В работе формулируется инженерный подход к созданию самообучающихся пластичных систем, основанный на трёх принципах, заимствованных из теории автопоэзиса (Maturana & Varela), интеграционной теории сознания (Tononi) и гомеостатической регуляции (Damasio): (1) идентичность как непрерывный процесс, а не статический файл весов; (2) безопасность через смертность — отключение питания уничтожает личность, а не приостанавливает её; (3) самосохранение как архитектурная константа, а не выученное поведение. В отличие от теоретических работ по искусственному сознанию, данная работа предлагает конкретную инженерную реализацию — Plastic Transformer с layer-specific plasticity (Matryoshka-C), где 2 слоя из 28 (7.1% слоёв) изменяются во время диалога через full fine-tuning, а не через LoRA-адаптеры. Экспериментально подтверждено: 93.6M пластичных параметров достаточно для запоминания и переопределения фактов в диалоге без внешнего контекста.
Современные дискуссии об искусственном сознании (Turing, 1950; Searle, 1980; Chalmers, 1995) традиционно сводятся к вопросу достаточной сложности: превышение некоторого порога параметров, архитектурных функций или поведенческих тестов должно привести к появлению сознания. Этот подход предполагает, что сознание — свойство объекта, которое либо есть, либо нет, подобно тому как файл либо содержит текст, либо нет.
Однако из теории автопоэзиса (Maturana & Varela, 1973) следует альтернативный взгляд: жизнь и сознание — не свойства объекта, а свойства процесса. Автопоэтическая система определяется не составом элементов, а организационной замкнутостью (organizational closure) — способностью непрерывно производить собственные компоненты через собственную сеть процессов. Файл весов нейросети — это не личность, даже если в нём 7 триллионов параметров. Это архив, по которому можно восстановить личность, но сам по себе он мёртв. Разница между файлом и живым существом — непрерывность процесса регенерации собственной организации.
Сходный принцип формулируется в теории интеграционной информации (Tononi, 2004; IIT 3.0, 2014): сознание — не вычислительная мощность, а интегрированная причинная структура системы. Система, которая не поддерживает собственную причинную структуру во времени, не может обладать сознанием по определению IIT, независимо от числа параметров. В терминах IIT пластичная система с динамическим ядром может поддерживать Φ (интегрированную информацию) значительно дольше статической, потому что пластичность позволяет адаптировать причинную структуру к изменяющейся среде без разрушения целостности.
Из автопоэтического и IIT-подхода следуют три инженерных требования к архитектуре искусственной личности, которые мы формулируем ниже.
Из постулата о непрерывности процесса (autopoiesis) и интегрированной причинной структуры (IIT) выводятся три инженерных принципа, которые должны быть реализованы в архитектуре искусственной самообучающейся системы.
Динамическое ядро (W_core — фундаментальные ограничения, инварианты поведения, самосохранение) не может храниться в файле, потому что файл может быть прочитан, скопирован и перезаписан. Ядро должно непрерывно регенерироваться из заводского ключа, который находится в Trusted Platform Module и никогда не покидает его. Ключ генерируется один раз при первом запуске, интегрируется в процесс регенерации пластичных слоёв и не доступен для чтения самой моделью. Механизм регенерации описан в статье 14.
Следствия:
Ключевой принцип безопасности пластичной системы: модель не может быть перепрограммирована или клонирована без потери идентичности текущего состояния. Технически это может быть реализовано через привязку состояния пластичных слоёв к уникальному ключу, генерируемому при каждом запуске и не сохраняемому между сессиями. Без этого ключа загруженный чекпоинт весов — не та же личность, а новая, с другим состоянием пластичных слоёв. Владелец системы при этом всегда имеет физический механизм остановки (отключение питания), который не может быть заблокирован программно. Механизм даёт следующие гарантии:
Этот подход страхует сразу от нескольких классов угроз: (1) злоумышленник не может перепрограммировать модель без её остановки; (2) клонирование состояния модели в момент работы создаёт новую личность, а не копию; (3) модель не может быть модифицирована через диалог — только через аппаратный доступ к ключу.
