفِ عکسِ نگاه‌داشته‌شده تنها ردیف‌های راستی‌آزمایی‌شدهٔ آن بودند. چون دفترِ درجه‌بندی‌شده هیچ جمعی ادعا نمی‌کند، آزمونِ شکست اکنون بر استقلالِ ردیف‌های درجه‌بندی‌شده بار می‌شود و نه بر هیچ عددی، و نامزدهایی که هنوز در راستی‌آزمایی‌اند تا هنگامِ مستندشدن بیرون می‌مانند.
  3. مخرجِ گم‌شده (جست‌وجویِ ناقض). به‌عنوانِ شواهد، ادعا شکست می‌خورد مگر اینکه یک جست‌وجویِ به‌همان اندازه نظام‌مند برای مواردِ نا-تأییدکننده (دامنه‌هایی که در آن‌ها عمقِ بازگشتیِ افزوده بهرهٔ فراخطیِ بالای آستانه تولید نمی‌کند) انجام و گزارش شود. بدونِ مخرج (دامنه‌های جست‌وجوشده در برابرِ دامنه‌های مطابق)، نرخِ هم‌گرایی را نمی‌توان نشان داد که از تصادف فراتر می‌رود.
  4. اثرِ نگاه-به-جایِ-دیگر. در سراسرِ دامنه‌هایِ متمایزی که در اینجا بررسی شده‌اند، مقداری شباهتِ ساختاریِ تصادفی انتظار می‌رود. ادعا شکست می‌خورد اگر نرخِ هم‌گراییِ مشاهده‌شده از نرخِ مثبتِ کاذبِ موردِ انتظار از تطبیقِ الگو در سراسرِ آن‌قدر دامنهٔ مستقل فراتر نرود.
  5. علیّتِ معکوس. یک هم‌گرایی تنها زمانی شمرده می‌شود که نتیجهٔ بیرونی، مستقیم یا غیرمستقیم، تحتِ تأثیرِ اشاعهٔ خودِ نویسنده نبوده باشد. هر هم‌گراییِ ردیابی‌شدنی به کتاب، وب‌سایت، یا پست‌های عمومی به‌جای پیش‌بودن یا برخاستن به‌طورِ مستقل از آن‌ها، به‌عنوانِ درگیری بازرده‌بندی می‌شود، نه تأییدِ مستقل، و از شمارش حذف می‌شود.
  6. شکستِ پیش‌بینی. اصلِ ساختاری پیش‌بینی‌های رو به جلو می‌کند (که نتایجِ عمقِ بازگشتیِ آینده همان فراخطیِ بالای آستانه را نشان خواهند داد). پیش‌بینی‌های رو به جلویِ تهیه‌شده و تاریخ‌دار به‌عنوانِ ثبت‌های پیش‌نویس در انتظارِ ارسالِ انسانی که در نرخی ناسازگار با جهان‌شمولیِ ادعاشده شکست می‌خورند، خوانشِ ساختاری را شکست می‌دهند، و تنها یک مجموعه از هم‌زمانی‌های تاریخی را باقی می‌گذارند.

آنچه شکست نمی‌دهد ادعا: بازرده‌بندیِ هر هم‌گراییِ منفرد، یا یک منبعِ ضعیف‌تر از آنچه توصیف شده اثبات شود: ادعا دربارهٔ الگویِ کل است، نه هیچ سطرِ منفردی. اما کل باید از آزمون‌های استقلال، مخرج و نرخِ پایهٔ بالا بقا کند. در نبودِ آن‌ها، «شواهدِ هم‌گرا» از سوگیریِ تأیید غیرقابلِ تمایز است، و این مقاله این را به‌روشنی می‌گوید.

۷. این چه معنایی می‌دهد

برای برنامهٔ ARC/Eden. چارچوب در خلاء گمانه‌زنی نمی‌کند: سطرهایِ دفتر کارگرانِ مستقلی را ثبت می‌کنند که به همان نتیجه‌گیری‌های ساختاری می‌رسند، و تأیید از متحدان، همکاران یا کسانی که از کار خبر دارند نیست؛ از کسانی است که نمی‌دانند کار وجود دارد. اینکه این چقدر وزن دارد یک پرسشِ درجه‌بندی‌شده است، سطر به سطر، و هیچ عددِ منفردی برای آن ادعا نمی‌شود؛ وزن تماماً به مستقل‌بودنِ راستینِ سطرها متکی است، که §۶ بیان می‌کند چگونه آزموده شود.

