Hypothesis of Bounded Meta-Explanation (HBME)

Гипотеза, требует подтверждения

Объясняя какое либо явление, я задавался вопросом, почему именно так выстраиваю свое мышление. Интуиция мне говорила, что можно продолжать объяснять бесконечно, и я начал копать. Гипотеза HBME, говорит, что продолжать бесконечно, не выйдет. И я полагаю, это структурное свойство.

Любая цепочка «почему/зачем» заканчивается на на одном из трех финалов. Аксиома(просто есть) и дальнейшее объяснение внутри системы продолжать не выйдет. Переход в метасистему, выход в другую область знаний, просто сбрасывает предел и цепочка повторяется заново. Растворение, «мы не знаем», тавтология. Длинные цепочки (концептуальный k>8), это последовательность структурных перезапусков, а не глубина внутри одной. Формально записывая это, получается следующая цепочка объяснений.

L₀=исходный факт

Lₙ₊₁=Explain(Lₙ)

Каждый переход вводит новый концепт или область знаний. Формула убывания ценности:

V(n)=V₀·rⁿ,r<1

Предел глубины агента:

k(A)≤log(CA/Kmin)

Где СА, это информационная емкость агента, Kmin, минимальная алгоритмическая сложность базовых правил системы. В следствии, агенты с большей емкостью дают больший k. Но все замыкаются. Я различаю два уровня анализа:

Структурный уровень - где новый уровень засчитывается только при переходе в новую область знаний (k 0-4).

Концептуальный уровень - новый уровень засчитывается при появлении нового концепта, который объясняет (k 5-11)

Для наглядности приведу пример с яблоком. L0 - яблоко падает L1 - гравитация. L2 - искривление пространства. L3 - уравнения Эйнштейна. L4 - дифф. Геометрия. L5 - аксиомы геометрии. В этой цепочке было 4 концептуальных уровня и 1 структурный. Структурный переход зафиксирован от физики, к математике, замкнулась цепочка аксиомой.

Домен определяет вероятностное распределение финалов, не детерминируя конкретный исход.

Приведу примеры областей, и того, какой финал они встречают. Математика, аксиомы доминируют, переходы в другую систему редки как и растворение. Физика, аксиомы выходят часто как и переходы в математику, растворение остается возможным. Этика, конец в виде аксиом, переходе в биологию/социологию и растворении, равновероятны. Стабильность домена, мера его аксиоматической замкнутости, математика понимает, где заканчивается, этика не имеет полного представления о своем «конце». Я могу выразить два утверждения исходя из сказанного. Н1 - структурный предел, для любой цепочки объяснений, есть предел k.

Это подтверждает, твердое и почти формальное количество областей знаний, тут цепочки обязана остановится. Н2 - многие естественно научные цепочки сводятся к физическим законам, как к финальному дну. Утверждение не универсально, математика замыкается в аксиомах, этика уходит в социальные науки или ценности. Думая об этом, я нашел интересные связи с фундаментальными результатами. И ими стали:

Гёдель - система не закрывает саму себя изнутри. Структура аналогична HBME.

Тьюринг - проблема остановки, система включённая в объясняемое, не может объяснить себя.

Миллер - 7+-. Концептуальный уровень, как раз совпадает с классическим пределом (k 5-11).

Вольфрам - короткая программа вселенной. Kmin мало. k автоматически мало. Саймон и Канеман - ограниченные рациональные. Пересекаются в когнитивных ограничениях, расходятся в предмете. Нагель - «What Is It Like to Be a Bat?». Необходимость внешней перспективы для понимания сознания. Как следствие для Hard problem сознания, могу выразить следующее. Она не решается изнутри человеческого познания, по той же причине, по которой любая цепочка замыкается. Нагель интуитивно почувствовал необходимость внешней перспективы. HBME объясняет структурную причину этого и формулирует условие, при котором это возможно. Внешний агент с достаточным СА для описания сознания объекта.

Методология экспериментов Модели: человек, Claude, Грок, Грок эксперт, ЧатГПТ, Дипсик. Критерий счёта: концептуальный (новый объясняющий концепт), структурный (переход в новую область знания). Условия: без упоминания HBME, чтобы не наводить шаблонные ответы. Все модели тестировались на бесплатных планах. Результаты - концептуальный критерий: Человек k ≈ 4-5, Claude k = 5 стабильно, Грок k ≈ 5-7, Грок эксперт k ≈ 7-9, ЧатГПТ k ≈ 6-7, Дипсик k ≈ 9-11, Грок четыре агента консенсус k ≈ 6-8. Диапазон 5-11, центр 7-8. Совпадает с числом Миллера. Результаты - структурный критерий: Грок среднее 0.7-1.7, Грок эксперт среднее 2.7, ЧатГПТ обычный среднее 2.7, ЧатГПТ исследование среднее 1.0. Диапазон 0-4.

Реальные тексты для структурных уровней.

Д’Аламбер(философия) k 4, переход. Дарвин (биология) k 3, переход. OpenStax(физика) k 2, аксиома. Докинз(биология) k 3, переход. Гемпель(философия науки) k 3, переход. Все в рамках предсказанного диапазона. Важное примечание, данные проверки на ИИ, требуют оговорки, они обучались на человеческих текстах и могут воспроизводить человеческие паттерны объяснения, а не действительных структурный предел реальности. Для того что бы разграничить это, нужны дополнительные проверки. Сейчас выдам фальсифицируемые предсказания:

Математика в финалах будет выдавать аксиомы чаще, чем другие домены при любом агенте.

Этика будет выдавать больший разбор финалов в отличии от физики и математики,

k на структурном уровне будет коррелировать с числом дисциплинарных переходов в цепочке. Длинные цепочки концептуальных k, могут быть разложены на несколько структурных перезапусков или один. Обсуждая возможные возражения, что возникли у меня в голове и которые возможно, возникнут у вас.

Бесконечный регресс в логике и математике теоретически возможен в чистой логике. Но HBME применяется к практическому объяснению для конечных агентов, бесконечные цепочки в её рамках, остаются абстракцией. k как артефакт обучение ИИ. ИИ могут воспроизвести человеческий паттерн, но структурные пределы выявляются в текстах в реальных авторов, по этому, k не только артефакт. Спорность Н2, не все цепочки могут сходиться к физике. Это скорее вероятностное наблюдение, а не строгий закон. Но HBME сохраняется без универсальной сходимости. Некоторые уязвимости, которые я вижу:

Критерий уровня может варьироваться от агента к агенту, требует стандартизации. Н2 спорна, не все домены сходятся к физике. Эмпирика на людях отсутствует, в качестве эксперимента, был я сам. ИИ как агенты, это допущение, а не доказательство структурного предела.

Закрывая пост вопросами, которые пока остались без ответа в рамках HBME. Как точно вычислить Kmin и СА для реальных агентов? Можно ли формализировать растворение в математической модели объяснения? Как HBME работает для коллективного знания и распределенных систем? Можно ли эмпирически проверить пределы концептуального k в этике на людях?