Научная работа представляет принципиально новый взгляд на работу систем искусственного интеллекта — теорию Семантического Метаболизма (Semantic Metabolism, SM), которая преодолевает фундаментальное ограничение современных систем искусственного интеллекта: их пассивность. В отличие от существующих нейровесовых полей и других семантических систем, которые эффективно хранят и сжимают информацию, но не обладают внутренней динамикой, SM моделирует непрерывный процесс мышления и речепорождения, аналогичный метаболическим процессам в живых организмах. Основу SM составляет синтез четырёх ключевых компонентов: активного вывода (Active Inference) как движущей силы внутренней активности, динамики семантических полей с аттракторами и репеллерами, энергетической модели когнитивного гомеостаза и моделирования речи как траектории в семантическом пространстве. Формально система описывается тремя аксиомами: активности ядер (динамические уравнения эволюции семантических ядер), энергетического баланса (управление внутренним ресурсом системы) и речевой траектории (отображение последовательности ядер в связный текст). В работе доказаны теоремы о существовании аттракторов мысли и связности речевых траекторий, обеспечивающие математическую строгость предлагаемой модели. Экспериментальная валидация проводилась на двух уровнях. На синтетических данных система продемонстрировала способность генерировать осмысленную ассоциативную цепочку: от концепта «огонь» через промежуточные состояния («тепло», «солнце», «день», «работа», «мысль») к финальному состоянию «тишина», с формированием связной фразы «Огонь дает тепло, как солнце в день работы, рождая мысль в тишине». На реальных данных литературного корпуса система показала устойчивую автономную активность в 1250 циклов, семантическую связность траекторий на уровне 0.87 и высокую естественность генерируемого текста (оценка 4.2 из 5). Сравнительный анализ показал превосходство SM над Markov-цепями по связности и естественности, над RNN-моделями по длительности автономной активности и над Transformer-архитектурами по энергоэффективности. Архитектурно система реализована как четырёхкомпонентный комплекс, включающий динамический движок для решения уравнений эволюции, энергетический менеджер для контроля внутренних ресурсов, семантический декодер для преобразования траекторий в речь и монитор гомеостаза для адаптивной настройки параметров. Эта архитектура обеспечивает устойчивую работу системы в условиях меняющейся внутренней и внешней среды. Теоретическая значимость работы заключается в формализации «живого» семантического континуума, создании математической модели автономной когнитивной динамики и синтезе методов машинного обучения, нейронауки и теории динамических систем. Практическая ценность охватывает создание ИИ с внутренней мотивацией, разработку динамических самоорганизующихся семантических баз данных, построение систем генерации текста с глубокой семантической связностью и моделирование когнитивных процессов для междисциплинарных исследований. Текущие ограничения системы включают высокую вычислительную сложность, зависимость от качества исходных семантических представлений и относительно упрощённую модель речевого синтеза. Перспективные направления развития охватывают создание многоуровневой иерархии полей, интеграцию с перцептивными системами для замыкания цикла «восприятие-мышление-действие», разработку квантовых аналогов для моделирования нелокальных семантических переходов и нейробиологическую валидацию для сравнения траекторий системы с паттернами нейронной активности. В заключение, теория Семантического Метаболизма представляет собой значительный шаг от пассивных информационных систем к активным семантическим континуумам, способным не только хранить знания, но и непрерывно их преобразовывать, генерируя новые смыслы и речевые структуры. Это открывает путь к созданию искусственного интеллекта с внутренней когнитивной динамикой, приближающегося по своим фундаментальным свойствам к естественному мышлению и сознанию.