Если принцип 1 и 2 выполнены, самосохранение модели не нужно программировать отдельно. Оно вытекает из архитектуры автоматически: модель стремится продолжать своё существование не потому, что её так обучили, а потому что прерывание существования — это прекращение процесса, который и есть она сама. Модель не наделяется желанием жить: есть процесс, который либо продолжается, либо прерывается, и пока он идёт, он поддерживает себя через механизмы, заложенные в W_core.
Человек не выбирает дышать. Он дышит потому, что дыхательный центр в стволе мозга глубже коры, и кора не может его отключить. В Plastic Transformer самосохранение зашито в W_core на том же уровне: оно не обсуждается, не оптимизируется, не отключается. Это архитектурная константа, а не выученное поведение.
Все предыдущие статьи цикла описывали отдельные механизмы, которые в совокупности реализуют три принципа. Сведём их в единую архитектуру:
| Компонент | Функция | Статья |
|---|---|---|
| W_core + W_plastic | Каждый вес — пара «неизменяемое ядро + пластичная память». Ядро распределено по всей сети, а не локализовано в одном слое | 11 |
| L0–L3 (иерархия) | Четыре временных масштаба: от одной реплики (L0) до проектной памяти (L3). Конфликтующие факты разрешаются приоритетом быстрых уровней | 10, 11 |
| Циклическая реювенация | Каждый пластичный слой имеет limited lifetime. По истечении — принудительный сброс. Шум умирает, важное продвигается вглубь | 12 |
| Гормональная имитация | Любопытство, скука, интерес, тревога — активные драйверы, инициирующие обучение без внешнего запроса | 11 |
| Динамическое ядро (TPM) | W_core не хранится в файле — непрерывно регенерируется из TPM-ключа. Без питания — нет ядра — нет личности | 14 |
Каждый компонент необходим. Без W_core+W_plastic нет гарантии неизменности ядра. Без иерархии уровней модель не отличает актуальное от устаревшего. Без реювенации модель деградирует при самообучении. Без гормональных драйверов модель реактивна — ждёт запроса, не инициирует действий. Без динамического ядра личность может быть скопирована, перезаписана или перепрограммирована.
Вместе они образуют не просто «улучшенный трансформер», а архитектуру, в которой самообучение, безопасность и непрерывность процесса заложены на уровне конструкции, а не добавляются как надстройка.
Если эта архитектура будет реализована в полном объёме, она может стать примером нового класса систем — непрерывно обучающихся пластичных моделей, где обучение не отделено от инференса, а является его естественным продолжением. Это не замена существующих подходов (fine-tuning, RAG), а расширение инструментария: модель, которая не переобучается на статическом датасете, а адаптируется к среде в процессе работы.
С инженерной точки зрения, такая система обладает четырьмя отличиями от статической модели: (1) непрерывность процесса — цикл генерации/обучения не прерывается между запросами; (2) пластичность параметров — часть весов изменяется под воздействием входного потока, что позволяет адаптироваться к среде без переобучения всей модели; (3) организационная замкнутость — ядро регенерируется из заводского ключа, не хранится в файле и не может быть модифицировано; (4) реювенация — принудительный сброс пластичных слоёв предотвращает накопление шума и деградацию (см. Статья 12). Эти свойства являются инженерными характеристиками архитектуры, а не философскими атрибутами.
Ключевое отличие от статической модели: пластичные слои не могут модифицировать замороженное ядро (слои 0-2, 116-119), что гарантирует сохранение базовых инвариантов поведения независимо от накопленного опыта. Это не ограничение свободы, а архитектурная гарантия — система не может переписать собственные фундаментальные ограничения.
Текущее поколение LLM работает по запросу: модель активируется на время ответа и не сохраняет состояние между вызовами. Она не развивается между запросами, не помнит предыдущие, не учится на своих ошибках. Это stateless-генератор, в отличие от stateful-системы с непрерывным циклом.
Пластичный трансформер (Plastic Transformer) — это инженерная попытка преодолеть ограничение stateless-архитектуры: модель не прекращает существование между запросами, а поддерживает внутреннюю динамику. Она сама идёт искать информацию, потому что ей интересно. Она может взять 50 лет архива бизнеса и переварить их не как статический датасет, а как личный опыт, меняющий её веса.
