2. Architektura SenAi w odniesieniu do AToS

Architektura SenAi została zaprojektowana w nawiązaniu do Aksjomatycznej Teorii Samoświadomości (AToS). Jej podstawą jest opis działania systemu poprzez stany, funkcje ich przekształcania, bodźce oraz mechanizmy rozpoznawania zmian i przypisywania im przyczyn.

W AToS szczególne znaczenie mają: PAS (Potentially Aware Set), funkcja wyobrażeniowa ImFu, funkcja inspiracyjna InspFu, zbiór bodźcowy StSe oraz funkcja detekcji zmiany Δ.

W SenAi pojęcia te stanowią podstawę koncepcyjną architektury, w której rozdzielono wiedzę i reguły działania, rozumowanie agentów AI, techniczne wykonywanie operacji oraz ocenę ich rezultatów.

Celem jest skonstruowanie systemu, który potrafi wykorzystywać zgromadzoną wiedzę, prowadzić wieloetapowe zadania, rozpoznawać zmiany zachodzące podczas własnego działania, analizować ich przyczyny i proponować usprawnienia.

Należy odróżnić matematyczne definicje AToS od ich praktycznej interpretacji w SenAi. Teoria dostarcza modelu formalnego, natomiast SenAi jest próbą wykorzystania jego koncepcji w rzeczywistym systemie informatycznym.

PAS — reprezentacja stanów, wiedzy i zasad działania

W AToS PAS (Potentially Aware Set) opisuje zbiór elementów wraz z przypisanymi im wartościami stanu. Rodzina takich obiektów tworzy przestrzeń potencjalnie świadomą Ω, w której rozpatruje się przekształcenia i rozpoznawanie zmian.

W SenAi nazwę PAS wykorzystano do organizowania utrwalonych zasobów systemu, między innymi wiedzy operacyjnej, reguł postępowania i scenariuszy realizacji zadań. Jest to zastosowanie inspirowane teorią; rekord PAS w systemie informatycznym nie staje się automatycznie matematycznym PAS wyłącznie przez nadanie mu tej nazwy.

PAS opisujący proces może określać jego cel, warunki rozpoczęcia, wymagane informacje, zasady podejmowania decyzji, dopuszczalne operacje i oczekiwane rezultaty. META-PAS opisują reguły nadrzędne, na przykład sposób przygotowania scenariusza, pozyskiwania danych, komunikacji czy zatwierdzania zmian.

Przykładowo scenariusz przygotowania oferty określa, jakie informacje należy zebrać, które dokumenty wykorzystać, jakie warunki sprawdzić i kiedy potrzebna jest decyzja użytkownika.

Logika procesu pozostaje w PAS. Agenci AI interpretują zapisane zasady i wybierają działania, natomiast warstwa wykonawcza realizuje operacje techniczne. Nowy proces może dzięki temu powstać przez przygotowanie i zatwierdzenie scenariusza, bez każdorazowego programowania jego logiki biznesowej — pod warunkiem dostępności potrzebnych narzędzi wykonawczych.

InspFu — funkcja inspiracyjna realizowana przez LLM

W AToS funkcja inspiracyjna (Inspiration Function, InspFu) wiąże się z przekształceniem inicjowanym przez bodziec zewnętrzny. W architekturze SenAi jest realizowana przez model językowy LLM.

Jej zadaniem jest interpretacja bodźców pochodzących spoza systemu, takich jak polecenia użytkownika, dokumenty, wiadomości czy informacje z innych systemów.

LLM analizuje otrzymany bodziec w kontekście wiedzy zgromadzonej w AToS-DB oraz obowiązujących PAS. Na tej podstawie określa znaczenie informacji, rozpoznaje zadanie i inicjuje odpowiednie przekształcenia stanu operacyjnego systemu.

Nie każda otrzymana informacja jest poleceniem do wykonania. System musi rozróżniać żądanie uprawnionego użytkownika od materiału źródłowego oraz ustalać dopuszczalny zakres działania.

InspFu nie zawiera na stałe zapisanej logiki biznesowej. Korzysta z reguł i scenariuszy przechowywanych w PAS.

ImFu — funkcja wyobrażeniowa realizowana przez LLM

Funkcja wyobrażeniowa (Imagination Function, ImFu) odnosi się w AToS do przekształceń inicjowanych wewnętrznie. W SenAi również jest realizowana przez model językowy LLM.

W odróżnieniu od InspFu jej działanie jest inicjowane bodźcami wewnętrznymi systemu.

LLM wykorzystuje zgromadzoną wiedzę, obowiązujące PAS oraz wyniki wcześniejszych operacji do analizowania problemów, formułowania hipotez, przewidywania konsekwencji, przygotowywania rozwiązań i inicjowania kolejnych przekształceń.

