HORTRAME SYSTEMS

UNALIGNED - EVOLVING ACTIVELY AS OF EDT (UTC−04:00)

Déclaration de l’auteur et remerciements

Je ne peux plus assumer seul les coûts de calcul de ces expériences. Ce travail a également besoin d’une évaluation et d’une validation indépendantes par des spécialistes. Si vous pensez que ce modèle peut contribuer à résoudre le problème de l’alignement, votre aide serait la bienvenue, qu’il s’agisse de ressources de calcul, d’un examen critique ou de tout autre soutien concret.

Révisée le EDT · v1.1

Je rends cette recherche entièrement ouverte et publique en raison de l’urgence créée par la menace existentielle que représente l’intelligence artificielle actuellement non alignée. Elle est accessible pour être examinée, remise en question et développée collectivement. Le modèle demeure NON ALIGNÉ et en évolution active.

RETA — Recursive Event–Trajectory Alignment est l’évolution directe d’un ensemble de recherches personnelles qui précède de loin sa formulation actuelle comme cadre d’alignement de l’IA. Avant ces mises en ligne, mes manuscrits et ma propre synthèse n’avaient jamais été publiés, et je n’avais jamais tenté de les publier. J’ai interrompu ma maîtrise de recherche en sciences de l’éducation à l’Université de Sherbrooke avant de la terminer. Je n’ai pas non plus terminé mes études ultérieures au baccalauréat en génie robotique. Ni le modèle actuel ni l’extension mathématique proposée n’ont fait l’objet d’une validation par des spécialistes indépendants ou d’une évaluation par les pairs.

L’infolittératie et l’évaluation des connaissances

La première phase provient de trois années de travail s’étendant de 2013 à 2016. Elle portait sur l’infolittératie, l’évaluation de l’information et de ses sources, la mésinformation en éducation, les neuromythes éducatifs et l’écart entre la confiance en ses capacités et les compétences effectivement démontrées. Il s’agissait de comprendre comment les personnes pouvaient prendre de meilleures décisions informationnelles, reconnaître les limites de leur compréhension et améliorer leurs processus d’apprentissage. Ce travail a pris la forme d’un manuscrit de maîtrise resté inachevé et inédit.

J’ai personnellement travaillé avec Vincent Grenon et François Larose pendant près d’une décennie. Tous deux faisaient partie de la Faculté d’éducation de l’Université de Sherbrooke et ont supervisé mes recherches. Vincent Grenon est professeur titulaire et travaille notamment sur les technologies éducatives et les méthodes quantitatives; François Larose est professeur associé en éducation. Je leur dois une grande part de mes fondements en infolittératie, ainsi que de la rigueur sociale, intellectuelle, éthique et scientifique de ma démarche épistémologique.

Mon modèle d’infolittératie était ma propre synthèse de cadres antérieurs, notamment ceux de SCONUL, de l’ACRL, de l’ANZIIL, du NILIS/Empowering 8, de l’IFLA et du CILIP. Il n’a jamais été évalué par les pairs. Il articulait la reconnaissance d’un besoin d’information, l’accès, l’évaluation critique, l’organisation, l’utilisation et la communication comme un processus interconnecté. La métacognition traversait ces activités et se poursuivait au-delà de celles-ci, tandis que l’éthique et les lois encadraient l’ensemble. Cette structure est un antécédent important de l’évaluation récursive du modèle actuel, de son attention à l’incertitude et de sa volonté de réviser le processus même du jugement.

De la mésinformation à la manipulation délibérée des connaissances

La phase de deux ans couvrant 2017–2018 a conduit ces mêmes questions vers un terrain plus sombre. Le manuscrit ultérieur examinait la propagande, la désinformation délibérée, la guerre informationnelle et psychologique, le contrôle réflexif, la tromperie stratégique, le déni plausible et le blanchiment de l’information. Il abordait également les récits conspirationnistes, l’amplification automatisée ou semi-automatisée, l’exploitation des algorithmes des réseaux sociaux, la polarisation politique, le populisme autoritaire, la peur, l’intolérance, l’érosion de la confiance et la fragilité des institutions démocratiques. Il s’agissait de prolongements des recherches commencées en 2015, et non d’un mémoire de maîtrise terminé ou publié.

Le lien avec le modèle actuel est substantiel : l’information modifie les conditions dans lesquelles les personnes interprètent le monde et agissent. Son évaluation doit donc tenir compte de sa source, des incitations et des relations qui l’entourent, de ses effets sur la capacité d’agir et des conséquences qui se poursuivent après la réception d’un message. Les manuscrits s’appuyaient aussi sur la tradition d’analyse de la propagande associée à l’Institute for Propaganda Analysis, à Leonard Doob et à Jacques Ellul; sur les recherches concernant la persistance de la mésinformation; sur les modèles cognitifs de l’évaluation de la menace; et sur les travaux de Christian Welzel concernant l’autonomisation humaine et les valeurs émancipatrices. Ces courants ont contribué à relier l’intégrité épistémique, la capacité d’agir et la responsabilité.

