14.01.2026 00:35
Пост канала «Полдень» от 14.01.2026
(ч.3) Что, получается БЯМ всесильны? Вот тут надо немного попуститься и понять, что вообще такое «формализация», лежащая в корне возможности быстрой постобработки вероятностных выдач БЯМ. Вообще «формальным» корректнее всего назвать представление, удовлетворяющее исчерпывающей определенную потребность «форме». Такая «форма» в явном виде содержит ВСЕ значимые данные о формализованных объекта, без исключения, т.е. пользователь формализованных данных может быть на 100% уверен, что он знает абсолютно ВСЕ нужные для его целей данные обо всех формализованных объектах, что нет никаких неявных факторов влияния, которые могли быть не учтены. И вот тут возникает проблемка, описанная мной в посте «О важном» – у людей физиологически отсутствует способность формализовать даже всю ту информацию об окружающем мире, которой мы пользуемся в рамках нашего категорийного мышления, «включение» которого провоцируется релевантными стимулами окружающей среды, что затрудняет волюнтаристскую формализацию даже тех связей, которые работают в нашем мозгу.
Т.е. у БЯМ есть только часть так или иначе формализованного контекста, необходимого для решения задачи, а всё остальное это что? Это «интерфейс» или «площадь поверхности» задачи – то, чем она «соприкасается» или «связывается» с окружающим миром. Например, для веб-сервиса такой «площадью поверхности» будет API (в т.ч. между сервисами) с UI. А для математической проблемы это будет применимость решения соответствующей проблемы в окружающем мире. Тут надо уточнить, что математический формализм позволяет путём рекомбинации создавать бесконечное число удовлетворяющих аксиомам утверждений любой сложности и «подчеркнуть» в качестве результата можно любое из этих утверждений, т.ч. чтобы назначить одно из них имеющим какое-то значение, надо понимать применимость такого утверждения в окружающем мире.
Так вот, по «площади поверхности» задачу может верифицировать пока, увы, только человек. И тут возникает любопытный эффект: задача может быть очень «сложной», т.е. требовать для своего решения согласованного учёта большого формализованного контекста, но при этом с очень маленькой «площадью поверхности» – такую задачу можно назвать задачей с «высокой плотностью»; и задача может быть более «простой», т.е. требовать для решения учёта меньшего контекста, но при этом обладать большой «площадью поверхности» – такую задачу можно назвать задачей с «низкой плотностью». Пример задачи с высокой плотностью – решение открытой проблемы математики, пример задачи с низкой плотностью – создание функционально наполненного приложения.
И БЯМли лучше всего подходят именно для решения задач с маленькой площадью поверхности, независимо от их плотности, просто потому, что именно участие человека в процессе является плохо масштабируемым узким местом, а чем площадь поверхности задачи меньше, тем меньше этого участия требуется. Как ни странно, но, похоже, доказать новую теорему с помощью «ИИ» уже очень скоро будет проще, чем написать относительно сложное приложение, т.к. у такого приложения площадь поверхности с ползающими по ней бестолковыми людьми достаточно большая.
Вот такие дела. На самом деле, если меня читают какие-то учёные, вовлечённые в формулирование новых научных утверждений, я настоятельно советую ознакомиться с инструментарием для автоматизированного доказательства теорем, таким как Lean или Rocq, активно наполнять библиотеки доказательного инструментария оцифрованными результатами научной деятельности человечества, а также освоить использование языковых моделей для генерации соответствующим образом формализованных утверждений – именно за этим ближайшее будущее фундаментальной науки. И уплотняем задачи
Т.е. у БЯМ есть только часть так или иначе формализованного контекста, необходимого для решения задачи, а всё остальное это что? Это «интерфейс» или «площадь поверхности» задачи – то, чем она «соприкасается» или «связывается» с окружающим миром. Например, для веб-сервиса такой «площадью поверхности» будет API (в т.ч. между сервисами) с UI. А для математической проблемы это будет применимость решения соответствующей проблемы в окружающем мире. Тут надо уточнить, что математический формализм позволяет путём рекомбинации создавать бесконечное число удовлетворяющих аксиомам утверждений любой сложности и «подчеркнуть» в качестве результата можно любое из этих утверждений, т.ч. чтобы назначить одно из них имеющим какое-то значение, надо понимать применимость такого утверждения в окружающем мире.
Так вот, по «площади поверхности» задачу может верифицировать пока, увы, только человек. И тут возникает любопытный эффект: задача может быть очень «сложной», т.е. требовать для своего решения согласованного учёта большого формализованного контекста, но при этом с очень маленькой «площадью поверхности» – такую задачу можно назвать задачей с «высокой плотностью»; и задача может быть более «простой», т.е. требовать для решения учёта меньшего контекста, но при этом обладать большой «площадью поверхности» – такую задачу можно назвать задачей с «низкой плотностью». Пример задачи с высокой плотностью – решение открытой проблемы математики, пример задачи с низкой плотностью – создание функционально наполненного приложения.
И БЯМли лучше всего подходят именно для решения задач с маленькой площадью поверхности, независимо от их плотности, просто потому, что именно участие человека в процессе является плохо масштабируемым узким местом, а чем площадь поверхности задачи меньше, тем меньше этого участия требуется. Как ни странно, но, похоже, доказать новую теорему с помощью «ИИ» уже очень скоро будет проще, чем написать относительно сложное приложение, т.к. у такого приложения площадь поверхности с ползающими по ней бестолковыми людьми достаточно большая.
Вот такие дела. На самом деле, если меня читают какие-то учёные, вовлечённые в формулирование новых научных утверждений, я настоятельно советую ознакомиться с инструментарием для автоматизированного доказательства теорем, таким как Lean или Rocq, активно наполнять библиотеки доказательного инструментария оцифрованными результатами научной деятельности человечества, а также освоить использование языковых моделей для генерации соответствующим образом формализованных утверждений – именно за этим ближайшее будущее фундаментальной науки. И уплотняем задачи