DeepMind: современные LLM умеют рассуждать, но им не хватает «прыжка» Эйнштейна

Вирусный тезис «DeepMind математически доказал, что LLM никогда не смогут делать научные открытия» сильно преувеличен.

В работе «LLMs Can’t Jump» исследователь Google DeepMind предлагает разделить научное мышление на три механизма:

- индукцию

- дедукцию

- абдукцию

Современные модели уже сильны в поиске закономерностей и всё лучше справляются с формальными доказательствами, но им пока не хватает третьего компонента - способности создавать принципиально новую объясняющую гипотезу.

В качестве примера берётся Эйнштейн.

Общая теория относительности появилась не просто из экстраполяции существующих данных. Сначала возник новый принцип, а уже затем из него выводились следствия.

Условно:

```

наблюдения

новая фундаментальная идея

логические следствия

проверка

```

Именно переход к новой фундаментальной идее автор и называет «jump».

LLM хорошо работает внутри уже существующего пространства знаний: может связать факты, найти закономерности, написать код, провести расчёты и помочь с экспериментами.

Намного сложнее самостоятельно отбросить привычную рамку и придумать новую исходную модель мира.

Но важно: это не математическое доказательство того, что AI никогда не сможет делать настоящие научные открытия.

Речь скорее о потенциальном ограничении нынешнего подхода и о том, какие дополнительные способности могут понадобиться будущим системам.

Один из возможных путей — world models, которые смогут не только читать накопленные знания, но и взаимодействовать с окружающим миром, наблюдать результаты и самостоятельно формировать новые гипотезы.

philsci-archive.pitt.edu/28024/1/Scientific_Invention_Position_Paper%20%2817%29.pdf

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: