Eine Architektur, in der AI nicht 1/0, sondern „Widerspruch“ als Auslöser für Denken nutzt (CKN)
(github.com/kokogo100)In letzter Zeit stehen Reasoning-Modelle wie DeepSeek-R1 oder QwQ im Fokus, und die Diskussion darüber, wie man AI zu „System 2 Thinking“ (reflektiertem Nachdenken) bringt, ist in vollem Gange. Interessanterweise habe ich bereits letzten Monat die CKN-Architektur (Contextual Knowledge Network) als Open Source veröffentlicht, die auf exakt derselben Philosophie basiert: „Widerspruch (Contradiction) als Auslöser für Denken verwenden“.
[1] Warum Widerspruch (Contradiction)? Das mathematische Wesen heutiger AI-Modelle besteht letztlich darin, anhand von Daten probabilistisch zu bestimmen, ob etwas „1 (Yes)“ oder „0 (No)“ ist. Das Problem entsteht, wenn die Daten der realen Welt bei 0,5 liegen, also mehrdeutig sind. Da das Modell gezwungen ist, gegen 1 oder 0 zu konvergieren, produziert es selbstbewusst vorgetragene Falschbehauptungen (Hallucination).
Ich war der Ansicht, dass AI den Zustand des „Konflikts (Conflict)“ zwischen 1 und 0 aushalten sollte und erst dann beginnt zu denken (Reasoning): „Moment, warum ist das unterschiedlich?“
[2] Warum Finance? Weil genau in diesem Bereich solche „Widersprüche“ am häufigsten und am heftigsten auftreten.
Das Chart signalisiert Aufwärtsbewegung (1), während die Nachrichten von negativen Faktoren (0) sprechen.
An dieser Stelle verwischt klassisches RAG die Informationen zu einem Durchschnitt oder zeigt Halluzinationen.
CKN erkennt genau diesen Widerspruch und startet einen Inferenzprozess, um ihn aufzulösen.
[3] Umsetzung: Ein Nachweis auf MCP Ich habe diese Architektur nicht bei einem Proof of Concept belassen, sondern sie als Layer auf MCP (Model Context Protocol) implementiert und tatsächlich lauffähig gemacht. Mehrere Agenten erzeugen Tags aus unterschiedlichen Perspektiven, und wenn zwischen den Tags Widersprüche auftreten, wird ein Trigger aktiviert.
Sie wurde auf Basis von MCP entwickelt, damit sie mit allen AI-Anbietern und Modellen funktionieren kann.
GitHub-Repository: https://github.com/kokogo100/ragalgo-mcp-server
6 Kommentare
Ist das ein Investment-Bot?
Es tut mir leid, falls das unangenehm war.
Ich wollte jedoch weniger bloße Werbung machen, sondern vielmehr zeigen, wie ernst es mir damit ist, die Hypothese namens CKN zu beweisen.
Um dieses kleine Open-Source-Projekt zu validieren, lasse ich derzeit auf eigene Kosten rund um die Uhr Dutzende Microservices (Railway) sowie die Gemini-/GPT-APIs laufen. Dass ich den Code trotz der Kosten unbedingt kostenlos veröffentlicht habe, liegt daran, dass ich fest davon überzeugt bin, dass dieser Ansatz mit dem „Widerspruchs-Trigger“ ein technischer Vorschlag ist, der für die nächste Generation von AI-Agenten unbedingt notwendig ist.
Wenn man eine Logik aufstellt, ist es nur selbstverständlich, dass man sie auch beweisen muss.
Vielen Dank.
Gibt es auf GitHub und GeekNews geplante Postings? Es sieht so aus, als hätten Sie gerade einen Beitrag vom letzten Jahr veröffentlicht...
Während Reasoning-Modelle wie DeepSeek-R1 oder QwQ zuletzt zum großen Thema geworden sind, wird intensiv darüber diskutiert, wie man KI zu „System 2 Thinking“ (reflektiertem Nachdenken) bringen kann. Ich habe bereits letzten Monat eine exakt gleiche Philosophie wie diese vertreten
ragalgo-mcp-server2025. 12https://github.com/kokogo100/ragalgo-mcp-server/…
Wenn man sich die Änderungen in der README ansieht, wirkt es so, als würden selbst Erklärungen, die wichtig erschienen, ständig stark geändert. Ich frage mich, mit welcher eigenen Überzeugung Sie bei der Entwicklung gearbeitet haben.
Was soll das, ist das eine Produktwerbung?
Ich habe die Datei
docs/CKN_Architecture_KR.mddort ausführlich auf Koreanisch dokumentiert. Wenn Sie sie kurz durchlesen, werden Sie es wahrscheinlich schneller verstehen.