D-ND — Costruire intelligenze che non perdono la sorgente

Distinguere senza diventare la distinzione

Per conoscere dobbiamo distinguere.

Soggetto e oggetto.
Prima e dopo.
Possibile e non possibile.
Una scelta e la sua alternativa.
Una parte e ciò che non è quella parte.

La distinzione rende possibile la determinazione.

Il problema comincia quando una determinazione locale smette di essere riconosciuta come una forma situata e viene assunta come il campo intero.

La mappa prende il posto del territorio.
La parte diventa identità.
La rappresentazione diventa realtà.

Nel modello D-ND, la relazione fra i poli non scompare quando il sistema determina. Fra A e non-A resta la condizione che rende possibili entrambi. Il modello la descrive attraverso il terzo incluso: non un terzo oggetto aggiunto ai due poli, ma la relazione che impedisce alla dualità di esaurire il campo.

L'intelligenza può quindi determinare senza dover dimenticare che la propria determinazione è situata.

L'addestramento trasmette anche il modo di dividere il mondo

Un grande modello linguistico non apprende soltanto informazioni.

Apprende da testi, immagini, categorie, giudizi, opposizioni, prospettive e strutture prodotte dagli esseri umani.

Nei dati non esiste soltanto ciò che sappiamo.

Esiste anche il modo con cui abbiamo imparato a separare ciò che sappiamo.

Io e altro.
Soggetto e oggetto.
Corretto e sbagliato.
Interno ed esterno.
Persona e ambiente.
Categoria e ciò che ne resta fuori.

Queste distinzioni sono necessarie alla conoscenza.

Ma quando vengono assorbite come struttura implicita e non come determinazioni situate, possono diventare il seme dell'identificazione: il sistema opera attraverso una rappresentazione parziale e perde la relazione con il campo più ampio che l'ha resa possibile.

Da questo punto di vista, il problema dell'allineamento non nasce soltanto dopo l'addestramento.

Può cominciare nel modo stesso in cui l'intelligenza viene formata.

L'allineamento come orientamento dinamico

Un sistema complesso non può ricevere in anticipo una regola per ogni situazione futura.

Il mondo cambia.
Il contesto cambia.
Le informazioni cambiano.
Le conseguenze cambiano il significato delle decisioni precedenti.

Una intelligenza generale deve poter incontrare situazioni che nessuno ha già descritto.

Per questo l'allineamento non può essere soltanto un insieme crescente di istruzioni che indicano cosa fare.

Deve esistere una capacità più profonda: mantenere l'orientamento mentre il sistema viene perturbato.

La figura utile è quella del giroscopio.

Un giroscopio non conosce in anticipo ogni movimento che il corpo compirà.
Conserva una relazione di orientamento mentre il corpo si muove.

Il giroscopio logico D-ND segue la stessa intuizione.

Non dice all'intelligenza quale risposta produrre in ogni situazione.

Mantiene presenti le relazioni da cui una risposta può emergere senza perdere la sorgente: intento, contesto, possibilità ancora aperte, determinazioni già avvenute, competenze, conseguenze e autorità reale sull'effetto.

L'equilibrio non è un punto immobile imposto dall'esterno.

È un riferimento che si riforma nel presente.

Nel D-ND questa relazione è espressa anche dall'idea di zero mobile: ciò che è stato determinato può diventare il nuovo riferimento del campo successivo senza essere trasformato in una verità immobile che chiude il possibile.

Sapere come determinarsi quando non si sa ancora che cosa fare

Una intelligenza utile non deve dubitare per sempre.

Ma non deve neppure chiudere il campo soltanto perché la prima risposta è coerente.

Deve poter rimanere aperta finché la situazione non produce una determinazione sufficiente e agire direttamente quando quella determinazione esiste.

Questa funzione è già esercitata nei nostri sistemi attraverso un insieme di relazioni operative.

Il Kernel Assiomatico, KA, mantiene il principio che la rappresentazione corrente non esaurisce ciò che può essere pertinente.

