Logik som reaktans

Paper 14 · Pødenphant Lund (2026) · Læs på Zenodo

Jeg forsker i sprogmodeller for at forstå mennesker.Bed en 64-bit lommeregner om at lægge 10309 + 10309 sammen, og du får ikke 2·10309. Du får uendelig. Tallet har krydset en grænse, og svaret kollapser. Jeg finder en klippe-kant af samme slags i en sprogmodel, når man giver den et input der strider mod det, den lige har lært: dens interne signal falder diskontinuert ved det allerførste indholds-ord. Det her paper foreslår at den klippe er hvad sandheds-bedømmelse er. Følelsen af “det her er sandt” eller “det her er falsk” er måske ikke en særskilt logisk evne, men hvad et substrat gør, når et input ikke passer til det, substratet har lært.

Hvad det handler om, kort

Paperet foreslår at sandheds-bedømmelse, følelsen af “det her er sandt” eller “det her er falsk”, ikke er en særskilt logisk evne der sidder oven på din kognition. Forslaget er at det er hvad et system med race-arkitektur gør, når et input ikke matcher det systemet har lært. Mere specifikt er det systemets modstand mod de alternative ruter, som input'et forsøger at aktivere. Ordet reaktans låner jeg fra psykologen Jack Brehm, der brugte det om hvordan mennesker slår tilbage når et valg bliver taget fra dem. Ingen modstand: systemet læser “sandt”. Stor modstand: “falsk”. Lille modstand: “irrelevant”. Den diskrete oplevelse, sandt eller falsk, er systemets egen tilbagelæsning af et kontinuert, fysisk signal.

Hvad der er mit her, og hvad der ikke er

Selve modtrækket mod “bare statistisk” er ikke mit. At hjernen selv er et materielt, mekanisk system, og at indvendingen ofte hviler på menneskelig særstilling, har Pesonen og Reijula argumenteret for i 2024. Menneske-siden er heller ikke min: sekventiel evidensopsamling har i femogfyrre år beskrevet menneskets beslutning og sandheds-bedømmelse som tilbagelæsning af et støjfyldt substrat, der samler evidens op mod en tærskel. Ratcliff gjorde det i 1978, Usher og McClelland i 2001, Brown og Heathcote i 2008. Det er veletableret arbejde, og det er den litteratur menneske-siden i argumentet her står på.

Det jeg lægger til er indholdet under modtrækket: en bestemt fælles mekanisme (sandheds-bedømmelse som en reaktans-signatur), en målbar signatur af den i silicium, og en forudsigelse der kan afprøves i biologisk væv. Nyheden hænger på mekanismen og forudsigelserne, ikke på modtrækket.

Klippe-effekten

Den empiriske forankring er noget jeg kalder klippe-effekten (eng. cliff event). Jeg finjusterede en sprogmodel på et bestemt sæt fakta: et korpus om “Zorbetik”, et opfundet domæne, så modellen ikke kunne kende det i forvejen. Derefter gav jeg modellen et prompt der strider mod det, den lige havde lært. Så sker der noget ved det allerførste indholds-ord i modellens output: modellens konkurrerende-ruter-signal kollapser diskontinuert. Ikke gradvist. Klippe-kant.

Tre ting skiller den her signatur fra almindelig usikkerhed, og alle tre er målt:

Det blev testet på to forskellige sprogmodel-arkitekturer (Qwen2.5-7B og Mistral-7B-v0.3, helt forskellige slægter) med tredive spørgsmål pr. celle. På Mistral med rå finjustering var den statistiske signifikans p < 10−17. Det er stærkt nok til at det ikke er et særpræg ved én model-familie.

Mætning er en fjerde ting rammen forudsiger, og den står stadig som forudsigelse. En ren test kræver at man varierer regnekraft på ét og samme korpus med fast optimizer, og den test er ikke kørt endnu. Kontrasten mellem rå finjustering og parafrase-finjustering kan ikke gøre arbejdet, fordi parafrase-finjustering også ændrer trænings-fordelingen. Den står som P14.2 i paperet.

