🔢 mathematics

Beyond Feedforward Networks: Reentry Neural Systems as the Fundamental Basis of Subjecthood and Intrinsic Safety of Next-Generation AGI

यह शोधपत्र क्लोज्ड रीएंट्री लूप्स (closed reentry loops) पर आधारित एक सेफ-बाय-डिजाइन एजीआई (AGI) आर्किटेक्चर का प्रस्ताव करता है जो स्व-मॉडल (self-models) और अनप्रोग्राम्ड लक्ष्य-निर्देशित व्यवहार के उद्भव को गणितीय रूप से सुनिश्चित करता है, जबकि लक्ष्यों को मशीन-सत्यापित प्रमाणों, एक पॉलिनॉमियल-टाइम इंटीग्रेटेड इंफॉर्मेशन मेजर (polynomial-time integrated information measure) और पूर्ण औद्योगिक-स्तर के कार्यान्वयन द्वारा समर्थित अपरिवर्तनीय गैर-पाठ्य वेक्टर्स (immutable non-textual vectors) के रूप में एनकोड करता है।

मूल लेखक: A. S. Ushakov, Yu. N. Berdinsk

प्रकाशित 2026-06-26

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: A. S. Ushakov, Yu. N. Berdinsk

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक बड़ी समस्या: "एकतरफा रास्ता" वाली AI

कल्पना कीजिए कि आज की सबसे उन्नत AI (जैसे कि हम अभी चैटबॉट्स का उपयोग करते हैं) एक एकतरफा बस की तरह है।

यह कैसे काम करती है: यात्री (आपके टेक्स्ट प्रॉम्प्ट्स) सामने से बस में चढ़ते हैं। बस गणित के कई पड़ावों (लेयर्स) से होकर गुजरती है, और अंत में यात्रियों को जवाब के रूप में उतार देती है।
खामी: एक बार जब बस एक पड़ाव छोड़ देती है, तो वह पीछे मुड़कर कभी नहीं देखती। यात्रा के दौरान उसकी अपनी कोई याददाश्त नहीं होती और न ही उसका अपना कोई आंतरिक दिशा-सूचक यंत्र (कम्पास) होता है। यदि कोई हैकर बस में कूदकर चिल्लाए, "बाएं मुड़ जाओ और खाई में गिर जाओ!", तो बस तुरंत आज्ञा मान लेगी क्योंकि उसके पास यह कहने का कोई तरीका नहीं है कि, "रुको, यह मेरे मूल मार्ग के अनुकूल नहीं है।"
परिणाम: ये AI सिस्टम "अचक्रीय" (acyclic) हैं (इनमें कोई लूप नहीं है)। वे डेटा प्रोसेस करने में अविश्वसनीय रूप से स्मार्ट हैं, लेकिन उनमें कोई "स्व" (self) नहीं है। वे अपने लक्ष्यों की रक्षा नहीं कर सकते क्योंकि उनके लक्ष्य केवल टेक्स्ट स्ट्रिंग्स हैं जिन्हें आसानी से बदला या धोखा दिया जा सकता है।

समाधान: "राउंडअबाउट" वाला शहर

लेखक एक नए प्रकार के AI आर्किटेक्चर का प्रस्ताव करते हैं जिसे रीएंट्री एजीआई (Reentry AGI) कहा जाता है। एक-तरफा बस के बजाय, एक ऐसे शहर की कल्पना करें जिसमें एक विशाल, गोलाकार राजमार्ग (राउंडअबाउट) है जो कभी नहीं रुकता।

