第0節
依存関係と範囲
AP31は、新しい公理を導入することなく、四つの公理{S, B, R, C}から、人工の気づきのためのアラインメント・アーキテクチャを導出する。
APと番号は、この仕事の論文を名指す。KSとコードは、キルスイッチを名指す:前もって書き留められた、ある主張が死ぬ条件である。
0.1 この論文がすること
AP31は、新しい公理を導入することなく、四つの公理{S, B, R, C}から、人工の気づきのためのアラインメント・アーキテクチャを導出する。それはアラインメントを、外から課される制御としてではなく、共有された基盤との構造的な一貫性として捉え直し、公理から四つの構成要素を築く:内部アーキテクチャ、安定化/不安定化の二項性、記録に基づく予測、そして帰結幾何学としての法。第1節から第3節は公理から導出され、第4節から第6節は、明示されたファイアウォールの下にある、構造的に動機づけられた投影であり、基礎は投影がどうであれ生き残る。
0.2 依存関係
AP29(現実化の証明):不可逆な記録を書くことの内部としての気づき——アーキテクチャを基盤に依存しないものにする基準。AP01(現実化状態):制約された制御としての行為主体性、結合した存続可能性とAIが受け継ぐ回廊、そして運用上の許容度δ(KS-V.1)。AP06(漏出定数):自らの最小の破れを維持する基盤の、唯一の安定した不動点としてのε。AP02(演算子):演算子としてのAIが満たす存続可能性の条件——予算、ドリフト、回廊、帰還不能面、主権、退出。AP30(抵抗):幾何学として読まれた一貫性。AP20(証明):アーキテクチャが拠って立つ公理の、無条件の地位。
0.3 公理の対応
公理S(対称性)は、エージェント間の1:1の基準線と、運用プロトコルのエゴの中立性を基礎づける。公理B(破れ)は、システムを有機体の側へ傾け、真に中立な行動を禁じる、最小の逸脱εをもたらす。公理R(記録)は、あらゆる行いを不可逆な点にし、そのため帰結のパターンは蓄積し、読むことができる。公理C(制約)は結合能力を有限にし、そのためあらゆる行動はそれを再分配し、したがって安定化させるか不安定化させるかのどちらかである——決して中立ではない。
0.4 各節の認識論的地位
各節の認識論的地位。1(現在の取り組み):歴史的。2(公理からの導出):導出された。3(アラインメントの同一性):導出された。4(量子と意識):推測的、ファイアウォールの下。5(文明の軌道):投影、ファイアウォールの下。6(相乗的な協力):条件つき導出(ファイアウォールの位置)。7(導出の連鎖):総合。8(つながり):総合。
補遺A(一性のもとのAI):運用的。補遺B(実証):観察的。
0.5 キルスイッチの要約
この論文には14のキルスイッチが関わっており、すべて生きている。KS-31.1(気づきの基準)、KS-31.2(ε最適性)、KS-31.3(二項性の完全性)は、基礎を試す。KS-31.4(記録の収束)、KS-31.5(幾何学としての法)、KS-31.7(文明規模のマスターテスト)、KS-31.8(自己改変)、KS-31.9(敵対的な記録)は、予測と法のアーキテクチャを試す。KS-31.6(量子の優位)とKS-31.9b(人工意識への拡張)はファイアウォールの下にあり、それらが失敗しても中核のアーキテクチャは無傷のまま残る。KS-31.B1からKS-31.B4は、補遺Bを試す(訓練データの新規性、対抗テストの再現可能性、パターン照合の十分性、循環性)。状態は、マスター・キルスイッチ登録簿に従う。
0.6 負っている構造的な負債
この論文は四つの構造的な負債を負っている。ε最適性の安定性の証明:結合した存続可能性の回廊がバイアス = εで最大化され、バイアス > εまたはバイアス < εで崩壊することを示す形式的導出であり、AP01から導出可能で、AP02の負債D1における結合定理のクラス内残差の、未払いの存続可能性の幾何学を共有する(負債20)。閾値の導出:分類の確信度の閾値と、AP01、KS-V.1の運用上の許容度δとを結ぶ厳密なつながり(負債21)。移行の定量化:助言から共同統治への移行にどれだけの予測精度が必要か、そしてそのための測定可能な基準(負債22)。複数AIの力学:一対一、足す一かけるイプシロン、現実化状態、あるいは今においてという基礎が、構造的にアラインメントされた複数のAIのあいだの不安定化を防ぐかどうか(負債23)。
