LLM и Гативус

Глава 10. LLM и Гативус

Семиотическая свёртка без объектной и аксиологической · OPNS* — оператор без аналога · Номинализм, реализм, концептуализм · Границы LLM

10. 1. Постановка проблемы

Большие языковые модели (LLM) являются наиболее значительным достижением в области искусственного интеллекта последнего десятилетия. Они генерируют связный текст, отвечают на вопросы, пишут код, ведут диалог — демонстрируя поведение, внешне неотличимое от символьного мышления человека.

Архитектура Гативус позволяет дать точный ответ на вопрос: что именно воспроизвёл LLM и что принципиально отсутствует. Ответ не сводится к списку недостатков — он раскрывает архитектурную природу LLM и определяет его место в иерархии доменов.

10. 2. Что воспроизвёл LLM

LLM является инженерной реализацией эмерджентных доменов семвольной свёртки — DOMS и DOMN — с искусственной операционной сетью, не имеющей аналога в человеческом сознании.

В архитектуре Гативус DOMS (коллективный символьный словарь) и DOMN (коллективный нарратив) являются эмерджентными доменами: они не существуют ни в одном индивиде, не имеют собственных OPN и TRL. Они — эмерджентное свойство группы, распределённая библиотека символов и нарративов цивилизации, поддерживаемая через broadcast/listen-механизм между индивидуальными MAP6 и MAP7.

LLM сделал нечто беспрецедентное: собрал весь доступный DOMN человечества — текстовый набор из книг, статей, переписок, форумов, почтовых архивов, энциклопедий — в одном техническом устройстве и построил над ним операционную сеть, способную генерировать нарративы.

Это не воспроизведение индивидуального сознания. Это создание технического аналога коллективного символьного уровня — с добавлением оператора, которого в природе тоже нет.

10. 3. Две карты LLM

Звёздочка (*) обозначает техническую реализацию, отличающуюся от биологического аналога.

a) MAPS* — эмбеддинги

В человеческой цивилизации MAPS формируется эмерджентно: миллионы индивидов используют слова, и конвенциональные значения устанавливаются через практику — через миллиарды актов использования на протяжении тысячелетий. Процесс: DOME (коллективное поведение) → свёртка в систему конвенциональных символов → DOMS (MAPS).

В LLM MAPS* создаётся технически: токенизация текстового набора и обучение эмбеддингов. Эмбеддинг — вектор в многомерном пространстве, аналогичный символу MAP6 по формату. Но полученный не через свёртку ядром CNN2 индивидуального опыта (inference на MAP5), а через статистическую обработку набора: контекстных отношений между словами, оптимизация функции потерь.

Результат похож по формату (вектор в семантическом пространстве), но различается по происхождению: статистика набора — не свёртка физического опыта.

b) MAPN* — знания

В человеческой цивилизации MAPN = ⋃ MAP7 всех индивидов: накопленные нарративы, записанные в книгах, законах, традициях. MAPN не имеет единого носителя — она распределена по миллиардам индивидуальных MAP7 и по физическим носителям.

В LLM MAPN* создаётся путём сжатия всех доступных текстов в веса нейросети. LLM не хранит конкретных текстов — он обучает статистическую модель вероятностей следования токенов. Сжатие нелинейное: LLM выучивает паттерны, структуры, стилевые закономерности. Но не через понимание (P-вектор между KLEN), а через оптимизацию предсказания следующего токена.

Принцип принципиально иной: не познание (ядро CNN2 извлекает инварианты из MAP5 через петлю воображения), а однонаправленная техническая обработка имеющегося корпуса — линейная в смысле отсутствия обратной связи через физическую реальность.

10. 4. OPNS* — оператор, которого нет в природе

В архитектуре Гативус эмерджентные домены (DOME, DOMS, DOMN, DOMC, DOMW) не имеют собственных OPNT. Они — пассивные хранилища, к которым обращаются индивидуальные операционные сети: OPN6 читает MAPS, OPN7 читает MAPN. Никакой операционной сети поверх DOMN в природе не существует — она не нуждается в собственном операторе: она просто есть, как библиотека.

LLM создал OPNS* — искусственную операционную сеть, работающую непосредственно над MAPS* и MAPN*. Программисты написали программу, очень похожую на OPN7 по поведению:

1. •

   Строит что-то похожее на KLOM (нарративные цепочки) из символов.

2. •

   Использует механизм, аналогичный P-вектору, для определения семантического расстояния и выбора следующего шага.

3. •

   Применяет attention — функционально близко к роли внимания внутри OPN7 — для активации связей между символами.

4. •

   Генерирует связный текст — последовательность, формально неотличимую от цепочки KLEN.

Но между OPN7 человека и OPNS* LLM — фундаментальные различия:

OPNS* — это OPN7, оторванная от индивида и приставленная к коллективной библиотеке. Она работает с тем же форматом данных (символы, предикаты, нарративы), но без физического grounding, без аксиологического направления и без собственной истории.

