" Исследователи математически доказали, что любой ИИ-агент, способный решать сложные многошаговые задачи, обязательно должен изучить внутреннюю модель окружающего мира.
Для компаний это означает, что инвестиции в ИИ-системы, которые понимают предметную область глубже текстового уровня, будут иметь конкурентное преимущество. Просто добавить LLM к процессам недостаточно для прорывных результатов.
Это практически математическое обоснование идей Яна Лекуна.
Главный результат, если ИИ-агент может успешно выполнять последовательности взаимосвязанных задач, то из его поведения можно математически извлечь модель того, как устроен мир.
модель мира - внутреннее представление о том, как устроена и функционирует окружающая среда.
Практически это означает:
1. чем лучше агент справляется с долгосрочными целями, тем точнее его внутренняя модель реальности
2. "Безмодельный" путь к общему ИИ теоретически невозможен.
3. Возможности агента жестко ограничены качеством его понимания мира.
Это важно для бизнеса, так как:
1. Подтверждает правильность фокуса на модельных подходах (Meta JEPA, Tesla FSD, робототехника). Объясняет, почему чисто языковые модели упираются в потолок для физических задач.
2. Создание AGI требует решения фундаментальной проблемы моделирования мира. Это сложнее, чем просто масштабирование существующих LLM.
3. Из любого достаточно способного ИИ можно извлечь его понимание мира для аудита. Это важно для корпоративного внедрения критических ИИ-систем
Что это значит для разработчиков?
- Есть четкий путь к созданию более способных агентов.
- Существует алгоритм для извлечения "знаний" ИИ о мире.
- Требуются новые архитектуры, не только увеличение параметров.
Исследование Google теоретически обосновывает то, о чем говорят лидеры индустрии:
1. Ян ЛеКун (Meta, запрещенная в РФ): "Нужны модели мира, токены не подходят для физической реальности"
2. Илон Маск: Автопилот Tesla по сути изучает модель физики дорожного движения.
Все успешные роботы имеют модели физического мира.