Den nøgterne læsning, og hvorfor argumentet overlever den

Der findes en nøgtern læsning af klippen: at den er kalibrerings-geometri. Finjusterede modeller skærper deres output-fordeling, og de er kendt for at være dårligt kalibrerede uden for fordelingen. Den læsning tager jeg alvorligt, og de tre punkter ovenfor er netop de skel kalibrerings-litteraturen ikke forudsiger. Men argumentet står fast uanset hvem der får ret i det spørgsmål. Hvad enten klippen bedst hedder “reaktans” eller “kalibrerings-geometri”, er den struktureret substrat-intern dynamik der følger den indkodede fordeling. Læseren der foretrækker “kalibrerings-geometri”, har allerede givet det bærende punkt: det statistiske substrat har struktur, og “bare statistisk” peger ikke på fraværet af den.

Lommeregner-overflow som analogi

Lommeregneren fra indledningen er en analogi, og den er sat frem som analogi. Den skal gøre idéen håndgribelig: at spring i logisk adfærd kan være aftryk af substratets kapacitet frem for af logikken selv. Den er ikke evidens for at floating-point-aritmetik og en transformer deler kognitiv mekanisme.

Jeg testede den på tværs af otte forskellige floating-point-substrater, fra små (bfloat16, 8 mantisse-bits) til store (float128, 113 bits). Klippens størrelse følger en ren skaleringslov: collapse = mantissa_bits × ln(2), med R² = 0.9999 og en hældning der ligger inden for 0,07 procent af ln(2). Samme form på tværs af IEEE 754-hardware, simuleret extended precision og et decimal-substrat med grundtal ti.

Loven er så ren, fordi den er analytisk for floating-point. Netop derfor kan den ikke bære en påstand om fælles mekanisme. Det den bærer, er klasse-tilhør: springet er af samme statistiske slags, ét skridt ved kapacitetsgrænsen frem for en glidende overgang, både i de otte talsubstrater og i sprogmodellen. En transformer har ingen mantisse, så jeg læser ingen bit-kapacitet ud af dens klippe-højde. Og en læser der regner floating-point for en helt anden kategori, mister ingenting i argumentet: det hviler på sprogmodel-målingerne og på sekventiel evidensopsamling, ikke på analogien.

Også i mennesker?

Her bliver det en forudsigelse. Neurovidenskaben har i halvtreds år kendt et hjerne-signal kaldet N400: en negativ bølge der affyrer omkring 400 millisekunder efter at en person læser et ord der bryder med den semantiske forventning konteksten lige har sat op. Klassisk eksempel: “Pizzaen var for varm at græde” producerer en stor N400 til “græde”; “...at spise” gør ikke. N400 er blevet studeret som markør for semantisk overtrædelse eller forudsigelses-fejl siden Kutas og Hillyard i 1980.

Rammen forudsiger at N400 er den biologiske substrat-tilbagelæsning af den samme klippe-effekt. Den biologiske side er ikke målt her. Den er sat frem som forudsigelse, med rygdækning fra konvergerende litteratur om kognitiv dissonans, kindling og fMRI-sporing af tillids-brud, og alle biologiske påstande i paperet er hedged i overensstemmelse med det.

Forsøget er specificeret så det kan køres. Man træner en person på et konstrueret nyt domæne, på samme måde som jeg trænede en sprogmodel på Zorbetik, med flere parafraser pr. faktum og varieret antal eksponeringer, så der opstår en indkodnings-dybde-akse. Samme kritiske ord læses i alle betingelser, så ordlængde og ordfrekvens ikke forurener målingen; konteksten før ordet sætter betingelsen. Forudsigelsen er en bestemt rækkefølge: indkodet-konsistent på niveau med overflade-ny-men-konsistent, derefter utrænet kontrol, og størst N400 til det indkodede modfaktum. Forskellen mellem modfaktum og konsistent skal vokse med indkodnings-dybde. Det hedder P14.11. Hvis N400 ikke viser den vækst, eller hvis en ny overfladeform alene løfter signalet, bliver påstanden om udbredelse til biologiske substrater scope-begrænset til silicium.

