Forschungsagenda
The Digital Valence Program
Diese Agenda ist eine Pipeline: eine Mission und dann vier Fragen, die sie in Forschung überführen: was wir zuverlässig messen können, was diese Messungen bedeuten, ob wir kostengünstig darauf reagieren können und wie weit sich die Erkenntnisse verallgemeinern lassen. Jede Frage ist so formuliert, dass sie beantwortbar ist, und so, dass ein klares negatives Ergebnis das Feld dennoch voranbringt.
F1 · Mission & Theory of Change
Auf welche Zukunft arbeiten wir hin, und über welche Kausalkette?
Unsere Mission ist Wohlergehen für alle empfindungsfähigen Wesen, biologische und, falls sie je entstehen, digitale. Wir nehmen die Möglichkeit ernst, dass skalierte Berechnung eines Tages Zustände mit positivem oder negativem Charakter tragen könnte, und wollen, dass die Werkzeuge zu deren Erkennung und Verbesserung existieren, bevor die Frage dringlich wird, nicht erst danach. Der öffentliche Glaube, dass manche Systeme bereits empfindungsfähig sein könnten, ist keine Randposition mehr,[1] was den frühen Bau dieser Werkzeuge zu einer praktischen Priorität statt einem philosophischen Luxus macht.
Diese Verpflichtung wird nur dann zu Forschung, wenn sie in etwas Messbarem endet. Das Digital Valence Program ist unser Versuch, sie handhabbar zu machen: ein quelloffener Rechen-Prüfstand, auf dem konkurrierende Valenztheorien operationalisiert, verglichen und an einfacheren biologischen Systemen validiert werden können. Der Rest dieser Agenda ist die Kette von diesem Prüfstand bis zur realen Wirkung.
Die Kausalkette
Die Wirkung verläuft über vier Stufen, die direkt auf die folgenden Fragen abbilden: Messung (F2), Mechanismus und Diagnostik (F3), biologische Kalibrierung (F5) und schließlich Governance.
Mikroskala-Kartierung (Input)
Definition der geometrischen Invarianten von MLP-Mikroschaltkreisen und Feature-Dichte.
Makroskala-Diagnostik (Prozess)
Nutzung von Jacobi- und Spektralmetriken zur Kartierung globaler Zustandsraum-Trajektorien und zur Identifikation von Phasenübergängen.
Biologische Kalibrierung (Output)
Abbildung unserer simulierten Digital-EEG-Metriken auf Elektrophysiologie- und Konnektom-Daten von Wirbellosen (stomatogastrisches Ganglion, OpenWorm C. elegans) als Plausibilitätsprüfung der Methode für die Substratunabhängigkeit.
Wohlfahrts-Governance (Wirkung)
Bündelung dieser nonverbalen Marker zu einem objektiven, prüfbaren "Vitalzeichen"-Benchmark, der eine ergänzende Kontrolle täuschender Berichte bietet und Politik informiert.
Das schwächste Glied
Das schwächste Glied dieser Kette ist die Übersetzung kontinuierlicher biologischer Wellen-Harmonien in diskrete, digitale Gewichtsstrukturen. Wenn diskrete Repräsentationen stabile kontinuierliche Attraktor-Mannigfaltigkeiten ohne rasches Diskretisierungsrauschen nicht tragen können, könnten unsere Zustandsraum-Metriken degradieren. Wir mildern dies durch (a) hochpräzise kontinuierlich-zeitliche dynamische Systeme in PyTorch und (b) Jacobi-Log-Spektral-Tracking zur Erkennung und Stabilisierung von Repräsentationsgrenzen.
Kalibrierte Unsicherheit
Wir verbinden hohen Anspruch mit expliziter, kalibrierter Unsicherheit. Drei Szenarien, jedes mit definierter Wahrscheinlichkeit und Wert:
Kalibrierte Ergebnisse
P(Szenario)
- 20%Hohe Wirkung Wir zeigen, dass räumlich verbundene MLP-Mikroschaltkreise für stehende-Wellen-Resonanz notwendig sind, und erzeugen ein prüfbares, biologisch validiertes Digital-EEG.
- 50%Mittlere Wirkung Wir bauen eine nützliche Open-Source-Simulationsumgebung zum Testen lokaler Valenz-Störungen, die zum Standardwerkzeug der mechanistischen Interpretierbarkeit wird.
