Zespół kierowany przez Yao Qizhiga i Yuan Yanga z Uniwersytetu Tsinghua przedstawił nowy model świata oparty na algebrze
4 listopada 2026 · Czas czytania: 3 min
Dostępne również w Português (Brasil), Русский, हिन्दी, ไทย, العربية, Español, Italiano, Norsk, עברית
Zespół badawczy kierowany przez Yao Qizhiga oraz Yuan Yanga z Uniwersytetu Tsinghua opracował nowatorskie rozwiązanie określane mianem algebraicznego modelu świata. Projekt ten ma na celu umożliwienie systemom sztucznej inteligencji rozumienia fundamentalnych praw rządzących środowiskiem poprzez obserwację i eksperymenty, zamiast polegania wyłącznie na wcześniej przetworzonych danych treningowych. Głównym celem tej inicjatywy jest przełamanie ograniczeń obecnych modeli, które często opisują jedynie zjawiska powierzchowne, nie zdolne do wyprowadzenia głębokich zasad przyczynowo-skutkowych w nieznanych wcześniej sytuacjach.
Współczesne zaawansowane modele sztucznej inteligencji, takie jak GPT Astra czy Claude Opus, osiągają wysokie wyniki w zestawie testowym ARC-AGI-3, który charakteryzuje się brakiem jasno określonych reguł i celów. Mimo uzyskiwania ocen sięgających dziewięćdziesięciu dziewięciu i dziewięciu dziesiątych procenta, systemy te często zawodzą w momentach, gdy zadanie jest niewykonalne. W testach polegających na zmodyfikowaniu gry tak, aby była ona niemożliwa do ukończenia przy założonej liczbie kroków, czołowe modele jedynie w pięciu na dwanaście przypadków poprawnie zidentyfikowały niemożliwość rozwiązania. Co więcej, w czterech z tych przypadków systemy podały błędne szacunki minimalnej liczby kroków potrzebnej do zwycięstwa, co w realnych zastosowaniach mogłoby prowadzić do poważnych konsekwencji operacyjnych.
Algebraiczny model świata podejmuje próbę rozwiązania tego problemu poprzez abstrakcyjne przedstawienie wszystkich obiektów, relacji i reguł danego środowiska jako struktury algebraicznej. Wykorzystując zaawansowane zdolności matematyczne dużych modeli językowych, system ten analizuje stworzony świat w poszukiwaniu spójnych praw. W scenariuszach, w których standardowe modele wielokrotnie próbują rozwiązać nierozwiązywalne zadanie, algebraiczny model świata oparty na modelu Opus potrzebuje jedynie dwóch prób, aby udowodnić niemożliwość sukcesu przy obecnych ograniczeniach. System ten jest w stanie precyzyjnie wskazać, że zwiększenie dostępnych zasobów o zaledwie jeden krok pozwala na osiągnięcie celu, dostarczając tym samym jasnego uzasadnienia swojej decyzji.
Skuteczność nowego podejścia została potwierdzona w szerokich testach na całym zestawie ARC-AGI-3. Konfiguracja wykorzystująca model Opus w wersji pięć zdołała ukończyć wszystkie sto osiemdziesiąt trzy poziomy testowe, utrzymując wynik na poziomie dziewięćdziesięciu dziewięciu i dziewięciu dziesiątych procenta. Co istotne, średnia liczba akcji wymaganych do przejścia poziomów przez ten system stanowiła zaledwie czterdzieści trzy procent wartości odnotowanej dla ludzkich punktów odniesienia. Oznacza to, że sztuczna inteligencja nie tylko lepiej rozumie zasady gry, ale także działa znacznie bardziej efektywnie niż ludzie w tym specyficznym środowisku testowym.
Metodologia opracowana przez badaczy czerpie inspirację z działu matematyki zwanego teorią kategorii, który bywa określany mianem matematyki matematyki ze względu na badanie wspólnych struktur różnych teorii. Zespół wykorzystał dwa kluczowe narzędzia z tej dziedziny: granice projektowe oraz granice indukcyjne. Mechanizmy te działają jako komplementarne sposoby myślenia, pozwalające na iteracyjne przekształcanie początkowych, chaotycznych założeń programistycznych w języku Python. Proces ten prowadzi do wyłonienia się coraz bardziej zwięzłych, klarownych i spójnych reguł, które finalnie tworzą model świata zdolny do logicznego wnioskowania i dowodzenia.
Podejście to nawiązuje do historycznych osiągnięć naukowych, takich jak prace Johannesa Keplera, który z ogromnej ilości danych obserwacyjnych Tycho Brahe wyprowadził trzy prawa ruchu planet. Podobnie jak Kepler wyodrębnił istota praw fizycznych z surowych danych, tak algebraiczny model świata dąży do kondensacji struktury z obserwowanych interakcji. Należy jednak zaznaczyć, że dowody generowane przez ten system są ważne wyłącznie w obrębie zaobserwowanego świata. Jeśli proces eksploracji nie będzie wystarczająco kompleksowy i pominie kluczowe reguły, powstały model będzie reprezentował jedynie lokalną prawdę, a nie pełny obraz rzeczywistości.