Атлас ноофрактальных автоматов

Атлас ноофрактальных автоматов

E.1. Назначение атласа
Ноофрактальный автомат представляет собой вычислительную модель, в которой автоматная динамика расширена возможностью исторического изменения существенных механизмов перехода. Термин «автомат» используется здесь в широком формальном смысле: это система с различимыми состояниями и правилами переходов между ними. Конкретная реализация может быть конечным автоматом, клеточной системой, графовым процессом, агентной архитектурой, программным интерпретатором или иной вычислимой конструкцией.

Обычный автомат можно представить:

[
A=(X,\Sigma,\delta),
]

где (X) — множество состояний, (\Sigma) — входы или условия, а

[
\delta\times\Sigma\rightarrow X
]

— функция перехода. В простейшем случае (\delta) фиксирована.

Для ноофрактального автомата функция перехода сама становится частью состояния более высокого уровня:

[
A_t=(X_t,\Sigma_t,\delta_t,H_t),
]

а развитие имеет вид:

[
x_{t+1}=\delta_t(x_t,\sigma_t),
]

[
\delta_{t+1}=M_t(\delta_t,H_t,\mathcal E_t).
]

Поэтому атлас классифицирует автоматы не только по форме состояний, но по тому, какой уровень генеративной архитектуры способен изменяться.

Представленные ниже типы являются эталонными конструкциями для исследований. Они не образуют исчерпывающего каталога и могут комбинироваться.

E.2. Тип NF-A0: контрольный рекурсивный автомат
Базовая контрольная модель:

[
x_{t+1}=G(x_t).
]

Генератор (G) неизменен. Автомат способен создавать сколь угодно сложную траекторию, включая хаотическую или статистически нерегулярную, однако сам механизм перехода остаётся фиксированным.

NF-A0 поэтому не является сильным ноофракталом. Он необходим как контрольный класс, поскольку позволяет экспериментально отделять сложность траектории от сложности изменения генератора.

Типичная структура:

[
A^{(0)}=(X,G,x_0).
]

Исследовательский вопрос:

какую часть наблюдаемой сложности можно объяснить фиксированным генератором без введения ноофрактального уровня?

Наличие NF-A0 в эксперименте защищает теорию от ложного приписывания ноофрактальности обычной нелинейной динамике.

E.3. Тип NF-A1: параметрически изменяемый автомат
В NF-A1 структура генератора сохраняется, но изменяются его параметры:

[
x_{t+1}=G(x_t;\theta_t),
]

[
\theta_{t+1}=U(\theta_t,x_t,H_t,\mathcal E_t).
]

Это минимальный класс изменяемой генеративности.

Примером может служить клеточный автомат, в котором вероятность применения определённого локального правила изменяется на основании истории соседних состояний, или алгоритмический агент, меняющий параметры своей поисковой политики.

Критически важно различать два случая. Если (\theta_t) задаётся полностью внешним расписанием, система является неавтономной, но не обязательно ноофрактальной в сильном смысле. Если изменение (\theta) зависит от собственной генеративной истории и становится частью наследуемой динамики, появляется минимальная форма ноофрактальности.

Сигнатура:

[
\mathfrak N[
O_{2A};
F_g;
R_1;
D_{param}
].
]

E.4. Тип NF-A2: структурно изменяемый генератор
Здесь меняются уже не только параметры, но структура самого генератора:

[
x_{t+1}=G_t(x_t),
]

[
G_{t+1}=M(G_t,H_t,\mathcal E_t).
]

Изменение может включать добавление или удаление правил, изменение графа переходов, создание новой локальной операции, перестройку порядка применения операторов или замену одной процедуры другой.

Если (G) представить графом:

[
G_t=(V_t,E_t,\tau_t),
]

то допустимы переходы:

[
V_t\rightarrow V_{t+1},
\qquad
E_t\rightarrow E_{t+1},
\qquad
\tau_t\rightarrow\tau_{t+1}.
]

NF-A2 является одним из базовых экспериментальных классов Ноофракталики, поскольку позволяет непосредственно сравнить систему с фиксированным генератором и систему, способную изменять его внутреннюю организацию.