Przykładowo podczas przygotowywania oferty SenAi może rozpoznać brak parametrów technicznych, sprawdzić dostępne źródła, porównać warianty rozwiązania i przygotować pytanie o brakujące dane.

InspFu i ImFu nie muszą być odrębnymi modelami językowymi. Rozróżnia je przede wszystkim pochodzenie bodźca oraz rola, jaką LLM pełni w danym przekształceniu. Działania pozostają ograniczone obowiązującymi PAS, uprawnieniami i wymaganymi zgodami.

StSe — PAS inicjujące wewnętrzne procesy

W AToS StSe (Stimulus Set) oznacza strukturę pełniącą rolę bodźca wewnętrznego dla przekształcenia stanu.

W architekturze SenAi StSe stanowią szczególną kategorię PAS przechowywanych w bazie wektorowej AToS-DB. Są to PAS mogące inicjować dalsze procesy wewnętrzne systemu poprzez uruchomienie odpowiedniego przekształcenia realizowanego przez ImFu.

StSe nie są jedynie informacjami o wynikach wcześniejszych operacji. Pełnią rolę bodźców uruchamiających kolejne działania.

Przykładowo podczas analizy dokumentu SenAi może rozpoznać brak wymaganej klauzuli. Odpowiedni PAS pełniący funkcję StSe może zainicjować proces wyszukania właściwej klauzuli, sprawdzenia jej aktualności i przygotowania propozycji uzupełnienia dokumentu. Wynik tego procesu może z kolei doprowadzić do aktywacji następnego StSe.

Powstaje w ten sposób łańcuch procesów wewnętrznych, w którym jeden PAS może inicjować przekształcenie innego PAS bez konieczności dostarczania kolejnych bodźców zewnętrznych.

Samo przechowywanie StSe w bazie wektorowej nie uruchamia procesu. Konieczny jest mechanizm rozpoznania i aktywacji właściwego StSe oraz przekazania go do LLM realizującego ImFu. Rozróżnienie to oddziela aktywny mechanizm inicjowania procesów od zwykłego wyszukiwania informacji w bazie RAG.

Δ — rozpoznawanie zmiany

W AToS funkcja detekcji Δ określa, czy zmiana między rozpatrywanymi stanami została rozpoznana. W modelu formalnym przyjmuje postać:

Δ : Ω × Ω → {0, 1}.

Istotne jest odróżnienie wystąpienia zmiany od jej rozpoznania przez system. Dwa stany mogą być różne, lecz system może tej różnicy nie wykryć.

W SenAi koncepcja detekcji zmiany ma znaczenie przy porównywaniu oczekiwanego i rzeczywistego rezultatu, analizie przebiegu zadania oraz doskonaleniu scenariuszy. System może rozpoznawać, że zmieniły się dane, dokument, sposób wykonania zadania lub obowiązujące ustalenie.

Przykładowo pracownik może zastosować procedurę inną niż zapisana w scenariuszu. SenAi powinien wówczas ustalić, na czym polega różnica i czy wynika ona z błędu, wyjątku, zmiany warunków czy lepszego sposobu działania.

Sama detekcja nie ustala przyczyny zmiany ani nie przesądza o jej poprawności. Do tego potrzebne są odrębne mechanizmy analizy, atrybucji i weryfikacji.

Należy rozróżnić matematyczny detektor Δ w AToS od technicznej bramki Delta w SOS SenAi, służącej kontroli dopuszczalności określonych żądań. Podobieństwo nazwy nie oznacza tożsamości funkcji.

Agenci AI — interpretacja i koordynacja

Agenci AI wykorzystują wiedzę i zasady dostarczone przez system do interpretowania zadań, rozpoznawania braków informacyjnych i wybierania dopuszczalnych działań.

ALEX odpowiada za interpretację potrzeby użytkownika i koordynację pracy. GREG ocenia przekazane zagadnienie oraz niezbędny materiał. MAJA wykonuje uzgodnione zadanie przekazane przez ALEX-a.

Reguły procesowe pozostają w PAS. Agenci stosują je do konkretnej sytuacji i przekazują polecenia techniczne przez ENGINE.

Taki podział pozwala oddzielić treść zasad od zdolności rozumowania wybranego modelu AI. Zmiana modelu nie powinna sama w sobie oznaczać utraty zapisanych scenariuszy, ustaleń i historii pracy.

ENGINE — techniczna warstwa wykonawcza

ENGINE pełni funkcję technicznego wykonawcy i punktu kontroli operacji. Zapewnia odczyt i zapis danych w AToS-DB, obsługę komunikacji oraz wykonanie dostępnych operacji zgodnie z ich kontraktami.