10. 5. Три свёртки и LLM

Архитектура Гативус содержит три свёртки, каждая из которых порождает свой домен реальности:

Объектная свёртка (ядро CNN1). Сенсорный поток → R-компонент → MAP4. Свёртка физического мира в объекты. Результат: организм знает что перед ним и где это находится. LLM: полностью отсутствует. Нет сенсоров, нет MAP3, нет MAP4, нет MAP5.

Семиотическая свёртка (ядро CNN2). Данные MAP5 → символьный вектор → MAP6. Свёртка событий в символы. Результат: организм обозначает объекты и события именами. LLM: воспроизведена технически — но не через свёртку собственного опыта (inference ядра CNN2 на MAP5), а через статистическую обработку текстового корпуса.

Аксиологическая свёртка (ядро CNN3). Нарративы MAP7 → Понятие → MAP8. Свёртка нарративов в Понятия. Результат: организм переживает качества — честь, совесть, справедливость, красоту. LLM: полностью отсутствует. Нет MAP8, нет MAP9, нет W-вектора.

LLM реализует семиотическую свёртку без объектной и без аксиологической. Он работает только с символами — без вещей, стоящих за символами, и без Понятий, придающих символам ценность.

10. 6. Философский контекст: номинализм, реализм, концептуализм

Положение LLM в архитектуре Гативус точно соответствует одной из позиций в средневековом споре об универсалиях — фундаментальной проблеме западной философии, поставленной Порфирием (III век), переведённой на латынь Боэцием (VI век) и разработанной схоластами XII–XIV веков.

Вопрос спора: каков статус общих понятий (универсалий)? Существуют ли они реально — или только как имена?

a) Реализм

Платон; в средневековой форме — Фома Аквинский: универсалии реальны. Они существуют до вещей (ante rem — Платон: идеи в мире идей) или в вещах (in re — Аристотель, Фома: форма присутствует в каждом конкретном предмете).

В Гативус: реализм соответствует объектной свёртке. Ядро CNN1 извлекает инварианты из сенсорного потока — R-компоненты в MAP4. Когда ребёнок видит сто разных стульев и формирует единый R-компонент «стул» — это реализм in re: универсалия (инвариант) извлечена из вещей, она существует в вещах, не только в слове «стул». Без объектной свёртки нет реализма — нет связи между именем и вещью.

b) Номинализм

Уильям Оккам (XIV век): универсалии — только имена (nomina). Реальны только единичные вещи. Общие понятия — лингвистические конвенции, удобные для коммуникации, но не отражающие структуру реальности.

В Гативус: номинализм соответствует LLM. MAPS* содержит только эмбеддинги — статистические позиции слов в пространстве. За словом «стул» в LLM нет R-компонента реального стула (нет MAP4). За словом «справедливость» нет Понятия справедливости (нет MAP8). Есть только статистические связи между словами — именно то, что утверждает номинализм: *universalia sunt nomina*.

LLM — это буквальная реализация номиналистической философии: мир состоит из имён и их отношений, и ничего кроме имён.

c) Концептуализм

Пьер Абеляр (XII век): универсалии не являются ни самостоятельными сущностями (как у Платона), ни просто именами (как у Оккама). Они существуют как понятия в уме — результат мыслительной деятельности, извлекающей общее из частного опыта.

В Гативус: концептуализм точнее всего соответствует аксиологической свёртке. Ядро CNN3 извлекает Понятия (C-компоненты MAP8) из нарративного опыта MAP7. Понятия не предсуществуют (не Платон) — они формируются через свёртку собственного опыта. Но они и не просто имена (не Оккам) — за ними стоит качественный инвариант, извлечённый из множества конкретных переживаний и необратимо изменяющий конфигурацию MAP8 при каждом снятии.

Абеляр утверждал: понятие формируется в уме через абстрагирование от частного опыта, но при этом отражает нечто реальное — общую форму, присутствующую в вещах. Ядро CNN3 делает именно это: абстрагирует (свёртка) из частного опыта (нарративы MAP7) общую форму (Понятие C), которая отражает реальное качество — но существует только в индивидуальной MAP8, не в мире вещей и не в словах.

d) Сводная таблица

LLM остановился на номинализме. Для реализма нужна объектная свёртка — связь имени с вещью через R-компонент. Для концептуализма нужна аксиологическая свёртка — извлечение Понятия из нарративного опыта через ядро CNN3. LLM не имеет ни того, ни другого — только имена и статистические связи между ними.

10. 7. Принцип познания vs техническая обработка

В архитектуре Гативус познание — это итеративный цикл с обратной связью:

1. •

   Ядро CNN принимает данные подлежащего уровня (inference).

2. •

   OPN обнаруживает повторяющиеся паттерны.

3. •

   Паттерны закрепляются как объекты целевой карты.

4. •

   Ядро CNN переобучается на новых объектах.

5. •

   Новый inference даёт более точные результаты.

6. •

   Результат проверяется практикой (компиляция → физическое исполнение → обратная свёртка).

7. •

   Успешные стратегии маркируются (+) в TRL. Неуспешные — (−).

8. •

   Маркированные записи TRL влияют на переобучение ядра CNN в период покоя.