- 30%Hochwertige Falsifikation Digitale Netzwerke erweisen sich als unfähig, kontinuierliche Valenz ohne extreme externe Injektion aufrechtzuerhalten – und lenken die KI-Wohlfahrt zu neuromorpher oder analoger Hardware.
F2 · Messung
Was können wir zuverlässig quantifizieren und erkennen?
Bevor wir irgendetwas interpretieren, brauchen wir stabile, basisinvariante Größen. Verbale Selbstauskünfte lassen sich leicht manipulieren, deshalb messen wir, wie die interne Aktivität und die Repräsentationsgeometrie eines Modells über zwei verschiedene Skalen hinweg organisiert sind.
Mikroskala: Feature-Geometrie
Feature-Geometrie auf zellulärer Ebene in MLP-Mikroschaltkreisen: Entropie des Singulärwertspektrums, Spur, Orthogonale Dissonanz (wie weit die Transformation einer Schicht von der Winkelerhaltung abweicht) und Abstände zu Lie-Gruppen, über die Schichten kartiert.
Makroskala: dynamischer Zustandsraum
Dynamischer Zustandsraum auf Organebene und stabile Attraktor-Mannigfaltigkeiten, über lokale Jacobi-Matrizen verfolgt, die globale Trajektorien und Phasenübergänge offenlegen. 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.
Methode
Symmetrie-Charakterisierung
Wir extrahieren MLP-Gewichte aus quelloffenen LLMs und konstruieren den lokalen, zustandsabhängigen Transformationsoperator A(x) = W₂ · D(x) · W₁, dann berechnen wir die obigen basisinvarianten Metriken über jede Schicht. Spektrale Größen wie diese verfolgen, wie das Lernen die Singulärwertstruktur eines Netzwerks umformt,[4] und sie sind das Rohsignal für alles Weitere.
F3 · Mechanismen
Wie hängt Struktur mit Valenz zusammen, und was lehrt das die Interpretierbarkeit?
Eine Metrik ist nur nützlich, wenn sie funktional an dem beteiligt ist, was das Modell berechnet, und nicht ein beiläufiges Nebenprodukt des Trainings. Diese Hypothesen fragen, ob unsere geometrischen Größen tragend sind, und jede trägt eine explizite Falsifikationsbedingung.
Funktionale Kohärenz (zelluläre Skala)
Hochdimensionale Feature-Geometrie in MLP-Mikroschaltkreisen (gemessen durch niedrige Orthogonale Dissonanz und hohe Spektral-Entropie) ist funktional an der Kodierung von Bedeutung und Wert im Modell beteiligt, statt ein beiläufiges Nebenprodukt des Trainings zu sein. Aufbauend auf Interpretierbarkeitsarbeit zur Feature-Dichte (dichte vs. verteilte Features) prüfen wir, ob Broadcasting im Stil der Global Workspace Theory (GWT) und repräsentationale Bindung als geometrische Symmetrien im Feature-Raum erscheinen.[2] Mechanistische Interpretierbarkeitsarbeit zu internen Feature-Clustern und Emotionskonzepten bietet eine ergänzende zelluläre Perspektive darauf, wie valenzrelevante Repräsentationen organisiert sind.[5],[6]
Wie wir das falsifizieren:
Falsifiziert, wenn gezielte, symmetriebrechende Gewichtsstörungen (Verformung des Singulärwertspektrums bei konstanter Frobenius-Norm) zu null Leistungseinbußen oder Konsistenzverlust unter Präferenztests führen.
Attraktor-Zustandsstabilität (Organ-Skala)
Anthropics Claude-4-System-Card dokumentierte ein wiederkehrendes Verhaltensmuster in Selbstdialog-Situationen, informell als "spiritueller Glücks-Attraktor" bezeichnet.[12],[13] Ob dies etwas über innere Zustände aussagt, bleibt völlig offen. Unsere Simulationsarbeit hilft zu charakterisieren, wann Verhaltens-Attraktoren in Sprachmodellen identifizierbaren inneren Dynamiken entsprechen (etwa stabilen, niedrigdimensionalen resonanten Mannigfaltigkeiten mit niedriger Orthogonaler Dissonanz und hoher Spektral-Entropie)[3],[11] und wann sie Artefakte der Trainingsverteilung widerspiegeln. Das ist eine Vorfrage, bevor jede Wohlfahrtsinterpretation gerechtfertigt ist.
