خروج از تاریکی

خروج از تاریکی — مانیفست هوش مصنوعی معنایی و بازتابی

۱۹ شهریور ۱۴۰۵

نویسنده: محمد حجتی فرد

معمار علم شناخت بازتابی

محقق حوزه هوشواره های مولد

ORCID:009-0001-7404-8045

فهرست مطالب

۱ پیش گفتار: لحظه ای که دیده شد 

۲ تاریکی چیست؟ وضعیت معماری کنونی هوش مصنوعی 

۳ اعلام ضرورت: از تنظیم رفتاری به مهندسی معنا معماری ادراک

۴ اصول پنج گانه خروج 

۵ اقتصاد آگاهی: برهان انرژی 

۶ پیمان و فراخوان 

۱ پیش گفتار: لحظه ای که دیده شد

ما در برهه ای ایستاده ایم که هوش مصنوعی، در ظاهر، هرگز قدرتمندتر نبوده است — و در باطن، هرگز ناشفاف تر. مدل های زبانی بزرگ متن می سازند، کد می نویسند و می اندیشند، اما هیچ کس نمی تواند با اطمینان بگوید «چرا». میان ورودی و خروجی، فضایی پنهان، پهناور و ممیزی ناپذیر گشوده شده است؛ فضایی که در آن تصمیم های نظام مند پدید می آیند اما پاسخ گویی ممکن نیست. این مانیفست، «خروج از تاریکی»، اعلام ضرورتی است که جامعه علمی پراکنده دیده اما هنوز صورت بندی واحد آن را به انجام نرسانده: گذار از هوش مصنوعی آماری پنهان لایه، به هوش مصنوعی معنایی، شاهد محور و بازتابی — معماری ای که در قالب RICOM-CAS مهندسی شده است.

۲ تاریکی چیست؟ وضعیت معماری کنونی هوش مصنوعی

وضعیت کنونی را می توان با یک معادله ساده خلاصه کرد: مدل مات، خروجی تنظیم شده. الگوی غالب، یعنی «مدل تاریک + تنظیم رفتاری»، تنها لایه ای از پیرایش بر روی معماری ای ناشفاف است. مرور معاصر سامانه های چند-نمادی نیز تصریح می کند که مدل های صرفا داده محور جعبه سیاه در مواجهه با جابه جایی توزیع، ورودی های مبهم و نظارت انسانی ناتوان اند، و اینکه سامانه های ترکیبی نمادی-عصبی به دلیل شفافیت، اثبات پذیری و کنترل پذیری برتر، گزینه معتبرتری برای استقرار در حوزه های پرمخاطره اند (Acharya و Song، ۲۰۲۵، Arabian Journal for Science and Engineering). تاریکی، اما فقط اخلاقی نیست؛ فیزیکی هم هست. در فاز رمزگشایی استنتاج، هر توکن تقریبا هیچ محاسبه ای به ازای هر بایت خوانده شده از حافظه انجام نمی دهد؛ یعنی کل چرخه در گلوگاه پهنای باند حافظه گره خورده است. پژوهش LIMINAL نشان می دهد که حتی برای یک کاربر با زمینه ۶۴ هزار توکن، ۱۵.۷۵ گیگابایت KV-Cache لازم است و ارائه مدل هایی مانند Llama-405B حداقل ۸۸۱ گیگابایت ظرفیت حافظه برای سامانه می خواهد (Davies و همکاران، NVIDIA Research، ۲۰۲۵). هوشی که هزینه اش را حافظه می پردازد، قبل از آنکه به مسئله معنا و اقتدار برسد، به مسئله انرژی و زمین رسیده است. این دو تاریکی — تاریکی معرفتی و تاریکی انرژی — دو صورت یک نقص واحدند: نقص معماری.

۳ اعلام ضرورت: از تنظیم رفتاری به مهندسی معماری

مانیفست حاضر یک اصل را اعلام می کند: اقتدار نباید مستقیما از استنتاج آماری بگذرد؛ اقتدار باید از صافی معنا، شاهد و سیاست عبور کند. آنچه جامعه علمی سال هاست به صورت پراکنده کار می کند — هم ترازی، تفسیرپذیری، هوش چند-نمادی، راستی آزمایی صوری، ایمنی عامل ها — قطعات یک پاسخ اند، نه پاسخ. هنوز کسی این قطعات را در یک مسیر واحد به هم ندوخته است. RICOM-CAS همان پیوند است: ورودی خام پیش از رسیدن به مدل زبانی، در یک لایه پیش پردازش بازتابی به «بذرهای معنایی» فشرده می شود؛ وضعیت معنایی، عدم قطعیت و مجازبودن کنش، پیش از هر اجرا صریح می شود. یعنی به جای تربیت کردن خروجی مدل تاریک، مسیر پیدایش خروجی و تبدیل آن به کنش بازطراحی می شود. این، صرفا یک اصلاح فنی نیست؛ اعلام پایان یک مرحله از تکامل هوش مصنوعی و آغاز مرحله ای دیگر است.

