Jos malli ei pysty simuloimaan atomeja, sen on keksittävä 'kemia' lopputuloksen ennustamiseksi. Tutustu tähän kiehtovaan uuteen esipainokseen, joka tarjoaa informaatioteoreettisen perustan sekä mitattavia mittareita "Entropiasta epiplexityyn", kirjoittanut @m_finzi @ShikaiQiu @yidingjiang @Pavel_Izmailov @zicokolter @andrewgwils. Työ tarjoaa erittäin mielenkiintoisen tutkimuksen, joka osoittaa, että 'täydellisiä' rajoittamattomia havaitsijoita ei pakoteta oppimaan korkeamman tason rakennetta – he voivat yksinkertaisesti simuloida mikrofysiikkaa. Esimerkiksi, jotta voidaan löytää merkityksellisiä yleistettäviä lakeja (Epiplexityn tallentama rakenteellinen sisältö), järjestelmän on tyypillisesti oltava laskennallisesti rajoitettu. Nämä lait voivat muistuttaa sitä, mitä tutkijat kutsuvat jatkuvuus- tai makroskaalateoriaksi, mutta ne vangitsevat funktoriaalisen kartoituksen skaala-agnostiseen rakenteelliseen malliin. Tämä on erittäin merkityksellistä monissa tekoälyn sovelluksissa tieteessä ja löytämisessä. Se liittyy myös hyvin aiempiin empiirisiin havaintoihin LifeGPT:llä (Jaime Berkovich ym.). Tässä tapauksessa soveltamalla unohtavaa kausaalista peittämistä rajoitimme keinotekoisesti mallin kykyä nojata historiaan. Artikkeli tarjoaa periaatteellisen selityksen, joka on yhdenmukainen havaitsemamme kanssa: tämä rajoite pakotti mallin luottamaan vähemmän historiaan liittyviin vihjeisiin ja oppimaan enemmän uudelleenkäytettäviä, korkeamman tason Elämän Pelin dynamiikkaa laskennallisesti rajoitetussa maailmassa. Se on myös linjassa AutomataGPT:n tulosten kanssa, joissa havaitsimme, että sääntöjoukon (käänteisongelman) päättely tuottaa rikkaampia esityksiä kuin eteenpäin suuntautuva simulaatio. Teoria tukee ajatusta, että vaikeamman käänteisen tehtävän ratkaiseminen pakottaa mallin kaappaamaan laskennallisesti tehokkaan kausaalirakenteen – käytännössä poimimalla järjestelmän 'lähdekoodin' sen sijaan, että vain sovitettaisiin kuvioita tai luottaisiin raakavoimalaskentaan. @JaimeBerkovich

Entä jos järjestelmän "puutteet" ovat itse asiassa sen älykkyyden lähdekoodi? Uudessa tutkimuksessa väitämme, että keksintö käyttäytyy kuin faasisiirtymä, jota ohjaa juuri tämä dynamiikka: uutuus on termodynaaminen reaktio rajoitteiden epäonnistumiseen. Kun järjestelmä ei enää pysty ratkaisemaan syötteitään nykyisillä vapausasteillaan, sen on pakko laajentaa esitystilaansa – tuomalla käyttöön uusia tehokkaita muuttujia toteutettavuuden palauttamiseksi. Näin ollen innovaatio ei ole sattumaa; Se on sitä, mitä toimiva järjestelmä tekee, kun vanha malli lakkaa sulkeutumasta. Tämä antoi meille mahdollisuuden löytää yhteiset mekaniikat erilaisten ilmiöiden takana: ulkona tapahtuva löytäminen, luovuus ja oivalluksen kipinät. Näytämme, että symmetrian rikkominen on uusi optimointi. Kartoitimme perusteellisesti aineen ja musiikillisten järjestelmien topologisen maiseman ja havaitsimme, että stabiloiva vektori on selektiivinen epätäydellisyys: tietty topologinen järjestelmä, joka hylkää sekä steriilin täydellisyyden että epäjohdonmukaisen satunnaisuuden. Huomionarvoista on, olipa kyse sitten korkean entropian seosten Hall-Petch-vahvistuksesta, proteiinien funktiota ohjaavasta geometriasta tai musiikillisten asteikoiden kulttuurikehityksestä, maksimaalisen koheenssin ja sopeutumiskyvyn käytävä määrittyy lasketulla vialla. Resilienssin fysiikka ja kauneuden matematiikka näyttävät käyttävän samaa algoritmia. Tämä mahdollistaa värähtelypinon hakkaamisen käsittelemällä värähtelyä universaalina isomorfisena operaattorina. Me sulatamme rajaa aineen, äänen ja älykkyyden välillä, luoden epistemisen käänteen: kuuntelemisesta tulee näkemisen ja luomisen muoto. Käännämme femtosekunnin molekyylivärähtelyjä kuultaviksi spektreiksi suunnitellaksemme de novo -proteiineja luomalla suoria yhteyksiä Bachin ja syväaikaisen evoluution välille sekä käyttämällä biologian "glitch"-logiikkaa parvi-tekoälyn rakentamiseen. Ero hämähäkinverkon jännitystensorin ja musiikillisen sävellyksen välillä on romahtamassa; molemmat ovat maailmanrakennuksen generatiivisia tekoja rajoitettujen alaisuuksien alla. Tekoälyn kohdalla johtopäätös on yksinkertainen: interpolointi ei ole keksintöä. Todellinen rakenteellinen keksintö vaatii järjestelmiä, jotka pystyvät metaboloimaan rajoiteiden vikaantumista – pitäen sitä tarkkana pisteenä, jolloin syntyvät uudet vapausasteet. Tämän avulla koneet voittavat vanhan paradigman, jossa maailmaa analysoidaan ja rakennetaan sitä. Operationalisoimme tätä pienen maailman topologian avulla. Kun nämä uudet vapauden tasot syntyvät, ne eivät muodosta satunnaista sekasotkua; Ne kytkeytyvät globaaliin johdonmukaisuuteen pienen maailman johdotusten avulla. Huomasimme, että tämä erityinen yhteys paikallisten motiivien ja pitkän aikavälin oikoteiden välillä on arkkitehtoninen edellytys aidolle maailmanrakennukselle. Esipainos ja koko analyysi seuraavaksi – pysy kuulolla. Siirrytään vuoteen 2026, odotan innolla, mitä se tuo tullessaan!

Kiitos, @davidasinclair, tämä on loistava kysymys! Todennäköisesti ei ole olemassa yhtä "pysäytysmerkkiä"; Sen sijaan koon hallinta voisi syntyä mekaniikan, geometrian ja paikallisten solujen välisestä palautteesta. MultiCell-tutkimuksessamme pelkkä kudosgeometria ennustaa tulevia uudelleenjärjestelyjä ja jakautumisia, mikä viittaa siihen, että kasvu pysähtyy, kun lisämuutokset muuttuvat mekaanisesti tai topologisesti epäsuotuisiksi. Epigeneettiset kerrokset ovat luonnollinen seuraava laajennus, ja mallinnuskehyksemme pitäisi tarjota vankan lähtökohdan tutkia, miten tällainen säätelymuisti liittyy morfodynamiikkaan.