צוות מחקר מאוניברסיטת Tsinghua פיתח מודל עולם אלגברי לשיפור יכולות ההסקה של בינה מלאכותית
4 בנובמבר 2026 · קריאה של 2 דק׳
צוות מחקר בהובלת Yao Qizhi ו-Yuan Yang מאוניברסיטת Tsinghua פיתח פרויקט חדש בשם מודל עולם אלגברי, המכונה AWM. המודל נועד לאפשר לבינה מלאכותית להבין את העולם דרך תצפיות וניסויים, בדומה לאופן שבו בני אדם מגלים חוקים מדעיים.
החוקרים השתמשו במערכת משחקים בשם ARC-AGI-3 כדי לבחון את היכולות של מודלים קיימים. במבחנים אלו, מודלים מובילים כמו GPT-6 Astra ו-Claude Opus 5.5 התקשו לזהות משימות בלתי אפשריות. במקרה של שלב משחק שבו מספר הצעדים הראשוני היה נמוך מדי כדי לנצח, GPT-6 Astra טען לאחר שמונה ניסיונות כי נדרשים לפחות 22 צעדים כדי לנצח. מתוך 12 בדיקות דומות, רק בחמישה מקרים זיהו המודלים שהמשימה היא בלתי אפשרית, ובארבעה מתוכם היה מספר הצעדים המינימלי שסופק שגוי.
ה-AWM פועל על ידי הפשטה של כל האובייקטים, הקשרים והחוקים במשחק לתוך עולם אלגברי, תוך ניצול יכולות מתמטיות של מודלי שפה גדולים. כאשר הופעל מודל AWM המבוסס על Opus 5.5 מול אותו שלב בלתי פתיר, הוא הצליח להוכיח לאחר שני ניסיונות בלבד שהשלב אינו פתיר בתנאים הקיימים, וכי צעד אחד נוסף יאפשר ניצחון. במבחני ARC-AGI-3 הכוללים, AWM המבוסס על Opus 5 השלים את כל 183 השלבים עם ציון של 99.9 אחוזים, כאשר מספר הפעולות הממוצע להשלמה היה רק 43 אחוזים מהבסיס האנושי.
הגישה של AWM שואבת השראה מענף מתמטי שנקרא תורת הקטגוריות, ובמיוחד מכלים המכונים גבול היטל וגבול אינדוקטיבי. שימוש בכלים אלו מאפשר למודל להפוך השערות קוד ב-Python, שהיו בתחילה מפוזרות ומבולבלות, למודל עולם עקבי, ברור ופשוט שניתן להסיק ממנו ולהוכיח טענות. המטרה היא לעבור מתיאור תופעות בלבד לגילוי חוקים מהותיים ומבנים מתמטיים.
החוקרים מציינים כי למודל יש מגבלות, שכן ההוכחות שלו תקפות רק עבור העולם שבו הוא ביצע תצפיות. אם שלב הגילוי אינו מקיף מספיק וחלק מחוקי המפתח הושמטו, המודל יתאר אמת חלקית בלבד ולא עולם מלא.