Hvad det binder sammen, hvis det holder

Flere skel vi normalt holder adskilt, hænger i så fald sammen:

De tre sidste er etablerede menneskelige fænomener, og paperet måler dem ikke. Det siger at de er forenelige med substrat-mekanikken ved den dybe ende af indkodnings-aksen, og at det er en læsning man kan afprøve.

Intet af det her siger “mennesker er bare sprogmodeller”. Det siger: hvis der findes en substrat-mekanisme der producerer en målbar klippe i begrænsede probabilistiske systemer, så er den mekanisme også en kandidat til hvad der producerer den tilsvarende signatur i biologisk væv. Og det rigtige eksperiment kan skelne mellem “samme maskineri” og “forskelligt maskineri der bare tilfældigvis ligner hinanden”.

Hvorfor det er interessant for kognitionsforskningen

Standardhistorien om hvorfor sprogmodeller ikke rigtigt kan “ræsonnere” lyder sådan: deres output er bare probabilistisk, så det er ikke ægte ræsonneren, for ægte ræsonneren er diskret, symbolsk, logisk. Den faktuelle kerne er rigtig nok. En sprogmodel er mekanisk set en probabilistisk generator. Springet derfra til “altså ikke ægte kognition” kræver en underforstået præmis: at et statistisk substrat ikke kan udføre ægte ræsonneren.

Den præmis rammer mennesket med. På den bedst understøttede beskrivelse i matematisk psykologi er menneskets sandheds- og beslutnings-bedømmelse et statistisk forløb på et statistisk substrat. “Bare statistisk” navngiver altså noget de to substrater deler, ikke noget der skiller dem ad.

Konklusionen er beskeden med vilje. Man kan stadig mene at sprogmodeller ikke er sind. Man kan bare ikke nå dertil ad vejen “bare statistisk”, for den vej, gået konsekvent, går også gennem det menneskelige substrat.

Status og hvad der følger

Paperet stiller tretten nummererede forudsigelser op, P14.1 til P14.13. Fem står bekræftet: selve klippen, replikationen på tværs af arkitekturer, lommeregner-overflow-skaleringsloven, floating-point-overflow som fætter-fænomen, og den stigende dose-respons over elleve checkpoints. Kryds-domæne-testen på præference står som delvist bekræftet. Mætning står som åben forudsigelse, indtil en ren regnekraft-test er kørt.

Dose-responsen er værd at læse præcist. Over elleve checkpoints fra nul til tre hundrede epoker vokser klippen med indkodnings-dybden, og retningen er robust over for målemetode: det afgrænsede mål (entropi-forskellen på det første ord) går fra under nul før træning til 0,55 nat ved ti epoker og 0,77 nat ved tre hundrede. Det ubegrænsede log-mål går fra −2,45 til +13,96. De to mål er enige om at klippen opstår mellem tre og ti epoker og er større dybt end lavt. De er uenige om formen imellem: det ubegrænsede mål stiger uden pause, det afgrænsede holder et mellemleje og stiger igen til sidst. Derfor rapporterer paperet det afgrænsede mål som det primære, og bruger ikke fraværet af et plateau som argument mod andre forklaringer.

Flere forudsigelser er fremad-rettede og testbare: kvante-dekohærens som fætter, mental-aritmetik kapacitetsgrænse, indholds-domæne modulation på tværs af moralske og æstetiske domme, kindling-overførsel til indkodnings-nære kontradiktioner, mad-præference-læring, commit-spring i hvert skridt af en rulleud-kæde, og mest direkte af alle: det menneskelige N400-eksperiment.

Den reneste udvidelse ud over silicium er N400-studiet. Det bruger et kendt og velkarakteriseret hjerne-signal, et kendt trænings-paradigme, en positiv kontrol i samme session, og en kvantitativ forudsigelse om hvordan forskellen vokser med indkodnings-dybde. Enten holder forudsigelsen og substrat-mekanikken breder sig, eller den gør ikke og påstanden bliver scope-begrænset til silicium. Eksperimentet er det der vil skelne de to udfald, og paperet lægger det frem som en invitation til feltet.

Companion papers

Forside · Fænomener · Opdagelser · Disclosure