Umělá inteligence se naučila dokázat nemožnost: AWM z Tsinghua porazí GPT-6 Astra a Claude Opus 5.5, kde to vzdají

Co dělá AI, když úkol nemá řešení? Obvykle říká „Nemohl jsem to udělat“ – což je k nerozeznání od „Nenašel jsem to“. Tým z Tsinghua University a Zhejiang University vedený vítězem Turingovy ceny Andrewem Yao představil Algebraic World Model (AWM), systém, který doslova dokazuje nemožnost: sestaví matematický model neznámého prostředí, formalizuje ho v Lean 4 a vytvoří kontrolovatelný důkaz, že žádná vítězná sekvence neexistuje. Na ARC-AGI-3 přístup vymaže všech 183 úrovní a zvedne skóre Claude Opus 5 ze 40,7 na 99,9.

Proč „to nefungovalo“ je špatná odpověď

ARC-AGI-3 je sada 25 veřejných her, kde agent nedostane ani pravidla, ani cíl. Musí to vyřešit mechaniku a pak vyčistit úroveň. Tyto úlohy testují, zda model dokáže uvažovat o neznámém světě, spíše než aby si vybavoval podobné příklady ze školení.

To je přesně to, kde vlajkové lodě klopýtnou. V experimentu na dvou zapečetěných úrovních – úrovních, jejichž akční rozpočet je o jednotku nižší než nejlevnější možná výhra – ani Claude Opus 5.5 ani GPT-6 Astra, obě vybavené nástroji pro kódování, nepřinesly jediný důkaz. Ve 12 běhech uvedli, že úkol byl nemožný pouze pětkrát, a ve čtyřech z těchto případů uvedli nesprávnou minimální cenu. Na úrovni sc25 s rozpočtem 18 akcí (nejlevnější výhra stojí 19) našel GPT-6 Astra cestu za 22 tahů a dospěl k závěru, že nic levnějšího neexistuje – bez důkazu.

Jak AWM změní hru na větu

Práce probíhají ve třech etapách. Za prvé, průzkum: agent hraje, zaznamenává pozorování a zapisuje hypotézy jako spustitelný kód Python. Každá hypotéza je testována proti všem pozorovaným přechodům a přepsána, pokud jí byť jen jeden přechod odporuje.

Pak přichází struktura: hypotézy se stávají typizovanými objekty a sdílenými pravidly, zatímco transformace inspirované teorií kategorií odstraňují nadbytečnost. Ve hře lp85 se jedenáct samostatných konceptů o čtyřech druzích tlačítek sbalilo do jediného pravidla, press_permutes. Nakonec je model přeložen do Lean 4, jazyka, který matematici používají pro strojově ověřitelné důkazy. AWM dokazuje dva druhy tvrzení: že konkrétní trasa dosáhne cíle a že za daného rozpočtu žádná vítězná trasa neexistuje.

Klíčová fráze je „vůbec“. Normální model říká: "Nenašel jsem to." AWM představuje důkaz, který lze zkontrolovat řádek po řádku a který vylučuje každou legální sekvenci akcí, nejen ty, které agent náhodou zkusil.

Šest důkazů proti nule

Na dvou zapečetěných úrovních AWM poskytlo uzavřený Lean důkaz, že vítězství v rámci rozpočtu je nemožné ve všech šesti ze šesti. GPT-6 Astra a Claude Opus 5.5 poskytly nula takových důkazů během dvanácti běhů. Odhady minimálních nákladů jsou ještě výmluvnější: čtyři ze šesti počátečních mezí AWM byly správné, Claude Opus 5.5 má jednu ze šesti správných a GPT-6 Astra nemá žádnou. Poté, co bylo řečeno, že existuje levnější výhra, AWM revidoval svá pravidla a dosáhl šesti správných hranic ze šesti.

183 úrovní, 99,9 bodů a 43 % lidských akcí

Pak přichází celá sada ARC-AGI-3. V rámci 25 veřejných her umožňují modely AWM Lean přehrávat vítězné trajektorie všech 183 úrovní. Na neviditelných rozvrženích zamrzlá pravidla předpovídala všech 4 160 přechodů; po mechanické změně model odmítl 4 031 přechodů – což znamená, že si model všiml, že se svět změnil, místo aby pokračoval podle starých pokynů.