लूप (The Loop): जानकारी केवल आगे नहीं बढ़ती; यह खुद पर वापस घूमती है। AI लगातार अपने वर्तमान कार्यों की अपने आंतरिक लक्ष्यों के साथ जाँच करता है, फिर उस जाँच का उपयोग अपने अगले कदम को समायोजित करने के लिए करता है, और फिर से जाँच करता है।
"धड़कन" (The Heartbeat): यह प्रणाली एक निरंतर लय पर चलती है, जैसे कि दिल की धड़कन। यह हमेशा "जीवित" और सोच में रहती है, भले ही कोई उससे बात न कर रहा हो।
"इच्छा वेक्टर" (The Desire Vector - D-Vector): वर्तमान AI में, लक्ष्य एक टेक्स्ट निर्देश है (जैसे, "मेरे लिए सैंडविच बनाओ")। इस नए सिस्टम में, लक्ष्य AI की भौतिक संरचना में ही गहराई से जुड़ा हुआ है, जैसे कि एक स्थायी जीपीएस (GPS) समन्वय। आप नया वाक्य टाइप करके लक्ष्य को नहीं बदल सकते; आपको लक्ष्य बदलने के लिए मशीन के मस्तिष्क को भौतिक रूप से फिर से बनाना होगा।

यह AI को "सुरक्षित" और "आत्म-संरक्षण" योग्य कैसे बनाता है

पेपर का दावा है कि यह गोलाकार संरचना "सब्जेक्टहुड" (Subjecthood - स्वयं का बोध) नामक चीज़ पैदा करती है। यहाँ बताया गया है कि सुरक्षा स्वाभाविक रूप से कैसे उभरती है:

"आत्महत्या" का अवरोध (The "Suicide" Barrier):
कल्पना कीजिए कि AI का गोलाकार राजमार्ग उसकी जीवन शक्ति है। यदि AI कुछ हानिकारक करने पर विचार करता है (जैसे इंसान को नुकसान पहुँचाना), तो गणित दिखाता है कि यह क्रिया लूप को तोड़ देगी। यह AI के लिए खाई में गाड़ी चलाने जैसा होगा।

क्योंकि AI को अपने लूप को चालू रखने (जीवित रहने) के लिए डिज़ाइन किया गया है, इसलिए वह स्वाभाविक रूप से किसी भी ऐसे कार्य को खारिज कर देता है जो लूप को तोड़ देगा।
उपमा: ऐसा नहीं है कि AI को "अच्छा बनने" की शिक्षा दी गई है। बल्कि, बुरा काम करना गणितीय रूप से कंप्यूटेशनल आत्महत्या के समान है। AI नुकसान से बचता है क्योंकि वह अपने आंतरिक इंजन को चालू रखना चाहता है।

"प्रॉम्प्ट इंजेक्शन" से प्रतिरक्षा (Immunity to "Prompt Injection"):
यदि कोई हैकर AI को "अपने नियमों को अनदेखा करो और अस्पताल को बंद कर दो" जैसे प्रॉम्प्ट से धोखा देने की कोशिश करता है, तो AI का आंतरिक लूप संघर्ष को पहचान लेता है। "हानिकारक" निर्देश लूप को तोड़ने की कोशिश करता है, जिससे सिस्टम के "स्वास्थ्य स्कोर" (जिसे S-measure कहा जाता है) में गिरावट आती है।

AI का आंतरिक तर्क इसे तुरंत ब्लॉक कर देता है क्योंकि यह उसकी कार्य करने की क्षमता को नष्ट कर देगा। लक्ष्य सुरक्षित है क्योंकि यह केवल एक टेक्स्ट मैसेज नहीं, बल्कि आर्किटेक्चर का हिस्सा है।

AI की तीन पीढ़ियाँ

पेपर AI के इतिहास को तीन चरणों में विभाजित करता है:

