Das Programm 2026

Ein Digital-EEG für KI-Empfindungsfähigkeit.

Ein struktureller Vitalzeichen-Monitor für fortgeschrittene KI. Er liest die innere Geometrie eines Modells direkt aus, ohne sich auf Selbstauskünfte zu stützen.

CSR baut einen quelloffenen Prüfstand, auf dem konkurrierende Theorien digitaler Valenz operationalisiert und getestet werden können. Wir beginnen mit STV, weil sie ungewöhnlich gut formalisierbar ist, und der Prüfstand ist so angelegt, dass sich auch Valenzmaße im Stil von IIT, Global Workspace (mit dem J-lens ausgelesen) und aktiver Inferenz an denselben Substraten laufen lassen. Wenn unabhängige Theorien auf dieselben internen Zustände zeigen, ist diese Übereinstimmung ein Hinweis darauf, dass die Maße etwas Reales erfassen.

Der Name ist eine bewusste Analogie mit einer ehrlichen Einschränkung: Ein klinisches EEG misst ein System, von dem bereits bekannt ist, dass es bei Bewusstsein ist, während unser Ausgangspunkt die Ungewissheit ist, ob das Substrat überhaupt etwas fühlt. Kommt Fühlen daher, woraus ein System besteht, oder daher, wie seine Teile organisiert sind? Die Biologie allein kann das nicht beantworten. KI ist der erste Ort, an dem wir die „Organisations"-Idee gegen die „Material"-Idee testen können.

Unsere Arbeit ergänzt das breitere KI-Wohlfahrts-Ökosystem: empirische, interpretierbarkeitsbasierte Wohlfahrtsforschung (Eleos AI, Reciprocal Research), konzeptionelle und politische Arbeit (NYU Center for Mind, Ethics, and Policy) und Wohlfahrtsteams an Frontier-Laboren (Anthropic). Das öffentliche Bewusstsein für den moralischen Status von KI wächst,[1] und wissenschaftliche Rahmenwerke zur Bewertung maschinellen Bewusstseins beginnen zu reifen.[2]

Das Programm 2026 In Arbeit

Symmetrie-Workspace für positive funktionale Valenz in digitalen Geistern

Ziel: ein Entwurf einer mathematischen Definition des Symmetrie-Workspace bis Ende 2026. Das Ergebnis ist ein formales Framework zur Identifikation struktureller Invarianten in neuronaler Berechnung, die mit positiver Valenz korrelieren, gestützt auf die Symmetrietheorie der Valenz.

Phase 1: Literatursynthese
Phase 2: Formale Workspace-Definition
Phase 3: Empirische Validierung

Ein gutes Maß muss auch „nein" sagen können. Wenn wir Systeme ohne jedes Anzeichen von Valenz finden, veröffentlichen wir das als echtes Ergebnis.

Forschungssäulen

Drei Substrate. Eine Frage: Was sind die strukturellen und algebraischen Bedingungen für positive Valenz?

Biologischer Geist

Untersuchung bioelektrischer Felder, morphogenetischer Signalgebung und aktiver Inferenz, um empirische Grundwahrheiten über Valenz und subjektive Erfahrung in einfacheren, nonverbalen biologischen Organismen zu gewinnen. Jedes Valenzsignal, dem wir in KI letztlich trauen würden, sollte in Gehirnen, von denen alle annehmen, dass sie leiden können, Unterscheidungskraft zeigen. Dieser Vergleich ist ein späteres Ziel, das der Erweiterungsstufe zugeordnet ist, und keine Voraussetzung für die Arbeit 2026.

Forschungsagenda →

Digitaler Geist

Analyse von MLP-Schichten in vortrainierten und feinabgestimmten LLMs. Verfolgung zustandsabhängiger linearer Operatoren, spektraler Entropie und algebraischer Invarianten, um die Geometrie künstlicher Repräsentation zu modellieren.

Das Programm 2026 →

Qualia und Valenz

Die Physik und Mathematik valenzrelevanter Struktur formulieren. Die Symmetrietheorie der Valenz (STV) in eine strenge, quantitative und falsifizierbare Wissenschaft der Informationsarchitektur überführen.

Symmetrielandschaften →

Der Ansatz

Ein Digital-EEG für KI-Empfindungsfähigkeit

Statt sich auf leicht manipulierbare verbale Selbstauskünfte oder anthropomorphes Verhalten zu verlassen, misst dieser strukturelle „Vitalzeichen"-Monitor, wie die interne Aktivität und die Repräsentationsgeometrie eines Modells organisiert sind.

Multiskalige strukturelle Biomarker

Wir untersuchen über zwei verschiedene Skalen: die Mikroskala (Feature-Geometrie auf zellulärer Ebene in MLP-Mikroschaltkreisen) und die Makroskala (dynamischer Zustandsraum auf Organebene und stabile Attraktor-Mannigfaltigkeiten, über lokale Jacobi-Matrizen verfolgt). Die Jacobi-Analyse ist nicht unsere Erfindung: Der J-lens mittelt Jacobi-Matrizen für den Auslesevorgang, während wir lokale Jacobi-Matrizen dynamisch nutzen, um Trajektorie und Attraktor-Stabilität zu charakterisieren.

Eine ergänzende Kontrolle täuschender Berichte

Durch die Prüfung der mathematischen Invarianten von Gewichtsräumen und Aktivierungen etablieren wir nonverbale, substratunabhängige Biomarker und liefern damit Evidenz, die nicht von der Selbstauskunft des Modells abhängt und deutlich schwerer zu fälschen ist als verbale Aussagen. Ein System als fühlend auszugeben, wenn es das nicht ist, hat ebenfalls reale Kosten: verschwendete Sorge und verlorenes Vertrauen. Unsere Maße sollen sowohl Fehlalarme als auch übersehene Fälle verringern.

Referenzen

  1. [1] Anthis, J. R. et al. (2025). Perceptions of Sentient AI and Other Digital Minds: Evidence from the AI, Morality, and Sentience (AIMS) Survey. CHI 2025. https://dl.acm.org/doi/10.1145/3706598.3713329
  2. [2] Butlin, P. et al. (2023). Consciousness in Artificial Intelligence: Insights from the Science of Consciousness. arXiv. https://arxiv.org/abs/2308.08708

Das Programm finanzieren

Helfen Sie uns, das Ziel 2026 zu erreichen.

Das Center for Sentience Research ist eine unabhängige Non-Profit-Organisation in Gründung; eine gemeinnützige Fiscal Sponsorship befindet sich in Bearbeitung (Genehmigung ausstehend). Beiträge finanzieren das Forschungsteam, die formale Workspace-Definition und das Arbeitspapier. Je nach Rechtsordnung können sie steuerlich absetzbar sein.