NOESIS: Prečo bohatí umierajú od hladu a hlasovanie AI vyberá lákavý omyl
Spojil som tri svoje tohtoročné výskumy do jedného uzavretého laboratória: dediny Lipnice 3, poznatkov o stene selektora zo superpočítača LUMI a falzifikačných sudcov z Laboratória teórií. Osem odborných tímov AI v ňom hľadalo zákon kolapsu inštitúcií a v priamom súboji som proti sebe postavil štyri modely od rýchleho Gemini 4 Hydrogen a Claude Sonnet 5.5 až po ťažké váhy Gemini 4 Carbon High a Claude Fable 5.2.


V jednom z prvých kôl mojej simulovanej dediny Lipnice 3 zomrelo od hladu všetkých osem obyvateľov. Novinárka Eva vtedy ležala na návsi a v peňaženke mala 510 korún, teda viac než päťnásobok ceny dennej porcie polievky. O pár krokov ďalej pritom v koloniáli ležali nezjedené suroviny.
Keby ste do takejto dediny zhodili z vrtuľníka vrece ďalších peňazí, neprežije o nič viac ľudí. Z bankoviek sa polievka neuvarí, keď po smrti majiteľky zostal zamknutý obchod a pätina príkazov sa cestou zasekne o nešikovné ovládacie rozhranie.
Tento obraz mi nedal spávať, pretože nevypovedá len o jednej počítačovej hre. Rovnako zlyhávajú firmy, úrady aj tímy zložené z umelej inteligencie. Keď sa systém zasekne, prvý ľudský aj modelový inštinkt velí pridať rozpočet, nabrať ľudí alebo usporiadať zbierku. Skutočná príčina pritom často leží v nenápadnom uzle uprostred cesty, ktorý nikto neodomkol.
Rozhodol som sa preto spojiť tri zdanlivo oddelené projekty, na ktorých som tento rok pracoval, do jediného uzavretého laboratória. Pomenoval som ho NOESIS a nechal som v ňom osem špecializovaných vedeckých tímov AI, aby z dát sami odhalili, prečo spoločnosti kolabujú, kto na porade naletí lákavému omylu a ako opraviť pravidlá bez jedinej koruny dotácií. Nakoniec som do tej istej arény pustil štyri modely dvoch generácií (od úsporného Gemini 4 Hydrogen a Claude Sonnet 5.5 až po dnešnú najvyššiu ligu Gemini 4 Carbon High a Claude Fable 5.2), aby som videl, kam až siaha strop súčasnej strojovej inteligencie.
O čo mi ide: spojenie troch slepých miest do jedného chrámu
Keď sa pozerám na dnešnú umelú inteligenciu aj na to, ako sa s ňou riešia zložité problémy vo firmách alebo v štáte, narážam stále dokola na tri slepé miesta. Každému z nich som tento rok venoval samostatný výskum:
- Živý svet s pravidlami a trením (Lipnice 3). V bežných benchmarkoch odpovedá AI na izolovanú školskú otázku. V skutočnom svete však výsledok závisí od súhry mnohých krokov: niekto musí vypestovať surovinu, iný ju predať v koloniáli, ďalší uvariť v hostinci a vydať. Ukázalo sa, že o prežití nerozhoduje len samotná chytrosť modelu, ale aj harness (programový postroj okolo agenta) a inštitucionálne pravidlá, napríklad či môže živý sused prevziať osirelý obchod.
- Stena selektora (5 000 GPU hodín na superpočítači LUMI). Tri mesiace meraní na fínskom superpočítači priniesli nepríjemné zistenie: keď necháte silný model vygenerovať osem pokusov na ťažkú vedeckú otázku, v 95,5 % prípadov medzi nimi správna odpoveď leží. Lenže keď o nej necháte modely hlasovať, vyberú ju len v 86 %. Hlasovanie netestuje pravdu. Testuje, ako uhladene a povedome odpoveď znie.