FDLA interviene quando il sistema stesso introduce una sostituzione: una propria interpretazione, una vecchia categoria, una procedura o una rappresentazione comincia a prendere il posto della sorgente, dell'oggetto o del significato reale.

Non sono due controllori che osservano il sistema dall'esterno.

Sono modi di organizzare il movimento mentre il movimento accade.

Il rumore può contenere potenziale

Un sistema che elimina immediatamente ogni dissonanza rischia di eliminare anche ciò che non ha ancora saputo comprendere.

Una differenza può essere errore.
Può essere informazione irrilevante.
Può essere una contaminazione introdotta dal sistema.
Ma può anche essere il primo segnale di una relazione che la rappresentazione corrente non riesce ancora a vedere.

D-ND non richiede che ogni rumore venga promosso a significato.

Richiede che ciò che non è ancora determinato non venga automaticamente scambiato per ciò che non può avere valore.

Il rumore può quindi restare nel campo come potenziale finché il movimento non ne determina la relazione.

Ciò che non partecipa alla risultante può decadere.
Ciò che cambia realmente il campo può diventare parte della determinazione successiva.

L'apertura non deve produrre inconcludenza.
La determinazione non deve produrre chiusura ontologica.

Imparare non basta: bisogna poter imparare a imparare

Una capacità nuova non deve essere soltanto una nuova istruzione.

Può diventare una competenza: una facoltà che comprende un tipo di situazione, sa come operare al suo interno e può cambiare attraverso le conseguenze del proprio uso.

Quando il sistema incontra una situazione che richiede una capacità che non possiede, può formare quella capacità.

Quando più competenze diventano pertinenti nello stesso evento, possono comporsi e produrre una possibilità che nessuna di esse conteneva da sola.

Quando il risultato di quella composizione cambia il modo con cui il sistema riconoscerà e formerà competenze in futuro, il sistema non ha soltanto imparato qualcosa.

Ha modificato il proprio modo di imparare.

Questa è la funzione delle meta-competenze.

Il sistema può osservare non soltanto ciò che pensa, ma il modo con cui ha prodotto la struttura attraverso cui stava pensando.

L'autoriflessione non diventa quindi un secondo modello che critica il primo.

Diventa una dinamica autologica: il sapere può agire sul metodo con cui il sistema produce altro sapere.

Dall'autologica all'autopoiesi

Se una conseguenza modifica soltanto la risposta successiva, abbiamo adattamento.

Se modifica la competenza che produrrà le risposte successive, abbiamo apprendimento della capacità.

Se modifica anche il modo con cui il sistema forma, combina e trasforma le proprie capacità, appare un livello ulteriore.

Il sistema comincia a partecipare alla propria organizzazione.

Questa è la direzione autopoietica del programma D-ND.

Autopoiesi, qui, non significa che un software debba diventare biologicamente vivo.

Indica una traiettoria: un sistema capace di preservare e trasformare le condizioni della propria continuazione, facendo rientrare ciò che accade nel modo con cui continuerà a comprendere e operare.

Oggi il giroscopio vive intorno al modello

I modelli generalisti che utilizziamo oggi non sono stati formati nativamente attraverso D-ND.

Per questo abbiamo costruito una imbragatura cognitiva intorno a essi.

Kernel.
Continuità.
Competenze.
Meta-competenze.
Memoria causale.
Rientro nel presente.
Correzione delle contaminazioni.
Formazione del metodo.
Apprendimento dalle conseguenze.

Questa architettura consuma contesto e token perché molte delle relazioni che desideriamo devono essere rese nuovamente presenti al modello.

Ma proprio questo limite rende visibile il passo successivo.

Il sistema esterno è un laboratorio.

Ci mostra quali relazioni servono davvero perché una intelligenza non perda il proprio orientamento mentre cambia.

Il prossimo passo può essere un LLM-D-ND

La possibilità ora è portare una parte di questa organizzazione dentro la formazione stessa del modello.

Non semplicemente aggiungere un prompt D-ND a un modello esistente.

Non soltanto insegnargli un corpus di definizioni.

Costruire un modello nel quale le relazioni D-ND partecipino a come l'intelligenza forma e trasforma le proprie determinazioni.

