ASAN - Autopoietic Specialist-Agent Network v1.4

Abstract

English DescriptionASAN is a conceptual architecture for a large-scale AI system: a directory-routed, energy-aware multi-agent Mixture-of-Experts (MoE) framework. Every node is a specialist agent; missing specialists are created on demand (autopoiesis); a temporary “RAM mode” integrates knowledge across specialists; and a meta-agent economy decides which agent births are worth their cost.Where to start: “Version 1.4 at a Glance” in the main paper. The Guide from version 1.3.1 explains the earlier concept image and remains valid, because sections 1–8 of the main paper keep their numbers.New in version 1.4 Cell families: Specialists (“cells”) train apprentices that inherit their genome but never their controls. An apprentice replaces its master only after a statistical succession test. Layered defenses keep the evaluators from being gamed: fresh hidden tasks, anchored quality and cost gates, honeypots and pooled human audits. KYBERNETES: A new governance module regulates how many cells each niche keeps. It counts what is already in training and has one-way brakes, hysteresis, a circuit breaker and a lineage-wide Big Red Button. Its interactive console runs in any browser. Human control by risk: Routine decisions run automatically and are logged; people decide what is hard to reverse. Measurements instead of estimates: A compute model shows that halving the tokens of a message saves about half of the compute at the context lengths agents use, not 75%. Measurements with four real tokenizers show that a niche vocabulary given to each specialist at birth saves 13–29% of tokens with 256 new tokens and 30–55% with 16,384. On projects the vocabulary has never seen, the saving is smaller. German versions of all three papers and of the console. Earlier versions were published in English only. The selection and population results come from simulations of abstract models; no LLM agent was trained for this version. All simulations and measurements are released as code and reproduce exactly.Files Main paper (English and German) Companion Paper: Specialist Internals & Optimization (English and German) Technical Report: Cell Families and KYBERNETES (English and German) KYBERNETES_EN.html and KYBERNETES_DE.html: the interactive governance console (English and German) ASAN_v1.4.zip: the complete package with the PDFs, both consoles, LaTeX sources, figures, code, results, the license texts and a README for reproduction Licenses: papers, figures and data under CC BY 4.0; code (simulations, tokenizers and the KYBERNETES console) under MIT. Ethical Use Declaration: The main paper contains the author’s Ethical Use Declaration of November 3, 2025, unchanged. ASAN is intended for peaceful, civilian and beneficial applications only, and the author condemns any military use. AI assistance: The ASAN architecture and its concepts are the author’s. The revision to version 1.4, the simulations, the measurements and the drafting were carried out with the assistance of an AI system (Claude, Anthropic).…further versions will follow (planned, not yet certain) LLM tests: a prototype of a cell family with real LLM-based cells, to measure what the simulations assume. The main paper already names it as the next step on its roadmap. An inner value core: principles of reason, responsibility, logic and consequences that every agent carries as its own nature and that also govern KYBERNETES. The core would be protected cryptographically. It would be sealed against any change by the system, handed to each new agent at birth in two separately transported halves that reveal nothing on their own, and checked by hidden value tests. This idea is at an early conceptual stage and not yet part of the papers. Both are theoretical plans; whether and when they follow is open.Previous version 1.3.1 _____________________________________________________________________________________________________________________________________________ Deutsche BeschreibungASAN ist eine konzeptionelle Architektur für ein grosses KI-System: eine