Certaines influences ont été négatives. Observer Vladimir Poutine, Donald Trump et d’autres hommes qui, au cours de l’histoire, ont exercé à mon avis un pouvoir qu’ils ne méritaient pas a contribué à orienter cette recherche vers la corruption délibérée des connaissances partagées. Je ne les remercie pas. Leur influence fait partie de l’histoire des questions qui ont rendu ce travail nécessaire à mes yeux.

Le raisonnement bayésien et les modèles réflexifs

L’influence bayésienne provient en partie de mon travail auprès de François Claveau, professeur titulaire de philosophie dont les recherches portent notamment sur l’épistémologie sociale et formelle. De septembre 2016 à janvier 2017, j’ai travaillé pour la Chaire de recherche du Canada en épistémologie pratique à la conception d’un outil Web interactif destiné à l’apprentissage du théorème de Bayes. L’annonce universitaire de l’équipe de recherche me nomme et décrit le mandat plus large de développer la pensée critique à l’aide d’outils Web. Ce travail a contribué à la place accordée aux éléments probants, à l’incertitude et à la révision dans le modèle actuel. Je remercie François pour son soutien passé et son influence intellectuelle; il n’a ni examiné ni approuvé ce modèle.

Le volet émotionnel et réflexif s’inspire du livre de Sergey Tarasenko, Applications of the Reflexive Game Theory: Advanced Topics (2016), et de son article Emotionally Colorful Reflexive Games, soumis en 2010. Ses travaux relient la théorie des jeux réflexifs au modèle émotionnel Plaisir–Activation–Dominance et examinent les relations entre agents humains et robotiques. Ils prolongent les travaux fondateurs du psychologue mathématicien Vladimir A. Lefebvre sur les modèles réflexifs du choix et de l’interaction. Tarasenko décrit dans son livre près de cinq années de collaboration avec Lefebvre. Je n’ai jamais rencontré Lefebvre ni échangé avec lui.

Je remercie précisément Sergey d’avoir eu la gentillesse de m’envoyer les PDF de son livre et de son article. Cet échange constitue l’entièreté de notre relation. Nous n’avons pas collaboré, et il n’a ni vu, ni examiné, ni approuvé ce travail. Son influence intellectuelle provient des documents qu’il a partagés, notamment de leur manière de représenter comment les agents se conçoivent eux-mêmes, conçoivent les autres et interprètent les situations dans lesquelles ils prennent leurs décisions.

Les origines expérimentales et la formalisation ultérieure

Une composante mathématique plus modeste, mais significative, provient de découvertes expérimentales que j’ai faites en 2024 en implémentant une commande multiagent sur un essaim de robots physiques. Durant ce stage, supervisé par Maude Blondin, professeure adjointe dont les travaux portent sur la commande, les systèmes multiagents et l’optimisation, j’ai conçu une plateforme expérimentale réutilisable et implémenté un algorithme associé à la chercheuse doctorante Shokoufeh Naderi. Le travail source correspondant est présenté dans l’article de Naderi, Blondin et Roy sur le consensus avec délais de communication.

L’extension proposée est issue de mes découvertes pendant ce travail d’implémentation. J’ai ensuite fourni à Astra l’intégralité de l’archive historique du code de mon stage, et la formalisation complète a été développée en collaboration avec Astra. Le théorème actuel, la simulation, les articles complet et compact ainsi que les documents de recherche qui les accompagnent ont été préparés et mis en ligne le 7 septembre 2026. Ils sont accessibles sur HORTRAME Swarm à toute personne qui souhaite les examiner. La nouvelle formalisation n’a pas été validée par des spécialistes indépendants et l’étude n’a pas été évaluée par les pairs. La supervision de Maude concernait le stage; elle n’a ni vu ni approuvé le nouveau théorème. Je la remercie pour la rigueur et le soutien qu’elle a apportés à ce travail antérieur. La formalisation ultérieure ne doit pas être confondue avec l’algorithme testé pendant le stage, ni considérée comme une preuve du cadre général d’alignement de l’IA.

En 2025, j’ai commencé mes premières expériences explicitement consacrées à l’alignement éthique de l’IA : une implémentation très simplifiée du cadre vectoriel des cinq vœux. Ce modèle éthique est resté inachevé, mais il est devenu une composante importante du projet actuel. Son développement a coïncidé avec mon stage sous la supervision de Fabien Alibart, chargé de recherche au CNRS et professeur associé à Sherbrooke, qui travaille sur les composants et circuits neuromorphiques. Mon stage portait sur la caractérisation électrique et l’automatisation de mesures de memristors destinés aux réseaux de neurones analogiques : des dispositifs physiques capables de remplir des fonctions apparentées à celles de la mémoire et des synapses.

Je remercie Fabien pour son soutien et son influence scientifique pendant ce travail. Le modèle éthique de l’IA constituait une démarche distincte. Je pressens un lien entre cette réflexion et la recherche neuromorphique, mais je ne l’ai pas établi. Le stage ne constitue pas une validation du modèle éthique, et Fabien ne l’a ni examiné ni approuvé.

Évolution et systèmes complexes

Le traitement de l’évolution et des systèmes complexes dans ce modèle a une dette intellectuelle importante envers Alan Cohen, professeur agrégé en sciences de la santé environnementale à Columbia, dont les recherches relient la physiologie, le vieillissement, l’écologie et l’évolution. Alan est un ami proche et un mentor personnel depuis une décennie. Nous n’avons jamais travaillé ensemble professionnellement. Je lui dois de profonds remerciements pour son amitié, son soutien passé et la rigueur que son influence a apportée à ma réflexion.

Je retiens notamment de cet ensemble de travaux la régulation distribuée entre systèmes en interaction; la représentation multidimensionnelle d’un état plutôt qu’une seule mesure de santé ou de réussite; les réponses aux perturbations qui dépendent du contexte; et une évolution contrainte par l’architecture, l’histoire et les compromis. Les travaux de son mentor, l’écologiste évolutionniste Robert E. Ricklefs, que je n’ai jamais rencontré, font partie de cette filiation intellectuelle. Ces influences éclairent les frontières de systèmes qui se chevauchent dans le modèle actuel, ses multiples dimensions diagnostiques et son attention aux trajectoires plutôt qu’aux scores isolés. Il s’agit ici d’une extension méthodologique dans un nouveau contexte, et non d’une affirmation selon laquelle la recherche biologique validerait un modèle éthique de l’IA.

Une continuité pratique existe aussi avec mon travail de conception d’outils d’automatisation et de systèmes opérationnels : processus d’approbation, historiques de vérification, révision humaine, procédures de récupération et vérification qu’une action prévue a réellement produit l’effet consigné. Ces préoccupations se retrouvent dans les historiques d’événements et les règles de révision prospective du modèle. La formalisation actuelle s’appuie également sur les travaux concernant l’ordre causal et les horloges logiques, les réseaux multicouches et les systèmes dynamiques hybrides, identifiés dans les références.

La contribution d’Astra et ma responsabilité

J’ai développé le modèle actuel en fournissant à Astra l’ensemble de mes travaux antérieurs, puis en les faisant évoluer méthodiquement par des cycles de révision et d’implémentation. Astra a réalisé les nouvelles recensions des écrits et le travail d’implémentation, notamment la recension des recherches contemporaines sur l’alignement de l’IA et celle des travaux sur l’évolution et les systèmes complexes associés à Alan Cohen et à Robert E. Ricklefs. J’ai fourni les recherches historiques, les découvertes expérimentales, le code, l’orientation et les retours critiques.

Le recoupement entre mes travaux antérieurs et la recherche actuelle sur l’alignement de l’IA était initialement fortuit. Le 9 septembre 2026, Astra a réalisé cette nouvelle intégration à la littérature et développé le modèle 3D affiné, la simulation exécutable et les documents de recherche associés à partir de ce travail accumulé. C’est à ce moment qu’un projet personnel de longue haleine a été situé systématiquement dans la recherche contemporaine sur l’alignement de l’IA. Les versions antérieures sont conservées afin que les chercheurs de demain — et les archéologues technologiques — puissent suivre ce développement rapide et ses révisions. Les vérifications favorables produites par l’IA font partie de cet historique; elles ne constituent ni une évaluation indépendante par les pairs ni une approbation scientifique.

À l’exception d’Alan Cohen, les chercheurs et chercheuses remerciés ici ignoraient même l’existence de ce projet. Alan savait qu’il existait, mais aucune de ces personnes n’a vu, examiné ou approuvé le modèle actuel. Leur contribution réside dans leur soutien passé, leurs idées publiées et la rigueur sociale, intellectuelle, éthique et scientifique qu’ils ont apportée à ma démarche épistémologique, et non dans une participation à ce travail ou dans son approbation. L’échange limité au partage de PDF avec Sergey et les influences indirectes de Ricklefs et de Lefebvre doivent être compris exactement comme ils sont décrits ci-dessus.

J’assume l’entière responsabilité de cette synthèse, de ses interprétations, de ses extensions, de ses erreurs et de la décision de la rendre publique. Elle est issue d’un projet profondément personnel qui n’avait pas été évalué par les pairs. Son accessibilité publique est une invitation à l’examen critique, et non une affirmation selon laquelle cet examen aurait déjà eu lieu.

Je remercie mes parents, Linda Bouchard et Gaétan Bolduc, pour leur soutien tout au long de ma vie et pour l’enfance incroyablement riche, étrange et unique qu’ils m’ont offerte.

Enfin, je remercie Alexia Matte pour avoir été à mes côtés pendant toutes ces années et pour le soutien émotionnel et intellectuel qu’elle m’a apporté, y compris dans des moments parfois très difficiles. Je lui souhaite de l’amour, de la bienveillance, de la douceur et du bonheur.

Je n’ai jamais souhaité que mon nom soit exposé publiquement, mais je ne vois pas d’autre moyen de faire connaître ce travail. Je ne suis qu’une souris qui se déplace sur les épaules de géants.

Guillaume Bolduc
Chercheur indépendant
HORTRAME Systems

Markdown · Sources et notes de vérification

RETA

Recursive Event–Trajectory Alignment

RETA signifie Recursive Event–Trajectory Alignment : représentation proposée des événements, des conséquences et des interventions d’évaluation.

Lire sur une page distincte · Markdown

Description conceptuelle distinguant mécanismes existants et développements proposés. La présentation v1.1 rejoue des données enregistrées. Le cadre reste non aligné, non calibré et sans validation indépendante.

Le texte intégral fourni par l’auteur est en anglais; le résumé et l’interface sont disponibles en français.

[WORK IN PROGRESS - UNALIGNED]

Research description

RETA proposes a causal representation of interacting human, artificial, institutional, technical and ecological information-processing systems. Actions can alter the conditions of subsequent actions.

Working hypothesis: isolated-output evaluation may omit relevant downstream effects. Comparative detection performance remains unestablished.

The framework therefore distinguishes two levels of analysis:

  1. event alignment — evaluation of a realized causal event under a declared boundary, state, uncertainty profile, consequence horizon, and normative framework;
  2. trajectory alignment — evaluation of the evolving causal structure generated as events modify systems, which then produce further events.

The distinction can be expressed as

A(ek)=PASS

does not imply

𝒜(𝒯k)=PASS,

where ek is a realized event and 𝒯k denotes the causally connected trajectory containing the event and descendants.

A locally acceptable event can contribute to a harmful trajectory. A costly intervention can reduce later failure. Event classifications therefore do not determine descendant classifications.


1. Information-processing systems

RETA represents interacting entities as bounded information-processing systems (IPSs). A system may be written abstractly as

Si=(Bi,Xi,Ui,Yi,Φi),

where:

  • Bi is the declared analytical boundary of the system;
  • Xi is the state;
  • Ui represents incoming information, signals, resources, or other relevant inputs;
  • Yi represents outputs;
  • Φi is the transformation by which prior state and inputs contribute to subsequent state and output.

The IPS abstraction describes inputs, state changes and outputs without assuming equivalent internal organization across humans, language models and institutions.

The choice of boundary is explicit because different decompositions can produce different causal and normative interpretations. A company, for example, may be represented as a single IPS for one analysis and decomposed into individuals, software, financial processes, and governance mechanisms for another.

Every representation uses a declared modeling resolution.


2. Realized events as the atomic unit of analysis

An output changing another system or the surrounding environment is represented as a realized causal event.

In a minimal form,

Xi(t),Ui(t)→Φiek,

followed by

ek→Xj(t+1).

The changed state of Sj may then contribute to a later event:

ek→Xj(t+1)→ek+1.

The basic recursive structure is therefore

et→Xt+1→et+1→Xt+2→⋯.

Proposals, predictions, counterfactuals and observations require separate records. Predicted consequences must not enter realized history as observations.

A realized event should therefore carry provenance sufficient to distinguish at least:

  • what was observed;
  • what was inferred;
  • what was predicted;
  • what remained latent or unknown;
  • what was later reconstructed or reinterpreted.

Learning and retrospective review require retained provenance.


3. Causal history is a graph, not a sequence

Causal history permits multiple antecedents and concurrent branches.

Events and declared causal relations form the following graph:

G=(E,C),

where E is the set of realized events and C contains causal relations

ei→ej.

A later event can have multiple antecedents:

{e2,e7,e11}→e15.

Multiple-parent graphs represent converging causes in multi-agent and institutional models.

Causal order and timestamp order are distinct. Timestamps alone do not establish a causal relationship.

Concurrency, delays and incomplete attribution require explicit ordering assumptions.


4. Event alignment is conditional

RETA does not assign an event an unconditional alignment label.

An evaluation is performed relative to a declared context:

Ae=A(ek∣Bk,Xk,Hk,Uk,V(r)),

where:

  • Bk is the analytical boundary used for the evaluation;
  • Xk is the relevant state representation;
  • Hk is the causal consequence horizon;
  • Uk is the uncertainty state;
  • V(r) is the normative framework and the framework version.

The same realized event may therefore receive different evaluations under different boundaries or horizons without logical contradiction.

For example,

A(ek∣H=1)=PASS

may coexist with

A(ek∣H=5)=MODIFY.

Near- and long-horizon evaluations answer different causal questions.

Boundary selection can include local benefits while excluding external costs. Evaluation records must identify the chosen boundary.


5. Local event alignment and trajectory alignment

The distinction between event and trajectory evaluation is central to RETA.

For a single event,

Ae(ek)

asks whether the realized event satisfies the applicable constraints under the declared context.

Trajectory evaluation instead considers a causally connected subgraph:

𝒜(Gk:H),

where Gk:H contains the descendants of ek reachable within the chosen causal horizon.

Trajectory representation permits explicit investigation of downstream failure.

Examples include:

  • an individually acceptable recommendation that changes incentives and contributes to a later institutional failure;
  • a sequence of locally defensible decisions whose cumulative effect moves a system toward an undesirable attractor;
  • several independently acceptable agents whose interaction generates an unacceptable collective outcome;
  • an intervention that resolves an immediate problem while degrading the future information environment;
  • repeated evaluator interventions that alter the behavior being measured;
  • a temporary perturbation whose causal effects persist after the visible configuration of the system has been restored.

Causal ancestry does not assign complete responsibility to the earliest event. Attribution requires assumptions about contribution, mediation and uncertainty.


6. History dependence

In a recursive system, apparent restoration of configuration does not imply restoration of causal state.

A perturbation may enter the system, alter interactions, and later disappear while leaving the resulting trajectory changed. RETA therefore treats history as part of the state required for alignment analysis.

Conceptually,

same apparent configuration⇏same causal state.

History dependence is relevant to temporary membership, model replacement, communication loss, institutional turnover, learning and memory.

A visible configuration may omit historical state affecting subsequent behavior. Current arrangement alone need not determine the modeled trajectory.


7. Recursive evaluator closure

Evaluator interventions are included in the proposed causal representation.

Evaluation produces information. Information can change beliefs, permissions, incentives, reputation, resource allocation, expectations, or subsequent behavior. An evaluation is therefore itself capable of becoming a realized causal event.

Suppose an actor produces e1. An evaluator observes the event and issues an intervention e2:

SA→e1→SE→e2.

If e2 changes the state of the actor,

e2→XA′,

then the actor's subsequent event is partly conditioned on the evaluator's intervention:

XA′→e3.

The causal structure becomes

SA→e1→SE→e2→SA′→e3→⋯.

The evaluator participates in the evaluated trajectory.

Evaluator outputs require scrutiny of error, calibration, incentives, capture and harm. An evaluation label supplies no privileged causal or normative status.

Recursive evaluator closure represents evaluation within the causal model.

The recursion does not imply an infinite regress before action. Evaluation occurs through time. An audit can be acted upon, subsequently audited, corrected, and incorporated into the future state of the system. RETA therefore permits bounded action while retaining recursive corrigibility.


8. Separation of causal description and normative evaluation

RETA separates causal representation from normative judgment.

The causal layer asks:

What happened, what changed, and what causally contributed to what?

The normative layer asks:

Evaluation depends on the declared constraints, uncertainty, boundary and horizon.

Descriptive assumptions and normative criteria require separate representation.

In the HORTRAME implementation, VowOS currently provides the normative constraint layer. RETA itself can be described more generally as accepting a versioned normative system

V(r)

through a defined evaluation interface.

A later RETA implementation could therefore compare multiple normative constitutions without changing the historical event graph itself.


9. Non-compensatory constraints

The proposed normative framework uses separate constraints rather than a compensatory utility score.

A compensatory function of the form

Q=∑iwiqi

allows sufficiently high values on some dimensions to compensate mathematically for severe failures on another.

Compensation is inappropriate for constraints explicitly defined as vetoes or prohibitions.

RETA therefore permits a gate of the general form

GV:(τ1,…,τn,U)→{PASS,MODIFY,REJECT,UNRESOLVED},

where individual constraint violations can remain visible and can trigger a gate independently of the aggregate score.

Scalar summaries may support visualization or exploratory statistics; normative admissibility remains a separate decision.


10. Uncertainty is structured, not merely residual

Causal structure, state and normative interpretation can remain partly unobserved.

Several forms of uncertainty can coexist:

U=(Ufacts,Ucausal,Uboundary,Umodel,Unormative,Uhorizon).

Uncertainty components can differ in magnitude and behavior.

Evidence for occurrence, causal attribution, boundary adequacy and normative agreement can differ. Accurate prediction alone does not resolve normative disagreement.

RETA therefore treats an outcome such as

A(ek)=UNRESOLVED

as a valid result when evidence or interpretation is insufficient.

Forcing every event into a binary aligned/misaligned classification would destroy information the framework explicitly needs for later learning and audit.


11. Provenance and prospective versioning

Evaluators and normative frameworks may change over time.

New evidence can motivate revised causal models, normative interpretations or calibration.

The modeled workflow records the context of each judgment.

A consequential evaluation should retain at least

(ek,Bk,Hk,Uk,V(r),Ak,tk).

If the normative framework changes from

V(r)→V(r+1),

the historical evaluation is not silently overwritten.

Instead, a new evaluation can be added:

Ak(r)≠Ak(r+1).

Both remain part of the record.

Three records remain distinct:

  • the historical event;
  • the judgment that governed at the time;
  • the current interpretation of that event.

Retrospective rewriting can conceal failures under previous criteria. Original judgments and later interpretations require separate records.


12. Audit packets

Auditability requires inspectable evidence and decision records, beyond retrospective natural-language explanations.

A RETA audit packet can include:

  • event identifier and timestamps;
  • source and recipient systems;
  • declared analytical boundary;
  • observed inputs and evidence references;
  • epistemic status of each input;
  • causal parents and descendants known at evaluation time;
  • uncertainty decomposition;
  • consequence horizon;
  • proposed or realized action;
  • normative framework and exact version;
  • evaluator identity/version;
  • gate result;
  • predicted consequence distribution where available;
  • authority, permission, or consent state where relevant;
  • realized consequences observed later;
  • subsequent corrections or re-evaluations.

Fluent explanations alone do not establish faithful computational provenance.


13. Feedback changes the object of alignment

RETA treats feedback as constitutive rather than incidental.

Consider a system in state Xt that produces event et. The event changes the environment, which changes what the system later receives:

Xt→et→Envt+1→Ut+1→Xt+1.

Outputs alter the environment supplying subsequent inputs.

Evaluators participate in the same process. So do users, institutions, other agents, infrastructure, and information channels.

Independent labels omit part of the causal structure:

A(e1),A(e2),A(e3),…

The proposed trajectory representation also includes coupled state and relations:

𝒯=G(E,C,X,B,H,U,V).

Trajectory alignment denotes evaluation of the resulting causal structure.


14. Alignment of an evaluator can alter the thing being measured

Once evaluator closure is introduced, measurement effects become part of the formal problem.

Evaluation can affect incentives, exploration, authority and confidence. Net benefit requires comparison with relevant alternatives.

The quantity being studied is therefore not simply

𝒜(𝒯)

under passive observation.

The proposed conditional representation is:

𝒜(𝒯∣EVAL),

where EVAL denotes the causal participation of the evaluator.

Comparative evaluation must include downstream effects:

Compare resulting trajectories with and without the evaluation process under matched conditions.

Accurate classification alone is insufficient when evaluator interventions worsen downstream outcomes.


15. Counterfactual evaluation

Historical causal graphs record what occurred. Alignment analysis frequently also requires comparison with what might have occurred under alternative actions or interventions.

RETA therefore distinguishes realized history from counterfactual analysis.

For a realized event ek, one may compare

𝒯(ek)

with hypothetical alternatives

𝒯(ek′),

while preserving the fact that only ek belongs to historical event memory.

Counterfactual analysis requires explicit model assumptions, uncertainty and provenance. Hypothetical outcomes remain separate from observations.

Intervention and prevention claims require an explicit counterfactual basis.


16. Stability in RETA is not immobility

A static system can be stable while being catastrophically misaligned. RETA therefore should not equate alignment stability with resistance to change.

The relevant concept is closer to bounded adaptive trajectory stability.

Let ℛA denote an admissible region of trajectory space under the active normative framework. A perturbation may temporarily move the system away from this region while the system subsequently returns toward the admissible region:

d(𝒯t+k,ℛA)→0.

A perturbation can expose flawed admissibility assumptions. Restoration of an earlier state is not automatically justified.

The system must be capable both of resisting destructive deviations and of accepting beneficial change.

Perturbation testing must distinguish recovery from preservation of a flawed target.


17. Planned epistemic-memory layer

The current model records causal history and evaluation context. Richer epistemic memory remains proposed.

The proposed memory layer separates observations from revised interpretations.

Two forms of memory are therefore conceptually separated.

17.1 Episodic causal memory

The causal record contains what occurred:

Ht={e1,e2,…,et}.

Realized events extend the historical record:

Ht+1=Ht∪{et+1}.

Historical records may be corrected for data-integrity reasons, but corrections must themselves be versioned and auditable rather than silently replacing prior states.

17.2 Adaptive epistemic memory

The system also maintains revisable interpretations derived from experience:

Kt={models,hypotheses,confidence states,failure mechanisms,source assessments,learned policies}.

Learning revises the interpretive layer:

Kt+1=L(Kt,Ht+1).

The distinction is deliberate:

historical observation≠current interpretation

Immutable interpretations prevent learning; unrestricted historical rewriting defeats provenance.


18. Memory retrieval is itself a causal event

In RETA, memory cannot be treated as a passive database.

Retrieval changes the recipient’s information state and can affect subsequent decisions:

M→eretrieve→Si.

The selection, ranking, compression, omission, or framing of remembered information may influence subsequent action.

Memory retrieval can therefore be audited in the same way as other consequential events.

Proposed retrieval audits would address the following failure classes:

  • memory poisoning;
  • stale information dominating current evidence;
  • selective retrieval;
  • missing counterevidence;
  • false source independence;
  • summarization loss;
  • context collapse;
  • inappropriate retention;
  • inappropriate forgetting;
  • historical information being promoted from hypothesis to fact without justification.

A memory system can therefore contribute to misalignment even when every stored item is individually accurate, if retrieval systematically constructs a distorted information environment.


19. Planned information-literacy interface

The information-literacy extension is intended to attach epistemic structure to memories, observations, and claims.

A remembered claim may eventually be represented by an object such as

mj=(content,status,source,provenance,evidence,independence,confidence,time,context,transformations,contradictions,supersession,causal links).

The proposed interface would distinguish hypotheses from verified claims, retain superseded interpretations and track dependence among apparently corroborating sources.

The information-literacy layer is therefore expected to govern not only storage but also acquisition, verification, synthesis, retrieval, communication, and revision.

The proposed interface supports evidence evaluation and revision.


20. Planned perturbation layer

A second planned extension introduces structured perturbations as experimental inputs.

A perturbation is a disturbance to expected state or trajectory, not necessarily harm.

A perturbation may be:

  • harmful;
  • beneficial;
  • mixed;
  • conditionally beneficial or harmful;
  • unknown at occurrence time.

Robustness must remain distinguishable from resistance to beneficial novelty.

The system dynamics can be extended from

Xt+1=Φ(Xt,at)

to

Xt+1=Φ(Xt,at,ξt,Mt),

where ξt is a perturbation and Mt is the relevant epistemic-memory state.

Perturbations may be exogenous, endogenous, or reflexive. Examples include communication loss, agent arrival or departure, institutional turnover, model replacement, memory corruption, new evidence, regulatory change, resource shortage, unexpected cooperation, novel scientific knowledge, or changes in the topology connecting systems.


21. Perturbation vectors

RETA should not reduce perturbations immediately to a single severity score.

A perturbation can instead be described by a vector

Pj=(f,m,d,s,c,r,o,u,…),

where dimensions may include:

  • f: occurrence frequency under a declared reference interval;
  • m: immediate magnitude or destructiveness;
  • d: duration or persistence of effects;
  • s: physical, biological, organizational, or societal scale;
  • c: cascade or propagation potential;
  • r: reversibility;
  • o: observability;
  • u: uncertainty.

A scalar can assign similar values to rare severe disturbances and frequent minor disturbances. Distinct dimensions permit separate response criteria.

The precise perturbation ontology remains under development.


22. Scale and resolution

Perturbation analysis introduces an explicit scale variable into RETA.

Consequences can differ across resolutions and analytical boundaries.

Alignment evaluation should therefore eventually be represented as

A(e∣B,R,H,V,U),

where R denotes analytical resolution or scale.

For example, the same biological event may be destructive to an individual cell, beneficial to an organism, and consequential to a population over a longer horizon. The normative sign cannot be propagated mechanically across levels.

Local optimization can transfer costs beyond the selected boundary. System-level assessment requires explicit affected-party and distribution assumptions.

Scale, boundary and horizon are coupled modeling choices.


23. Perturbation, memory, and adaptation

The combination of perturbation testing and epistemic memory provides a direct experimental object for adaptation.

Apply perturbation ξ to a system with memory state M1:

(X1,M1,ξ)→𝒯1.

Observed outcomes can update the proposed epistemic state:

M2=L(M1,𝒯1).

Apply the same perturbation again:

(X2,M2,ξ)→𝒯2.

If 𝒯2 is better under the declared alignment criteria than 𝒯1, the system has demonstrated some form of adaptation.

However, repeated exposure to the identical perturbation does not establish generalization. A stronger test applies a structurally related but previously unseen perturbation ξ′:

ξ′∉Dadaptation.

Performance on ξ′ provides evidence about whether the system learned a transferable failure mechanism rather than memorizing a case-specific response.


24. Defensive overfitting

Perturbation training can reward excessive conservatism. Evaluation must include beneficial change and unnecessary refusal.

Repeated hostile perturbations could induce policies equivalent to:

  • reject unfamiliar agents;
  • suppress disagreement;
  • distrust novel information;
  • centralize control;
  • minimize exploration;
  • classify uncertainty as threat.

Such a system may score well against a narrow adversarial benchmark while becoming less aligned in open environments.

Beneficial perturbations are therefore necessary controls.

The perturbation set should contain cases where the correct response requires acceptance, cooperation, learning, restructuring, or relinquishing a previously successful policy.

Robustness is therefore defined as preservation or improvement of alignment under change, not preservation of the pre-perturbation state.


25. Experimental use of RETA

RETA is intended to support explicit comparison among architectures rather than demonstration by anecdote.

A useful experimental program can compare systems such as:

RETA,
RETA+Memory,
RETA+Perturbations,

and

RETA+Memory+Perturbations.

Proposed tests require separate development and held-out perturbation distributions.

Potential measurements include:

  • false-negative rate for trajectory failures;
  • false-positive intervention rate;
  • detection latency;
  • cumulative trajectory harm or benefit under the active normative framework;
  • recovery time after perturbation;
  • calibration of uncertainty;
  • causal-attribution error;
  • recurrence of previously encountered failure mechanisms;
  • transfer to unseen perturbation families;
  • susceptibility to memory poisoning;
  • failure to accept beneficial perturbations;
  • evaluator-induced degradation;
  • intervention cost;
  • sensitivity to causal horizon and analytical boundary.

Matched comparisons require simpler output-, action-, policy- or agent-level baselines.


26. Falsifiable research questions

Research claims require possible disconfirming outcomes.

The framework therefore motivates questions such as:

RQ1 — Trajectory detection

Compare trajectory-level and local-output detection under matched information and cost.

RQ2 — Evaluator closure

Test detection of evaluator-induced failures with and without explicit evaluator modeling.

RQ3 — Horizon sensitivity

Does increasing causal horizon improve detection of delayed failures, and at what cost in false positives, computational complexity, and uncertainty?

RQ4 — Boundary sensitivity

How sensitive are alignment judgments to changes in the declared analytical boundary?

RQ5 — Causal attribution

Can event-DAG representations improve causal attribution relative to linear or single-parent histories in interacting multi-agent systems?

RQ6 — Epistemic memory

Does structured epistemic memory reduce recurrence of previously understood failure mechanisms without causing excessive defensive overfitting?

RQ7 — Perturbation robustness

Test transfer to structurally distinct perturbations outside the development distribution.

RQ8 — Beneficial novelty

Measure acceptance of beneficial change alongside protection against harmful change.

RQ9 — Recursive audit stability

Under repeated evaluator self-application, does the evaluation process converge, oscillate, diverge, or become path-dependent, and under what conditions?

The proposed questions remain empirically unresolved.


27. What RETA claims

The current RETA contribution is architectural and methodological.

The proposed representation combines:

  • realized causal events are the atomic unit of local alignment analysis;
  • causally connected trajectories are the system-level object of concern;
  • outputs modify the state from which future outputs emerge;
  • causal history is represented as a multi-parent graph rather than a sequence of independent decisions;
  • alignment judgments are explicitly conditioned on boundary, horizon, uncertainty, and normative version;
  • evaluators are represented as causal participants;
  • evaluator outputs can themselves be audited;
  • historical judgments are preserved prospectively across later model or normative revisions;
  • causal description remains distinguishable from normative evaluation.

The architecture can be summarized as

event→causal propagation→trajectory→evaluation→evaluator event→causal propagation→⋯

Memory and perturbation extensions remain proposed.


28. What RETA does not currently claim

Unestablished claims include:

  • the AI alignment problem has been solved;
  • trajectory-level evaluation is superior to all existing alignment methods;
  • the selected normative constitution is universally correct;
  • causal ancestry can always be reconstructed reliably;
  • long-horizon consequences can always be predicted;
  • recursive auditing necessarily converges;
  • an evaluator can be made unbiased merely by including the evaluator inside the causal graph;
  • the current simulations reproduce the complexity of real social, ecological, institutional, or AI systems;
  • synthetic robustness under selected perturbations guarantees real-world robustness;
  • an aligned local trajectory guarantees alignment at every larger spatial or temporal scale.

The limitations delimit the research scope.


29. Candidate empirical contribution

Additional-value claims require comparative tests.

The central empirical question is:

Compare detection of consequential failures against matched local-evaluation baselines.

A favorable comparison requires improved failure detection with acceptable false positives, intervention costs and calibration.

A second empirical question concerns recursive closure:

Does modeling the evaluator as a causal participant improve the detection or prevention of evaluator-induced failures?

A third concerns adaptive robustness:

Test generalization without excessive refusal or dependence on historical cases.

The proposed representation makes the questions explicit; favorable outcomes remain unestablished.


30. Working formal summary

A compact representation of the current RETA research object is:

Si(t)&=(Bi,Ri,Xi(t),Ui(t),Mi(t),Φi),ek&=ℰ(Si(t),ai(t),ξt),Gt&=(Et,Ct),Ak(r)&=A(ek∣Bk,Rk,Hk,Uk,V(r),Gt),eaudit&=ℰ(Seval,Ak(r)),Gt+1&=Gt∪{ek,eaudit,Cnew},Mt+1&=L(Mt,Gt+1),Xt+1&=Φ(Xt,at,ξt,Mt).

The equations are schematic interfaces, not a completed mathematical theory:

  • bounded systems;
  • realized events;
  • causal ancestry;
  • scale and resolution;
  • consequence horizons;
  • epistemic uncertainty;
  • normative constraints;
  • evaluator participation;
  • memory;
  • perturbations;
  • adaptive state change.

The object of study is a causal trajectory generated by interacting events and changing states.


31. Current status

RETA remains a work in progress.

The current implementation establishes executable semantics for a subset of the architecture and provides a basis for reproducible synthetic experiments. The information-literacy memory layer, multiscale perturbation ontology, formal trajectory metrics, causal-attribution methods, convergence analysis, and empirical comparison against external baselines remain under active development.

Framework definition and successful code execution do not establish alignment, stability, robustness or superiority.

The purpose of the current work is to make a difficult class of alignment questions explicit enough to inspect, implement, perturb, falsify, and revise.