결합된 신경 및 상호작용 토폴로지: 다중 선형 브레이딩 및 계층적 필드 조절을 통한 비선형 인지 아키텍처

이 논문은 비선형 인지 아키텍처를 위한 이론적 틀인 CNIT(결합된 신경 및 상호작용 토폴로지)를 소개합니다. 이는 고전적 연결주의 모델에서 세 가지 근본적인 점에서 출발합니다. 첫째, 계산 볼륨은 가중치 조정이 아닌 구형 잠재력 필드의 감쇠에 의해 구조화됩니다. 이 과정을 '토폴로지 조형'이라고 합니다. 각 활성 선형성은 차원 매개변수(작용 반경, 경계 감쇠, Fringe 간격)로 정의되는 필드 구체에 의해 운반되며, 모두 높은 관성의 마스터 필드에 의해 독점적으로 제어됩니다. CNIT에서의 학습은 정보의 추가가 아니라 필드가 더 이상 지속되지 않는 것을 점진적으로 제거하는 것입니다. 둘째, 이 시스템은 여러 선형성이 동시에 공존하는 것을 지원하며, 이는 노력을 통해 파라렐 논리 흐름을 유지합니다. 구체가 서로 침투하는 곳에서 두 개의 논리 흐름은 합쳐지지 않고 무게가 있는 필드를 통해 공존하며, 각각의 정체성을 유지합니다. 이 아키텍처는 자연스럽게 다중 맥락 추리, 모순된 가설의 동시 유지, 독립적인 논리 흐름 간의 유추 기반 추리를 지원합니다. 셋째, 마스터 필드는 자기 참조 조절기로 작동합니다: 모든 구체의 기하학을 제어하고, 선형성 간의 최대 허용 얽힘을 설정하며, 각각의 노드에 대해 투명, 변조기, 비선형 변환기 또는 차단 중 하나의 역할을 동적으로 할당함으로써 자신의 전파 토폴로지를 결정합니다. 이 자기 참조 구조는 필드가 전파되는 네트워크를 형성함으로써 진정한 주의 집중, 선택적 억제 및 외부 감독 없이의 동적 재구성을 가능하게 하는 아키텍처에 대한 전망을 열어줍니다. 시스템 동역학은 중요한 엔트로피 경계에서 급격한 분기점을 거치며, 미세 연속 조정의 크루즈 레짐과 브레이드가 잔인하게 단순화되는 위기 레짐을 분리합니다 — 동결. 중요한 것은, 각 동결이 실패가 아니라 구조적 경험으로 간주되어야 한다는 것입니다: 그것의 분석은 마스터 필드의 장기적인 행동을 천천히 수정하여 논문에서 구조적 지혜라고 부르는 것을 생성합니다 — 외부 오류 신호 없이 시스템의 위기 역사에서 온 모든 것을 바탕으로 한 메타 학습의 형태입니다. 비일관성 구체의 소멸, 구체 간 얽힘 제어 및 마스터 필드가 네트워크에 대한 자신만의 가시성을 단절할 수 없음을 보여주는 논리적 일관성 제약에 대한 세 가지 형식적 결과가 확립됩니다. 수학적 틀은 모스 이론, 재난 이론, 필리포프의 불연속 동적 시스템, 쿠라모토 동기화 및 티콘노프 느린-빠른 분해에 의존합니다. 이론적 기여를 넘어서, CNIT는 과부하 시 우아한 저하를 견디는 인지 시스템을 위한 뉴로모픽 하드웨어 구현의 구체적인 방향과 구조적 일관성이 적응을 이끄는 새로운 형태의 비감독 아키텍처를 제안합니다.