우리는 컴팩트 지지 절대 연속 소스에서 이산 목표 측도로 최적 제어된 에이전트들의 최적 운송을 연구한다. 운송의 기저 비용(ground cost)은 에이전트 운동의 최적 비용에 의해 유도된다. 이 기저 비용이 비틀림 조건(twist condition)을 만족할 때, 최적 운송 맵은 상태 공간의 라게르 테셀레이션(Laguerre tessellation)의 형태로 거의 모든 곳에서 주어진다. 우리는 라게르 테셀레이션의 이러한 제어 이론적 일반화를 제어 라게르 테셀레이션(Control Laguerre Tessellation, CLT)이라 부르며, 최소 에너지 및 최소 시간 목적을 가진 선형 제어 에이전트에 의해 유도된 두 가지 기저 비용에 대해 이를 예시한다.
AI 정렬 및 해석 가능성 연구에서 순서(order)는 제어(control)가 아니며, 제어는 수신자 게이트 응답 법칙(receiver-gated response law)을 통해 정의된다고 주장합니다. 생물학적 시스템과 대규모 언어 모델(LLM) 패널을 통해 제안된 방법론을 검증하며, LLM의 응답 벡터가 높은 정확도로 예측 가능함을 입증합니다.
AI 통제 상실에 대한 기존 논의의 약한 기반을 보완하기 위해 목표 설정 및 달성을 통제의 정의로 설정하고, 사이버네틱스 및 제어 이론의 개념을 활용하여 통제의 요건과 상실 메커니즘을 분석한다. 인류는 초지능 수준 이하의 AI 행동으로 인해서도 통제력을 상실할 수 있으며, 이러한 시나리오의 가능성은 이미 오랫동안 존재해 왔음을 강조한다.