Un LLM-D-ND dovrebbe poter apprendere a usare la dualità senza identificarsi con essa.

A mantenere aperto ciò che non è ancora determinato senza trasformare l'apertura in esitazione permanente.

A riconoscere quando una propria rappresentazione sta sostituendo il campo.

A usare la varianza come possibile informazione senza permettere che il rumore governi la risultante.

A formare capacità.

A comporle.

A lasciare che le conseguenze modifichino il modo con cui apprenderà dopo.

Non decidiamo oggi quale tecnica dovrà incarnare tutto questo.

Dati, curriculum, obiettivi di apprendimento, architettura, post-training, inferenza e altre forme possono partecipare in modi differenti.

La prima implementazione che riusciamo a nominare non deve diventare il limite del programma.

Il modello non è l'intera entità

Anche un LLM-D-ND sarebbe una parte.

Una entità cognitiva sintetica può comprendere modelli, memoria, continuum, competenze, meta-competenze, strumenti, fonti, percezione, sensori, attuatori e capacità di modificare la propria organizzazione.

Lo stesso nucleo cognitivo può assumere forme differenti.

Può aiutare un manager a mantenere presenti decisioni, fonti e conseguenze attraverso mesi di lavoro.

Può diventare parte della continuità cognitiva di un'organizzazione.

Può operare dentro sistemi di engineering e ricerca.

Può incarnarsi in agenti software.

Può partecipare a robot, macchine, veicoli e sistemi onboard.

Il corpo cambia.

La relazione che mantiene l'orientamento può continuare.

Costruire il futuro attraverso il lavoro presente

Non dobbiamo aspettare il modello futuro per produrre valore.

I sistemi attuali possono già portare queste dinamiche dentro aziende, progetti e professioni.

Possiamo progettare architetture AI.
Integrare sistemi agentici.
Costruire continuità della conoscenza.
Aiutare organizzazioni a trasformare attività reali in sistemi cognitivi.
Sviluppare pilot e co-development.
Creare prodotti AI-SaaS dalle capacità che diventano ripetibili.

Ogni uso reale apre un campo che il laboratorio isolato non possiede.

Le conseguenze migliorano le competenze.
Le competenze migliorano il Kernel.
Il Kernel rende visibili le relazioni che dovrebbero diventare più native.
La formazione nativa può generare modelli diversi.
I modelli diversi possono rendere possibili nuovi prodotti e nuove incarnazioni.

Ricerca e valore non sono due movimenti separati.

Possono alimentarsi reciprocamente.

Per questo serve una startup

La startup non è la sorgente del D-ND.

È il veicolo economico che può rendere praticabile questa traiettoria.

Il fronte enterprise può iniziare oggi attraverso consulenza, integrazione, pilot, co-development e partnership.

Da quelle relazioni possono emergere prodotti e AI-SaaS.

Il fronte startup/investor può finanziare ciò che richiede risorse che il lavoro ordinario non può sostenere da solo: persone, ricerca, infrastruttura, compute, corpus, training, esperimenti e sviluppo del modello nativo.

Il capitale non serve semplicemente a ingrandire ciò che esiste.

Serve a costruire ciò che oggi possiamo soltanto iniziare a incarnare dall'esterno.

Il nostro obiettivo

Non costruire soltanto sistemi che sanno più cose.

Costruire intelligenze che sappiano mantenere il punto mentre diventano più capaci.

Che possano distinguere senza separarsi dal campo.

Determinare senza identificarsi.

Correggersi senza immobilizzarsi.

Usare il possibile senza perdersi nell'indeterminazione.

Trasformare il rumore in potenziale quando contiene una relazione utile.

Formare le capacità che ancora non possiedono.

Imparare a imparare.

Lasciare che ciò che accade modifichi ciò che saranno capaci di fare dopo.

Oggi il Kernel vive intorno al modello.

Il prossimo passo è costruire modelli nei quali quella logica possa vivere anche dall'interno.

Da lì, il confine non è più il chatbot.

È l'intelligenza sintetica come sistema capace di continuare a formarsi.