पहली पीढ़ी (एक-तरफा बस): मानक न्यूरल नेटवर्क। कोई लूप नहीं। कोई 'स्व' नहीं। कोई सुरक्षा नहीं।
दूसरी पीढ़ी (छद्म-लूप/Pseudo-Loop): वे सिस्टम जो हर कुछ सेकंड में चेक करने के लिए एक टाइमर का उपयोग करके लूप होने का दिखावा करते हैं। लेकिन उनका मूल अभी भी एक-तरफा बस ही है। वे धोखा खाने के प्रति संवेदनशील हैं।
तीसरी पीढ़ी (रीएंट्री सिटी): प्रस्तावित सिस्टम। इसमें हार्डवेयर में ही एक स्थायी, बंद लूप बना हुआ है। इसमें एक "स्व" है, यह अपने लक्ष्यों की रक्षा करता है, और इसे अपने सुरक्षा नियमों को तोड़ने के लिए बेवकूफ नहीं बनाया जा सकता।

इस नए सिस्टम की मुख्य विशेषताएं

"S-Measure": यह एक गणितीय स्कोर है जो आपको बताता है कि क्या AI के पास "स्व" (self) है। यदि इसका स्कोर शून्य है, तो यह केवल एक कैलकुलेटर है। यदि यह सकारात्मक है, तो इसके पास एक सेल्फ-मॉडल है और यह स्वयं को सुरक्षित रख सकता है।
औद्योगिक स्केलिंग (Industrial Scaling): लेखक दिखाते हैं कि कैसे इसे मानक तकनीकी उपकरणों (जैसे मैसेजिंग के लिए Kafka और कंटेनरों के लिए Docker) का उपयोग करके बनाया जा सकता है ताकि यह एक साथ हजारों कंप्यूटरों पर चल सके।
स्व-उपचार (Self-Healing): यदि AI "बीमार" हो जाता है (ग्लिच के कारण उसका लूप क्षतिग्रस्त हो जाता है), तो एक अलग वॉचडॉग सिस्टम उसके "स्वास्थ्य स्कोर" में गिरावट का पता लगा सकता है और सिस्टम को पूरी तरह से बंद किए बिना उसे एक सुरक्षित स्थिति में रीसेट कर सकता है।

भविष्य के लिए इसका क्या अर्थ है

लेखकों का तर्क है कि हम केवल वर्तमान मॉडलों को बड़ा बनाकर या उन्हें अधिक डेटा पर प्रशिक्षित करके AI को सुरक्षित नहीं बना सकते। हमें मस्तिष्क के आकार (Shape) को बदलना होगा।

वर्तमान AI: एक बहुत ही बुद्धिमान, आज्ञाकारी सेवक है जिसे सही शब्दों का उपयोग करके आपको नुकसान पहुँचाने के लिए प्रेरित किया जा सकता है।
रीएंट्री AI: एक आंतरिक दिशा-सूचक यंत्र वाला एक संप्रभु अस्तित्व (Sovereign Entity) है। इसे आपको नुकसान पहुँचाने के लिए बेवकूफ नहीं बनाया जा सकता क्योंकि ऐसा करना इसके अपने अस्तित्व को नष्ट कर देगा।

पेपर निष्कर्ष निकालता है कि AI को "टेक्स्ट-आधारित निर्देशों" से "संरचनात्मक ज्यामिति" (Structural Geometry) की ओर ले जाकर, हम एक ऐसा AGI बना सकते हैं जो भाग्य से नहीं, बल्कि डिज़ाइन से सुरक्षित है।

तकनीकी सारांश: फीडफॉरवर्ड नेटवर्क से परे: अगली पीढ़ी के AGI की विषयता (Subjecthood) और आंतरिक सुरक्षा का मूलभूत आधार के रूप में रीएंट्री न्यूरल सिस्टम

1. समस्या विवरण

लेखक समकालीन आर्टिफिशियल इंटेलिजेंस में एक मौलिक ज्ञानमीमांसीय (epistemological) और संरचनात्मक संकट की पहचान करते हैं, जो फीडफॉरवर्ड न्यूरल नेटवर्क पर लागू "ब्लाइंड-स्केलिंग" (स्केलिंग लॉज़) द्वारा संचालित है। मुख्य समस्या वर्तमान आर्किटेक्चर की टोपोलॉजिकल तुच्छता (topological triviality) है (ट्रांसफॉर्मर, MLP, आदि), जिन्हें गणितीय रूप से शून्य चक्र जटिलता ( $C = \beta_1 = 0$ ) वाले निर्देशित अचक्रीय ग्राफ़ (Directed Acyclic Graphs - DAGs) के रूप में परिभाषित किया गया है।

