От неоклассики к «запутанным» модулям
Команда во главе с Хаоченом Ли (Haochen Li) опубликовала в arXiv (2026) работу, предлагающую радикально новый подход к архитектуре Искусственного Общего Интеллекта (AGI). Авторы вводят Adaptive Entangled Game Modules (адаптивные запутанные игровые модули), основанные на уравнении нелокальной вероятностной волны. Эта модель бросает вызов традиционным подходам, опирающимся на независимых рациональных агентов, и предлагает механизм, имитирующий коллективное поведение, близкое к человеческому.
Эмпирическое доказательство: данные китайского рынка
Суть новизны подтверждена на реальных данных внутридневной торговли на китайском фондовом рынке. Исследователи сравнили предсказательную силу новой модели с классической неоклассической экономикой. Результаты оказались подавляющими:
| Метрика / Параметр | Новая модель (AGI/GBI) | Неоклассическая модель |
|---|---|---|
| Объясненная дисперсия решений | 89% (диапазон 82-94%) | Значительно ниже (не учитывает нелокальность) |
| Адаптация к новостям/событиям | 2-12% (двойные состояния равновесия) | Не учитывается |
| Чисто независимые режимы | <5% случаев | Считается нормой |
Ключевой вывод: поведение людей (и потенциально AGI) редко бывает изолированным. Лишь в 5% случаев решения принимаются независимо, тогда как в 89% случаев работает механизм «запутанности» — мгновенной корреляции действий, аналогичной гипотезе Ляо-Чэнь-Ао (LCA) о нелокальных нервных волокнах в мозге.
Почему это важно для индустрии AI
Текущие Large Language Models (LLM) и Foundation Models (FM) требуют триллионов непрозрачных параметров для достижения разумного поведения. Авторы предлагают путь к созданию Human-like Processing Units (HPU) — блоков обработки, вдохновленных мозгом. Интеграция вероятностно-волновых симуляций с традиционными ANN (искусственными нейронными сетями) позволит:
- Создать более компактные и эффективные системы AGI.
- Повысить робастность (устойчивость) моделей.
- Улучшить работу embodied intelligence (робототехники), где быстрое принятие решений критично.
Работа открывает дверь к «гуманоидному» ИИ, который не просто считает, но и «чувствует» контекст через нелокальные связи, как это делает человеческий мозг.
Источник: arXiv cs.AI ↗