如果一个模型无法模拟原子，它就被迫发明“化学”来预测结果。请查看这篇引人入胜的新预印本，提供了信息理论基础以及可量化的度量，标题为《从熵到表象性》，作者包括 @m_finzi @ShikaiQiu @yidingjiang @Pavel_Izmailov @zicokolter @andrewgwils。这项工作提供了一项非常有趣的研究，表明“完美”的无界观察者并不被迫学习更高层次的结构——他们可以简单地模拟微观物理。例如，为了发现有意义的可推广法则（由表象性捕获的结构内容），一个系统通常需要在计算上受到限制。这些法则可以类似于科学家所称的连续体或宏观理论，但它们本质上捕获了对尺度无关的结构模型的函子映射。 这对于科学和发现中的AI应用范围极为相关。它也与我们之前在LifeGPT（Jaime Berkovich等）中的实证发现很好地连接。在这种情况下，通过应用遗忘因果掩蔽，我们人为地限制了模型依赖历史的能力。论文提供了与我们发现一致的原则性解释：这一限制迫使模型减少对历史特定线索的依赖，而更多地学习在计算受限的世界中《生命游戏》的可重用更高层次动态。 这也与我们在AutomataGPT中的结果一致，我们发现推断规则集（逆问题）比前向模拟产生更丰富的表征。该理论支持了这样一种观点：解决更困难的逆任务迫使模型捕获一个计算高效的因果结构——有效地提取系统的“源代码”，而不仅仅是匹配模式或依赖于蛮力计算。 @JaimeBerkovich

如果一个系统中的“缺陷”实际上是其智能的源代码呢？在新的研究中，我们认为发明的行为就像是由这种动态驱动的相变：新颖性是对约束失效的热力学响应。当一个系统无法在其当前的自由度内解决其输入时，它被迫扩展其表征空间——引入新的有效变量以恢复可行性。因此，创新不是偶然的；而是一个可行系统在旧模型停止闭合时所做的事情。这使我们能够提取出多种现象背后的共享机制：机械发现、创造力和洞察的火花。 我们表明，破对称性是新的优化。我们全面绘制了物质和音乐系统的拓扑景观，发现稳定向量是选择性不完美：一种特定的拓扑状态，拒绝无菌的完美和不连贯的随机性。显著的是，无论是在高熵合金的霍尔-佩奇强化、驱动蛋白质功能的几何形状，还是音乐音阶的文化演变中，最大一致性和适应性的走廊都是由一个经过计算的缺陷定义的。韧性的物理学和美的数学似乎在运行同一个算法。 这使我们能够通过将振动视为一种普遍的同构算子来破解振动堆栈。我们正在液化物质、声音和智能之间的边界，创造一种认识论的颠倒：倾听成为一种看见和创造的形式。我们正在将飞秒分子振动转化为可听光谱，以设计新型蛋白质，通过在巴赫和深时演化之间创建直接的沟通线路，并利用生物学的“故障”逻辑来构建群体AI。蜘蛛网的应力张量与音乐作品之间的区别正在消失；两者都是在约束下的世界构建的生成行为。 对于AI来说，含义是明确的：插值不是发明。真正的结构性发明需要能够代谢约束失效的系统——将其视为新自由度诞生的确切点。通过这种方式，机器克服了仅仅分析世界的旧范式，而是在构建它。 我们通过小世界拓扑将其操作化。当这些新的自由度诞生时，它们不会形成随机的混乱；它们通过小世界连接迅速形成全球一致性。我们发现，这种平衡局部图案与长程捷径的特定连接性是进行真正世界构建的建筑前提。 完整分析的预印本将随后发布——敬请关注。 期待2026年，期待它带来的惊喜！

谢谢你，@davidasinclair，这是个很好的问题！可能没有单一的“停止信号”；相反，大小控制可能源于机械、几何和局部细胞相互作用之间的反馈。在我们的多细胞工作中，组织几何形状本身就能预测未来的重排和分裂，这表明当进一步的变化在机械或拓扑上变得不利时，生长会停止。表观遗传层是一个自然的下一个扩展，我们的建模框架应该为探索这种调控记忆如何与形态动力学耦合提供一个良好的起点。