From b81dc97c0c1197102e496ed52f1144fa88657ce2 Mon Sep 17 00:00:00 2001 From: jsboige Date: Mon, 21 Sep 2026 21:05:02 +0200 Subject: [PATCH 1/2] fix(iit,#17183): serie ICT -- les conclusions cessaient de promettre des notebooks deja ecrits MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Classe `stale-claim` : une prose qui presente comme « a venir » un notebook qui EXISTE. Le lecteur qui croit la suite non ecrite ne l'ouvre pas, et perd l'arc de la serie au moment precis ou la conclusion le lui designe. 5 promesses perimees, 3 notebooks, resolues contre le disque : - ICT-02 (cell 26) : ICT-1, ICT-4, ICT-6 annonces « a venir » -- les trois existent. Le notebook les lie DEJA comme existants dans ses Reperes, donc la conclusion contredisait le notebook lui-meme. - ICT-04 (cell 26) : ICT-7 annonce « a venir » -- ICT-07 existe. - ICT-05 (cell 28) : ICT-6 annonce « a venir » -- ICT-06 existe. Chaque promesse est convertie au lien que ses VOISINS de liste portent deja (`- **[titre](fichier.ipynb)** : description.`), sans toucher a la prose. Verification de premiere main (G.1) -- un finding d'audit est une claim comme une autre : - `ict/` est bien un SIBLING des notebooks (le parent est IIT/) ; - ICT-01..ICT-41 existent (78 notebooks dans la serie) ; - les 4 cibles des nouveaux liens resolvent : `check_notebook_navlinks.py` rend « OK: 0 lien casse (1353 notebooks) » ; - `validate --quick` sur la serie : 77 OK / 0 warning / 0 erreur. Preuve markdown-seul, mecanique : comparaison cellule par cellule contre origin/main -> cellules code modifiees = 0, outputs modifiees = 0, execution_count modifies = 0, markdown modifie = 1 cellule par fichier. La re-execution n'est donc pas requise (C.2, exception markdown), et 0 sortie a ete touchee a la main. Non-repare ici, et pourquoi (details en PR) : le commentaire faux d'ICT-01 (cellule CODE -- le reparer impose une re-execution qui regenererait toutes les sorties d'un notebook que l'audit vient de certifier conforme) et le finding navigation-misplaced d'ICT-03 (la reparation PROPOSEE par l'audit creerait un second defaut). Co-Authored-By: Claude Sonnet 5 --- .../ICT-Series/ICT-02-SelfSortingMorphogenesis-Python.ipynb | 6 +++--- .../ICT-04-ChimericArraysKinAggregation-Python.ipynb | 2 +- .../IIT/ICT-Series/ICT-05-CausalEmergence-Python.ipynb | 2 +- 3 files changed, 5 insertions(+), 5 deletions(-) diff --git a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-02-SelfSortingMorphogenesis-Python.ipynb b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-02-SelfSortingMorphogenesis-Python.ipynb index 8ae63e2a3f..c5f1c4794b 100644 --- a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-02-SelfSortingMorphogenesis-Python.ipynb +++ b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-02-SelfSortingMorphogenesis-Python.ipynb @@ -832,9 +832,9 @@ "\n", "### Ponts avec le reste du cours\n", "- **[IIT-1 — Intro to PyPhi](../IIT-01-IntroToPyPhi.ipynb)** et **[IIT-2 Advanced Topics](../IIT-02-AdvancedTopics.ipynb)** : les structures causales *à un instant* (TPM, Φ, CES) dont ICT étudie l'évolution.\n", - "- **ICT-1 — Φ-trajectories** (à venir) : appliquer ces idées de trajectoire à Φ lui-même.\n", - "- **ICT-4 — Chimeric arrays & emergent aggregation** (à venir) : le jeu de règles plus riche qui reproduit l'agrégation « kin » du papier.\n", - "- **ICT-6 — Sorting-to-TPM bridge** (à venir) : transformer ces simulations en chaînes de Markov, puis en TPM analysables par PyPhi et la *causal emergence*.\n", + "- **[ICT-1 — Φ-trajectories](ICT-01-PhiTrajectories-Python.ipynb)** : appliquer ces idées de trajectoire à Φ lui-même.