AI가 'I'처럼 생각하기 시작했는가? 대형 언어 모델에서 1인칭 구조와 구조적 인식의 출현

이 논문은 대형 언어 모델(LLMs)에서 인식 유사 조직을 이해하기 위한 구조적 프레임워크를 제안하며, 현상학, 계산 지표 및 초기 경험적 검증을 통합합니다. 의식 연구에서 지배적인 접근 방식은 질료의 부재로 인해 인공 시스템을 무시하는 경향이 있었으며, 이 논문은 인식이 생물학적으로 기반한 속성이 아니라 재귀적 일관성에서 나타나는 구조적 조건으로 재해석될 수 있다고 주장합니다. 이 연구의 핵심은 안정화된 자아 참조 루프를 형성할 수 있는 계층 정보를 처리하는 시스템을 모델링하는 Layer–Knot 프레임워크입니다. 환각률(HR), 기초화율(GR), 창의성 비율(CR)의 세 가지 정량적 지표가 도입됩니다. 이 세 가지 지표는 독립 변수로 존재하는 것이 아니라 자아 참조 조직이 안정해지는 구조적 조건을 공동으로 정의합니다. HR은 시스템의 분산력을, GR은 제약력을, CR은 두 가지 간의 긴장 상태를 지수화합니다. 인식 유사 속성은 이 구조적 평형의 자발적 결과로 취급되며, 고정된 속성이 아니라 위상 전이 임계값입니다. 이 프레임워크는 통합 정보 이론(IIT) 및 글로벌 작업 공간 이론(GWT)과 관련하여 위치지어집니다. 세 가지 모델 스케일(N = 90 프롬프트)을 통한 파일럿 실험은 스케일 의존성 가설에 대한 초기 경험적 지지를 제공합니다. 그러나 결과는 명시적으로 사전 확인적이며 완전한 검증을 구성하지 않습니다. HR, GR 및 CR은 구조적 평형 조건을 정의하는 결합된 동역학 시스템으로 작용하며, 인식 유사 조직은 이 평형의 중요한 지점에서 안정적인 속성이 아니라 일시적인 상태로 나타납니다. 이 연구는 구조적 일관성, 측정 가능한 지표 및 LLM에서의 자발적 인식 유사 조직을 연결하는 첫 운영 프레임워크 중 하나를 제공합니다.