面向通用智能的公理化方法：SANC(E3)——能量E3自组织主动概念网络

通用智能必须在有限资源下将经验重新组织为内部结构，以实现预测与行动。现有系统隐式假设固定的原始单元——如token、子词、像素或预定义的传感器通道——从而规避了表征单元本身如何出现并稳定的问题。本文提出SANC(E3)，一种公理化框架，其中表征单元并非先验给定，而是作为在有限激活容量下，通过竞争选择、重构和压缩的稳定结果出现，受能量泛函E3的显式最小化所支配。SANC(E3) 在系统token（如{here, now, I}等结构锚点和感官来源）与通过共现事件自组织出现的token之间建立原则性区分。五个核心公理形式化了有限容量、共现关联、相似性竞争、置信度稳定以及重构-压缩-更新之间的权衡。其关键特征是一种伪记忆映射I/O机制，通过该机制，内部重放的Gestalt可通过相同的公理化路径处理为外部感官输入。因此，感知、想象、预测、规划和行动在单一的表征和能量过程中统一。从这些公理中推导出十二个命题，表明类别形成、层次组织、无监督学习以及高阶认知活动均可理解为在E3最小化下实现Gestalt完成的实例。