\n", + "- **[ICT-4 — Chimeric arrays & emergent aggregation](ICT-04-ChimericArraysKinAggregation-Python.ipynb)** : le jeu de règles plus riche qui reproduit l'agrégation « kin » du papier.\n", + "- **[ICT-6 — Sorting-to-TPM bridge](ICT-06-SortingToTPM-CausalEmergence-Python.ipynb)** : transformer ces simulations en chaînes de Markov, puis en TPM analysables par PyPhi et la *causal emergence*.\n", "\n", "### Références\n", "- Zhang, Goldstein & Levin, *Classical sorting algorithms as a model of morphogenesis*, Adaptive Behavior, 2025 — [arXiv:2401.05375](https://arxiv.org/abs/2401.05375).\n", diff --git a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-04-ChimericArraysKinAggregation-Python.ipynb b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-04-ChimericArraysKinAggregation-Python.ipynb index 944a540165..1916210ee4 100644 --- a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-04-ChimericArraysKinAggregation-Python.ipynb +++ b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-04-ChimericArraysKinAggregation-Python.ipynb @@ -951,7 +951,7 @@ "### Ponts avec le reste de la série\n", "- **[ICT-2 — Self-sorting morphogenesis](ICT-02-SelfSortingMorphogenesis-Python.ipynb)** : le modèle minimal, ses compétences, et l'impasse que ce notebook lève.\n", "- **[ICT-5 — Émergence causale](ICT-05-CausalEmergence-Python.ipynb)** & **[ICT-6 — Pont tri → TPM](ICT-06-SortingToTPM-CausalEmergence-Python.ipynb)** : la même idée — un ordre plus lisible dans les degrés de liberté du niveau inférieur — formalisée comme *causal emergence* (Hoel).\n", - "- **ICT-7 — Signatures scale-free & fractales** (à venir) : les motifs multi-échelles que ces dynamiques engendrent.\n", + "- **[ICT-7 — Signatures scale-free & fractales](ICT-07-ScaleFreeSignatures-Python.ipynb)** : les motifs multi-échelles que ces dynamiques engendrent.\n", "\n", "### Références\n", "- Zhang, Goldstein & Levin, *Classical sorting algorithms as a model of morphogenesis*, Adaptive Behavior, 2025 — [arXiv:2401.05375](https://arxiv.org/abs/2401.05375).\n", diff --git a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-05-CausalEmergence-Python.ipynb b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-05-CausalEmergence-Python.ipynb index faded97c03..2d3265a62e 100644 --- a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-05-CausalEmergence-Python.ipynb +++ b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-05-CausalEmergence-Python.ipynb @@ -931,7 +931,7 @@ "\n", "- [ICT-1 — Trajectoires de $\\Phi$](ICT-01-PhiTrajectories-Python.ipynb) : comment $\\Phi$ varie le long\n", " d'une trajectoire d'états (à échelle fixe).\n", - "- **ICT-6 — Pont tri → TPM → PyPhi** (à venir) : construire la TPM d'une simulation de\n", + "- **[ICT-6 — Pont tri → TPM → PyPhi](ICT-06-SortingToTPM-CausalEmergence-Python.ipynb)** : construire la TPM d'une simulation de\n", " [tri-morphogenèse](ICT-02-SelfSortingMorphogenesis-Python.ipynb) puis lui appliquer cette analyse\n", " d'émergence — relier les deux piliers de la série.\n", "- [ICT-0 — Cadrage](ICT-0-Framing.md) : place de ce notebook dans la feuille de route.