energiebewusste Multi-Agenten-Architektur nach dem Mixture-of-Experts-Prinzip (MoE) mit Verzeichnis-Routing. Jeder Knoten ist ein Spezialisten-Agent; fehlende Spezialisten entstehen bei Bedarf (Autopoiese); ein vorübergehender «RAM-Modus» führt Wissen über Spezialisten hinweg zusammen; und eine Meta-Agenten-Ökonomie entscheidet, welche Geburten ihre Kosten wert sind.Einstieg: «Version 1.4 im Überblick» im Hauptpapier. Der Guide aus Version 1.3.1 erklärt das frühere Konzeptbild und bleibt gültig, denn die Abschnitte 1–8 des Hauptpapiers behalten ihre Nummern.Neu in Version 1.4 Zellfamilien: Spezialisten («Zellen») bilden Lehrlinge aus, die ihr Genom erben, nie aber ihre Kontrollen. Ein Lehrling löst seinen Meister erst nach einem statistischen Nachfolgetest ab. Mehrere Schutzschichten verhindern, dass sich die Prüfer austricksen lassen: frische verdeckte Aufgaben, verankerte Qualitäts- und Kosten-Tore, Köder-Aufgaben und gepoolte menschliche Audits. KYBERNETES: Ein neues Governance-Modul regelt, wie viele Zellen jede Nische behält. Es zählt mit, was schon in Ausbildung ist, und hat Einweg-Bremsen, Hysterese, einen Schutzschalter und einen linienweiten Big Red Button. Seine interaktive Konsole läuft in jedem Browser. Menschliche Kontrolle nach Risiko: Routine läuft automatisch und wird protokolliert; Menschen entscheiden, was schwer umkehrbar ist. Messungen statt Schätzungen: Ein Rechenmodell zeigt, dass halbierte Tokens bei den Längen, mit denen Agenten arbeiten, etwa die Hälfte des Rechenaufwands sparen, nicht 75 %. Messungen mit vier echten Tokenizern zeigen: Ein Nischen-Vokabular, das jeder Spezialist bei der Geburt erhält, spart mit 256 neuen Tokens 13–29 % und mit 16’384 neuen Tokens 30–55 % der Tokens. In Projekten, die das Vokabular nie gesehen hat, ist die Ersparnis kleiner. Deutsche Fassungen aller drei Papers und der Konsole. Die früheren Versionen erschienen nur auf Englisch. Die Ergebnisse zu Selektion und Population stammen aus Simulationen abstrakter Modelle; für diese Version wurde kein LLM-Agent trainiert. Alle Simulationen und Messungen sind als Code veröffentlicht und lassen sich exakt reproduzieren. Dateien Hauptpapier (Englisch und Deutsch) Companion Paper: Innenleben und Optimierung der Spezialisten (Englisch und Deutsch) Technischer Bericht: Zellfamilien und KYBERNETES (Englisch und Deutsch)KYBERNETES_DE.html und KYBERNETES_EN.html: die interaktive Governance-Konsole (Deutsch und Englisch) ASAN_v1.4.zip: das vollständige Paket mit den PDFs, beiden Konsolen, LaTeX-Quellen, Abbildungen, Code, Ergebnissen, den Lizenztexten und einem README zur Reproduktion Lizenzen: Papers, Abbildungen und Daten unter CC BY 4.0; Code (Simulationen, Tokenizer und KYBERNETES-Konsole) unter MIT.Erklärung zur ethischen Nutzung: Das Hauptpapier enthält die Ethical Use Declaration des Autors vom 3. November 2025 unverändert. ASAN ist ausschliesslich für friedliche, zivile und nützliche Anwendungen gedacht; der Autor verurteilt jede militärische Nutzung. Massgebend ist der englische Wortlaut.KI-Unterstützung: Die ASAN-Architektur und ihre Konzepte stammen vom Autor. Die Überarbeitung zu Version 1.4, die Simulationen, die Messungen und der Entwurf entstanden mit Unterstützung eines KI-Systems (Claude, Anthropic).…weitere Versionen folgen (geplant, noch nicht sicher) LLM-Tests: ein Prototyp einer Zellfamilie mit echten LLM-basierten Zellen, der misst, was die Simulationen annehmen. Das Hauptpapier nennt ihn bereits als nächsten Schritt im Fahrplan. Ein innerer Wertekern: Grundsätze aus Vernunft, Verantwortung, Logik und Konsequenzen, die jeder Agent als eigene Natur trägt und die auch KYBERNETES lenken. Der Kern wäre kryptographisch geschützt. Er wäre gegen jede Veränderung durch das System versiegelt, würde jedem neuen Agenten bei der Geburt in zwei getrennt transportierten Hälften übergeben, die einzeln nichts verraten, und durch verdeckte Werteprüfungen kontrolliert. Diese Idee steht in einem frühen Konzeptstadium und ist noch nicht Teil der Papers. Beides sind theoretische Planungen; ob und wann sie folgen, ist offen.Vorherige Version 1.3.1