🔬 KAIST представил ИИ, который учится строить теории о мире

Исследователи из KAIST (Корейский институт передовых технологий) разработали новую парадигму обучения ИИ под названием Learning-to-Theorize (L2T). Вместо предсказания следующего кадра или события модель учится выявлять причинно-следственные связи и правила, которые управляют наблюдаемыми изменениями. Подход вдохновлён тем, как дети ещё до овладения речью формируют внутренние модели устройства мира.

Для реализации парадигмы команда профессора Сонжина Ана создала нейросетевую модель Neural Theorizer (NEO). Она разбивает наблюдаемые изменения на переиспользуемые примитивы (например, поворот, перемещение, заливка цветом) и собирает из них исполняемые программы. Благодаря этому NEO способна объяснять новые ситуации, комбинируя уже изученные элементы, даже если такая комбинация не встречалась в обучающих данных. Традиционные модели, напротив, запоминают целостные паттерны и резко теряют точность на незнакомых сочетаниях.

Работа была представлена на конференции ICML 2026 в Сеуле и вошла в топ-0,7% отобранных докладов (168 из 23 918). Кроме того, исследование получило награду за лучшую статью на воркшопе по композиционному обучению. По словам авторов, L2T открывает путь к созданию «мировых теорий» - моделей, которые не просто прогнозируют события, но понимают их причины. Это может стать основой для интеллектуальных роботов, автономных агентов и систем поддержки научных открытий.

#Ai #KAIST #Research #Agent #LLM #WorldModel