ainews
Пределы ИИ: алгоритм не умеет прыгать
Авторы утверждают, что современные LLM структурно неспособны к абдуктивному «прыжку», необходимому для фундаментальных научных открытий. На примере создания Общей теории относительности Эйнштейном они показывают разницу между индукцией (сжатие данных), дедукцией (логический вывод) и абдукцией — генерацией принципиально новых объяснительных гипотез, укоренённых в физической реальности.
Тем, кто работает над автоматизацией научных открытий или верит в «AI Scientist», стоит понять фундаментальное ограничение: текущая архитектура ИИ может оптимизировать внутри парадигмы, но не создавать новые парадигмы без заземления в физической симуляции.
Это аннотация к авторской статье. Мы не публикуем и не пересказываем чужие тексты целиком — полная версия у автора.
О чём статья
- LLM освоили индукцию (статистические паттерны) и дедукцию (формальные доказательства), но не умеют абдукцию — создание новых объяснительных гипотез
- Фундаментальные открытия (как ОТО) происходят не от избытка данных или «кризиса» теории, а от интуитивного скачка, основанного на телесном мышлении и симуляции физической реальности
- «Китайская комната» LLM манипулирует языком физики без доступа к физическим референтам — отсюда невозможность создать новую концептуальную рамку
- Решение требует агентных мультимодальных world-моделей с контрфактуальными интервенциями — синтетической лаборатории для «мышления действием»
Комментарии