Особенно полезны парные эксперименты, где обе системы имеют одинаковый начальный (G_0), одинаковый ресурс и одинаковую среду, но только NF-A2 имеет право структурной модификации.

E.5. Тип NF-P: полирекурсивный автомат
Полирекурсивный автомат содержит несколько взаимодействующих генеративных контуров:

[
x_{t+1}=G_t(x_t,y_t),
]

[
y_{t+1}=F_t(y_t,x_t),
]

[
G_{t+1}=M_G(G_t,H_t),
]

[
F_{t+1}=M_F(F_t,H_t).
]

Здесь развитие одного контура изменяет селективные условия другого. Такой автомат особенно полезен для моделирования коэволюции решателя и критика, агента и среды, генератора задач и генератора решений.

Полирекурсия не требует симметрии. Один контур может изменяться быстро, другой медленно; один может создавать варианты, другой — только выбирать.

Это позволяет исследовать важный вопрос: возникает ли более продуктивное развитие, если функции генерации, критики и изменения генераторов разделены между разными динамическими подсистемами?

E.6. Тип NF-L: автомат с локальными генераторами
В NF-L разные части системы имеют собственные правила:

G_{i,t}
(
x_{i,t},
\mathcal N_i(t)
),
]

где (\mathcal N_i(t)) — локальное окружение элемента (i).

Дополнительно:

M_i
(
G_{i,t},
H_{i,t},
\mathcal N_i(t)
).
]

Такой автомат является естественным расширением клеточных и сетевых автоматов. Его ключевой признак состоит не в неравномерности правил самой по себе — неравномерные и изменяющиеся клеточные автоматы давно известны, — а в систематическом исследовании наследуемой локальной генеративной эволюции и её влияния на глобальную структуру.

NF-L позволяет изучать возникновение:

локальных специализаций;

генеративных доменов;

конкурирующих правил;

симбиотических областей;

пространственных линий происхождения.

Глобальная структура здесь может возникать не из повторения одного локального закона, а из эволюции множества локальных законов.

E.7. Тип NF-M: метагенеративный автомат
В NF-M изменяется уже механизм изменения генераторов:

[
x_{t+1}=G_t(x_t),
]

[
G_{t+1}=M_t(G_t,H_t),
]

[
M_{t+1}=N(M_t,H_t,\mathcal E_t).
]

Это автомат третьего порядка относительно состояния.

Экспериментальная ценность NF-M заключается в возможности проверить, даёт ли изменяемый (M) устойчивое преимущество перед фиксированным метагенератором.

Исследование должно включать длинный горизонт, поскольку качество (M) проявляется не в одном изменении (G), а в распределении генераторов, созданных через несколько поколений.

Необходимо также учитывать стоимость:

C_M+
\sum_i C_{G_i}+
\sum_{i,j} C_{validation}(A_{ij}).
]

Без ресурсной нормализации метагенеративная система может казаться сильнее лишь потому, что использует больше поисковых уровней.

E.8. Тип NF-R: рефлексивный автомат
Рефлексивный автомат содержит явную самомодель:

[
SM_t=Model(A_t,H_t),
]

которая влияет на дальнейшее изменение:

M(G_t,SM_t,E_t).
]

Его принципиальный цикл:

[
\text{действие}
\rightarrow
\text{результат}
\rightarrow
\text{самомодель}
\rightarrow
\text{изменение генератора}.
]

NF-R позволяет изучать функциональную рефлексивность без предположений о сознании.

Особенно важны эксперименты, где самомодель намеренно является неполной или частично ошибочной. Тогда можно сравнивать системы, которые полностью доверяют (SM), с системами, способными оценивать её надёжность через внешнее evidence.

Это проверяет принцип рефлексивной открытости:

самомодель должна быть инструментом изменения, но не окончательным источником истины о самой системе.

E.9. Тип NF-;: рандомиально управляемый автомат
Здесь случайность входит в генеративную архитектуру как изменяемая переменная:

G_t(x_t,\xi_t;\rho_t),
]

где (\rho_t) определяет режим использования случайности.

