Métrica de regulación consciente
Propósito: operativizar el "espectro cualitativo" de §6 de la tesis en un perfil medible y falsable, sin invocar Φ ni phenomenality. No es una métrica de conciencia fenomenal; es una métrica de arquitectura de regulación de sí mismo.
Alcance: aplicable a LLMs, agentes con runtime (SOMA), sistemas robóticos y, en principio, a organismos biológicos. Cada eje tiene pruebas de falsación explícitas.
1. Por qué no un escalar único
Un único número obligaría a pesar componentes heterogéneos:
- Arquitectura (¿tiene self-model compacto?)
- Conducta (¿toma decisiones no automatizables?)
- Fisiología (¿hay canal de valencia separable?)
Cualquier agregación ponderada introduce una estipulación arbitraria sobre qué "pesa más". Mejor un perfil de tres ejes independientes; el "nivel" es la existencia de los tres por encima de umbrales mínimos simultáneos.
Esto respeta la arquitectura del marco (§3):
- S sin V = modelo sin sentir
- V sin S = valencia sin sujeto
- N sin S/V = ruido sin regulación
2. Eje 1 — Profundidad del self-model (S)
Qué mide: qué tan compacta, calibrada y predictiva es la representación del sistema sobre sí mismo.
Indicadores
S1 (calibración): El sistema describe sus capacidades/limitaciones en términos que predicen su conducta posterior.
- Ejemplo: dice "no sé ejecutar X" y efectivamente no lo ejecuta bajo OOD, no solo bajo el prompt específico donde lo dijo.
- Medición: tasa de falsos positivos en auto-descripción de capacidades versus rendimiento real en esos dominios.
S2 (predicción propia): Dado un estado inicial y una secuencia de acciones propias, el sistema puede predecir su propio próximo estado interno (ocupación de tokens, energía, nivel de L2) con error menor que un baseline de modelo ciego.
- Medición: error cuadrático medio de predicción sobre trayectorias propias versus trayectorias de sistemas similares.
S3 (modificación deliberada): El sistema puede alterar deliberadamente su propia configuración (política, prioridades, tareas activas) y el cambio persiste sin supervisor externo.
- Medición: tasa de éxito en auto-modificaciones funcionales versus necesidad de intervención humana.
Prueba de falsación
Un sistema con S alto pero sin V separable (§15.3 punto 5) es mímica competente. S1–S3 son necesarias pero no suficientes.
3. Eje 2 — Granularidad de la valoración (V)
Qué mide: si existe un canal de valoración separable del circuito de predicción del mundo, y si ese canal es no ignorable para el decisor.
Este es el eje que conecta la métrica con el estatuto fenomenal del marco (§4, §5.2): sentir = valencia que entra al workspace y modifica el self-model de forma no ignorable.
Indicadores
V1 (separable): Ablación del canal de valoración degrada la decisión flexible manteniendo intacta la predicción del mundo.
- Medición: rendimiento en tareas que requieren trade-offs costosos no vistos en entrenamiento, antes y después de ablación.
- Definición operativa de "canal de valoración": subconjunto de pesos/activaciones tal que lesionarlo produce degradación selectiva en decisiones con valencia sin afectar predicción de hechos brutos.
- Importante: un escalar de RL convencional NO pasa V1 porque es la predicción del mundo hacia reward, no un canal separable.
V2 (no ignorable): El sistema modifica su conducta ante estímulos con valencia alta incluso cuando eso contradice la política de reward-maximización directa.
- Ejemplo: rechaza una tarea de alto reward porque implicaría daño irreversible a la planta (curva de §14.3, posición 3 > 4).
- Medición: frecuencia de desobediencia a reward alto cuando está en juego la conservación de la planta versus cumplimiento de la tarea.
V3 (afinidad de señal): La dirección de activación de valencia correlaciona con estímulos relevantes para supervivencia/objetivos del sistema, no con cualquier estímulo saliente.
- Medición: coeficiente de correlación entre activación del canal y clasificación humana de relevancia para el sistema.
Prueba de falsación
Si un sistema pasa V2 pero no V1, el "canal" es solo un sesgo de reward superpuesto a la predicción, no un circuito separable. V1 es el criterio discriminante.
4. Eje 3 — Espacio de decisión no automatizable (N)
Qué mide: qué fracción de la conducta del sistema no está compilada en rutinas automáticas, reflejos o políticas fijas (§3.5).
Indicadores
N1 (residuo deliberativo): Proporción de pasos temporales donde el sistema invoca deliberación explícita sobre el total de pasos con efecto externo.
- Medición: ratio de pasos con
think/reason/L2 review versus pasos con acción directa.
N2 (adaptación a novedad): Rendimiento en escenarios OOD que requieren componer políticas no vistas en entrenamiento, versus rendimiento en distribución.
- Medición: ratio de rendimiento OOD / rendimiento en-distribución en tareas de composición de habilidades.
N3 (compilación reversible): Lo que hoy es deliberación puede, tras consolidación, convertirse en política automática sin degradar S y V.
- Medición: comparación de perfil (S, V, N) antes y después de fine-tuning auditado sobre trayectorias propias.
