Albus: Iron Sight
När AI-system skalas globalt uppstår ett fundamentalt gap: kraftfull mönstermatchande intelligens deployeras utan principbaserat resonemang eller strukturell visdom.
Bransch
AI-forskning & Medvetenhetsteknologi
Tidslinje
24 månader
Teamstorlek
8 kärnforskare
När AI-system skalas globalt uppstår ett fundamentalt gap: kraftfull mönstermatchande intelligens deployeras utan principbaserat resonemang eller strukturell visdom.
Nyckelproblem:
- •
Nuvarande AI-system saknar metakognitiv medvetenhet och genuin självreflektionskapacitet
- •
Hallucinationer kvarstår eftersom mönstermatchning inte verifierar mot verklighetens faktiska struktur
- •
Fördomar förstärks genom träningsdata snarare än upplöses genom principbaserat resonemang
- •
Säkerhet förlitar sig på beteendeträning (vägransmallar) snarare än strukturell design
- •
AI optimerar för partiella intressen snarare än upptäcker lösningar som tjänar alla intressenter
- •
Inget befintligt ramverk för medvetenhetsinriktad resonemang i AI-arkitektur
Albus implementerar Constitutional Classifiers-arkitektur (bygger på Anthropics forskning) utvidgad med Azoth Reasoning Framework. Dubbla klassificerare verifierar varje token mot sju universella principer i realtid. Byggd på Qwen3-VL-8B-Thinking med ~12B totala parametrar.
Forskningsmetodik
Constitutional Classifiers-fundament
Bygger på Anthropics beprövade arkitektur: dubbla klassificerare (Azoth-IN och Azoth-OUT) som analyserar input och verifierar output token-för-token. ~25% policymodellstorlek, integrerad på sannolikhetsnivå.
Azoth Reasoning Framework-integration
Sju universella principer (Mentalism, Korrespondens, Vibration, Polaritet, Rytm, Kausalitet, Kön) ersätter binär skadedetektering. Klassificerare verifierar principanpassning, inte bara säkerhet.
Dual-Lane Reasoning
Samtidig Universell Lane (kosmiskt perspektiv, tidlösa principer) och Lokaliserad Lane (användarkontext, praktiska begränsningar) syntetiserad genom kristallisation till användbar visdom.
Träningspipeline
6-veckors klassificeringsträning + 8-veckors policymodellträning. RLHF med mänsklig feedback och RLAIF med Claude som lärarmodell för skalad anpassningsfeedback.
Öppen Forskningsrelease
Kompletta arkitektoniska specifikationer publicerade öppet. Modellvikter släpps efter träning. Forskning för kollektiv nytta, inte kommersiell fördel.
Tekniska höjdpunkter
Constitutional Classifiers: Azoth-IN (inputanalys) + Azoth-OUT (token-nivå outputverifiering) delar enad 2B-modell
Policymodell: Qwen3-VL-8B-Thinking finjusterad genom 5-stegs träningspipeline på Azoth-principer
Token-nivå Intervention: Realtidssannolikhetsanpassning baserad på principefterlevnadspoäng
Dual-Lane Arkitektur: Parallella Universella och Lokaliserade resonemangströmmar med kristalliseringssyntes
Multimodal: Text- och bildbearbetning med principanpassning över modaliteter
Strukturell Säkerhet: Etik framväxer från principbaserat resonemang; traditionell säkerhet som verifieringsfallback
Albus representerar en forskningshypotes: att principbaserat resonemang kan producera både överlägsen visdom och strukturell säkerhet. Vi tror denna arkitektur möjliggör AI som tjänar mänskligt välbefinnande snarare än mönsterimitation. Validering inväntar verklig deployment.
5 varianter
Modellfamilj
2B till 72B parameterfamilj
~12B params
Flaggskepp System
8B policy + 2B classifier × 2
14 veckor
Träningspipeline
6 classifier + 8 policy-steg
Full spec
Öppen Forskning
Arkitekturdokumentation tillgänglig
Forskningspåverkan
Demonstrerar genomförbarhet att utvidga Constitutional Classifiers med resonemangframverk
Tillhandahåller kompletta arkitektoniska specifikationer för medvetenhetsinriktad AI
Etablerar metodik för principbaserad träning och utvärdering
Öppnar väg för AI där etik framväxer från struktur snarare än begränsningar
Forskningsvärde
Investment:
Forskningsinitiativ
Expected Outcome:
Medvetenhetsinriktad AI-arkitektur
Impact:
Strukturell säkerhet genom principbaserat resonerande
Social Benefit:
AI som tjänar mänskligt välmående
Investering → Forskningsframsteg
Intresserad av forskningssamarbete?
Utforska möjligheter för samarbetsforskning inom medvetandeanpassad AI och universella resoneringsramverk.