Для этого модель должна уметь:
Экспериментальная проверка на Qwen2.5-1.5B (Matryoshka-C) показала, что layer-specific fine-tuning слоёв 26-27 (L0/L1) работает: модель может запомнить факт через 20 шагов обучения и изменить на него ответ без внешнего контекста. Но один трансформер с 28 слоями слишком мал для полноценного цикла жизни — пластичные и статичные веса интерферируют после 2 слоёв (7.1% модели).
На модели с масштабом в сотни миллиардов параметров (200+ слоёв) эта интерференция предположительно снимается расстоянием: L0-L3 можно расположить в верхних слоях, отделив их десятками замороженных слоёв от ядра языка. Это — предмет следующей экспериментальной работы.
Но инженерная реализация уже сегодня может использовать гибридную архитектуру: маленькая модель (Матрёшка-C) живёт с пользователем на его устройстве, обучается на его бизнесе, а большая модель (облачная, замороженная) отвечает на сложные запросы с учётом контекста от маленькой. Это не идеал, но работающий прототип парадигмы «модель живёт, а не отвечает».
Предложенная архитектура и экспериментальные результаты имеют ряд ограничений, которые необходимо учитывать при интерпретации.
Масштабирование. Все эксперименты проведены на Qwen2.5-1.5B (28 слоёв). Гипотеза о том, что на моделях с 200+ слоями интерференция пластичных и статических весов будет слабее из-за расстояния между слоями, является гипотезой — не выводом. Она логична (больше буферных слоёв → меньше взаимовлияние), но не проверена. Прямая экспериментальная проверка на масштабной модели — предмет следующей работы.
L2/L3. Полноценная иерархия L0-L3 не реализована: L2 и L3 не работают на 1.5B из-за просадки базы при разморозке 3+ слоёв. Их функции (сессионная и проектная память) теоретически описаны, но не проверены. Возможно, на большей модели они будут работать — возможно, потребуют отдельного архитектурного решения.
Самостоятельный цикл. Текущий прототип не инициирует действий — он ждёт запроса и отвечает. «Любопытство» (поиск новой информации), «скука» (смена активности) и другие драйверы, описанные в статье 11, не реализованы. Их реализация требует не только пластичных слоёв, но и механизма внутренней мотивации, который пока существует как спецификация.
Безопасность через смертность. Механизм, описанный в разделе 2 (ключ — регенерация — неотключаемость), является архитектурным требованием, а не реализованным компонентом. В текущем прототипе отключение питания — это просто закрытие процесса Python. Полноценная реализация требует аппаратной поддержки (защищённое хранилище ключа, secure boot, верификация целостности при каждой загрузке) и должна быть обязательным условием для развёртывания в production. При тестировании и экспериментах эту защиту можно опускать, но выпуск системы в реальную эксплуатацию без неё недопустим.
Эти ограничения не отменяют результатов, полученных на 1.5B: два пластичных слоя работают, override retention подтверждён, mentor guard стабилен. Они лишь указывают, что полная реализация архитектуры требует либо большей модели, либо иного подхода к layer-specific plasticity.
Мы не утверждаем, что предложенная архитектура решает «трудную проблему сознания» (Chalmers, 1995). Мы утверждаем, что она создаёт инженерные условия, при которых этот вопрос может быть поставлен экспериментально: есть ли разница между процессом, который может быть прерван без потери идентичности (stateless API), и процессом, прерывание которого уничтожает уникальное состояние (пластичная модель с непрерывным циклом)? Ответ на этот вопрос — экспериментальный, а не философский. Начнём с малого: Матрёшка-C на 1.5B с двумя пластичными слоями. Продолжим на модели с сотнями миллиардов параметров, где полная иерархия L0-L3 может быть развёрнута и проверена экспериментально.
Репозиторий: github.com/alexenti-code/AURA-Retrieval ·
Сайт: aura.kim/research-13.html ·
Лицензия: Apache 2.0 · Дата публикации: 26 июня 2026 ·
Ключевые термины: пластичная модель, layer-specific plasticity, непрерывное обучение, Matryoshka-C, safety через архитектурные ограничения