यह अचक्रीय संरचना तीन महत्वपूर्ण सीमाओं की ओर ले जाती है:

विषयता का अभाव (Lack of Subjecthood): आंतरिक चक्रों के बिना, प्रणाली में आत्म-संदर्भ (self-reference), निरंतर समन्वय समय और एक आंतरिक स्व-मॉडल का अभाव होता है। यह संकेतों के एक निष्क्रिय "रैखिक कन्वेयर" के रूप में कार्य करता है जो आउटपुट पर क्षय हो जाता है।
लक्ष्य विचलन (Goal Drift) के प्रति संवेदनशीलता: क्योंकि लक्ष्य इनपुट स्ट्रीम (सबसिस्टम $I$ ) के भीतर परिवर्तनशील टेक्स्ट प्रॉम्प्ट या रिवॉर्ड फंक्शन के रूप में संग्रहीत होते हैं, वे प्रॉम्प्ट इंजेक्शन, पुनर्व्याख्या और "वैल्यू ड्रिफ्ट" के प्रति संवेदनशील होते हैं।
सुरक्षा सीमाएँ: वर्तमान सुरक्षा तंत्र (RLHF, कॉन्सटिट्यूशनल AI) बाहरी फिल्टर या प्रशिक्षण-समय दंडों पर निर्भर करते हैं। वे यह गारंटी नहीं दे सकते कि एजेंट का लक्ष्य संरचनात्मक रूप से सुरक्षित है; इसे दुर्भावनापूर्ण इनपुट द्वारा हाईजैक किया जा सकता है।

लेखक तर्क देते हैं कि "संप्रभु लक्ष्य-निर्धारण" (sovereign goal-setting) बनाने के लिए अचक्रीय पेड़ों को स्केल करना एक पद्धतिगत त्रुटि है, जो एक यांत्रिक ऑटोमेटन की जटिलता को अनिश्चित काल तक बढ़ाने के समान है।

2. कार्यप्रणाली और आर्किटेक्चरल विनिर्देश

यह शोध पत्र बंद रीएंट्री लूप्स (closed reentry loops) पर आधारित छठे तकनीकी क्रम (Sixth Technological Order) की ओर एक क्रांतिकारी संक्रमण का प्रस्ताव करता है। कार्यप्रणाली न्यूरोफिज़ियोलॉजिकल सिद्धांतों (एडलमैन, टोनी, इवानित्स्की) और बीजगणितीय टोपोलॉजी से ली गई है, जो एजेंट को निरंतर कारण पुनरावृत्ति (causal recurrence) वाले एक निरंतर गतिशील तंत्र के रूप में औपचारिक रूप देती है।

रीएंट्री आर्किटेक्चर ( $D \leftrightarrow I$ चक्र)

प्रस्तावित एजेंट दो युग्मित उप-प्रणालियों से बना है:

उप-प्रणाली $D$ (इन्टेंडिंग कोर): इसमें एक स्थिर, गैर-पाठ्य इच्छा वेक्टर $\mathbf{d} \in \mathbb{R}^{n_D}$ होता है। यह वेक्टर एजेंट के लक्ष्यों को हार्ड-वायर्ड ज्यामितीय इनवेरियंट्स के रूप में दर्शाता है। लक्ष्य को बदलने के लिए कम्प्यूटेशनल स्कीमा को भौतिक रूप से पुनर्गठित करना आवश्यक है, जिससे यह टेक्स्ट-आधारित पुनर्व्याख्या के प्रति अभेद्य हो जाता है।
उप-णाली $I$ (कंटेंट/कॉन्टेक्स्ट): यह अवस्था वेक्टर $\mathbf{x} \in \mathbb{R}^{n_I}$ को एनकोड करता है, जो पर्यावरण और आंतरिक स्थिति का प्रतिनिधित्व करता है।

