คำตอบเผยแพร่แล้ว13 แหล่งที่มา
AWM เปลี่ยนการสำรวจเกมให้เป็นบทพิสูจน์ด้วย Lean 4
AWM ทดลองเล่นเกมที่ไม่คุ้นเคย แล้วสร้างและปรับสมมติฐานที่รันได้ด้วย Python ให้สอดคล้องกับสิ่งที่สังเกตพบ ระบบจัดกติกาให้อยู่ในรูปแบบจำลองที่เป็นระเบียบ ก่อนนำไปเขียนเป็นทางการใน Lean 4 เพื่อให้พิสูจน์ได้ งานวิจัยรายงานว่า AWM ให้ขอบเขตเริ่มต้นถูกต้อง 4 ข้อ เทียบกับ Claude Opus 5.5 ที่ 1 ข้อ และ GPT 6 Astra ที่ 0 ข้อ...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- AWM ทดลองเล่นเกมที่ไม่คุ้นเคย แล้วสร้างและปรับสมมติฐานที่รันได้ด้วย Python ให้สอดคล้องกับสิ่งที่สังเกตพบ
- ระบบจัดกติกาให้อยู่ในรูปแบบจำลองที่เป็นระเบียบ ก่อนนำไปเขียนเป็นทางการใน Lean 4 เพื่อให้พิสูจน์ได้
- งานวิจัยรายงานว่า AWM ให้ขอบเขตเริ่มต้นถูกต้อง 4 ข้อ เทียบกับ Claude Opus 5.5 ที่ 1 ข้อ และ GPT 6 Astra ที่ 0 ข้อ ก่อนปรับปรุงจนถูกต้องครบ 6 ข้อ
- บทพิสูจน์ยืนยันข้อสรุปภายใต้กติกาที่เข้ารหัสไว้ ไม่ได้ยืนยันโดยอัตโนมัติว่าแบบจำลองตรงกับทุกพฤติกรรมของเกมจริง
AI พรอมต์
openai.comCreate a landscape editorial hero image for this Studio Global article: How does the Algebraic World Model (AWM), introduced by Tsinghua University and Zhejiang University researchers Guancheng Pan, Qixin Tan, Ya. Article summary: AWM’s central idea is to turn exploration into an explicit, revisable mathematical model rather than rely only on a language model’s account of how a game works.[5] The available excerpts confirm this approach and the im. Topic tags: general, academic, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake num
Algebraic World Model หรือ AWM คือแนวทางที่พยายามเชื่อมการเรียนรู้กติกาของเกมที่ไม่คุ้นเคยเข้ากับการให้เหตุผลอย่างเป็นทางการ แทนที่จะถือว่าคำอธิบายจาก AI เป็นแบบจำลอง AWM จะสร้างสมมติฐานที่รันได้ด้วย Python จากการทดลองเล่น ตรวจเทียบกับสิ่งที่สังเกตได้ แล้วปรับแก้ก่อนนำกติกาที่ได้ไปเขียนเป็นทางการใน Lean 41
19
อย่างไรก็ตาม มีข้อควรจำที่สำคัญ: การพิสูจน์ที่ตรวจสอบด้วยเครื่องยืนยันได้ว่าข้อสรุปตามมาจากแบบจำลองที่กำหนดไว้ แต่ไม่ได้ยืนยันด้วยตัวมันเองว่าแบบจำลองนั้นครอบคลุมพฤติกรรมทั้งหมดของเกมจริง
จากการสำรวจสู่แบบจำลองที่พิสูจน์ได้
กระบวนการของ AWM มีสามขั้นตอนที่ต่อเนื่องกัน
- ทดลองและตั้งกติกา — ระบบโต้ตอบกับสภาพแวดล้อมที่ไม่คุ้นเคย แล้วเขียนสมมติฐานเกี่ยวกับการทำงานของเกมเป็นโค้ด Python ที่รันได้ จากนั้นตรวจสอบกับสิ่งที่พบและปรับแก้เมื่อสมมติฐานไม่ตรงกับผลทดลอง
1
- จัดโครงสร้างและทำให้ง่ายขึ้น — ระบบจัดสมมติฐานให้อยู่ในรูปวัตถุที่มีชนิดข้อมูลและกติกาที่ใช้ร่วมกัน งานวิจัยระบุว่ามีการใช้การแปลงที่อาศัยแนวคิดจากทฤษฎีหมวดหมู่เพื่อทำให้โครงสร้างเรียบง่ายขึ้น
- เขียนเป็นทางการและให้เหตุผล — AWM แปลงแบบจำลองที่ได้เป็น Lean 4 ซึ่งเป็นภาษาโปรแกรมและระบบช่วยพิสูจน์ที่ใช้ตรวจสอบข้ออ้างทางคณิตศาสตร์ ระบบจึงสามารถพิสูจน์เรื่องการไปถึงเป้าหมายหรือความเป็นไปไม่ได้ภายใต้กติกาที่ระบุไว้
29