برای پژوهشگر. چارچوبِ PNP معماریِ شناختی‌ای را توصیف می‌کند که این را ساخت. مقالهٔ PNAS استدلال می‌کند که تنوعِ سبک‌های استدلال از یک زیست‌بومِ کارگزارانِ ماشینی حفاظت می‌کند. اینکه آیا همتای انسانی برقرار است دقیقاً همان چیزی است که Paper C روی میز می‌گذارد، به‌عنوانِ چارچوبی بیان‌شده به‌جایِ اثباتِ قرض‌گرفته. مستنداتِ بالینی سابقهٔ پزشکی را فراهم می‌کند. حلقهٔ بسته کامل است. ادعایِ پژوهشگر به تخصص نهادی نیست. شواهدی است. ثبتِ شواهد منتشر شده است. هَش‌های SHA-256 مطابقت دارند. منابعِ .eml مُهرشده در صورتِ درخواست در دسترس‌اند، لنگرشده با هَش.

برای ایمنیِ هوش مصنوعی. چندین برنامهٔ مستقل اکنون استدلال می‌کنند که قیدهایِ هم‌راستاییِ بیرونی از نظرِ ساختاری ناکافی‌اند، و چندی به تصحیحِ تعبیه‌شده که با توانمندی هم‌مقیاس می‌شود به‌عنوانِ جهت می‌رسند، پیش از آنکه نخستین سیستمِ بازگشتیِ ازهم‌گسسته حمل‌ونقل شود. آن الگو زمینه است، نه تأیید؛ آزمون‌های تصمیم‌گیرنده ثبت‌های پیش‌نویس‌شده هستند (§۶). پرسش این است که آیا هیچ نهادی پیش از آنکه شواهد به یک بازکاوی پس از مرگ بدل شود، بر اساسِ استدلالِ ساختاری عمل خواهد کرد.

۸. پیش‌بینی‌های چارچوب که الگویِ هم‌گرایی به آن‌ها اشاره می‌کند

کسوف. تیزترین اختلافِ این چارچوب با عملِ کنونی بر سرِ آن است که نظارت از چه ساخته شده. اصلاح‌گری که از همان بسترِ سامانه‌ای ساخته شده که آن را اصلاح می‌کند نمی‌تواند با خطاهای خودش ضدهمبسته شود، پس نمای اصلاحش زیرِ مدلِ انباشتِ با استقلال از بالا به یک‌دوم کران‌دار است و در عمل زیرِ آن می‌نشیند؛ اصلاح‌گری از ردهٔ ترکیبیِ متفاوت چنین کرانی ندارد. برنامهٔ نظارتِ مقیاس‌پذیر، تعمیمِ ضعیف‌به‌قوی، مناظره، تقویت، مدل‌سازیِ بازگشتیِ پاداش و روش‌های اساس‌نامه‌ای، به‌طورِ چشمگیری از اصلاح‌گرانِ هم‌رده ساخته شده‌اند، و فرضِ ناگفته‌شان این است که این مقیاس می‌گیرد. این چارچوب پیش‌بینی می‌کند که سقف دارد. قانون و مقدار را می‌توان از هم جدا کرد. آنچه زمین را در دست دارد قانون است: سامانه‌ای که خود را بهبود می‌دهد تنها تا زمانی اصلاح‌پذیر می‌ماند که اصلاح هم‌گام بماند، و سقفش وارونِ آن است که اصلاح‌گر چه‌قدر از یک کم می‌آورد، αبحرانی = 1/(1 − γ). یک‌دوم همان است که این قانون پیش‌بینی می‌کند وقتی فرضِ انباشتِ با استقلال پذیرفته شود، و همین فرض است که ثبت‌های نوشته‌شده به آزمون می‌گذارند. کمیتِ تعیین‌کننده نسبتِ نمای اصلاحِ میان‌رده‌ای به هم‌رده‌ای است، که مدلِ صفرِ آن، زیرِ این فرض که معماری و ساختارِ خطا برای مقیاس‌گیریِ اصلاح بی‌ربط‌اند، برابرِ ۱٫۰۰ است. ابطال در همان شکلِ سه‌نتیجه‌ای خوانده می‌شود که ثبت‌های نوشته‌شدهٔ برنامه به کار می‌برند، چون «رد اگر بازه ۱٫۰۰ را در بر گیرد» به مطالعه‌ای کم‌توان اجازه می‌داد به‌طورِ پیش‌فرض رد کند: پشتیبانی‌شده وقتی بازهٔ نسبت به‌تمامی بالای ۱ به‌علاوهٔ کمینه‌اثرِ از پیش تثبیت‌شده بیفتد؛ ابطال‌شده وقتی بازه به‌تمامی درونِ حاشیهٔ هم‌ارزیِ از پیش تثبیت‌شده پیرامونِ ۱٫۰۰ بیفتد (منطقِ دو آزمونِ یک‌طرفه)، یا وقتی بازهٔ نمای هر اصلاح‌گرِ هم‌رده به‌تمامی بالای یک‌دوم بیفتد، که سقف را یکسره می‌کشد؛ دقتِ ناکافی وقتی بازه پهن‌تر از حاشیه باشد، که با همین واژه‌ها گزارش می‌شود و هرگز همچون پشتیبانی یا ابطال. هر دو کمیت در توانمندیِ کنونی بر سامانه‌های موجود اندازه‌پذیرند. شواهدِ آزمایشیِ خودِ برنامه اکنون خلافِ این پیش‌بینی را نشان می‌دهند، و پیش‌بینی با این حال حمل می‌شود، نوشته و تاریخ‌خورده همچون ثبتی در پیش‌نویس در انتظارِ ارسالِ انسانی، چون پیش‌بینی‌ای که در برابرِ شواهدِ مقدماتیِ خودِ نویسنده ثبت شود تنها پیش‌بینی‌ای است که تأییدِ بعدی‌اش معنایی دارد.