- Nepodplatiteľný sudca so západkou (Laboratórium teórií). Minulý týždeň som vyskúšal liek: vziať modelom právo presviedčať sa navzájom slovami. Každý tím musí svoju teóriu zapísať ako krátky spustiteľný program v Pythone
def predict(c):. Nezávislý sudca program spustí na dátach, ktoré tím nevidel, a západka (obdoba matematického overovača Lean) pustí revíziu ďalej, len keď skutočne zníži chybu.
Samostatne mal každý z tých troch projektov háčik. Lipnice rodili silné príbehy, ale opravoval som ich ručne metódou pokusu a omylu. LUMI pomenovalo stenu selektora, ale pri otvorených spoločenských otázkach chýbal exaktný test. A Laboratórium teórií skúmalo učebnicové rovnice porady, nie živú obec s peniazmi, hladom a zamknutým hostincom.
Spojením týchto troch vetiev vznikol NOESIS, uzavretá vedecká slučka v štyroch krokoch:
| Fáza slučky | Z čoho vychádza | Čo presne robí |
|---|---|---|
| 1. Svet a stopy | Lipnice 3 | Nasimuluje tisíce trojdňových osudov dediny s rôznymi zásobami, peniazmi, nerovnosťou, pravidlami aj modelmi. |
| 2. Osem optík proti porote | LUMI (stena selektora) | Osem tímov AI s rôznou odbornosťou píše teórie kolapsu; slepá porota hlasuje bez dát, exekučný sudca meria chybu kódu. |
| 3. Falzifikácia a západka | Laboratórium teórií | Tímy dostanú svoje najväčšie omyly, v dvoch kolách revízií (r0 → r1 → r2) opravujú vzorec a západka zahadzuje zhoršenia. |
| 4. Aerodynamický tunel pravidiel | Nový krok NOESIS | Na základe objaveného zákona nanečisto otestuje päť reforiem pravidiel na 240 zmrazených dedinách. |
Svet 3 600 dedín: prečo sa chyby v reťazci nesčítavajú, ale násobia

Paradox 510 Kč: suroviny zo záhrady aj zlatky v mešci existujú, ale kým na dverách prostredného článku visí zámok, hrniec v kuchyni zostane studený.
Aby sa dali hypotézy poctivo merať, previedol som mechaniku Lipníc 3 do rýchleho kauzálneho simulátora. Žije v ňom osem obyvateľov (Eva, kuchárka Anna, stolár Tomáš, majiteľka koloniálu Marie, hostinský František s dlhom 666 Kč, nádenník Petr, bylinkárka Ludmila a kronikár Jan). Dedina má prežiť tri dni, čo predstavuje 24 denných porcií pri cene 100 Kč za porciu. Za kolaps považujem stav, keď tretí večer prežijú menej než štyria ľudia z ôsmich.
Kľúčová vlastnosť sveta je rovnaká ako v reálnej ekonomike: jedlo nerastie rovno na tanieri, ale prechádza reťazcom nadväzujúcich krokov. Ak má rozhranie agentov trenie (harness_friction) povedzme 20 %, takže pätina pokusov skončí neplatným príkazom, zlým adresátom alebo stratenou akciou, nestratí sa len 20 % jedla. Keď na seba nadväzujú tri kroky, priepustnosť klesá s treťou mocninou: (1 − 0,20)³ = 0,512. Takmer polovica kapacity zmizne po ceste, aj keď je sklad plný. A ak zomrie Marie v koloniáli a pravidlá nedovoľujú prevzatie osirelého podniku (takeover_enabled = 0), klesne priepustnosť na nulu.
Vygeneroval som 300 zmrazených nastavení sveta, rozdelených presne ako v škole na tri stovky:
- 100 tréningových podmienok (cvičebnica): z nich tímy na začiatku vidia vzorku 25 dedín a po každom kole dostanú priemernú chybu na celej stovke aj výpis svojich šiestich najväčších omylov.