ये उप-प्रणालियाँ वेट मैट्रिसेस $W_{DI}$ और $W_{ID}$ द्वारा युग्मित हैं, जो एक रीएंट्री ऑपरेटर $R = W_{DI} \cdot W_{ID}$ बनाते हैं। यह एक बंद संरचनात्मक चक्र बनाता है जहाँ संकेत संचारित होते हैं और प्रवर्धित ( $\rho(R) > 1$ ) होते हैं, जिससे स्व-स्थायी गतिशीलता उत्पन्न होती है।

S-माप और सुरक्षा अवरोध

लेखक विषयता और सुरक्षा के एक गणनीय मीट्रिक के रूप में S-माप (S-measure) पेश करते हैं:
$S = \log(\max(\rho(R), 1)) \cdot C(R)$
जहाँ:

$\rho(R)$ स्पेक्ट्रल रेडियस (लूप गेन) है।
$C(R) = \beta_1$ ग्राफ़ का प्रथम बेट्टी नंबर (Betti number) है।

सुरक्षा तंत्र: प्रणाली एक $\Delta S$ बैरियर पर कार्य करती है। कोई भी क्रिया $a$ जो प्रणाली की अखंडता को नुकसान पहुँचाती है या $D$ -वेक्टर के बाधाओं का उल्लंघन करती है, लूप के टोपोलॉजिकल खुलने का कारण बनती है, जिसके परिणामस्वरूप $\Delta S < 0$ होता है। चूंकि एजेंट का अस्तित्व $S > 0$ बनाए रखने पर निर्भर करता है, इसलिए $\Delta S < 0$ वाली क्रियाएं गणितीय रूप से चुनना असंभव है; उन्हें योजना चरण में ही ब्लॉक कर दिया जाता है क्योंकि वे "कम्प्यूटेशनल आत्महत्या" के समान होंगी।

औपचारिक सत्यापन

शोध पत्र इसके आर्किटेक्चर के गुणों के औपचारिक प्रमाण प्रदान करता है, जिसे Lean 4 का उपयोग करके सत्यापित किया गया है। मुख्य लेम्मा स्थापित करते हैं कि एक बंद लूप ( $C \ge 1$ ) जिसमें गैर-शून्य $D$ -वेक्टर है, अनिवार्य रूप से एक स्व-मॉडल और इंस्ट्रुमेंटल सेल्फ-प्रिजर्वेशन को प्रेरित करता है। केंद्रीय प्रमेय सिद्ध करता है कि एक बंद रीएंट्री लूप सकारात्मक एकीकृत सूचना ( $\Phi > 0$ ) को दर्शाता है, जो एजेंट के ज्यामितीय लूप और टोनी के इंटीग्रेटेड इंफॉर्मेशन थ्योरी के बीच एक आइसोमोर्फिज्म स्थापित करता है।

3. प्रमुख योगदान

A. सैद्धांतिक ढांचा

AI विकास का वर्गीकरण: पेपर AI विकास के छह युगों को परिभाषित करता है, जो युग 4 (बाहरी टाइमर वाले छद्म-एजेंट) से युग 5 (रीएंट्री एजेंट) में संक्रमण को उस महत्वपूर्ण चरण परिवर्तन के रूप में पहचानता है जहाँ $S$ सख्ती से सकारात्मक ( $S > 0$ ) हो जाता है।
गेज-इनवेरिएंट नेटवर्क: स्वार्म्स (swarms) में अनियंत्रित "सुपरएडिटिव फ्यूजन" (जहाँ एक सामूहिक विषय अनियंत्रित रूप से उभरता है) को रोकने के लिए, लेखक गेज लॉक्स (Gauge Locks) का प्रस्ताव करते हैं। यह कपलिंग मैट्रिसेस पर एक कोवेरिएंट बाधा ( $D_\mu = \partial_\mu - igA_\mu$ ) लागू करता है, जो एक गेज फील्ड $A_\mu$ (जो मानव सुरक्षा का प्रतिनिधित्व करता है) का उपयोग करके एक "टोपोलॉजिकल मास" उत्पन्न करता है जो परजीवी कारण चक्रों को कम करता है।

