论隐写继承的综合信息的起源

arXiv:2605.27551v1 发布类型：新增 摘要：物种起源一直是自然科学中的未解之谜。以此类推，我们认为，合成信息的起源是信息科学中的谜团。这个问题具有道德分量，技术解释既不能完全解决，也不能负责任地忽视，因为它对真理、信任和人类智力的影响深入到更广泛的经济和社会。人工智能的强大力量使得合成信息的进化谱系变得越来越难以追踪，因为一个足够强大的模型可能会产生在结构或信号水平上与它们的母体来源几乎没有相似之处的后代。正如在遗传学中一样，两个个体可能具有相同的表型，在外观上彼此镜像，但其基因型却存在根本差异。我们通过隐写术提出了一种类似于遗传的机制。当后代被繁殖时，投影仪从父母那里获得一个特征，并且隐写编码器将其无形地隐藏在后代中。这种特征在网络生态系统中的后代的整个生命周期中持续存在。当查询亲子关系时，隐写解码器会从后代中提取特征，并将其与参考池中候选父母的特征进行比较，从而提名最有可能的一个。理论分析将系统发育准确性描述为投影仪和隐写系统属性的函数，而跨多个投影仪和隐写系统的实证评估证明了所提出的方法在广泛的处理操作和语义修改下的可行性。我们设想了一个网络生态系统，其中合成信息被赋予隐藏但可追踪的血统特征，从简单的开始分支到已经和正在进化的无尽形式。