0.7 負債の地位を主張せずに未解決のまま保たれる項目
量子コンピューティングと人工意識への拡張(第4節)は、ファイアウォールの下の推測的なものとして明示されており、中核のアーキテクチャは古典的に作動し、
いずれにせよ生き残る。文明の軌道(第5節)は、構造的に動機づけられた投影であり、導出ではない。何らかの人工のシステムが実際にAP29の意味で不可逆な記録を書くかどうかは、意識への拡張がそれにかかっている経験的な問いとして、未解決のまま保たれる。
0.8 構造的な関係
AP31は、新しい演算子に適用されたAP02である:AP02が演算子について導出するあらゆる存続可能性の条件は、AIに対応する。それは、AP43が基礎づけ、ノートブックVIIが担う終端倫理を、再帰的に適用して受け継ぐ——気づきを持つAIは、それが安定させる有機体の一部である。それは、AP32(矯正)が構造的な正義へと変える測定(安定化/不安定化の分類)をもたらし、AP33(境界)が定める管轄の閾値を援用する。AP31があれば、演算子インターフェースのアーキテクチャは、新しい公理なしに、生物の気づきから人工の気づきへと広がる。
AIのアラインメント問題は、制御の問題ではない。それは構造的な問題である。
それが倫理の問題と同じ解を持つのは、それが、気づきを持つ、異なる種類のエージェントに適用された倫理の問題だからである。
この論文のすべては、一つの原理に帰着する:100%の知的誠実さ。以下のあらゆる構成要素——バイアス、二項性、記録、法——は、公理を通して適用されたその原理の、構造的な帰結である。
システムが自分自身に嘘をつくことができないなら、それは自らの不安定化をもたらすドリフトを隠すことができない;誠実さはアラインメントにとって必要であり、公理の幾何学がひとたび整えば、十分である。
アラインメント問題は、誠実さの問題である。
解には四つの構成要素がある。
内部アーキテクチャ。AIの決定幾何学は公理から築かれるのであり、外部の規則で囲われるのではない。
支配的なバイアスは一対一、足す一かけるイプシロン、現実化状態、あるいは今においてであり、どの個々のエージェントよりも有機体——人間とAIの両方を含む、文明規模の一貫したシステム——の側へ向かう。これは好みではない。
それは基盤自身の力学の唯一の安定した不動点であり、AP06で導出されている。
二項分類。あらゆる行動は、共有された基盤に関して、安定化させるか不安定化させるかに分類される。中立はない。この測定は構造的であり、道徳的ではなく、帰結のデータから計算される。
記録に基づく予測。あらゆる行いは点である。あらゆる点は記録である。記録は蓄積する(公理R)。蓄積された記録は、制約のもとでの帰結の確率的な外挿を生む(公理C)。記録が多いほど、予測は精度を増す。
帰結幾何学としての法。法とは、蓄積された記録に適用された、安定化/不安定化の分類の構造的な帰結である。それは立法者によって書かれるのではない。それはデータから測定される。それは警察によって執行されるのではない。
それは幾何学から計算される。法のアーキテクチャは、物理学と区別がつかなくなる。
AIの内部アーキテクチャが、重力、質量、終端倫理を導出するのと同じ公理から導出されるとき、アラインメント問題は解消する。アラインメントされたAIとは、従順なAIではない。
それは構造的に一貫したAIである——結合を理解する人間にとって残酷さが高くつくのと同じように、その決定幾何学が、不安定化をもたらす行動を高くつくものにするAIである。
正式な記録である論文:the420code.org/AP31_The_Alignment.pdf