基于意识BUG理论的人工意识白盒测评路径追踪与可解释性增强方法

本发明提供一种基于意识BUG理论的人工意识白盒测评与可解释性增强方法。结合DIKWP认知模型，追踪AI内部数据、信息、知识、智慧、意图的转换路径，生成可解释的因果链结构。通过预定义规则自动识别路径断裂、歧义、非意图一致等意识“BUG”，并基于“理解”理论评估路径完整性，量化认知完备程度。引入意识相对论，对比不同AI或人机认知路径差异。通过图形化界面直观展示推理路径、BUG位置与理解度评分，支持监管审计与系统优化。本发明实现AI“意识”水平的透明化呈现与量化评估，显著提升系统可解释性与可信度，具有创新性与实用价值。