Kolmiosainen silmukka valvomoille

Valvomo on enimmäkseen ihmisiä tuijottamassa näyttöjä, odottamassa hälytystä ja sitten tarttumassa valmiiksi kirjoitettuun korjaukseen. Lifetime World Model V1 on suunnitelma tämän työn seuraavalle muodolle: havaitse, kuvittele seuraava siirto, ehdota korjausta — ja pidä ihminen komennossa.

Kolme roolia, yksi silmukka. Kukin vastaa toimivaa osaa referenssikoodissa.

1 · Havainto — ankkuri

Raaka, monimuotoinen telemetria — lämpötila, värähtely, tuuli, kuormitus — normalisoidaan yhdeksi hallituksi tilannekuvaksi, jota kutsumme tilavektoriksi (State Vector). Matematiikka on determinististä ja elää koodissa, joten tilannekuva on tarkastettavissa, ei arvattu. Tesla-tyylinen päästä päähän -aistipino on tässä arkkityyppi: signaali ensin, vähemmän hauraita käsin rakennettuja putkia.

2 · Mielikuvitus — hiekkalaatikko

Ennen mitään siirtoa simulaattori projisoi, mitä kukin ehdokastoiminto tekisi tilavektorille — hyödyn, jonka se voisi tuoda, suhteessa riskiin, jonka se lisäisi. NVIDIA Cosmos -luokan maailmanmalli on arkkityyppi fysiikkatietoiselle versiolle tästä. Referenssi toimittaa deterministisen sijaisen, ja se on rehellinen siitä, että kyse on sijaisesta.

3 · Toiminta — silmukkainsinööri

Kun havainto ja simulaatio ovat samaa mieltä optimoidusta polusta, agenttikerros — Claude Code -arkkityyppi — laatii muutoksen. Referenssissämme se toimii samoilla BaseAgent-primitiiveillä, joita muu alusta jo käyttää. Korkeimmalle sijoittunut toiminto palaa ehdotuksena:

// world-model-loop.agent.ts — silmukka, deterministinen ja portitettu
const stateVector = buildStateVector(telemetry, { anomalyThreshold });
const rankedActions = this.rankCandidates(stateVector, candidates);
const selectedProposal = this.buildProposal(rankedActions, candidates);
// palauttaa { stateVector, rankedActions, selectedProposal, rewardUpdates }

Silmukka ei koskaan toteuta ehdotusta. Live-muutos kantaa aina ihmisportin, ja applied-kenttä on tyypitetty arvoon false, jottei ehdotusta voi erehtyä julkaisuksi:

return {
  action,
  rankScore: top.rankScore,
  requiresHumanApproval: true,
  applied: false, // kovatyypitetty — silmukka ehdottaa, ihminen komentaa
  rationale,
};

Silmukan sulkee palkkio

Silmukka oppii operaattorilta. Kun ihminen ohittaa ehdotetun toiminnon, ohitus kirjataan negatiivisena palkkiona ja sama toimintotyyppi sijoittuu seuraavalla kerralla alemmas. Se on läpinäkyvä preferenssipaino, ei musta laatikko — ja vain sellaista oppimista voi asettaa tilintarkastajan eteen.

Lue seuraavaksi

• Maailmanmallin neljä oppimisparadigmaa
• Ontologia elää tiimin aivoissa
• Mallisi ei voita kohinatasoasi

Risto Anton Paarni — toimitusjohtaja, Lifetime Oy · päätoimittaja, Lifetime Scope Journal. Arkkitehtuuri dokumentoitu: docs/FIELD_NOTE_WORLD_MODEL_V1_LOOP_2026.md; referenssikoodi: src/agents/world-model/. Tämä kirjoitus on kommentaari suunnitelmasta eikä sisällä taloudellisia ehtoja tai kumppanuusväitteitä.