Se um modelo não puder se dar ao luxo de simular os átomos, ele é forçado a inventar a 'química' para prever o resultado. Confira este novo e fascinante preprint que oferece uma base teórica da informação junto com medidas quantificáveis "From Entropy to Epiplexity" da @m_finzi @ShikaiQiu @yidingjiang @Pavel_Izmailov @zicokolter @andrewgwils. O trabalho oferece um estudo muito interessante mostrando que observadores 'perfeitos' e ilimitados não são forçados a aprender estruturas de nível superior – eles podem simplesmente simular a microfísica. Por exemplo, para descobrir leis generalizáveis significativas (conteúdo estrutural capturado pela Epiplexidade), um sistema normalmente precisa ser computacionalmente limitado. Essas leis podem se assemelhar ao que os cientistas chamam de teoria do contínuo ou macroescala, mas capturam de forma inerente o mapeamento funtorial em um modelo estrutural independente da escala. Isso é extremamente relevante para uma variedade de aplicações em IA para ciência e descoberta. Também se conecta bem com nossas descobertas empíricas anteriores com o LifeGPT (Jaime Berkovich et al.). Neste caso, ao aplicar o Máscaras Causal Esquecidas, restringimos artificialmente a capacidade do modelo de se basear na história. O artigo oferece uma explicação de princípios consistente com o que encontramos: essa restrição forçou o modelo a depender menos de pistas específicas da história e, em vez disso, aprender dinâmicas de nível mais reutilizável e de alto nível do Jogo da Vida em um mundo com restrição computacional. Também está alinhado com nossos resultados com o AutomataGPT, onde descobrimos que inferir o conjunto de regras (o problema inverso) gera representações mais ricas do que a simulação direta. A teoria apoia a ideia de que resolver a tarefa inversa mais difícil força o modelo a capturar uma estrutura causal eficiente em computação – extraindo efetivamente o 'código-fonte' do sistema, em vez de apenas corresponder padrões ou depender de computação por força bruta. @JaimeBerkovich

E se as "falhas" de um sistema forem, na verdade, o código-fonte da sua inteligência? Em trabalhos recentes, argumentamos que a invenção se comporta como uma transição de fase impulsionada exatamente por essa dinâmica: a novidade é uma resposta termodinâmica à falha de restrições. Quando um sistema não consegue mais resolver suas entradas dentro dos atuais graus de liberdade, ele é forçado a expandir seu espaço representacional – introduzindo novas variáveis efetivas para restaurar a viabilidade. Assim, a inovação não é um acidente; É isso que um sistema viável faz quando o modelo antigo para de fechar. Isso nos permitiu extrair a mecânica compartilhada por trás de diversos fenômenos: descoberta mecânica, criatividade e a centelha de insight. Mostramos que a quebra de simetria é a nova otimização. Mapeamos exaustivamente a paisagem topológica da matéria e dos sistemas musicais e descobrimos que o vetor estabilizador é a imperfeição seletiva: um regime topológico específico que rejeita tanto a perfeição estéril quanto a aleatoriedade incoerente. De forma impressionante, seja no fortalecimento Hall-Petch de ligas de alta entropia, na geometria que impulsiona a função das proteínas ou na evolução cultural das escalas musicais, o corredor para máxima coerência e adaptabilidade é definido por um defeito calculado. A física da resiliência e a matemática da beleza parecem estar executando o mesmo algoritmo. Isso nos permite hackear a pilha vibracional tratando a vibração como um operador universal isomorfo. Estamos liquefazendo a fronteira entre matéria, som e inteligência, criando uma inversão epistêmica: ouvir se torna uma forma de ver e criar. Estamos traduzindo vibrações moleculares de femtossegundos em espectros audíveis para projetar proteínas de novo criando linhas diretas de comunicação entre Bach e a evolução em tempo profundo, e usando a lógica de "glitch" da biologia para construir IA em enxame. A distinção entre o tensor de acentuação de uma teia de aranha e uma composição musical está desmoronando; ambos são atos geradores de construção de mundo sob restrição. Para a IA, a implicação é simples: interpolação não é invenção. A verdadeira invenção estrutural requer sistemas que possam metabolizar a falha de restrição – tratando-a como o ponto exato onde novos graus de liberdade nascem. Com isso, as máquinas superam o antigo paradigma de simplesmente analisar o mundo, mas estão construindo-o. Estamos operacionalizando isso por meio da topologia do mundo pequeno. Quando esses novos graus de liberdade nascem, eles não formam uma bagunça aleatória; Eles se conectam à coerência global por meio de uma conexão de mundo pequeno. Descobrimos que essa conectividade específica de equilibrar motivos locais com atalhos de longo alcance é o pré-requisito arquitetônico para uma construção genuína de mundos. Preprint com a análise completa a seguir – fique ligado. Vamos para 2026, estou animado para ver o que isso traz!

Obrigado, @davidasinclair, essa é uma ótima pergunta! Provavelmente não existe um único "sinal de parada"; em vez disso, o controle de tamanho poderia surgir do feedback entre mecânica, geometria e interações locais das células. Em nosso trabalho com MultiCell, a geometria dos tecidos sozinha prevê futuros rearranjos e divisões, sugerindo que o crescimento para quando mudanças futuras se tornam desfavoráveis mecânica ou topologicamente. Camadas epigenéticas são uma extensão natural próxima, e nosso arcabouço de modelagem deve fornecer um ponto de partida sólido para explorar como essa memória reguladora se acopla à morfodinâmica.