Beyond Feedforward Networks: Reentry Neural Systems as the Fundamental Basis of Subjecthood and Intrinsic Safety of Next-Generation AGI
Este artículo propone una arquitectura de AGI segura por diseño basada en bucles de reentrada cerrados que garantizan matemáticamente la emergencia de automodelos y un comportamiento dirigido a objetivos no programado, codificando los objetivos como vectores no textuales inmutables, respaldados por pruebas verificadas por máquinas, una medida de información integrada de tiempo polinómico e implementaciones completas a escala industrial.