Si un modelo no puede permitirse simular los átomos, se ve obligado a inventar la 'química' para predecir el resultado. Echa un vistazo a este fascinante nuevo preprint que proporciona una base teórica de la información junto con medidas cuantificables "De la entropía a la epiplexidad" de @m_finzi @ShikaiQiu @yidingjiang @Pavel_Izmailov @zicokolter @andrewgwils. El trabajo ofrece un estudio muy interesante que muestra que los observadores 'perfectos' y ilimitados no están obligados a aprender una estructura de nivel superior: simplemente pueden simular la microfísica. Por ejemplo, para descubrir leyes generalizables significativas (contenido estructural capturado por la epiplexidad), un sistema normalmente necesita estar acotado computacionalmente. Estas leyes pueden asemejarse a lo que los científicos denominan teoría del continuo o macroescala, pero capturan de forma innata el mapeo functorial en un modelo estructural agnóstico a la escala. Esto es extremadamente relevante para una variedad de aplicaciones en IA para la ciencia y el descubrimiento. También conecta bien con nuestros hallazgos empíricos anteriores con LifeGPT (Jaime Berkovich et al.). En este caso, al aplicar el Enmascaramiento Causal Olvidadizo, restringimos artificialmente la capacidad del modelo para basarse en la historia. El artículo ofrece una explicación de principios coherente con lo que encontramos: esta restricción obligaba al modelo a depender menos de pistas específicas de la historia y, en su lugar, a aprender dinámicas de alto nivel reutilizables del Juego de la Vida en un mundo con limitaciones computacionales. También coincide con nuestros resultados con AutomataGPT, donde encontramos que inferir el conjunto de reglas (el problema inverso) produce representaciones más ricas que la simulación directa. La teoría apoya la idea de que resolver la tarea inversa más difícil obliga al modelo a capturar una estructura causal eficiente en computo, extrayendo efectivamente el 'código fuente' del sistema en lugar de limitarse a igualar patrones o confiar en el cálculo por fuerza bruta. @JaimeBerkovich

¿Y si los "fallos" de un sistema fueran en realidad el código fuente de su inteligencia? En trabajos recientes, argumentamos que la invención se comporta como una transición de fase impulsada precisamente por esta dinámica: la novedad es una respuesta termodinámica al fallo de restricciones. Cuando un sistema ya no puede resolver sus entradas dentro de sus grados de libertad actuales, se ve obligado a ampliar su espacio representacional, introduciendo nuevas variables efectivas para restaurar la viabilidad. Por tanto, la innovación no es un accidente; Es lo que hace un sistema viable cuando el modelo antiguo deja de cerrar. Esto nos permitió extraer la mecánica compartida detrás de fenómenos diversos: el descubrimiento mecánico, la creatividad y la chispa de la percepción. Mostramos que la ruptura de simetría es la nueva optimización. Mapeamos exhaustivamente el paisaje topológico de la materia y los sistemas musicales y encontramos que el vector estabilizador es la imperfección selectiva: un régimen topológico específico que rechaza tanto la perfección estéril como la aleatoriedad incoherente. De forma llamativa, ya sea en el fortalecimiento Hall-Petch de aleaciones de alta entropía, la geometría que impulsa la función de las proteínas o la evolución cultural de las escalas musicales, el corredor para la máxima coherencia y adaptabilidad se define por un defecto calculado. La física de la resiliencia y las matemáticas de la belleza parecen ejecutar el mismo algoritmo. Esto nos permite modificar la pila vibracional tratando la vibración como un operador universal isomorfo. Estamos licuando la frontera entre materia, sonido e inteligencia, creando una inversión epistémica: escuchar se convierte en una forma de ver y crear. Estamos traduciendo vibraciones moleculares de femtosegundos en espectros audibles para diseñar proteínas de novo creando líneas directas de comunicación entre Bach y la evolución en tiempo profundo, y usando la lógica de "fallos" de la biología para construir IA en enjambre. La distinción entre el tensor de acentuación de una telaraña y una composición musical se está desmoronando; Ambos son actos generativos de construcción de mundos bajo limitación. Para la IA, la implicación es sencilla: la interpolación no es invención. La verdadera invención estructural requiere sistemas que puedan metabolizar el fallo de restricciones, tratándola como el punto exacto donde nacen nuevos grados de libertad. Con esto, las máquinas superan el antiguo paradigma de simplemente analizar el mundo pero lo están construyendo. Estamos operacionalizando esto mediante topología de mundo pequeño. Cuando nacen estos nuevos grados de libertad, no forman un caos aleatorio; Entran en coherencia global mediante el cableado del mundo pequeño. Descubrimos que esta conectividad específica de equilibrar motivos locales con atajos a largo alcance es el requisito arquitectónico previo para una construcción genuina de mundos. Preimprime con el análisis completo que viene a continuación, mantente atento. ¡Vamos a 2026, estoy deseando ver qué nos depara!

¡Gracias, @davidasinclair, es una gran pregunta! Probablemente no exista una única "señal de stop"; en cambio, el control del tamaño podría surgir de la retroalimentación entre la mecánica, la geometría y las interacciones de las celdas locales. En nuestro trabajo MultiCell, la geometría tisular por sí sola predice futuros reordenamientos y divisiones, lo que sugiere que el crecimiento se detiene cuando los cambios posteriores se vuelven mecánicamente o topológicamente desfavorables. Las capas epigenéticas son una extensión natural siguiente, y nuestro marco de modelización debería proporcionar un punto de partida sólido para explorar cómo esta memoria reguladora se acopla a la morfodinámica.