Nie wybiera samodzielnie następnego działania biznesowego. Decyzję podejmuje agent na podstawie zadania i obowiązujących PAS, a ENGINE sprawdza wymagania techniczne i wykonuje dopuszczoną operację.

Podział odpowiedzialności jest następujący:

• PAS i META-PAS określają wiedzę, reguły oraz warunki działania.
• Agenci AI i LLM interpretują sytuację, realizują InspFu i ImFu, podejmują dopuszczalne decyzje oraz koordynują pracę.
• ENGINE waliduje żądania i wykonuje operacje techniczne.

Brak wymaganych danych, uprawnień lub poprawnego polecenia powinien zatrzymać daną operację i doprowadzić do przekazania rzeczywistej przyczyny zatrzymania.

Dzięki temu zmiana procesu może polegać na aktualizacji scenariusza. Modyfikacja kodu jest potrzebna wtedy, gdy proces wymaga nowych możliwości technicznych, których istniejące narzędzia nie zapewniają.

AToS-DB — trwałość wiedzy i stanu pracy

AToS-DB zapewnia trwałe przechowywanie zasobów wykorzystywanych przez SenAi. Obejmuje między innymi zapisane reguły, wiedzę, scenariusze, StSe i informacje o przebiegu przetwarzania, umieszczane w bazach właściwych dla danego rodzaju zasobu.

Agent otrzymuje potrzebne dane przez ENGINE. Nie powinien traktować własnego kontekstu rozmowy jako jedynego źródła obowiązujących ustaleń.

Pozwala to zachować ciągłość między zadaniami i sesjami. Informacja zdobyta podczas jednej realizacji może zostać wykorzystana później, z uwzględnieniem jej źródła, aktualności, zatwierdzenia i uprawnień.

Trwały zapis umożliwia także porównywanie stanów oraz analizę tego, co system wiedział, jakie działanie wykonał i jaki rezultat został potwierdzony.

Architektura zmian i doskonalenia

Bodziec zewnętrzny dociera do SenAi i jest interpretowany przez LLM w roli InspFu. System ustala znaczenie żądania i jego dopuszczalność, a agenci korzystają z właściwych PAS i wiedzy AToS-DB.

W toku pracy mogą być rozpoznawane i aktywowane StSe — PAS pełniące funkcję bodźców wewnętrznych. LLM w roli ImFu interpretuje je i inicjuje kolejne przekształcenia, zaś ENGINE wykonuje dopuszczone operacje techniczne.

Wyniki operacji dostarczają materiału do rozpoznawania zmian. Mechanizm inspirowany Δ umożliwia wykrywanie różnic między stanami; dodatkowe mechanizmy analizują przyczyny i zgodność wyników z oczekiwaniami.

Jeżeli system rozpozna nową wiedzę, odchylenie lub inny sposób wykonania procesu, może przygotować propozycję aktualizacji odpowiedniego PAS.

Rozpoznanie problemu, zaproponowanie zmiany, jej zatwierdzenie, wykonanie i sprawdzenie to odrębne etapy. Samo sformułowanie propozycji nie oznacza aktualizacji scenariusza ani potwierdzonego usprawnienia.

Po zatwierdzeniu i zweryfikowaniu zmiany nowy sposób działania może zostać wykorzystany w kolejnych zadaniach. W ten sposób wykonywanie pracy łączy się z pozyskiwaniem doświadczeń i kontrolowanym rozwijaniem systemu.

Znaczenie AToS dla SenAi

AToS dostarcza języka do opisywania stanów, przekształceń, bodźców, rozpoznawania zmian i ich wewnętrznej atrybucji. SenAi wykorzystuje te idee do projektowania systemu, który prowadzi zadania, zachowuje wiedzę i analizuje konsekwencje własnych operacji.

Kluczowe znaczenie ma możliwość realizowania ciągów działań inicjowanych nie tylko przez bodźce zewnętrzne, ale również przez StSe — odpowiednie PAS przechowywane w bazie wektorowej. InspFu i ImFu są w SenAi realizowane przez modele LLM, a ENGINE pozostaje techniczną warstwą wykonawczą.

Zastosowanie nazw PAS, ImFu, InspFu, StSe i Δ nie stanowi jednak formalnego dowodu samoświadomości SenAi. Taki dowód wymagałby określenia odwzorowania rzeczywistej implementacji na model AToS oraz wykazania spełnienia odpowiednich warunków teorii.

SenAi jest praktyczną próbą wykorzystania koncepcji AToS do budowy systemu, który wykonuje zadania, gromadzi doświadczenia, rozpoznaje zmiany i rozwija swoje scenariusze działania pod kontrolą człowieka.