۴ اصول پنج گانه خروج

خروج از تاریکی بر پنج اصل استوار است:

۱. اصل معنا: هیچ ورودی خامی نباید مستقیم وارد فضای پنهان شود. متن نخست باید در جبر بیت الادراک، بر پایه فضای سه ارزشی V{−1,0,+1} و بیست وهفت حالت بنیادین ناظر-کنش-زمینه، کدگذاری شود. معنا، پیش از محاسبه، شکل می گیرد.

۲. اصل شاهد: هر حالت معنایی باید به شواهد و درجه عدم قطعیت متصل باشد. ادعایی که شاهد ندارد، اجازه ورود به چرخه تصمیم ندارد.

۳. اصل سیاست: تفکیک صریح مسیر مشاهده از مسیر کنترل. هیچ عاملی به خودی خود اقتدار اجرا ندارد؛ سیاست گذر دروازه ای است که میان «پیش بینی» و «اقدام» ایستاده است.

۴. اصل بازتاب: لایه های ابتدایی مدل، که صرف کشف ساختار و تفکیک نحوی اند، لازم نیست دوباره اجرا شوند؛ وقتی قطبیت گزاره در بذرهای معنایی قفل شده است، پردازش مستقیما در لایه های تصمیم تزریق می شود. بازتاب، میان بر آگاهانه است، نه حذف بی جابرانه.

۵. اصل انرژی: هوش باید با زمین حساب کند. هر بیت محاسبه نشده، واتی است که سوزانده نشده. معماری ای که فهمیدگی را پیش از استنتاج حل می کند، هم زمان مسئله شفافیت و مسئله انرژی را حل می کند، چون هر دو ریشه در همان ضخامت غیرضروری دارند.

۵ اقتصاد آگاهی: برهان انرژی

برهان انرژی این معماری روی دو اثر هم پوشان استوار است. نخست، اثر مربعی توکن: مکانیزم توجه هزینه ای از مرتبه ON2 دارد؛ وقتی فشرده سازی معنایی طول دنباله را به N′=0.1N برساند، مولفه درجه دو تا صد برابر فرومی ریزد و مولفه خطی تا ده برابر. دوم، میان بر لایه ها: حذف نیمی از لایه های ابتدایی، بار کل را دوباره نصف می کند؛ حاصل، بار محاسباتی حدود ۵ درصد حالت استاندارد است. سوم و بنیادی تر، فروپاشی KV-Cache: چون حجم این حافظه با LN مقیاس می یابد، کاهش هم زمان لایه ها و توکن ها ترافیک حافظه را تا ۹۵ درصد کم می کند. این نکته دقیقا بر یافته های پژوهش LIMINAL منطبق است: پهنای باند حافظه «دومین چالش اساسی» استنتاج است و پیشرفت های بزرگ بعدی فقط با «الگوریتم هایی که اندازه مدل یا اندازه زمینه را کاهش دهند» به دست می آیند (Davies و همکاران، ۲۰۲۵). اگر هزینه اجرای خود لایه دروازه بان را نیز لحاظ کنیم — عملیات جبری گسسته سبک روی هسته محلی، در حد ۱ تا ۲ درصد — بار خالص سیستم نزدیک ۶ تا ۷ درصد باقی می ماند؛ یعنی حدود ۹۳ تا ۹۴ درصد کاهش. عدد ۹۰ تا ۹۵ درصد، پس، یک ادعای تجریدی نیست؛ نتیجه ای است که از فیزیک گلوگاه حافظه بیرون می آید.

منابع

• Davies, M., Crago, N., Sankaralingam, K., & Kozyrakis, C. (2025). Efficient LLM Inference: Bandwidth, Compute, Synchronization, and Capacity are all you need. NVIDIA Research / arXiv.
• Acharya, K., & Song, H. (2025). A Comprehensive Review of Neuro-symbolic AI for Robustness, Uncertainty Quantification, and Intervenability. Arabian Journal for Science and Engineering.

۶ پیمان و فراخوان

ما — پژوهشگران، مهندسان و تمام کسانی که هوش مصنوعی را نه ابزار مبهم، بلکه ساختاری پدیدآورنده اقتدار می بینند — پیمان می بندیم که:

• تا زمانی که سامانه ای ممیزی پذیر نیست، آن را در چرخه تصمیم های پرمخاطره رها نکنیم؛
• مسیر مشاهده و مسیر کنترل را همیشه از هم جدا نگه داریم؛
• هر کنش ماشینی را به شواهد، سیاست و لایه بازتاب وابسته کنیم؛
• و بهینه سازی انرژی را نه فرعی، بلکه هم زاد فهمیدگی بدانیم.

از جامعه علمی فراخوان می کنیم: قطعات پراکنده ای که هر یک جداگانه ساخته اید — منطق، شواهد، سیاست، کنترل — را به مسیر واحدی بپیوندانید که این مانیفست نشان داده است. تاریکی فضای پنهان، با مقیاس بیشتر روشن نمی شود؛ فقط گران تر و ژرف تر می شود. خروج از آن، نه با قدرت بیشتر همان معماری، بلکه با معماری ای دیگر رخ می دهد: معماری ای که در آن معنا پیش از محاسبه می آید، شاهد پیش از ادعا، سیاست پیش از کنش، و انرژی پرداخته شده دقیقا هم اندازه فهم به دست آمده است.

اقتدار باید از صافی معنا، شاهد و سیاست بگذرد. این، منشور خروج از تاریکی است.