MIT предложили интересную рамку для self-evolving AI scientists - систем, которые не пр... — 6 июня 2026 г. в 21:40:29.586
MIT предложили интересную рамку для self-evolving AI scientists - систем, которые не просто ищут ответ, а умеют понять, что им не хватает самого языка для описания открытия. Проблема в том, что большинство ИИ-систем для науки работают внутри заранее заданной схемы. Они могут перебирать гипотезы, искать статьи, запускать инструменты, сравнивать результаты, но всё равно остаются внутри фиксированного набора переменных, тестов и понятий. А настоящая наука часто начинается там, где приходится менять саму схему: - добавить новый тип переменной - придумать новый инструмент измерения - ввести новый класс объектов - изменить способ проверки гипотезы - сформулировать утверждение, которое раньше нельзя было выразить Идея статьи в том, чтобы представлять каждый элемент работы агента как typed artifact: данные, модель, вывод инструмента, ошибку, промежуточный результат, гипотезу или финальный claim. Система должна знать не только «что это», но и как это было получено. Так агент может различать три режима: - retrieval - добавили уже известный факт - search - поискали внутри старой схемы - discovery - изменили саму схему, чтобы стало возможно выразить новое Это попытка формализовать то, что ИИ-агенты пока чаще имитируют: разницу между «найти ответ внутри языка» и «заслужить право изменить сам язык». arxiv.org/abs/2606.01444