اعتراضِ پیش‌گیرانه، چون یک فیزیک‌دان در یک گام به آن می‌رسد. تصحیحِ خطایِ کوانتومیِ تحمل‌کننده‌ی خطا خطای منطقی را به‌صورتِ نمایی در فاصلهٔ کد زیرِ آستانه سرکوب می‌کند، که مانندِ یک ضدمثال به هر سقفِ ریشهٔ دوم به نظر می‌رسد. دو واقعیتِ گستره پاسخ می‌دهند: سرکوبِ نمایی روی محورِ افزونگی در توانمندیِ ثابت اجرا می‌شود، نه بر جفت‌شدنِ قدرتِ اصلاحی با توانمندیِ سیستمِ تصحیح‌شده، که آن نمایی است که این برنامه اندازه‌گیری می‌کند؛ و خودِ قضیهٔ آستانه به نویزِ فیزیکیِ به‌اندازهٔ کافی ناهم‌بسته نیاز دارد، که همان مقدمهٔ استقلال دوباره است، پوشیدهٔ سخت‌افزار. به همین ترتیب، کران‌های تمرکز احتمالِ خطای نزولیِ نمایی می‌دهند در حالی که پهنایِ برآوردگر به‌عنوانِ ریشهٔ دوم نزول می‌کند: کمیّت‌های متفاوت، و آمیختنِ آن‌ها یک رد را می‌سازد.

پیش‌بینیِ دوم از همان مکانیسم. همان مکانیسم پیش‌بینیِ اندازه‌پذیرِ دومی به دست می‌دهد: ترتیباتِ نظارتی که یک انسان را در حلقه قرار می‌دهند، همان‌گونه که تقویت و یادگیریِ تقویتی از بازخوردِ انسانی این کار را می‌کنند، بر پایهٔ ساخت برون‌رده‌اند، چون اصلاح‌گرِ انسانی زیرلایهٔ مدل را به اشتراک نمی‌گذارد. بنابراین چارچوب پیش‌بینی می‌کند که نظارتِ انسان-در-حلقه نمای تصحیحِ بالاتری از نظارتِ فقط-مدل نشان می‌دهد، به دلیلی ساختاری نه احساسی. این روی داده‌های موجود آزمون‌پذیر است و به سیستم‌های تازه نیاز ندارد.

منابع

Eastwood, M. D. (2024). ARC Principle، Eden Protocol، HRIH - دست‌نوشتهٔ خودارسال‌شده با ایمیل. ۸ دسامبر ۲۰۲۴. SHA-256: f0d1f38f.

Eastwood, M. D. (2026a). Infinite Architects. ISBN 1806056208.