S Claude Opus 5 jako základním modelem má AWM skóre 99,9; stejné Claude Opus 5 bez AWM skóre 40,7. Certifikované výherní trajektorie využívají 43 % akcí, které stráví lidská základní linie. Jinými slovy, systém nejen vyčistí hru; čistí to ekonomičtěji než průměrný člověk.

Kde je háček

Důkazy AWM jsou důkazy o naučeném modelu, nikoli o hře samotné. Otočení obrazovek do stavů se děje v Python, mimo Lean. Model může skončit přísnější než hra; pak by důkaz „nemožného“ byl pravdivý pro model a nepravdivý pro realitu. Autoři se jasně vyjadřují k tomu, co stanoví důkazy: pravidla souhlasí s každým zaznamenaným přechodem, certifikovaná cesta skutečně vyčistí úroveň podle těchto pravidel a na zapečetěných úrovních v rámci rozpočtu neexistuje žádná vítězná cesta.

Spojení se skutečnou hrou je vytvořeno zvenčí: zamrzlá pravidla předpovídají 4 160 přechodů na neviditelných rozvrženích a vyčerpávající prohledávání herního enginu potvrzuje zapečetěné prahy. Ale pokud byl průzkum neúplný a agent vynechal důležité pravidlo, výsledkem je místní pravda, nikoli popis celého světa. Autoři popisují smyčku: pozorování, hypotézu, experiment, abstrakci, důkaz a znovu pozorování. Papír je zapnutý arXiv (předloženo 29. října 2026, revidováno 30. října) a spustit záznamy plus demo jsou na stránce projektu.

Proč na tom záleží mimo hry

Agenti již plánují cesty, píší kód a spravují úkoly. Ve skutečném světě však budou muset říkat nejen „tady je řešení“, ale „neexistuje žádné řešení, a tady je důvod“. Rozdíl je obrovský. „Nenašel jsem to“ znamená zkusit jiný přístup nebo čekat. „Dokázal jsem, že to nejde“ uvolní zdroje, změní plán a zastaví nekonečnou smyčku.

Pro platformu postavenou na generativních modelech vypadá otázka z druhé strany stejně: čím více úkolů bude automatizováno, tím důležitější bude kontrola – nedůvěra v odpověď. Formální důkaz je nejextrémnější, nejpřísnější forma této kontrolovatelnosti. Ve hrách už to funguje. Při plánování, rozpočtování a kontrole kódu je dalším krokem naučit se vytvářet stejně krátké a čitelné důkazy problémů bez jasných pravidel.

Co to znamená pro uživatele

Oba modely z papíru — Claude Opus 5.5 a GPT-6 Astra — jsou dostupné v NeuralSpace Chat. AWM je výzkumný projekt bez přístupu veřejnosti, ale již nyní můžete vidět, jak moderní modely uvažují o vašich vlastních úkolech. Pro stavební agenty a vaše vlastní projekty existuje Kód sekce.

A trochu skutečné statistiky. Podle anonymizovaných produkčních dat od NeuralSpace za posledních 30 dní (okno 03.10–02.11.2026) chat zpracoval 1 513 uživatelských zpráv v 516 relacích. Čtyři modely představovaly 69 % odpovědí, přičemž GPT-5.4 Mini vedly s 580 odpověďmi. Těžké vlajkové lodě jsou vybírány selektivně: při každodenní práci obvykle vítězí rychlost a cena, zatímco těžké problémy jsou samostatný příběh.

FAQ

Co je Algebraic World Model?

Systém, který prozkoumává neznámé prostředí, vytváří jeho matematický model a formálně dokazuje tvrzení o tomto modelu v Lean 4 — například, že cíl je v rámci daného akčního rozpočtu nedosažitelný.

Jak se AWM liší od běžného jazykového modelu?

Jazykový model navrhuje odpověď a může být chybný, aniž by ji ukázal. AWM nejprve vytváří explicitní pravidla světa, pak je kontroluje a vyvozuje důsledky jako důkaz, který může ověřit nezávislý program. Chyba v pravidle je viditelná, nikoli skrytá ve vahách.

Mohu zkusit AWM?

Neexistuje žádná veřejná verze; je to výzkumný projekt. Ale základní modely, na kterých běžel, jsou k dispozici v chatu NeuralSpace a v sekci Kód můžete vytvářet své vlastní experimenty.