ขั้นตอนเหล่านี้สำคัญเพราะการพิสูจน์อย่างเป็นทางการต้องอาศัยนิยามที่ชัดเจน ก่อนจะหาคำตอบได้ ต้องระบุสถานะ การกระทำ กติกาการเปลี่ยนสถานะ และเป้าหมายของเกมให้อยู่ในรูปที่ระบบพิสูจน์สามารถตรวจสอบได้
ผลเปรียบเทียบที่งานวิจัยรายงาน
งานวิจัยรายงานว่า ในช่วงแรก AWM ให้ขอบเขตที่ถูกต้อง 4 ข้อ เทียบกับ 1 ข้อของ Claude Opus 5.5 และ 0 ข้อของ GPT-6 Astra หลังได้รับข้อมูลป้อนกลับว่ามีวิธีชนะที่ใช้การกระทำน้อยกว่า AWM ปรับกติกาและได้ขอบเขตที่ถูกต้องครบ 6 ข้อจากทั้งหมด 6 ข้อ1
ผลนี้ชี้ให้เห็นว่างานมีสองส่วนแยกกัน ได้แก่ การสร้างแบบจำลองที่อธิบายสภาพแวดล้อม และการพิสูจน์ข้อสรุปภายในแบบจำลองนั้น เมื่อปรับแบบจำลอง ข้อสรุปที่พิสูจน์ได้ก็อาจเปลี่ยนตามไปด้วย ดังนั้นการมีบทพิสูจน์เพียงอย่างเดียวไม่ได้ยืนยันว่าข้อสมมติในแบบจำลองตรงกับเกมทุกประการ1
พิสูจน์ว่าเป็นไปไม่ได้ หมายความว่าอย่างไร
สมมติว่า AWM พิสูจน์ว่าไม่มีเส้นทางใดชนะได้ภายในจำนวนครั้งที่กำหนด Lean สามารถตรวจสอบได้ว่าข้อสรุปนั้นตามมาจากนิยามและกติกาที่ป้อนเข้าไปในแบบจำลอง19
29 แต่หากต้องการสรุปต่อว่าเกมจริงก็ชนะไม่ได้ภายในจำนวนครั้งนั้น แบบจำลองต้องแทนการกระทำ การเปลี่ยนสถานะ เงื่อนไขชัยชนะ และวิธีนับจำนวนการกระทำของเกมได้อย่างถูกต้องในส่วนที่เกี่ยวข้อง
หากแบบจำลองตกหล่นกลไกบางอย่าง หรือแทนการเปลี่ยนสถานะผิด บทพิสูจน์ก็ยังอาจถูกต้องตามตรรกะของแบบจำลอง แต่ข้อสรุปอาจไม่ตรงกับเกมจริง วิธีอ่านผลอย่างระมัดระวังคือ แบบจำลองที่เรียนรู้มาระบุว่าไม่มีทางชนะภายใต้สมมติฐานที่กำหนดไว้ ส่วนการยืนยันว่าเกมจริงเป็นเช่นนั้น ต้องมีหลักฐานเพิ่มเติมว่าแบบจำลองสอดคล้องกับการทำงานของเกม
จุดเด่นของแนวทางนี้
สิ่งที่น่าสนใจใน AWM คือความพยายามนำการเรียนรู้จากการทดลองมาผสานกับการให้เหตุผลที่ตรวจสอบด้วยเครื่องได้: สิ่งที่สังเกตช่วยสร้างแบบจำลอง ส่วนการเขียนแบบจำลองอย่างเป็นทางการเปิดทางให้อนุมานข้อสรุปที่ไปไกลกว่าการทดลองที่เห็นโดยตรง19 อีกทั้งตัวแบบจำลองเองก็เป็นส่วนหนึ่งของกระบวนการให้เหตุผล สามารถนำไปทดสอบและปรับแก้ได้ แทนที่จะถือว่าเป็นข้อเท็จจริงที่ไม่ต้องตรวจสอบ
1
แนวคิดนี้มีความหมายเกินกว่าการเล่นเกม เมื่อ AI ให้เหตุผลอย่างเป็นทางการเกี่ยวกับสภาพแวดล้อมที่ไม่คุ้นเคย คำถามจึงมีสองข้อเสมอ: บทพิสูจน์ผ่านการตรวจสอบหรือไม่ และแบบจำลองที่ใช้พิสูจน์แทนโลกที่กำลังกล่าวถึงได้ดีเพียงใด
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "AWM เปลี่ยนการสำรวจเกมให้เป็นบทพิสูจน์ด้วย Lean 4" คืออะไร
AWM ทดลองเล่นเกมที่ไม่คุ้นเคย แล้วสร้างและปรับสมมติฐานที่รันได้ด้วย Python ให้สอดคล้องกับสิ่งที่สังเกตพบ
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
AWM ทดลองเล่นเกมที่ไม่คุ้นเคย แล้วสร้างและปรับสมมติฐานที่รันได้ด้วย Python ให้สอดคล้องกับสิ่งที่สังเกตพบ ระบบจัดกติกาให้อยู่ในรูปแบบจำลองที่เป็นระเบียบ ก่อนนำไปเขียนเป็นทางการใน Lean 4 เพื่อให้พิสูจน์ได้
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
งานวิจัยรายงานว่า AWM ให้ขอบเขตเริ่มต้นถูกต้อง 4 ข้อ เทียบกับ Claude Opus 5.5 ที่ 1 ข้อ และ GPT 6 Astra ที่ 0 ข้อ ก่อนปรับปรุงจนถูกต้องครบ 6 ข้อ