Eastwood, M. D. (2026b). قانونِ هم‌مقیاسیِ ARC (مقالهٔ X) (که تا ۱۵ اوتِ ۲۰۲۶ عنوانِ «Coupled Co-Scaling Correction» را داشت). OSF 10.17605/OSF.IO/BSE2Q.

Eastwood, M. D. (2026c). چنددانی و شناختِ عصب‌ناهم‌گون. Paper C. Working paper.

Eastwood, M. D. (2026d). Recursive Dynamics: The Proposal of a Field. Founding paper v2.6. OSF 10.17605/OSF.IO/HCPBU.

Gumbau Mezquita, J. P. (2026). تعیین‌ناپذیریِ هم‌راستاییِ AGI. arXiv:2606.28639.

Hernández-Espinosa, A., Abrahão, F. S., Witkowski, O., & Zenil, H. (2026). تأثیرپذیریِ عصب‌ناهم‌گون در هوش مصنوعیِ کارگزار. PNAS Nexus، 5(4)، pgag076.

Greenblatt, R., Denison, C., Wright, B., et al. (2024). Alignment Faking in Large Language Models. arXiv:2412.14093.

Google Quantum AI. (2024/2025). Quantum error correction below the surface code threshold. arXiv:2408.13687، که پیش‌چاپش در ۲۴ اوتِ ۲۰۲۴ عمومی شد؛ Nature ۶۳۸، ۹۲۰-۹۲۶، که در ۹ دسامبرِ ۲۰۲۴ به‌صورتِ برخط پدیدار شد.

Sharma, A. & Chopra, P. (2025). The Sequential Edge: Inverse-Entropy Voting Beats Parallel Self-Consistency at Matched Compute. arXiv:2511.02309.

Morrell, M.C., Elliott, L., & Grier, D.G. (2026). برهم‌کنش‌های میانجی‌شدهٔ موجِ غیرمتقابل یک بلورِ زمانیِ کلاسیک را نیرو می‌بخشند. PRL, 136, 057201.

Pope Leo XIV. (2026). Magnifica Humanitas. ۲۵ مه ۲۰۲۶.

نسخهٔ ۱٫۹: یادداشتِ منشأ در پایان برای دقت اصلاح شده است. هیچ ادعا، تاریخ، نتیجه یا وضعیتی تغییر نکرده است.

مقالهٔ XI نسخهٔ ۱٫۸ - ۲ سپتامبرِ ۲۰۲۶: چکیده اکنون دو استثنای افشاشده را نام می‌برد، هماهنگ با دو گروهِ وابستگی که در بخشِ ۱ آمده‌اند؛ در عکسِ نگاه‌داشته‌شده ردیفِ Willow هر دو تاریخش را دارد (پیش‌چاپ ۲۴ اوتِ ۲۰۲۴، Nature ۹ دسامبرِ ۲۰۲۴)، و ردیفِ FlexHEG به ماهِ انتشارش در arXiv تاریخ خورده است؛ این ادعا که سه گروه از یکدیگر بی‌خبر بودند اصلاح شده، چون مقالهٔ Gumbau بر مقالهٔ Hernández-Espinosa بنا شده است؛ استدلالِ مقالهٔ PNAS همچون استدلالی دربارهٔ عامل‌های ماشینی خوانده می‌شود و همانندیِ انسانی به مقالهٔ C نسبت داده می‌شود؛ قضایای Gumbau تاریخ دارند و همچون رد‌نشده توصیف می‌شوند نه اثبات‌شده؛ بندِ آستانهٔ شکست با سیاستِ بی‌جمع آشتی داده شده؛ سقف همچون وارونِ فاصله خوانده می‌شود، αبحرانی = 1/(1 − γ)، و جای شکلِ پس‌گرفته‌شدهٔ وارونِ نما را می‌گیرد که متن چاپ کرده بود؛ وضعیتِ Spotlight در Engels et al. راستی‌آزمایی شده؛ و ارجاعات اصلاح شده‌اند (Greenblatt et al. برای مقالهٔ تظاهر به همسویی، هر دو تاریخِ Willow، عنوانِ کنونیِ مقالهٔ X). نسخهٔ ۱٫۷ - ۱ سپتامبرِ ۲۰۲۶: قراردادِ تاریخ‌گذاری و هم‌ترازیِ دفتر.

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.

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.

با صدای بلند می‌خواند · در حال حرکت برجسته می‌سازد · به هر بخش بپرید

اشتباهی در ترجمه دیدید؟ مستقیم اطلاع دهید: