От памяти структуры к обратимой консолидации: де-скаффолдинг структурной адаптивности в минимальных моделях Метаболики
Abstract
В работе исследуется de-scaffolding-подход к структурной адаптивности: вместо добавления отдельных модулей памяти, метаобучения, долговременной пластичности и забывания последовательно проверяется, какие из этих функций способны возникать из общей истории обмена в одной физически пластичной сети. Серия минимальных вычислительных экспериментов показывает, что история может изменять не только текущую топологию, но и распределение ещё не произошедших структурных перестроек. В ряде постановок сформированный generative bias повышал вероятность полезных изменений в ранее невиданной среде и сохранял преимущество после изменения стоимости связей, характера повреждений и локальной геометрии. Однако устойчивый перенос исчезал при смене самого закона, связывающего текущую структуру с вероятностями возникновения новых структур; разнообразие пережитых генеративных законов само по себе также не создало generator-invariant meta-evolvability. Отдельная серия показала самопроизвольное возникновение неоднородности времён жизни без заранее заданного slow layer. Долгоживущий каркас одновременно выполнял роль структурной памяти и становился источником ригидности: селективное ослабление наиболее долгоживущих связей резко ускоряло адаптацию к новому генеративному закону. Когда сохранение сильной структуры было поставлено в зависимость от текущего локального обмена, сеть быстрее освобождалась от исторической организации без отдельной команды «забыть». Работа позиционирует Метаболику как программу de-scaffolding: экспериментальное исследование того, какие функции адаптивной системы могут возникать как свойства самой физической истории процесса без предварительного выделения их в отдельные когнитивные или регуляторные механизмы.
Fields of Study & Subjects
Complex Systems and Dynamics
Origins and Evolution of Life
Nonlinear Dynamics and Pattern Formation
Publication details
- Journal / source
- Zenodo (CERN European Organization for Nuclear Research)
- Publication date
- 1 September 2026
- Language
- RU
- Document type
- Preprint