Далее:

M_{\rho}
(
\rho_t,
H_t,
E_t
).
]

Система может изменять:

интенсивность стохастичности;

место её применения;

тип распределения;

условия включения;

долю детерминированного и случайного поиска.

Главное отличие NF-; от обычного вероятностного автомата состоит в том, что эволюционирует архитектура использования случайности.

Особый контрольный эксперимент должен включать режим:

[
\rho=0,
]

поскольку способность отключать случайность является частью управляемой рандомиальности.

E.10. Тип NF-Pop: популяционный автомат
Популяционный ноофрактальный автомат описывает не одну траекторию, а множество линий:

[
\Pi_t=
{
N_t^{(1)},
N_t^{(2)},
\dots,
N_t^{(k)}
}.
]

Поколение создаётся:

\mathcal E_t^{gen}
(
\Pi_t,
W_t,
H_t
).
]

Каждый участник имеет собственный ноогенотип, а вся популяция — структуру наследования, вариации и отбора.

Важная особенность NF-Pop состоит в том, что объектом анализа становится не только лучший индивид, но распределение линий:

[
Q(\Pi_t),
\qquad
Diversity(\Pi_t),
\qquad
Evolvability(\Pi_t).
]

Такой автомат является естественной экспериментальной платформой для Ноогенетики.

E.11. Тип NF-Eco: экосистемный автомат
NF-Eco расширяет популяционный тип, добавляя несколько когнитивных или генеративных классов и изменяемую среду:

[
\mathcal X_t=
(
\Pi_t,
W_t,
G_W,
G_T,
Resources_t,
H_t
).
]

Участники способны изменять среду, а среда — их селективные условия:

[
\Pi_t
\leftrightarrow
W_t.
]

NF-Eco допускает конкуренцию, кооперацию, симбиоз, специализацию и появление новых функциональных ниш.

Это основной класс для экспериментального ноофрактоценоза.

Его важнейшая исследовательская характеристика — способность всей экосистемы создавать новые типы участников, а не только оптимизировать существующие.

E.12. Тип NF-PX: автомат изменяемого пространства возможностей
Наиболее сильный экспериментальный тип делает объектом динамики само пространство допустимых конструкций.

Пусть:

[
P_t=
(
Types_t,
Relations_t,
Operators_t
).
]

Тогда система способна создавать:

G_P(P_t,H_t,E_t).
]

Например, автомат может добавить новый тип узла в собственный язык архитектуры, новый оператор композиции или новый тип агента.

В результате появляются состояния:

[
x\in P_{t+1},
\qquad
x\notin P_t.
]

Именно NF-PX является наиболее прямой вычислительной моделью перехода от поиска внутри пространства к эволюции самого пространства возможностей.

Однако доказать реальное расширение (P) значительно труднее, чем показать структурную мутацию. Необходимо продемонстрировать, что новый тип конструкции нельзя было адекватно выразить в прежнем языке без его расширения.

E.13. Сводная карта автоматов
Код Изменяемый уровень Основной исследовательский вопрос
NF-A0 состояние что способен породить фиксированный генератор?
NF-A1 параметры (G) даёт ли историческая настройка генератора преимущество?
NF-A2 структура (G) способна ли система создавать новые способы перехода?
NF-P несколько контуров как коэволюционируют разные генеративные процессы?
NF-L локальные (G_i) возникают ли специализации и генеративные регионы?
NF-M (M) способны ли развиваться способы изменения генераторов?
NF-R самомодель + (G) улучшает ли рефлексивный контур саморазвитие?
NF-; случайность может ли эволюционировать архитектура вариативности?
NF-Pop популяция генотипов как наследование и отбор изменяют генеративные линии?
NF-Eco популяция + среда возникает ли открытая коэволюционная динамика?
NF-PX (P) способна ли система создавать новые классы возможностей?
Атлас следует рассматривать как набор экспериментальных шаблонов. Сильные системы будут комбинировать несколько типов, например:

[
NF\text{-}Eco
+
NF\text{-}M
+
NF\text{-}PX.
]

Но усложнение должно происходить постепенно. Каждый дополнительный уровень следует вводить только после того, как показано, что более простая модель не объясняет наблюдаемый эффект.