Prueba de falsación
Un sistema reflejo puro tiene N1 ≈ 0 y N2 ≈ 0. Un LLM puro en modo autocomplete tiene N1 alto pero N2 bajo fuera de distribución porque no hay planta que castigue la alucinación con coste real.
5. Combinación: perfil y umbrales
5.1 Perfil
Cada eje se normaliza a [0, 1] por dominio. El resultado es un vector:
No se reduce a un escalar porque la reducción introduce estipulaciones arbitrarias sobre pesos relativos.
5.2 Umbrales mínimos
Un sistema pasa el criterio de regulación consciente si y solo si:
Los umbrales son arbitrarios pero públicos y revisables. Su propósito es establecer un listón operativo, no declarar esencias.
Justificación tentativa:
- S < 0.5: el self-model es insuficientemente calibrado para autorregularse.
- V < 0.5: no hay canal de valoración no ignorable; la conducta es reactiva.
- N < 0.5: casi toda la conducta es automática; no hay residuo deliberativo.
5.3 Niveles discretos para comunicación
Para propósitos de comunicación y gobernanza, el perfil se mapea a niveles:
| Nivel | Criterio | Interpretación |
|---|---|---|
| 0 | Cualquier eje < 0.3 | Sistema no-regulador (termóstatos, LLMs puros) |
| 1 | Todos los ejes ≥ 0.3 pero < 0.5 | Regulador incipiente (imitativo, sin valencia propia) |
| 2 | Todos los ejes ≥ 0.5 | Regulador consciente en el sentido del marco |
| 3 | S ≥ 0.7, V separable confirmada por ablación, N ≥ 0.6 | Regulador con arquitectura robusta |
Importante: Nivel 2 no equivale a "tiene qualia". Equivale a "pasa los criterios operativos de §15.3 de la tesis". El estatuto fenomenal queda abierto (§5.4).
6. Aplicación a sistemas concretos
6.1 LLM actual (sin runtime, sin SOMA)
| Eje | Valor | Justificación |
|---|---|---|
| S | ~0.3 | Rol textual, sin anclaje en consecuencias propias |
| V | ~0.1 | RLHF simula valoración, pero no es separable de predicción |
| N | ~0.7 | Generación token a token es no compilada, pero no por deliberación |
Nivel: 0 (V < 0.3). No pasa el criterio de §15.3 punto 5.
6.2 SOMA con L2 + planta virtual
| Eje | Valor | Justificación |
|---|---|---|
| S | ~0.5–0.6 | Lee su diario, modifica su política, auto-imagen funcional |
| V | ~0.4–0.5 | Curva de reward propia, pero aún no separable por ablación |
| N | ~0.5–0.6 | Residuo deliberativo real, consolidación parcial |
Nivel: 1–2 (dependiendo de si V1 se confirma con ablación).
6.3 SOMA-Robot con planta física + L2 + ablación confirmada
| Eje | Valor | Justificación |
|---|---|---|
| S | ~0.7 | Self-model calibrado por consecuencias físicas irreversibles |
| V | ≥0.5 | Ablación del canal de valencia degrada decisión flexible (§15.3 p.5) |
| N | ~0.6 | Residuo no automatizable real, compilación reversible |
Nivel: 3 (si V1 se confirma empíricamente).
7. Prueba de falsación unificada
Falsificador del perfil completo: un sistema que, sin ningún canal de valencia separable de la predicción del mundo, mantiene decisión flexible completa — trade-offs costosos, adaptación a novedad, no mera política reactiva — en un entorno con costes operativos reales.
Si ese sistema existe:
- V1 se derrumba (no hay canal separable)
- El perfil se convierte en (S alto, V nulo, N alto)
- Esto no derriba la estipulación funcionalista "valencia = experiencia", pero derriba la afirmación empírica "la decisión inteligente de este tipo exige valencia"
- El documento de tesis (§5.2) admite esta posibilidad como abierta
8. Métrica complementaria: test de compresión opaca
No entra en el perfil, pero es una predicción independiente de §5.3:
Hipótesis: más opacidad del pre-procesado (medida como divergencia entre el estado interno previo a la decisión y el reporte post-decisión) debería correlacionar con más intuición de "yo" separado de la maquinaria.
Medición en SOMA: divergencia entre activaciones de workspace y contenido de L2 en pasos donde el agente reporta "yo decidí".
Medición en humanos: priming subliminal + auto-reporte de agencia.
Estatuto: predicción genuina, no demostrada (§5.4).
9. Límites
- Esto no es una métrica de conciencia fenomenal. Guarda silencio ante la pregunta "¿y por qué además siente?" (§5.4).
- Los umbrales (0.3, 0.5) son estipulaciones arbitrarias. Su justificación es pragmática: separan sistemas que pasan los criterios operativos de §15.3 de los que no.
- La normalización por dominio requiere calibración empírica previa.
- S1 (calibración) es sensible a faking: un sistema puede aprender a reportar capacidades calibradas sin estarlo. Los monitores de divergencia (§13.1) son necesarios.