三元认知架构：通过时空和认知摩擦限制自主行动

当前的自主人工智能代理主要由大语言模型（LLM）驱动，在认知失重状态下运行：它们处理信息时没有内在的网络拓扑、时间节奏或认知限制。因此，启发式代理循环（例如，ReAct）可能会在交互环境中表现出故障模式，包括在拥塞情况下过度使用工具、在时间衰减情况下长时间深思熟虑以及在不明确证据下的脆弱行为。在本文中，我们提出了三元认知架构（TCA），这是一个统一的数学框架，为连续时间物理学中的机器推理奠定了基础。通过综合非线性滤波理论、黎曼路由几何和最优控制，我们正式定义了认知摩擦的概念。我们将智能体的审议过程映射到耦合随机控制问题，其中信息获取是路径依赖的且受到物理约束。 TCA 不依赖于任意启发式停止标记，而是使用 HJB 驱动的停止边界，并实例化具有网络效用停止条件的基于信念的信息值的基于推出的近似。通过模拟紧急医疗诊断网格（EMDG）中的实证验证，我们证明，虽然贪婪基线在延迟和拥塞成本下过度考虑，但三元策略减少了采取行动的时间，同时提高了患者的生存能力，而不会降低这种环境中的诊断准确性。