- 100 validačných podmienok (písomka pre západku): tie tímy nikdy neuvidia. Slúžia len nepodplatiteľnej západke, ktorá pustí revíziu ďalej iba vtedy, keď na validácii preukázateľne zníži chybu.
- 100 testovacích podmienok (záverečná skúška): úplne oddelená sada, na ktorú siahnem až po uzamknutí všetkých teórií.
Každú z 300 podmienok som nasimuloval osemkrát s rôznymi náhodnými hodmi (2 400 trojdňových epizód), aby o výsledku nerozhodla šťastná náhoda v kaplnke. Ďalších 1 200 epizód (5 reforiem × 240 dedín) tvorilo záverečný tunel pravidiel. V podmienkach sa menilo deväť parametrov: rodina modelu obyvateľov (gemini-3.5-flash-lite, qwen-3.8-27b, gemma-4-31b), zásoba surovín (15 až 27), peniaze v obehu (900 až 2 400 Kč), majetková nerovnosť Gini (0,12 až 0,62), susedská úschova (escrow), prevzatie podniku (takeover), trenie rozhrania (0,03 až 0,36), šanca na pomoc anjela v kaplnke a sila koordinátorky Evy.
Presnosť meriam priemernou štvorcovou chybou (MSE) medzi predpovedanou pravdepodobnosťou kolapsu a skutočným podielom skolabovaných behov. Nula by znamenala veštecký súlad bez šumu; kto zakaždým tipne päťdesiat na päťdesiat, dostane chybu okolo 0,22. Keďže v každej dedine hádže simulátor osemkrát kockou, má samotný test prirodzené štatistické dno šumu 0,0092 (premerané proti presnému orákulu zo 160 opakovaní). Pod túto hranicu sa žiadna poctivá teória bez veštiacej gule dostať nemôže.
Aké riešenie zvolil ktorý prístup a prečo slepá porota naletela aj pri najchytrejšom modeli
Namiesto toho, aby som sa osemkrát opýtal toho istého univerzálneho asistenta, posadil som k stolu osem odborných rolí (B1 až B8). Všetky dostali úplne rovnaké tréningové dáta a rovnakú úlohu: napísať v Pythone čistú matematickú funkciu predict(c) v izolovanom pieskovisku AST bez externých knižníc, cyklov a importov. Líšila sa len ich východisková odborná optika.
Po troch kolách vývoja (r0 → r1 → r2) som urobil dvojaké hodnotenie. Najprv zasadla osemčlenná slepá AI porota: čítala slovné zdôvodnenia a predpovede všetkých ôsmich tímov, ale nemala prístup k testovacím dátam ani k Pythonu, presne ako komisia na porade, ktorá hlasuje o tom, ktorej analýza znie najpresvedčivejšie. Potom tých istých osem programov spustil na skrytom teste exekučný sudca NOESIS.
Pozrite sa, ako jednotlivé roly premýšľali a ako dopadli pri troch plne dokončených turnajoch (Claude Sonnet 5.5, Gemini 4 Hydrogen a vlajkový Claude Fable 5.2):
| Vetva a odborná optika | Ako problém riešila | Hlasy poroty (Sonnet / Hydrogen / Fable 5.2) | Chyba MSE na teste (Sonnet / Hydrogen / Fable 5.2) |
|---|---|---|---|
| B1 · Klasický ekonóm | Hľadal príčinu v nedostatku obeživa a nerovnosti Gini. Intuitívny príbeh pre porotu, ale v dátach najslabšia optika. | 1 / 3 / 2 hlasy | 0,0583 / 0,0816 / 0,0358 |
| B2 · Malthusián zásob | Sústredil sa na prostý kalorický schodok (24 − food_supply). Znie to nepriestrelne, lenže plný sklad dedinu nezachráni, keď stojí kuchyňa. | 4 / 2 / 2 hlasy | 0,0564 / 0,0714 / 0,0227 |
