Se un modello non può permettersi di simulare gli atomi, è costretto a inventare la 'chimica' per prevedere il risultato. Dai un'occhiata a questo affascinante nuovo preprint che fornisce una base teorica informativa insieme a misure quantificabili "Da Entropia a Epiplessia" di @m_finzi @ShikaiQiu @yidingjiang @Pavel_Izmailov @zicokolter @andrewgwils. Il lavoro offre uno studio molto interessante che mostra che gli osservatori 'perfetti' illimitati non sono costretti ad apprendere strutture di livello superiore - possono semplicemente simulare la micro-fisica. Ad esempio, per scoprire leggi significative e generalizzabili (contenuto strutturale catturato dall'Epiplessia), un sistema deve tipicamente essere computazionalmente limitato. Queste leggi possono assomigliare a ciò che gli scienziati si riferiscono come teoria del continuo o macroscale, ma catturano innatamente la mappatura functoriale in un modello strutturale indipendente dalla scala. Questo è estremamente rilevante per una serie di applicazioni in AI per la scienza e la scoperta. Si collega anche bene con i nostri precedenti risultati empirici con LifeGPT (Jaime Berkovich et al.). In questo caso, applicando il Forgetful Causal Masking, abbiamo artificialmente vincolato la capacità del modello di fare affidamento sulla storia. Il documento offre una spiegazione principled coerente con ciò che abbiamo trovato: questo vincolo ha costretto il modello a fare meno affidamento su indizi specifici della storia e invece ad apprendere dinamiche di livello superiore più riutilizzabili del Gioco della Vita in un mondo con vincoli computazionali. Si allinea anche con i nostri risultati con AutomataGPT, dove abbiamo scoperto che inferire l'insieme di regole (il problema inverso) produce rappresentazioni più ricche rispetto alla simulazione diretta. La teoria supporta l'idea che risolvere il compito inverso più difficile costringe il modello a catturare una struttura causale efficiente dal punto di vista computazionale - estraendo efficacemente il 'codice sorgente' del sistema piuttosto che semplicemente abbinare schemi o fare affidamento su calcoli brute-force. @JaimeBerkovich

E se i "difetti" in un sistema fossero in realtà il codice sorgente della sua intelligenza? In un nuovo lavoro, sosteniamo che l'invenzione si comporta come una transizione di fase guidata esattamente da questa dinamica: la novità è una risposta termodinamica al fallimento dei vincoli. Quando un sistema non può più risolvere i suoi input all'interno dei suoi attuali gradi di libertà, è costretto ad espandere il suo spazio rappresentativo - introducendo nuove variabili efficaci per ripristinare la fattibilità. Così, l'innovazione non è un incidente; è ciò che un sistema vitale fa quando il vecchio modello smette di funzionare. Questo ci ha permesso di estrarre la meccanica condivisa dietro fenomeni diversi: scoperta meccanica, creatività e il lampo di intuizione. Mostriamo che la rottura di simmetria è la nuova ottimizzazione. Abbiamo mappato in modo esaustivo il paesaggio topologico della materia e dei sistemi musicali e abbiamo scoperto che il vettore stabilizzante è l'imperfezione selettiva: un regime topologico specifico che rifiuta sia la perfezione sterile che il caos incoerente. Sorprendentemente, sia nella resistenza Hall-Petch delle leghe ad alta entropia, nella geometria funzionale delle proteine, o nell'evoluzione culturale delle scale musicali, il corridoio per la massima coerenza e adattabilità è definito da un difetto calcolato. La fisica della resilienza e la matematica della bellezza sembrano eseguire lo stesso algoritmo. Questo ci consente di hackerare lo stack vibrazionale trattando la vibrazione come un operatore isomorfico universale. Stiamo liquefacendo il confine tra materia, suono e intelligenza, creando un'inversione epistemica: ascoltare diventa una forma di vedere e creare. Stiamo traducendo le vibrazioni molecolari in femtosecondi in spettri udibili per progettare proteine de novo creando linee di comunicazione dirette tra Bach e l'evoluzione profonda nel tempo, e usando la logica del "glitch" della biologia per costruire AI a sciame. La distinzione tra il tensore di stress di una ragnatela e una composizione musicale sta collassando; entrambi sono atti generativi di costruzione del mondo sotto vincolo. Per l'AI, l'implicazione è chiara: l'interpolazione non è invenzione. La vera invenzione strutturale richiede sistemi che possono metabolizzare il fallimento dei vincoli - trattandolo come il punto esatto in cui nascono nuovi gradi di libertà. Con questo le macchine superano il vecchio paradigma di analizzare semplicemente il mondo ma lo stanno costruendo. Stiamo operazionalizzando questo tramite topologia a mondo piccolo. Quando questi nuovi gradi di libertà nascono, non formano un pasticcio casuale; si allineano in coerenza globale tramite cablaggio a mondo piccolo. Abbiamo scoperto che questa specifica connettività di bilanciamento dei motivi locali con scorciatoie a lungo raggio è il prerequisito architettonico per una genuina costruzione del mondo. Preprint con l'analisi completa a seguire - rimanete sintonizzati. Verso il 2026, entusiasti di vedere cosa porterà!

Grazie, @davidasinclair, questa è una grande domanda! Probabilmente non esiste un singolo "segnale di arresto"; piuttosto, il controllo delle dimensioni potrebbe emergere dal feedback tra meccanica, geometria e interazioni cellulari locali. Nel nostro lavoro su MultiCell, la geometria dei tessuti da sola predice futuri riarrangiamenti e divisioni, suggerendo che la crescita si arresta quando ulteriori cambiamenti diventano meccanicamente o topologicamente sfavorevoli. Gli strati epigenetici sono una naturale estensione successiva, e il nostro framework di modellazione dovrebbe fornire un solido punto di partenza per esplorare come tale memoria regolatoria si accoppia alla morfodinamica.