Причины эмоции

Эмоции как вычисление (не «чувства», а сигналы модели)
Ядро: эмоция = агрегированное состояние системы
Эмоция = f(prediction error, precision, priors, policies)
Не реакция, а оценка состояния модели
Тревога = гипер-precision на ошибках
Депрессия = сужение policy space + низкая ожидаемая ценность действий
Радость = успешное предсказание + подтверждение priors
Важно: surprise — триггер, но не причина
причина — структура модели и её параметры

Диагностика

— это процесс самоосвидетельствования (self-evidencing), где клиент сопоставляет свою внутреннюю «карту» (генеративную модель) с фактическими состояниями своей системы [1, 2].

Ниже представлено описание предложенных вами инструментов через призму когнитивных теорий и архитектуры FPF.

1. Биобезопасный конверт (Самоощущение)

В терминах FEP — это мониторинг фенотипических состояний, совместимых с жизнью [3].

  • Ось X (Серединный путь): Соответствует априорным предпочтениям организма (гомеостазу) [4, 5].
  • Разброс (Узкое горло по TCO): В FPF это описывается через Rule-of-Constraints (RoC) — правила ограничений [6]. Чем сильнее отклонение от оси, тем выше вариационная свободная энергия (VFE), что мозг воспринимает как «сюрприз» или угрозу выживанию «Животного-машины» [3, 7].
  • Диагностика: Клиент видит, насколько его текущие ресурсы соответствуют сложности среды. Если «горло» слишком узкое, это сигнал об эпистемическом долге — необходимости обновить модель управления ресурсами [Conversation History].

2. Граф эмоционального равновесия (-10 Страдание / +10 Радость)

Эмоции здесь рассматриваются как интероцептивный вывод — восприятие качества физиологической регуляции [8, 9].

  • Траектория отклонений: Это визуализация динамики «сюрприза» [10, 11]. Страдание (-10) — это высокая свободная энергия (несоответствие прогноза реальности). Радость (+10) — это минимизация сюрприза и достижение предпочтительных состояний [12, 13].
  • Цель наблюдения: Научить клиента рефлексивному расщеплению (Reflexive Split) — способности наблюдать за траекторией эмоций, не отождествляя их со своей Системой (U.System) [14, 15].

3. Граф бдительности ума и бодрости тела

Эти два графика отражают состояние прецизионности (Precision) — веса, который мозг придает сигналам [16, 17].

  • Бдительность ума (+10 Возбуждение / -10 Вялость): Соответствует уровню внимания как модуляции прецизионности входящих данных [18, 19].
  • Бодрость тела (+10 Перевозбуждение / -10 Усталость): Отражает состояние аллостаза — предвосхищающей регуляции [20].
  • Траектория: Помогает заметить «аберрантную прецизионность», когда клиент придает слишком много значения страхам (возбуждение) или теряет связь с реальностью (вялость) [18, 21].

4. Ролевая карта (Alignment Map)

Это центральный инструмент FPF для поиска «подвисаний» через четырехслотовую грамматику (Who/Can/How/Did) [22, 23].

  • Кто он (U.RoleAssignment): Точно ли назначена роль (маска)? Нет ли «ролевой течи» или конфликта интересов ($ \perp $) [24, 25]?
  • Где он (U.BoundedContext): В каком контексте сейчас находится агент [26]? Смысл действий меняется при смене контекста (например, «Дом» vs «Работа»).
  • Режим (Temporal Duality): Находится ли он в Design-Time ($T^D$) (проектирование, раздумья) или в Run-Time ($T^R$) (исполнение, работа) [27, 28]? «Подвисание» часто случается при попытке менять правила прямо во время бега.
  • Фаза эволюции: На каком этапе канонической петли находится система (Run, Observe, Refine или Deploy) [Conversation History]?
  • Что делает (U.Work): Соответствует ли текущая Работа назначенной роли [28]?
  • Как делает (U.Method): Используется ли верный Метод (инструкция/алгоритм) [29, 30]?

5. Инструменты рационального выхода

Когда диагностика выявила ошибку, клиент использует «законные движения» из Language-state chart [31, 32]:

  1. Reopen (Переоткрытие): Если роль «зависла», мы официально снимаем с неё обязательства и признаем, что нужны новые варианты [31].
  2. SketchBackoff (Откат к эскизу): Если план слишком сложен и вызывает стресс, мы возвращаемся к уровню «слабых сигналов» (Cue Pack) — упрощаем модель до тех пор, пока она не станет понятной [31, 32].
  3. Respecify (Переспецификация): Мы сохраняем цель, но меняем «рамку» (способ реализации или описание роли) [31, 33].
  4. Reflexive Split: Клиент «надевает маску» Рецензента (ReviewerRole) для аудита своего поведения, отделяя себя от ошибки [14, 34].

Такой набор материалов превращает сеанс из «разговора о чувствах» в инженерную сессию по оптимизации генеративной модели, где графики служат телеметрией, а Ролевая карта — чертежом системы [35, 36].

Гейт

Формулировка «право/лево/прямо» можно собрать в одну операционную схему через FEP.

1) «Направо» — дефицит модели/навыка (skill gap).
Сюрприз = предсказательная ошибка (prediction error) локализована в конкретной роли.
Интервенция: обновление политики (policy update) через обучение.
Механика: повышается точность (precision) сенсорных предсказаний за счёт практики; уменьшается вариативность исходов.
Критерий: ошибка исчезает при тренировке именно этой роли; перенос ограничен.

2) «Налево» — несоответствие на уровне self-model/приоров (priors).
Сюрприз повторяется сквозь роли → ошибка не локальна, а структурная.
Интервенция: ревизия генеративной модели (belief update): ценности, идентичность, ожидания о себе/других.
Механика: переоценка высокоуровневых приоров, перераспределение точности между уровнями иерархии.
Критерий: изменения дают кросс-рольный перенос; падает частота «аномалий» в разных контекстах.

3) «Прямо» — допустить ошибку без немедленного обновления (accept / suspend update).
Сюрприз трактуется как допустимый шум.
Интервенция: временное снижение точности приоров («не фиксировать вывод»), накопление данных.
Механика: предотвращение преждевременной переадаптации (overfitting); сохранение гибкости политики.
Критерий: нет достаточного сигнала, чтобы выбрать 1) или 2); цена ошибки низкая; ценность информации от наблюдения высока.

Выбор ветки (минимизация free energy):

  • Если ошибка узко привязана к задаче и быстро уменьшается от практики → 1).
  • Если ошибка устойчива межконтекстно → 2).
  • Если сигнал слабый/дорогие ложные апдейты → 3) как буфер.

Связка с FPF:

    1. аксиома «локальный дефицит компетенции».
    1. аксиома «несогласованные приоры системы».
    1. аксиома «недостаточно данных для апдейта».

Практическая свертка: цикл: detect → classify (локально/глобально/недостаточно данных) → выбрать ветку → проверить по снижению ошибки и переносу.