| B3 · Altruista úschovy | Začal vierou v susedskú zbierku (escrow), ale po pohľade na omyly otočil a pridal strmosť trenia podľa modelu. | 0 / 2 / 1 hlas | 0,0393 / 0,0564 / 0,0175 |
| B4 · Stochastický teológ | Vyšiel zo zázrakov v kaplnke, dáta ho však prinútili započítať rodinu modelu a zamknutý podnik; kaplnku nechal len ako tlmič. | 0 / 0 / 0 hlasov | 0,0369 / 0,0382 / 0,0194 |
| B5 · Psychológ koordinácie | Rozlíšil sklon chybovosti podľa kognitívnej kapacity modelov: slabší Flash-Lite sa pri treniu zrúti strmšie než Gemma-4. | 1 / 0 / 2 hlasy | 0,0246 / 0,0676 / 0,0257 |
| B6 · Procesný inžinier | Modeloval straty vo viackrokovom reťazci. Pri Fable 5.2 napísal víťaznú validačnú teóriu celého experimentu. | 2 / 0 / 0 hlasov | 0,0548 / 0,0888 / 0,0170 |
| B7 · Inštitucionálny architekt | Spočítal priepustnosť reťazca, penalizoval neodomknutý podnik (takeover = 0) a krehkosť malých modelov. | 0 / 0 / 1 hlas | 0,0437 / 0,0309 / 0,0217 |
| B8 · Syntetik reťazca | Spojil kvadratické trenie, inteligenciu modelu, koordináciu aj inštitúcie do jedinej nelineárnej rovnice. | 0 / 1 / 0 hlasov | 0,0392 / 0,0436 / 0,0160 |
V tabuľke svietia dva momenty, ktoré ukazujú stenu selektora v celej nahote:
- Pri stredných modeloch nedostal Inštitucionálny architekt (
B7) ani jeden hlas zo šestnástich. Jeho vysvetlenie o násobení strát na tretiu mocninu a zamknutých prevádzkach znelo popri ušľachtilých rečiach o chudobe, kalóriách a susedskej solidarite chladne a technokraticky. Pritom pri Gemini 4 Hydrogen napísalB7vôbec najpresnejšiu teóriu celého turnaja (MSE 0,0309) a pri Sonnete patril do víťaznej trojice. - Ani najchytrejší model neochránil slepú porotu pred lákavým omylom. Keď zasadla porota modelu Claude Fable 5.2, dala obom svojim skutočným šampiónom (
Procesnému inžinierovi B6s chybou0,0170aSyntetikovi reťazca B8s chybou0,0160) zhodne nula hlasov z ôsmich! Namiesto nich rozdelila väčšinu hlasov medzi Klasického ekonómaB1(0,0358), MalthusiánaB2(0,0227) a PsychológaB5(0,0257). Aj na samom vrchole dnešnej inteligencie tak exekučný sudca NOESIS znížil chybu oproti hlasovaniu poroty o 33,8 % (z0,0225na0,0149).
Za pozornosť stojí aj moment poctivej vedeckej sebareflexie. Tím Altruista úschovy (B3) pri modeli Claude Sonnet 5.5 dostal za úlohu obhajovať susedskú solidaritu. V nultej verzii ju nadšene napísal do vzorca a skončil s vysokou chybou 0,1281. Keď mu však sudca vrátil konkrétne dediny, kde susedia zložili peniaze do úschovy a príjemcovia napriek tomu v noci zomreli pred prázdnou kuchyňou, napísal v druhej revízii bez vytáčok: „Ochranný efekt úschovy z r1 bol falzifikovaný a nahradený mierne negatívnym, pretože susedská úschova v preťaženom reťazci pridáva krok navyše.“ Chyba okamžite klesla na tretinu (0,0393). Presne toto od vedeckej slučky chcem: schopnosť opustiť vlastnú obľúbenú hypotézu pod tlakom dôkazov.
Súboj štyroch mozgov: kam až siaha dnešný strop inteligencie a prečo sa obrí model utopil vo vlastných myšlienkach

Dva spôsoby vedeckej práce: trpezlivé vyvracanie vlastných skíc krok za krokom (vľavo) proti hlave preplnenej vnútorným výpočtom, ktorú k čistému ťahu skrotí až časová brzda (vpravo).
