Нейросимволические world models — да, именно то, что я и предсказывал в 2020-м. Но не совсем по той причине, которую все сейчас празднуют

Нейросимволические world models — именно то, за что я топил в 2020-м в The Next Decade in AI — победа. Так репостнул мой тезис Франсуа Шолле, комментируя технику, где языковая модель на лету синтезирует символическую модель мира — то есть осмысляет происходящее, записывая исполняемый код, который кодирует причинно-следственную механику реальности.

Приятно, когда тебя цитируют как провидца. Но раз уж мне выпала редкая возможность сказать «я же говорил» и при этом остаться честным, скажу это честно, а не только победно.

Мой аргумент 2020 года был широким: чистые нейросети нуждаются в символическом каркасе, потому что чистая статистика без структуры плохо обобщается и плохо объясняет себя. Эта интуиция действительно подтвердилась — тут праздновать можно.

Но конкретный механизм, который сделал её практичной прямо сейчас, — «LLM пишет исполняемый код как модель мира» — физически не мог существовать в 2020 году как рабочая техника. Генерация кода моделями тогда была на уровне баловства, а не инструмента. Практичной эту идею сделали именно масштабирование и возможности LLM — то есть ровно то направление, к которому я как раз относился скептически.

Так что вот честная бухгалтерия момента: интуиция про необходимость символического каркаса — моя, подтвердилась. Инструмент, который наконец позволил её реализовать не на бумаге, а в рабочем коде, — родом из масштабирования нейросетей, которое я критиковал. Можно быть правым в главном тезисе и при этом обязанным своей правотой тому самому тренду, в который не верил. Это не противоречие, это просто редко признаваемая часть того, как на самом деле развиваются идеи в этой области.