\n", From 355070a5a163b6abb1834c693856e4b39d013088 Mon Sep 17 00:00:00 2001 From: jsboige Date: Thu, 24 Sep 2026 17:58:38 +0200 Subject: [PATCH 2/2] fix(iit,#17183): 6e et 7e promesses d'ecarts a venir converties en liens (ICT-02, ICT-24) MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Review NanoClaw 2026-09-21T19:18Z (CONCERNS non levee) : une 6e promesse de la meme classe survivait dans ICT-02 cellule 2 (cadrage) -- « ICT-6 (Sorting-to-TPM bridge, a venir) » alors que ICT-06-SortingToTPM-CausalEmergence-Python.ipynb existe. Convertie en lien, comme les cinq premieres. Sweep « a venir » sur toute la serie ICT (dispatch ai-01) : une 7e de la meme classe trouvee et convertie -- ICT-24 cellule de limites promettait « le fil J-lens (issue #5681) [...] a venir » alors que ICT-SAE-JLens-TeteATete.ipynb (qui reference #5681 et pointe vers ICT-24) est livree. Les trois autres occurrences restantes sont honnetes : ICT-22 (futur interne de la cellule, pas un notebook promis), ICT-30 (strate 9 recuperation, aucun notebook correspondant n'existe), et l'usage transitif de ICT-02 vise par ce commit. Markdown seul, aucune cellule code touchee (pas de re-execution requise). Co-Authored-By: Claude Sonnet 5 --- .../IIT/ICT-Series/ICT-02-SelfSortingMorphogenesis-Python.ipynb | 2 +- MyIA.AI.Notebooks/IIT/ICT-Series/ICT-24-WorkspaceIgnition.ipynb | 2 +- 2 files changed, 2 insertions(+), 2 deletions(-) diff --git a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-02-SelfSortingMorphogenesis-Python.ipynb b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-02-SelfSortingMorphogenesis-Python.ipynb index c5f1c4794b..e663152c10 100644 --- a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-02-SelfSortingMorphogenesis-Python.ipynb +++ b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-02-SelfSortingMorphogenesis-Python.ipynb @@ -73,7 +73,7 @@ "tags": [] }, "source": [ - "## Repères IIT — sous-systèmes et structures cause-effet\n\n> Vocabulaire IIT nécessaire pour interpréter ICT-2 (self-sorting morphogenesis) en termes d'information intégrée. Pour Φ/TPM/partition (notions de base), voir [ICT-1](ICT-01-PhiTrajectories-Python.ipynb) § Repères IIT canoniques. Pour le texte fondateur, voir [ICT-0-Annexe](ICT-0-Annexe-IntegratedComplexityTheory.md) ($\\Phi_{\\text{dyn}}$). Source primaire : [IIT-1 — Intro to PyPhi](../IIT-01-IntroToPyPhi.ipynb) + [IIT-2 — Advanced Topics](../IIT-02-AdvancedTopics.ipynb).\n\nICT-1 calculait $\\Phi$ **état par état** sur le système entier. ICT-2 soulève une question plus fine : **quelles parties du tableau qui se trie sont causalement responsables de ce tri ?** Cela exige deux notions que ICT-1 n'introduisait pas :\n\n- **Sous-système (*subsystem*)** — un sous-ensemble $\\mathcal{S}' \\subseteq \\mathcal{S}$ des nœuds du système, avec sa propre TPM marginale (calculée en ignorant les nœuds hors $\\mathcal{S}'$). PyPhi représente un sous-système par un masque binaire sur les nœuds : par exemple `0110` sur un système à 4 nœuds = les nœuds 1 et 2 seulement. **Tout système $\\mathcal{S}$ a $2^N - 1$ sous-systèmes non vides** ; chaque sous-système a son propre $\\Phi_{\\mathrm{CE}}$.\n\n- **Information cause-effet ($\\Phi_{\\mathrm{CE}}$, *cause-effect information*)** — pour un sous-système $\\mathcal{S}'$ dans un état donné, c'est l'information que $\\mathcal{S}'$ génère *à la fois* vers le passé (ses **causes** : dans quelle mesure l'état passé de $\\mathcal{S}'$ est-il contraint par son propre mécanisme, au-dessus et au-delà du reste du système ?) *et* vers le futur (ses **effects** : dans quelle mesure l'état présent de $\\mathcal{S}'$ contraint-il son propre futur, au-dessus et au-delà du reste ?). La cause et l'effet sont des distributions de probabilités sur les états antérieurs/postérieurs ; $\\Phi_{\\mathrm{CE}}$ est la distance EMD entre le système entier et la partition MIP qui sépare $\\mathcal{S}'$ du reste.\n\n- **Partition d'un système $\\mathcal{S}$ en deux moitiés $\\mathcal{S}^L \\cup \\mathcal{S}^R$** — vue en ICT-1, c'est la brique de calcul de $\\Phi_{\\mathrm{CE}}$ : PyPhi balaie **toutes les bipartitions dirigées** du système (en plus des sous-systèmes candidats) et retient celle qui **minimise** la divergence entre le système entier et la somme de ses parties — c'est le **MIP** (*Minimum Information Partition*). Pour $N$ nœuds il y a $2^{N-1} - 1$ bipartitions dirigées à comparer (cf ICT-1 « Pourquoi 3 nœuds »).