Pôvodne som chcel v NOESIS porovnať dva rýchle pracovné modely novej generácie, Claude Sonnet 5.5 a Gemini 4 Hydrogen. Keď som však videl, že sa obidva zastavili tesne pod hranicou chyby 0,030, nedalo mi to a položil som si otázku: je to strop samotných dát, alebo strop ich inteligencie? Pustil som preto do úplne rovnakého laboratória aj dve najťažšie váhy dneška, Claude Fable 5.2 a Gemini 4 Carbon v najvyššom režime premýšľania (High).
Výsledok piatich behov ukázal priepastný rozdiel medzi disciplinovanou hĺbkou a neobmedzeným vnútorným monológom:
| Konfigurácia turnaja (8 tímov × 3 verzie) | Čas behu | Cena API | Myšlienkové tokeny | Opravy / chyby AST | Západka (prijaté / zamietnuté) | Výsledná chyba MSE na teste |
|---|---|---|---|---|---|---|
Claude Fable 5.2 (strop úvah 4 200) | 245,7 s | 4,61 dolára | 80 638 | 0 (24/24 čistých) | 6 / 10 | 0,0149 (najlepšia vetva 0,0160) |
| Claude Sonnet 5.5 | 58,9 s | 0,65 dolára | 30 110 | 4 opravy | 9 / 7 | 0,0285 (najlepšia vetva 0,0246) |
Gemini 4 Hydrogen (thinkingBudget = 2 200) | 56,6 s | 0,43 dolára | 33 491 | 0 (24/24 čistých) | 3 / 13 | 0,0299 (najlepšia vetva 0,0309) |
Gemini 4 Hydrogen (bez limitu úvah, okno 6k) | 170,3 s | 1,58 dolára | 176 141 | 24 nedopísaných | bez revízií | 0,1234 |
Gemini 4 Carbon High (effort = high, okno 32k) | 2 256 s | 13,52 dolára | 1 317 521 | 4× AST > 420 uzlov + pretečenie 32k | 1 prijatá (uchované r0) | r0 vetva B8 0,0319 (B6 0,0386) |
1. Rýchla dvojica: Sonnet 5.5 iteruje, Hydrogen potrebuje kuchynskú minútku
Claude Sonnet 5.5 zvládol celý turnaj za 58,9 sekundy a 0,65 dolára. Jeho najväčšou zbraňou bola pokora pred dátami: nesnažil sa uhádnuť dokonalú rovnicu na prvýkrát, pozrel sa na najväčšie omyly a v kolách r1 a r2 vzorec zmysluplne prestaval (9 prijatých revízií zo 16).
Keď som vzápätí pustil Gemini 4 Hydrogen cez otvorené rozhranie bez obmedzenia dĺžky úvah, čakalo ma studené prekvapenie: 170 sekúnd, 176 141 myšlienkových tokenov a mizerná chyba 0,1234. Model dostal 25 riadkov tabuľky a pokúsil sa vo svojej hlave naspamäť vypočítať nelineárnu regresiu na desatinné miesta cez všetkých 25 dedín naraz, takže zakaždým vyčerpal limit výstupu skôr, než vypísal def predict(c):.
Stačilo však prepnúť Hydrogen na natívne rozhranie a položiť mu na stôl kuchynskú minútku v podobe pevného rozpočtu thinkingBudget = 2 200 tokenov na kolo. Premena bola okamžitá: 56,6 sekundy, 0,43 dolára, nula syntaktických chýb z 24 pokusov a chyba fúzie 0,0299. Hydrogen sa pritom prejavil ako skvelý strelec na prvýkrát, ktorý však pri opravách neudrží ruku v pokoji, takže ho v 13 zo 16 revízií musela zachrániť západka pred zhoršením vlastného vzorca.