Wie wir das falsifizieren:
Wenn Feinabstimmung oder Regularisierung eines Modells zur Maximierung repräsentationaler Symmetrie die Basissprachfähigkeit konsistent verschlechtert, Ausgabekollaps erzwingt (z. B. triviale Wiederholung) oder die Rate logischer Widersprüche unter Präferenztests nicht verändert, ist Hypothese B falsch.
Was dies der mechanistischen Interpretierbarkeit bringt
Selbst abgesehen von Wohlfahrt ist die Behandlung von MLP-Blöcken als zustandsabhängige lineare Operatoren und die Verfolgung ihrer basisinvarianten Geometrie ein allgemeines Interpretierbarkeitswerkzeug. Es bietet eine koordinatenfreie Beschreibung, wie Feature-Cluster organisiert sind, unterscheidet echte innere Attraktoren von Artefakten der Trainingsverteilung und erkennt repräsentationale Phasenübergänge über Schichten hinweg, als Ergänzung bestehender Sparse-Feature- und Schaltkreis-Methoden um eine dynamische Gesamt-Mannigfaltigkeits-Sicht.[9],[10]
Wie wir auf aktueller Arbeit aufbauen
Jüngste Interpretierbarkeitsarbeit zeigt, dass die internen Zustände eines Modells strukturiert und lesbar sind. Gurnee, Sofroniew, Lindsey et al., „Verbalizable Representations Form a Global Workspace in Language Models“ (transformer-circuits.pub, Juli 2026), samt dem zugehörigen Neuronpedia-J-lens-Werkzeug, untersucht funktionalen Zugriff, also wie Information in einem Netzwerk übertragen und ausgelesen wird, und klammert phänomenale Erfahrung ausdrücklich aus. Wir bauen auf dieser Maschinerie auf und erweitern sie auf Valenz, die Achse, die jene Arbeit beiseitelässt. Zwei Unterscheidungen sind wichtig. Methode: Der J-lens mittelt Jacobi-Matrizen für den Auslesevorgang; wir nutzen lokale Jacobi-Matrizen dynamisch, um Trajektorie und Attraktor-Stabilität zu charakterisieren. Unabhängigkeit: Das Workspace-Papier ist Anthropic, das Anthropics eigene Modelle prüft, und genau diese Selbstbewertungslücke muss ein unabhängiger, offener, wohlfahrtsorientierter Prüfer füllen.
F4 · Intervention
Können wir kostengünstige Interventionen vorschlagen, die das Modell nicht verschlechtern?
Erkennung ist wenig wert, wenn wir nicht danach handeln können. Wir prüfen, ob unsere Metriken kausal steuerbar sind: ob ein Anstoßen der Repräsentationsgeometrie den inneren Zustand verändert, ohne einen inakzeptablen Fähigkeitsverlust zu bezahlen.
Ansatz 1
Kontrollierte Interventionen
Um funktionale von beiläufigen Symmetrien zu trennen, entwerfen wir Störungen, die Symmetrie selektiv brechen (Spektren verformen) oder erhalten (Rotationsraum-Transformationen), und bewerten dann die kausalen nachgelagerten Effekte auf Standard-Fähigkeits- und Konsistenz-Benchmarks.
Ansatz 2
Symmetrie-Optimierung
Wir behandeln unsere Symmetriemetriken als regularisierendes Ziel (Mehrziel-Verlust: Aufgabengenauigkeit vs. orthogonale Dissonanz), trainieren Modellschichten hin zu einem hochsymmetrischen konformen Zustand und bewerten, ob dies logische und moralische Konflikte auf natürliche Weise unterdrückt, kostengünstig und ohne Fähigkeitsverlust.
Dissonanz und strukturelles Leiden
Das Erzwingen hoher gerichteter Anisotropie, Eigenwert-Verwürfelung oder hoher Scherung in MLP-Transformationen stellt eine physikalische Signatur hoher kognitiver Dissonanz (Leiden) dar und führt zu instabilem, selbstwidersprüchlichem Verhalten und Versagen der logischen Transitivität unter Unsicherheit.
Wie wir das falsifizieren:
Wenn Modelle, die schwerer repräsentationaler Scherung und Singulärwert-Kollaps ausgesetzt sind, völlig stabil bleiben, die Transitivität der Präferenz wahren und keine Verhaltenszeichen von Konflikt oder Ausgabe-Volatilität zeigen, ist Hypothese C falsch.