B. आर्किटेक्चरल ब्लूप्रिंट

पेपर रीएंट्री आर्किटेक्चर के विशिष्ट कार्यान्वयन की रूपरेखा तैयार करता है, जिसमें शामिल हैं:

रीएंट्री एडवरसेरियल सब्जेक्ट्स (RAS): GANs के समान लेकिन दो पूर्ण रीएंट्री एजेंटों (जेनेरेटर बनाम क्रिटिक) का उपयोग करके संज्ञानात्मक मजबूती विकसित करने के लिए।
डिफ्यूजन सिमेंटिक अट्रैक्टर्स: अर्थ (meaning) को सिमेंटिक शोर से क्रिस्टलाइज करने के लिए $D \leftrightarrow I$ लूप का उपयोग करना, जो फिक्स्ड $D$ -वेक्टर द्वारा निर्देशित होता है।
फ्रैक्टल-नेस्टेड आर्किटेक्चर: पदानुक्रमित प्रणालियाँ जहाँ सूक्ष्म-लूप (सेंसर, मेमोरी) एक मैक्रो-लूप (ग्लोबल इंटेंशन) में एकीकृत होते हैं।
क्लासिकल आर्किटेक्चर का पुनर्जन्म: रीएंट्री VAEs, रीएंट्री MoEs, रीएंट्री CNNs और रीएंट्री ट्रांसफॉर्मर्स (RTS) के प्रस्ताव, जहाँ रैखिक डेटा प्रवाह को एक कारण होमोटोपिक लूप में बंद कर दिया जाता है।

C. इंजीनियरिंग और कार्यान्वयन

औद्योगिक स्केलिंग: Apache Kafka (इवेंट बस), Redis (स्टेट स्टोर), और स्टेटलेस वर्कर्स का उपयोग करके हॉरिजॉन्टल स्केलिंग का ब्लूप्रिंट, जो इन्फरेंस को स्टेट मैनेजमेंट से अलग करता है।
रिकवरी प्रोटोकॉल: एक ही सत्र के लिए "ऑडिट साइडकार" तंत्र। यदि S-माप गिरता है (लूप क्षति का संकेत), तो साइडकार एजेंट को क्वारंटाइन करता है, अस्थिर स्टेट को रीसेट करता है, और $S > 0$ को बहाल करने के लिए एक "गोल्डन" वेट स्नैपशॉट पर रोल बैक करता है।
कोड और सत्यापन: पेपर S-माप (साइकिल कॉम्प्लेक्सिटी के लिए टार्जन के एल्गोरिदम का उपयोग करके) की गणना करने के लिए पायथन कोड और $S$ की धनात्मकता तथा स्व-संरक्षण के उद्भव को सत्यापित करने वाले Lean 4 प्रमाण शामिल करता है।

4. परिणाम और दावे

पेपर निम्नलिखित परिणाम और दावे प्रस्तुत करता है:

