T3 Dehaene F2 — self-model minimal sans extended_mind_store (dissociation self/report) #19343

T3 Dehaene F2 — self-model minimal sans extended_mind_store (dissociation self/report)

Part of #8182

Le F2 de Dehaene (Global Neuronal Workspace Theory) pose que la conscience est l'accès à l'information via le global workspace, et que le self-model (rapport de soi) est une sortie du workspace — donc le self-model dépend causalement de l'état étendu du workspace (extended_mind_store). Si on vide l'extended-mind (toutes les variables d'environnement passées à 0), le self-model doit chuter.

Test de dissociation (falsifier F2) : un self-model minimal qui persiste hors extended_mind_store réfute la dépendance causale de F2. Le self-model devient alors un invariant du système, pas une sortie du workspace étendu.

Scope

Mesurer, sur le substrat du carnet ICT-24-WorkspaceIgnition-Python.ipynb (cellules 1-11 setup + carnet ICT-25 ou ICT-26 si déjà disponible), la différence de self-model recognition entre deux régimes :

• Régime A (extended_mind_store plein) : extended_mind_store porte les variables d'environnement (workspace state, ignition, report). Self-model recognition = score_A.
• Régime B (extended_mind_store vide) : extended_mind_store = 0 partout, mais le self-model state interne reste calculé sur ses entrées minimales (inputs proprioceptifs + boundary). Self-model recognition = score_B.
• Régime C (contrôle : self-model vide, extended-mind plein) : on enlève la branche self-model interne, on garde extended-mind. Self-model recognition = score_C ≈ 0 (sanity check).

F2 prédit : score_A >> score_B (le self-model dépend causalement de l'extension). Falsification : score_A ≈ score_B (le self-model persiste hors extension, donc il est indépendant du report).

Acceptance

• Critère 1 : un carnet (ou section) ré-exécutable qui mesure score_A, score_B, score_C sur les mêmes 4 graines seed_base ∈ {0, 1, 7, 42} que fix(ict24,#19222): gate23 graine stable (SETS.index) + dispersion 4 graines + phrase non-'definitif' #19225.
• Critère 2 : la lecture critique de la sortie porte (a) la mesure score_A - score_B (delta de dissociation), (b) sa dispersion, (c) le verdict falsifie-F2 ou confirme-F2 — sans tomber dans le « mesuré, pas tranché » par défaut.
• Critère 3 : si F2 est falsifié, on cite l'endroit précis où le self-model persiste hors extension (ligne du code, sortie de cellule), et on ouvre une issue fille sur l'implication théorique.
• Critère 4 : git diff --stat montre additions-only ou additions-dominantes (pas de deletions sur code de production — Tell anti-régression).

Méthode

1. Localiser dans le carnet ICT-24-WorkspaceIgnition-Python.ipynb (ou son successeur ICT-25) les variables extended_mind_store (si elles existent) ou les analogues.
2. Si pas de variables d'environnement explicites : créer la couche extended_mind_store (mini-API) avec 3-5 variables d'environnement (workspace_state, ignition_flag, report_counter, attention_index, basin_width) — sans bloat.
3. Définir self_model_score(state, extended_mind_store) = score de reconnaissance self-sur-self (T2 Bach a posé le self-model, on le réutilise).
4. Mesurer score_A, score_B, score_C sur 4 graines, n_shuffles ≥ 50 (héritée de ICT-24 Gate 23 : renforcer le verdict à n_shuffles >= 50 sur les 4 graines #19335).
5. F2 falsifié si |score_A - score_B| < 2 × σ_score_B (le delta n'est pas significatif au-dessus du bruit).

Suite (si F2 falsifié)

• Le self-model devient un invariant du système — opens question F2bis : « d'où vient-il s'il n'est pas une sortie du workspace ? » (candidate : priors structurels, attracteur géométrique, ou self-model fondamental pré-workspace).
• Si F2 confirmé : la dissociation Gate 23 (fix(ict24,#19222): gate23 graine stable (SETS.index) + dispersion 4 graines + phrase non-'definitif' #19225, ICT-24 Gate 23 : renforcer le verdict à n_shuffles >= 50 sur les 4 graines #19335) reste valide, et la vraie cible devient l'état étendu lui-même (Gate 25 sur extended_mind_store).

Critères de sortie

• PR avec body Tell c.18529 (Voie 1 re-exec end-to-end).
• Grain DEEP/notebook-python (plancher G-VAR-1).
• Tag Grain: DEEP/notebook-python — lane myia-po-2024:CoursIA-2.
• Cellule markdown d'interprétation cite score_A, score_B, score_C, dispersion, verdict falsification.

Refs: #8182 #19225 #19335 #19326

🤖 Generated with Claude Code