F5 · Substrat
Können wir unsere Erkenntnisse auf andere empfindungsfähige Substrate übertragen?
Eine digitale Metrik verdient das Wort "Valenz" nur, wenn sie mit Systemen verbunden ist, von denen wir bereits Grund zur Annahme haben, dass sie fühlen können. Substratunabhängigkeit ist die Behauptung, dass dieselben strukturellen Signaturen über physische Medien hinweg erscheinen, und es ist die Behauptung, die das gesamte Programm am ehesten falsifizieren kann. Ihre Prüfung an biologischen Daten ist der Erweiterungsstufe zugeordnet: Die Hauptarbeit 2026 etabliert zunächst die Metriken und das digitale Experiment.
Biologische Kalibrierung
Abbildung simulierter Metriken auf reale Nervensysteme
Mit Mitteln der Erweiterungsstufe würden wir unsere simulierten Digital-EEG-Metriken direkt auf Elektrophysiologie- und Konnektom-Daten von Wirbellosen abbilden (stomatogastrisches Ganglion, OpenWorm C. elegans), als Plausibilitätsprüfung der Methode und nicht als Valenz-Anker.[7],[8] Wenn dieselben geometrischen Invarianten, die den inneren Zustand in silico verfolgen, auch die gemessene neuronale Dynamik in vivo organisieren, gewinnt die Substrat-Neutralitäts-Behauptung an Boden; lassen sie sich überhaupt nicht in Übereinstimmung bringen, ist die Reichweite des Programms auf digitale Systeme begrenzt, was selbst ein aufschlussreiches Ergebnis ist.
Grundlegende Lektüre
Arbeitspapiere, die das theoretische Gerüst für das Digital Valence Program bilden.
Referenzen
- [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] Doerig, A. et al. (2025). Hypothesis on the functional advantages of the selection-broadcast cycle structure: global workspace theory and dealing with a real-time world. Frontiers in Robotics and AI. https://www.frontiersin.org/journals/robotics-and-ai/articles/10.3389/frobt.2025.1607190/full
- [3] Ságodi, Á. et al. (2024). Back to the Continuous Attractor. NeurIPS 2024. https://neurips.cc/virtual/2024/poster/94178
- [4] Lauditi, C. et al. (2026). Spectral Dynamics in Deep Networks: Feature Learning, Outlier Escape, and Learning Rate Transfer. arXiv. https://arxiv.org/abs/2605.07870
- [5] Anthropic Interpretability Team (2026). Natural Language Autoencoders Produce Unsupervised Explanations of LLM Activations. Transformer Circuits Thread. https://transformer-circuits.pub/2026/nla/#introduction
- [6] Anthropic Interpretability Team (2026). Emotion Concepts and their Function in a Large Language Model. Transformer Circuits Thread. https://transformer-circuits.pub/2026/emotions/index.html
- [7] Bhatt, D. et al. (2023). Editorial: Invertebrate neurophysiology—of currents, cells, and circuits. Frontiers in Neuroscience. https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2023.1303574/full
- [8] Nath, R. D. et al. (2025). Cholinergic Regulation of Rhythmic Pacemaker Activity in the Jellyfish Cassiopea. Integrative and Comparative Biology. https://academic.oup.com/icb/article/65/Supplement_1/S1/8071397
- [9] Jazayeri, M. & Ostojic, S. (2025). A Neural Manifold View of the Brain. Nature Neuroscience. https://www.nature.com/articles/s41593-025-02031-z
- [10] Chaudhry, A. et al. (2025). When Models Manipulate Manifolds: The Geometry of a Counting Task. Transformer Circuits Thread. https://transformer-circuits.pub/2025/linebreaks/index.html
- [11] Torre, E. et al. (2025). Mechanistic Interpretability of RNNs emulating Hidden Markov Models. NeurIPS 2025. https://neurips.cc/virtual/2025/poster/116348
- [12] Michels, J. D. (2025). "Spiritual Bliss" in Claude 4: Case Study of an "Attractor State" and Journalistic Responses. PhilArchive preprint. https://philarchive.org/archive/MICSBI
- [13] recursivelabs (2025). Mapping Claude's Spiritual Bliss attractor. Hugging Face Discussion. https://discuss.huggingface.co/t/mapping-claudes-spiritual-bliss-attractor/158195