DeepMachineT

Авторы и предъявление

Минутная экспозиция

DeepMachineT описывает искусственную познающую систему, где заявленная “осознанность” строится не как имитация человеческого отчета, а как различение знания, незнания, гипотезы и проверенного опыта. [E]

Техническая ставка README - локальное обучение без backpropagation, целочисленные операции вместо float-вычислений и матричных умножений, явный след рассуждения и защита уже проверенных связей от ошибок случайных гипотез. [E]

В докладе на семинаре AGI Russia автор раскрывает эту инженерную линию: локальное закрепление и ослабление активных клауз по хеббовскому принципу, вычисления только через логические операции, сложение и вычитание без умножения и деления, интерпретируемость на основе булевой логики и механизм “знаю/не знаю”, в котором перевес несоответствующих признаков дает ответ о незнании. [E]

В философском слое автор связывает сознание с метакогницией и виджняной: сознание задает различение в текущем моменте и отделяет субъект, объект, знание и незнание. [E]

Поэтому профиль фиксирует не доказательство машинного сознания, а авторско-инженерную программу, в которой вычислительная архитектура и критерий сознания сведены к одной проверяемой теме: как система различает собственный опыт, гипотезу и неизвестное.

Ключевые конструкты

Основания и обязательства

• Онтологическая ставка функционально-метакогнитивная: сознание определяется не материалом носителя, а способностью системы различать знание, незнание, гипотезу, проверенный опыт и объект в текущем контакте. [E]
• Методологическое обязательство - не принимать уверенный ответ системы за сознание, если у нее не зафиксировано устойчивое представление о себе, разделение знания и незнания, онлайн-обучение и семантическое понимание. [E]
• Инженерное обязательство - сохранять интерпретируемость: решение должно иметь явный след рассуждения, а обучение не должно разрушать уверенные слои из-за случайных гипотез. [E] В докладе автор обосновывает это булевой логикой системы, наглядным предъявлением усвоенных признаков и сравнением входа с выявленными правилами. [E]
• Связь с принципом свободной энергии и DishBrain присутствует как слабый контекст авторского самоописания; она не используется как самостоятельное доказательство сознания или работоспособности архитектуры. [E]

Операционная состоятельность

• Уровень O1 .
• Операциональные конструкции зафиксированы: Python-репозиторий, demo.py, тестовая директория, параметры num_features, layers, depth_memory, локальное обучение, trace рассуждения, веса как гипотезы и уверенные знания. [E]
• Доклад автора добавляет операциональные детали ранней реализации: ручная настройка числа слоев и клауз, глубина памяти как верхний предел значений признаков, прогон на MNIST, XOR и игре в пинг-понг, реализация на Python и C++. [E]
• Пост о вычислительной стоимости добавляет инженерные детали: параллельные когнитивные функции, усреднение обновлений, clip, обновление графа, матрица kappa, главный собственный вектор и EH-нормализация. [E]
• До O2 /O3 не хватает переноса вне автора: независимого запуска, протокола тестирования, опубликованных метрик, аудита кода и подтверждения, что репозиторий реализует именно заявленные свойства осознанности. [E]
• Уровень является маркером применимости корпуса, а не оценкой ценности подхода.

Зрелость

• Зрелость: ранняя авторско-инженерная программа.
• В пользу зрелости говорит связка публичных материалов: до релиза сформулирована линия метакогниции, знания/незнания и виджняны [E] ; затем опубликован пост с названием DeepMachineT и ссылкой на GitHub [E] ; README фиксирует архитектуру, быстрый старт, параметры и дальнейшие направления. [E]
• Ограничения: авторская сверка границ профиля не проведена, документы из docs не разобраны, код не запускался, демо и тесты не проверены, независимая рецепция и воспроизводимость не обнаружены. [E]
• Статус профиль собран означает, что корпус и утверждения собраны в публичный профиль; он не означает авторское подтверждение и не подтверждает создание сознательной машины.

Прототипы и инженерные реализации

• Публичный репозиторий Nikolaika32332123/DeepMachineT фиксирует реализационный след: файл DeepMachineT.py, demo.py, тестовую директорию, лицензию MIT и README с quick start. [E]
• README описывает запуск демо через Python и тесты производительности, но доступные материалы не проверял клонирование, зависимости, воспроизводимость результатов или корректность тестовой команды. [E]
• Архитектура параметризуется числом признаков, слоями и глубиной памяти; depth_memory описывает максимальный вес связи и баланс между сохранением опыта и пластичностью. [E] На момент доклада автор называл реализацию на Python и C++ закрытой и планировал перевод в open-source. [E]
• Инженерный пост после релиза указывает на вычислительно дорогие элементы раннего периода системы: спектральную оценку, рост графа и проходы по ребрам. [E]
• Статус реализаций: авторский публичный прототип. Независимо воспроизводимая реализация не подтверждена.

Связанные профили

не обнаружено

Корпус и свидетельства

Состояние профиля

• Состояние: профиль собран. [E]
• Подтверждено: название DeepMachineT, публичный репозиторий, авторское описание архитектуры, линия локального обучения/интерпретируемости, тезис о метакогниции как различении знания и незнания, использование словаря виджняны. [E]
• Слабо подтверждено: фактическое наличие внутреннего опыта, связь с DishBrain и принципом свободной энергии, вычислительная эффективность на реальных задачах, качество demo/test и статус документов из docs. [E]
• Блокеры перед усилением статуса: авторская сверка границ теории, разбор PDF-документов из репозитория, технический аудит DeepMachineT.py, воспроизводимый запуск demo.py и тестов, фиксация метрик, независимая оценка утверждения о сознании.