论合成信息借助隐写遗传的起源

物种起源一直是自然科学中的奥秘之奥秘。依此类推，我们认为，合成信息的起源是信息科学中的奥秘之奥秘。这一问题承载着一种道德分量：技术性阐述既无法完全解决它，也不能负责任地忽视它，因为它对真相、信任与人类心智的影响深入到更广泛的经济与社会之中。人工智能的强大能力本身使合成信息的演化谱系愈发难以追溯，因为足够强大的模型可能生成在结构或信号层面都与母源几乎毫无相似之处的子代。正如遗传学中，两个个体可能共享彼此外观互为镜像的同一表型，其基因型却有根本差异。我们借助隐写术提出一种类似遗传的机制。在子代被复制出来的那一刻，投影器（projector）从母本提取一个特质，隐写编码器将其无形地隐藏在子代之中。该特质在赛博生态系统中贯穿子代的整个生命周期。当需要查询亲缘时，隐写解码器从子代中提取该特质，并与参考池中候选母本的特质进行比较，从而提名最可能的母本。理论分析将系统发生准确率刻画为投影器与隐写系统性质的函数，而跨多种投影器与隐写系统的实证评估则证明了所提方法在广泛的处理操作与语义修改下的可行性。我们展望这样一个赛博生态系统：合成信息被赋予隐藏而可追溯的谱系特质，从一个简单的开端分支出已经并正在演化的无穷形态。