Генеративные ИИ-модели будоражат воображение руководителей многих компаний, обещая автоматизацию и замену миллионов рабочих мест. Однако учёные Массачусетского технологического института (MIT) предостерегают: ИИ хотя и даёт правдоподобные ответы, в действительности не обладает пониманием сложных систем и ограничивается предсказаниями. В задачах реального мира, будь то логические рассуждения, навигация, химия или игры, ИИ демонстрирует значительные ограничения.

Сравнительный тест камер флагманских смартфонов (2026): итоги

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Обзор HONOR Pad X9b Max: универсальный большой планшет с антибликовым экраном

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

Мастерская локальных ИИ: салат картофельный с Qwen3.8

Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)

Источник изображения: HUNGQUACH679PNG / Pixabay

Современные большие языковые модели (LLM), такие как GPT-4, создают впечатление продуманного ответа на сложные запросы пользователей, хотя на самом деле они лишь точно предсказывают наиболее вероятные слова, которые следует поместить рядом с предыдущими в определённом контексте. Чтобы проверить, способны ли ИИ-модели действительно «понимать» реальный мир, учёные MIT разработали метрики, предназначенные для объективной проверки их интеллектуальных способностей.

Одной из задач эксперимента стала оценка способности ИИ к генерации пошаговых инструкций для навигации по улицам Нью-Йорка. Несмотря на то что генеративные ИИ в определённой степени демонстрируют «неявное» усвоение законов окружающего мира, это не является эквивалентом подлинного понимания. Для повышения точности оценки исследователи создали формализованные методы, позволяющие анализировать, насколько корректно ИИ воспринимает и интерпретирует реальные ситуации.

Основное внимание в исследовании MIT было уделено трансформерам — типу генеративных ИИ-моделей, используемых в таких популярных сервисах, как GPT-4. Трансформеры обучаются на обширных массивах текстовых данных, что позволяет им достигать высокой точности в подборе последовательностей слов и создавать правдоподобные тексты.

Чтобы глубже исследовать возможности таких систем, учёные использовали класс задач, известных как детерминированные конечные автоматы (Deterministic Finite Automaton, DFA), которые охватывают такие области, как логика, географическая навигация, химия и даже стратегии в играх. В рамках эксперимента исследователи выбрали две разные задачи — вождение автомобиля по улицам Нью-Йорка и игру в «Отелло», чтобы проверить способность ИИ правильно понимать лежащие в их основе правила.

Как отметил постдок Гарвардского университета Кейон Вафа (Keyon Vafa), ключевая цель эксперимента заключалась в проверке способности ИИ-моделей восстанавливать внутреннюю логику сложных систем: «Нам нужны были испытательные стенды, на которых мы точно знали бы, как выглядит модель мира. Теперь мы можем строго продумать, что значит восстановить эту модель мира».

Результаты тестирования показали, что трансформеры способны выдавать корректные маршруты и предлагать правильные ходы в игре «Отелло», когда условия задач точно определены. Однако при добавлении усложняющих факторов, таких как объездные пути в Нью-Йорке, ИИ-модели начали генерировать нелогичные варианты маршрутов, предлагая случайные эстакады, которых на самом деле не существовало.

Исследование MIT показало принципиальные ограничения генеративных ИИ-моделей, особенно в тех задачах, где требуется гибкость мышления и способность адаптироваться к реальным условиям. Хотя существующие ИИ-модели могут впечатлять своей способностью генерировать правдоподобные ответы, они остаются всего лишь инструментами предсказания, а не полноценными интеллектуальными системами.

Исследователи из Массачусетского технологического института (MIT) разработали новый тип трёхмерных транзисторов, способных работать при значительно более низком электрическом напряжении, чем традиционные кремниевые решения. Технология основана на использовании ультратонких полупроводниковых материалов и, возможно, в будущем станет основой для производства более мощной и экономичной электроники — от смартфонов до автомобилей.

Мастерская локальных ИИ: салат картофельный с Qwen3.8

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Обзор HONOR Pad X9b Max: универсальный большой планшет с антибликовым экраном

Сравнительный тест камер флагманских смартфонов (2026): итоги

Источник изображения: mit.edu

Кремниевые транзисторы, используемые для усиления и переключения сигналов, являются критически важным компонентом большинства электронных устройств, используемых как в быту, так и на производстве. Однако развитие технологии кремниевых полупроводников сдерживается законами физики, которые не позволяют транзисторам работать ниже определённого напряжения, поясняют учёные.

Это ограничение, известное как «тирания Больцмана», затрудняет повышение энергоэффективности компьютеров и других электронных устройств, особенно в условиях стремительного развития технологий искусственного интеллекта, где требуются большие вычисления.

В стремлении преодолеть этот фундаментальный предел кремния исследователи из Массачусетского технологического института разработали новый тип трёхмерных транзисторов, используя уникальный набор ультратонких полупроводниковых материалов. Эти устройства, оснащённые вертикальными нанопроводами шириной всего несколько нанометров, могут обеспечивать производительность, сопоставимую с современными кремниевыми транзисторами, но при этом эффективно работать на гораздо более низких уровнях напряжения.

Технология использует свойства квантовой механики, а чрезвычайно малый размер транзисторов позволит размещать их на компьютерном чипе в большем количестве, что, в свою очередь, приведёт к созданию быстрой, мощной и энергоэффективной электроники. «Эта технология потенциально способна заменить кремний, поэтому её можно использовать для всех функций, которыми обладает кремний в настоящее время, но с гораздо большей энергоэффективностью», — отмечает Яньцзе Шао (Yanjie Shao), исследователь из MIT и основной автор статьи.

По словам другого автора этой работы, профессора Хесуса дель Аламо (Jesús del Alamo), с помощью традиционной физики невозможно продвинуться дальше определённого уровня, но работа Яньцзе Шао показывает, что вполне возможно достичь большего, однако для этого нужно использовать иную физику. «Конечно, остаётся ещё много вызовов, которые предстоит преодолеть, чтобы сделать этот подход коммерчески жизнеспособным в будущем, но концептуально это действительно прорыв», — добавил он.