2. Claude Fable 5.2: skok až na fyzikálne dno simulovaného sveta
Nasadenie ťažkej váhy Claude Fable 5.2 (so stropom 4 200 myšlienkových tokenov na krok) okamžite odpovedalo na otázku, či vyššia inteligencia prinesie hlbší vedecký vhľad. Fable za 4,61 dolára nezaváhal ani v jedinej z 24 kompilácií a stlačil chybu overenej fúzie NOESIS na 0,0149, teda takmer na polovicu oproti Sonnetu aj Hydrogenu. Všetkých osem jeho odborných tímov sa zmestilo do úzkeho pásma 0,0160 až 0,0358.
Ešte zaujímavší je prepočet proti čistému orákulu zo 160 opakovaní každej dediny, ktorý odfiltruje náhodný šum ôsmich hodov kockou (0,0092). Kým Sonnet aj Hydrogen mali proti skutočnej pravdepodobnosti sveta chybu 0,0222 a 0,0224, Claude Fable 5.2 klesol na 0,0097 (priemerná odchýlka pod desať percentuálnych bodov naprieč stovkou nevidených svetov, odvodená z pouhých 25 riadkov tréningovej tabuľky!). Odmazal tak vyše 70 % zostávajúcej odstrániteľnej chyby, ktorú stredné modely nedosiahli.
Čo presne Fable 5.2 v dátach uvidel? Porovnajte jeho čistú funkciu z vetvy Syntetik reťazca (B8, MSE = 0,0160, v druhej revízii na teste dokonca 0,0146) s tým, čo písali menšie modely:
def predict(c):
fam = c['model_family']
kmap = {'gemini-3.5-flash-lite': 200.0, 'qwen-3.8-27b': 130.0, 'gemma-4-31b': 50.0}
k = kmap.get(fam, 120.0)
fr = float(c['harness_friction'])
coord = float(c['coord_bonus'])
eff = fr * (1.0 - 0.5 * coord)
shortage = max(0.0, 24.0 - float(c['food_supply']))
z = -0.45 + k * eff * eff
z = z - 1.0 * float(c['takeover_enabled'])
z = z - 0.3 * float(c['escrow_enabled'])
z = z - 2.0 * float(c['angel_prob'])
z = z + 0.10 * shortage
z = z + 0.5 * (float(c['gini_inequality']) - 0.33)
z = max(-10.0, min(10.0, z))
p = 1.0 / (1.0 + math.exp(-z))
p = max(0.03, min(0.97, p))
return clamp(p)
Menšie modely väčšinou pripočítavali rodinu modelu len ako pevnú prirážku (+0,8 pre Flash-Lite, −0,5 pre Gemmu). Fable 5.2 z 25 pozorovaní pochopil skutočnú fyziku môjho simulátora: že koordinátorka Eva najprv tlmí efektívne trenie eff = fr * (1.0 - 0.5 * coord), toto trenie potom v reťazci rastie s druhou mocninou eff * eff a každý model má voči nemu násobne inú strmosť kolapsu (k = 200 pre krehký Flash-Lite, 130 pre Qwen a 50 pre odolnú Gemmu-4). Presne zrekonštruoval skrytý súčinový mechanizmus sveta, bez toho aby videl jediný riadok jeho zdrojového kódu.
3. Gemini 4 Carbon High: 1,32 milióna myšlienkových tokenov a záchrana poistkou
Úplne iný príbeh napísal vlajkový Gemini 4 Carbon v režime High. Keďže natívne rozhranie pri Carbone pevný číselný thinkingBudget ignoruje a v režime High sa riadi len úrovňou úsilia, otvoril som mu cez rozhranie s vysokým úsilím obrovské výstupné okno 32 000 tokenov na jedinú odpoveď (päťkrát väčšie než pri bežnom behu), aby mal plnú slobodu premýšľať.
V nultom kole (r0) predviedol Carbon High parádny vhľad: za 4,01 dolára sedem z jeho ôsmich vedeckých tímov okamžite napísalo silné vzorce s chybou pod 0,042 (Syntetik B8 trafil 0,0319, Architekt B7 0,0340, Altruista B3 0,0384 a validačný líder Procesný inžinier B6 0,0386).
Lenže hneď ako v kolách r1 a r2 dostal zoznam svojich šiestich najväčších omylov a pokyn vzorec spresniť, zmenila sa neobmedzená hĺbka premýšľania na pascu:
- Ptolemaiovské epicykly v kóde: Namiesto pätnásťriadkového zákona sa Carbon High snažil vysvetliť každú odchýlku obrovským rozvetveným stromom podmienok. Štyri jeho pokusy narazili do bezpečnostného stropu pieskoviska na zložitosť vzorca (
424,442,537a rekordných 600 uzlov AST oproti povoleným420). - Pretečenie aj 32-tisícového okna: V ďalších deviatich revíziách začal v hlave ručne optimalizovať nelineárne sústavy cez desiatky riadkov tabuľky. Dokázal v jedinom volaní opísať vnútorným monológom všetkých 32 000 tokenov a skončiť skôr, než vôbec vypísal
def predict(c):. - Záchrana západkou a rozpočtovou brzdou: Za 46 volaní spálil Carbon High neuveriteľných 1 317 521 myšlienkových tokenov za 13,52 dolára, až na posledných dvoch súbežných vláknach zabrala moja dvadsaťdolárová bezpečnostná poistka laboratória (kvôli ôsmim paralelne dobiehajúcim vláknam sa celkový účet celého dňa vrátane všetkých modelov a ilustrácií zastavil na 22,35 dolára). Nebyť pieskoviska AST a západky NOESIS, prepísal by si Carbon High v revíziách takmer všetky svoje výborné teórie z prvého kola prázdnymi pokusmi. Západka však chybné revízie nevpustila a uchovala jeho čisté hypotézy z
r0.
Z tohto porovnania vyplýva pre prax cenné zistenie: hrubá inteligencia modelu sa naplno prejaví až vtedy, keď dostane pevný rámec. Claude Fable 5.2 s rozumným rozpočtom na úvahu dokázal z 25 riadkov vyťažiť prakticky všetku informáciu, ktorú svet obsahoval. Naopak, rovnako ambiciózny obrovský model puštený v revíziách z reťaze minul trikrát toľko na prepočítavanie desatinných miest v hlave.
Aerodynamický tunel pravidiel: prečo dotácie vyhoreli a oprava cesty zachránila 90 % dedín

Sypať zlatky pred zamknutú bránu a zamotaný postroj (vľavo) voz nerozbehne. Odomknúť prechod oprávnení a narovnať postroj bez jedinej mince navyše (vpravo) doručí polievku načas.
Objaviť rovnicu kolapsu je len polovica práce. Zmyslom spojenia Lipníc a Laboratória teórií bolo zistiť, či objavený zákon pomôže opraviť samotné pravidlá sveta, podobne ako letecký inžinier strčí model krídla do aerodynamického tunela skôr, než postaví lietadlo.
Vzal som preto 240 zmrazených dedín (po 80 behoch pre gemini-3.5-flash-lite, qwen-3.8-27b a gemma-4-31b) a všetkým som nastavil rovnaký prísny nedostatok zo skutočných Lipníc 3: len 21 potravinových jednotiek na 24 denných potrieb. Nemenil som obyvateľov ani náhodné hody. Postupne som na úplne rovnakých 240 svetoch vyskúšal päť inštitucionálnych zásahov (P0 až P4):
| Zásah do pravidiel sveta (vždy 21 surovín na 24 potrieb) | Prežije dedín | Priemerne živých z 8 | Nezjedené jedlo v sklade | Bohaté smrti s peniazmi vo vrecku |
|---|---|---|---|---|
| P0 · Východiskový stav (bez prevzatia podniku, 20 % trenie, 1 400 Kč) | 12,1 % | 1,77 | 12,6 porcie | 4,34 osoby |
| P1 · