Künstliche Agenten zeigen subjektive Perspektive durch minimalen latenten Zustand

Eine aktuelle Veröffentlichung auf arXiv präsentiert einen innovativen Ansatz, um subjektive Perspektive in künstlichen Agenten zu operationalisieren. Die Autoren zeigen, wie ein einfaches internes Modell die Grundlage für ein „selbstwahrnehmendes“ Verhalten bilden kann.

Der Kern des Konzepts ist ein langsam wandelnder globaler latenter Zustand, der die schnellen Policy‑Dynamiken moduliert, ohne direkt für Verhaltensfolgen optimiert zu werden. Durch diese minimalistische, phenomenologisch motivierte Struktur entsteht ein innerer „Perspektivzustand“, der das Agentenverhalten subtil beeinflusst.

In einer belohnungsfreien Umgebung mit Regimewechseln weist dieser latente Zustand richtungsabhängige Hysterese auf, während das Verhalten der Policy weiterhin reaktiv bleibt. Die Entdeckung dieser Hysterese liefert ein messbares Signal für perspektivähnliche Subjektivität in Maschinen und eröffnet neue Wege, künstliche Intelligenz mit inneren Zuständen auszustatten.