世界を単に予測するシステムが、どのようにして自らの因果的影響を他のすべてから区別するようになるのか。この根本的な問題に対して、研究者たちは192次元のGRU（ゲート付き再帰型ユニット）を使用した40個の制御実験を実施し、発達段階に沿って要素を一つずつ追加しながら、システムが自己原因による変化と世界原因による変化を区別できるかどうかを追跡しました。 この発達経路の分析により、厳密な順序で満たされなければならない4つの条件が明らかになりました。第一に、安定したアトラクターを形成する永続的な状態、第二に、出力を入力に結びつける因果作用ループ、第三に、暗黙的な因果知識を明示的にする固有受容フィードバック、そして第四に、非同期的な目覚め――知覚学習が行動学習の前に定着する必要があるということです。研究チームは、自らの行動を知ることの予測的優位性を測定するメトリクスとして「主体性利得（A = Err_world - Err_self）」を提案しました。 自己認識を持つ予測器は、周期的環境（正弦波）と混沌環境（ローレンツ方程式）の両方において、自己認識のない予測器を一貫して上回る性能を発揮します。興味深いことに、このメトリクスは補助的な要素をすべて削除した場合でも機能します。しかし、意味のある主体性利得を生み出すのは順方向のサンプリングに基づく行動選択のみであり、勾配ベースの2つの代替手段は機能しません。 同様に重要なのは、発達が停滞する箇所を示唆する12の反証された仮説です。予測符号化だけでは自己表現は生まれず、特定の構造的・機能的条件の組み合わせが必要であることが示されました。この研究は、認知的主体性と自己認識の出現メカニズムに対する新たな視点を提供しており、発達心理学と人工知能研究の両分野に重要な含意を持ちます。