\n\n**Lecture IIT de ICT-2.** Le tableau qui se trie est un système $\\mathcal{S}$ à $N$ cellules. À chaque état $s_t$, le **tri en cours** est un certain motif (zones homogènes + frontière). La question IIT est : *quelle est la valeur de $\\Phi_{\\mathrm{CE}}$ du système $\\mathcal{S}$ dans cet état ?* Si $\\Phi_{\\mathrm{CE}} > 0$, le tableau est **causalement intégré** au-dessus de ses parties — la morphogenèse n'est pas un artefact local mais une structure globale qui contraint passé et futur. Si on bipartitionne en deux moitiés du tableau, on mesure l'information que chaque moitié génère *indépendamment* ; le MIP dit « la partition qui enlève le moins d'intégration possible » — c'est précisément la frontière morphologique. **Un tableau déjà trié a un $\\Phi_{\\mathrm{CE}}$ plus faible qu'un tableau en train de se trier** : une fois l'ordre établi, les cellules n'ont plus d'information à générer les unes sur les autres (leur état futur est fixé par la règle locale). Un tableau **chimerique** (cell 14-16) qui ne se trie pas, lui, conserve un $\\Phi_{\\mathrm{CE}}$ non trivial mais reste **piégé** dans un attracteur local — information présente, intégration sans progrès : c'est exactement le type de distinction que la triad IIT/ICT permet de poser.\n\nCe notebook, comme ICT-1, **n'exécute pas PyPhi** sur les tableaux (le code resterait intraitable pour $N > 5$). Il introduit les concepts pour que ICT-6 (Sorting-to-TPM bridge, à venir) puisse les opérationnaliser sur les simulations.\n" + "## Repères IIT — sous-systèmes et structures cause-effet\n\n> Vocabulaire IIT nécessaire pour interpréter ICT-2 (self-sorting morphogenesis) en termes d'information intégrée. Pour Φ/TPM/partition (notions de base), voir [ICT-1](ICT-01-PhiTrajectories-Python.ipynb) § Repères IIT canoniques. Pour le texte fondateur, voir [ICT-0-Annexe](ICT-0-Annexe-IntegratedComplexityTheory.md) ($\\Phi_{\\text{dyn}}$). Source primaire : [IIT-1 — Intro to PyPhi](../IIT-01-IntroToPyPhi.ipynb) + [IIT-2 — Advanced Topics](../IIT-02-AdvancedTopics.ipynb).\n\nICT-1 calculait $\\Phi$ **état par état** sur le système entier. ICT-2 soulève une question plus fine : **quelles parties du tableau qui se trie sont causalement responsables de ce tri ?** Cela exige deux notions que ICT-1 n'introduisait pas :\n\n- **Sous-système (*subsystem*)** — un sous-ensemble $\\mathcal{S}' \\subseteq \\mathcal{S}$ des nœuds du système, avec sa propre TPM marginale (calculée en ignorant les nœuds hors $\\mathcal{S}'$). PyPhi représente un sous-système par un masque binaire sur les nœuds : par exemple `0110` sur un système à 4 nœuds = les nœuds 1 et 2 seulement. **Tout système $\\mathcal{S}$ a $2^N - 1$ sous-systèmes non vides** ; chaque sous-système a son propre $\\Phi_{\\mathrm{CE}}$.\n\n- **Information cause-effet ($\\Phi_{\\mathrm{CE}}$, *cause-effect information*)** — pour un sous-système $\\mathcal{S}'$ dans un état donné, c'est l'information que $\\mathcal{S}'$ génère *à la fois* vers le passé (ses **causes** : dans quelle mesure l'état passé de $\\mathcal{S}'$ est-il contraint par son propre mécanisme, au-dessus et au-delà du reste du système ?) *et* vers le futur (ses **effects** : dans quelle mesure l'état présent de $\\mathcal{S}'$ contraint-il son propre futur, au-dessus et au-delà du reste ?). La cause et l'effet sont des distributions de probabilités sur les états antérieurs/postérieurs ; $\\Phi_{\\mathrm{CE}}$ est la distance EMD entre le système entier et la partition MIP qui sépare $\\mathcal{S}'$ du reste.