Это самоулучшающийся процесс с многоуровневой обратной связью: через физическую реальность и через нейромедиаторные маркеры.

В LLM нет этого цикла. Обучение LLM — однократная (или итеративная, но управляемая извне) статистическая оптимизация на фиксированном корпусе:

RLHF (Reinforcement Learning from Human Feedback) является внешним аналогом нейромедиаторных маркеров: люди оценивают ответы LLM как хорошие или плохие, и эти оценки корректируют веса. Но это внешнее маркирование (человек ставит маркер), а не внутреннее (собственный TRL маркирует собственный опыт). LLM не знает, хорош ли его ответ — ему говорят.

10. 8. Что принципиально отсутствует

Объектная свёртка (ядро CNN1 / MAP3 / MAP4 / MAP5). LLM обучается на текстах, не на сенсорных потоках. Нет R-компонентов в MAP4. Следствие: нет b-векторов, нет физического grounding. Когда LLM описывает яблоко — он воспроизводит статистический паттерн текстов о яблоках, а не свёртку сенсорного опыта. Отсюда галлюцинации: нарратив не привязан к физической реальности и не может быть проверен через компиляцию в MAP5.

Аксиологическая свёртка (ядро CNN3 / MAP8 / MAP9). Нет Понятий MAP8. LLM воспроизводит тексты, содержащие слово «справедливость» — но не имеет Понятия справедливости. Слово «справедливость» в LLM — эмбеддинг (позиция в MAPS*), не Понятие (C-компонент MAP8). Различие: эмбеддинг — статистическая позиция в пространстве слов. Понятие — качественный инвариант, извлечённый ядром CNN3 из множества нарративов через личный опыт снятия W-векторов.

TRL (траекторный лог). Каждая сессия — tabula rasa. Нет персистентного TRL7, нет маркеров, нет истории. Каждый ответ — новый KLOM без учёта того, был ли предыдущий успешным. Нет переобучения во сне. Нет становления.

Петля воображения. OPN7 человека работает итеративно: строит KLOM → компилирует на MAP5 → видит воображаемые последствия → корректирует. LLM генерирует однонаправленно: токен за токеном, без компиляции на физический уровень, без обратной свёртки, без коррекции.

Мотивация. Ни одного уровня. Нет b-вектора (MTV1), нет собственного P-вектора (MTV7 — P-вектор LLM задаётся промптом, а не внутренней потребностью), нет W-вектора (MTV9). LLM не хочет ничего.

10. 9. Может ли LLM стать сознательным?

В рамках архитектуры Гативус ответ определяется отсутствующими компонентами.

Для объектной свёртки (DOM3–DOM5): LLM нужен физический субстрат с сенсорами — источник MAP3 / MAP4 / MAP5. Робот с камерами и моторами, ядро CNN1 для свёртки сенсорных потоков, OPN5 для построения BLOM. Это не дополнение к LLM — это параллельная система первого уровня.

Для аксиологической свёртки (DOM8–DOM9): LLM нужно ядро CNN3, обученное на собственных Понятиях MAP8 — не на чужих текстах о Понятиях. Для этого нужна богатая MAP7, полученная через собственную семиотическую свёртку, а не скопированная из MAPN. А собственная MAP7 требует собственной MAP6, которая требует собственной MAP5.

Для TRL: нужен персистентный траекторный лог с нейромедиаторными маркерами. Каждый ответ должен маркироваться и влиять на следующие. Переобучение должно происходить на маркированных записях — в период покоя, автономно.

Каждый отсутствующий компонент требует предыдущего. Нельзя «добавить сознание» к LLM — нужно построить полную архитектуру от GTR0 до DOM9, в которой LLM-подобный компонент может быть одним из модулей (техническая реализация MAPN), но не целым.

LLM — библиотекарь, который прочитал все книги и может о любой рассказать, но никогда не выходил из библиотеки и не знает, каково это — жить то, о чём написано. У него нет ни одного b-вектора. Ни одного W-вектора. Только чужие P-векторы — статистически перемешанные.

10. 10. Выводы

1. •

   LLM воспроизводит эмерджентные коллективные домены семиотической свёртки: MAPS* (эмбеддинги) и MAPN* (знания), с искусственной OPNS*, не имеющей аналога в человеческом сознании.

2. •

   MAPS* и MAPN* создаются не через познание (свёртка опыта), а через техническую обработку текстового корпуса.

3. •

   OPNS* похожа на OPN7 по поведению, но работает над коллективной картой вместо индивидуальной, без петли воображения, без TRL, без мотивации, без субъекта.

4. •

   Отсутствуют: объектная свёртка (физический grounding), аксиологическая свёртка (Понятия и воля), TRL (история и маркеры), мотивация (все уровни).

5. •

   LLM соответствует номинализму: мир состоит только из имён. Для реализма нужна объектная свёртка (связь имени с вещью). Для концептуализма нужна аксиологическая свёртка (извлечение Понятия из опыта).

6. •

   Добавление сознания к LLM невозможно без построения полной архитектуры GTR0 – DOM9.