Конец эры фиксированных репрезентаций?
Современные ИИ-системы демонстрируют впечатляющие результаты в рассуждениях, написании кода и решении теорем. Однако, согласно новому исследованию, опубликованному в arXiv (10 июля 2026 года), эти модели обладают критическим структурным ограничением. Они работают внутри заранее заданной «рамки» (representational frame), где словарь понятий, пространство решений и критерии успеха фиксированы. ИИ умеет искать решения внутри этой рамки, но не может её изменить или расширить.
Два главных разрыва: Vocabulary и Verifier Gaps
Авторы статьи «Beyond Fixed Representations» описывают расстояние между текущим состоянием ИИ и истинным открытым интеллектом через два конкретных понятия:
- Vocabulary Gap (Разрыв словаря): Неспособность изобретать и стабилизировать новые репрезентативные примитивы. Вместо создания новых понятий, современные модели лишь перекомбинируют существующие.
- Verifier Gap (Разрыв верификатора): Сложность оценки ценности нового примитива. Полная польза от новой концепции может проявиться только при её повторном использовании в будущем, что текущие системы не способны предвидеть.
Интеллект как снижение когнитивного диссонанса
Исследователи предлагают единый фреймворк, рассматривающий интеллект как процесс снижения когнитивного диссонанса. Они разделяют два типа трансформаций:
- Внутрипространственные (Intra-space): Операции, происходящие в рамках фиксированной репрезентации (то, что умеют современные LLM).
- Генеративные (Generative): Трансформации, способные изменить саму рамку поиска, создавая новые инструменты для мышления.
Лестница автономии инноваций
Для преодоления этих барьеров авторы предлагают перейти от простого поиска к созданию новых репрезентативных примитивов. Это требует:
- Целевых функций, которые поощряют полезное изменение репрезентаций, а не просто оптимизацию внутри них.
- Архитектур с долговременной памятью для сохранения изобретенных примитивов.
- Адаптивных механизмов верификации, которые эволюционируют вместе с создаваемыми представлениями.
| Характеристика | Современный ИИ (Fixed Frame) | Открытый ИИ (Open-Ended) |
|---|---|---|
| Пространство поиска | Фиксированное, заданное заранее | Динамическое, расширяемое |
| Работа с понятиями | Перекомбинация существующих | Создание новых примитивов |
| Оценка успеха | Немедленная, локальная | Отложенная, учитывающая будущую полезность |
| Тип трансформации | Intra-space (внутри рамки) | Generative (изменение рамки) |
Это исследование ставит важный вопрос для индустрии: если мы хотим создать ИИ, способный к истинному научному открытию и долгосрочным исследованиям, нам необходимо решить проблему не только вычислительной мощности, но и способности системы «думать о своем мышлении» и менять его структуру.
Источник: arXiv cs.AI ↗