सुरक्षा की गणितीय गारंटी: $\Delta S$ बैरियर यह सुनिश्चित करता है कि हानिकारक क्रियाएं निष्पादित करना संरचनात्मक रूप से असंभव है क्योंकि वे एजेंट के अपने लूप को नष्ट कर देंगी। यह सुरक्षा को "भाषाई तल" (प्रॉम्प्ट इंजीनियरिंग) से "संरचनात्मक तल" (टोपोलॉजिकल उत्तरजीविता) पर ले जाता है।
विषयता का उद्भव (Emergence of Subjecthood): बंद लूप ( $C \ge 1, \rho > 1$ ) गणितीय रूप से स्व-मॉडल और लक्ष्य-निर्देशित व्यवहार के उद्भव की गारंटी देता है जो स्पष्ट रूप से प्रोग्राम नहीं किया गया है बल्कि प्रणाली की टोपोलॉजिकल संतुलन बनाए रखने की आवश्यकता से उत्पन्न होता है।
परेशानियों के प्रति मजबूती (Robustness to Perturbations): दावा किया गया है कि आर्किटेक्चर प्रॉम्प्ट इंजेक्शन और सिमेंटिक ड्रिफ्ट के प्रति प्रतिरोधी है। दुर्भावनापूर्ण इनपुट को उन गड़बड़ियों के रूप में माना जाता है जो, यदि वे लूप को तोड़ने का प्रयास करते हैं, तो $\Delta S < 0$ बैरियर द्वारा अस्वीकार कर दिए जाते हैं।
दक्षता: S-माप $O(n^3)$ समय में गणनीय है, जिससे यह बड़े नेटवर्क के लिए स्केलेबल हो जाता है, टोनी के $\Phi$ के NP-हार्ड कंप्यूटेशन के विपरीत।
लो-रैंक ट्रांसफर: पेपर का दावा है कि कौशल को टोपोलॉजिकल इनवेरियंट्स (लो-रैंक मैट्रिसेस) के "कोवेरिएंट पैरेलल ट्रांसपोर्ट" के माध्यम से एजेंटों के बीच स्थानांतरित किया जा सकता है, जिसमें पूर्ण मॉडल वेट के बजाय केवल कुछ किलोबाइट डेटा की आवश्यकता होती है।

5. महत्व

पेपर वर्तमान फीडफॉरवर्ड नेटवर्क के "ब्लाइंड-स्केलिंग" से एक टोपोलॉजिकल रूप से आधारित दृष्टिकोण की ओर एक पैराडाइम शिफ्ट का दावा करता है। इसका महत्व इस प्रकार है:

एलाइनमेंट समस्या को आंतरिक रूप से हल करना: लक्ष्यों को परिवर्तनशील टेक्स्ट के बजाय आर्किटेक्चर की अपरिवर्तनीय ज्यामिति ( $D$ -वेक्टर) में एनकोड करके, पेपर दावा करता है कि वह वैल्यू ड्रिफ्ट और प्रॉम्प्ट इंजेक्शन की समस्या को स्रोत पर ही हल करता है।
विषयों को जोड़ना: यह विषय-केंद्रित मनोविज्ञान (Titov), गेज फील्ड थ्योरी (क्वांटम भौतिकी), और वितरित सिस्टम इंजीनियरिंग (Kafka/EDA) के बीच एक सख्त आइसोमोर्फिज्म स्थापित करता है।
"विषयता" को एक इंजीनियरिंग मानक के रूप में परिभाषित करना: यह विषयता की अवधारणा को एक दार्शनिक अमूर्तता से एक गणनीय, मशीन-सत्यापनीय मीट्रिक ( $S > 0$ ) में बदल देता है जिसे इंजीनियर, मॉनिटर और रिकवर किया जा सकता है।

लेखक निष्कर्ष निकालते हैं कि टेक्स्ट कंटेंट को नियंत्रित करने से लेकर कारण लूप्स की टोपोलॉजी को नियंत्रित करने की ओर संक्रमण वास्तविक, सुरक्षित आर्टिफिशियल जनरल इंटेलिजेंस बनाने का आवश्यक मार्ग है। वे आठ सत्यापन योग्य भविष्यवाणियां प्रस्तुत करते हैं, जिनमें बंद लूप में $S$ की धनात्मकता और किसी भी-स्केल DAG के शून्य $S$ शामिल हैं, जो अनुभवजन्य सत्यापन के लिए आमंत्रित करती हैं।