\n\n- **Partition d'un système $\\mathcal{S}$ en deux moitiés $\\mathcal{S}^L \\cup \\mathcal{S}^R$** — vue en ICT-1, c'est la brique de calcul de $\\Phi_{\\mathrm{CE}}$ : PyPhi balaie **toutes les bipartitions dirigées** du système (en plus des sous-systèmes candidats) et retient celle qui **minimise** la divergence entre le système entier et la somme de ses parties — c'est le **MIP** (*Minimum Information Partition*). Pour $N$ nœuds il y a $2^{N-1} - 1$ bipartitions dirigées à comparer (cf ICT-1 « Pourquoi 3 nœuds »).\n\n**Lecture IIT de ICT-2.** Le tableau qui se trie est un système $\\mathcal{S}$ à $N$ cellules. À chaque état $s_t$, le **tri en cours** est un certain motif (zones homogènes + frontière). La question IIT est : *quelle est la valeur de $\\Phi_{\\mathrm{CE}}$ du système $\\mathcal{S}$ dans cet état ?* Si $\\Phi_{\\mathrm{CE}} > 0$, le tableau est **causalement intégré** au-dessus de ses parties — la morphogenèse n'est pas un artefact local mais une structure globale qui contraint passé et futur. Si on bipartitionne en deux moitiés du tableau, on mesure l'information que chaque moitié génère *indépendamment* ; le MIP dit « la partition qui enlève le moins d'intégration possible » — c'est précisément la frontière morphologique. **Un tableau déjà trié a un $\\Phi_{\\mathrm{CE}}$ plus faible qu'un tableau en train de se trier** : une fois l'ordre établi, les cellules n'ont plus d'information à générer les unes sur les autres (leur état futur est fixé par la règle locale). Un tableau **chimerique** (cell 14-16) qui ne se trie pas, lui, conserve un $\\Phi_{\\mathrm{CE}}$ non trivial mais reste **piégé** dans un attracteur local — information présente, intégration sans progrès : c'est exactement le type de distinction que la triad IIT/ICT permet de poser.\n\nCe notebook, comme ICT-1, **n'exécute pas PyPhi** sur les tableaux (le code resterait intraitable pour $N > 5$). Il introduit les concepts pour que [ICT-6 (Sorting-to-TPM bridge)](ICT-06-SortingToTPM-CausalEmergence-Python.ipynb) puisse les opérationnaliser sur les simulations.\n" ], "id": "cell-741b486e" }, diff --git a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-24-WorkspaceIgnition.ipynb b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-24-WorkspaceIgnition.ipynb index cd44859f66..58e93b9876 100644 --- a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-24-WorkspaceIgnition.ipynb +++ b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-24-WorkspaceIgnition.ipynb @@ -482,7 +482,7 @@ "\n", "- Ni que le workspace global n'existe pas dans le modèle (nous mesurons un substrat, une couche, un opérateur d'accès qui n'est pas celui d'Anthropic).\n", "- Ni que l'intégration et l'accès global soient indépendants *en général* (l'observationnel n'exclut pas une relation causale que seul le Gate 24 pourrait tester).\n", - "- Ni que la lecture SAE égale la lecture J-lens : le fil J-lens (issue #5681) est une opérationnalisation distincte, à venir.\n", + "- Ni que la lecture SAE égale la lecture J-lens : le fil J-lens (issue #5681) est une opérationnalisation distincte — livrée dans [ICT-SAE-JLens — Tête-à-tête](ICT-SAE-JLens-TeteATete.ipynb).\n", "\n", "Le verdict observationnel revient au **Gate 24** (phase 2, GPU) : si le clamp des features-workspace *n'effondre pas* les gains crédités plus qu'un clamp aléatoire, la dissociation sera confirmée comme **corrélationnelle et non causale** — une leçon méthodologique de premier ordre, à écrire telle quelle.\n", "\n"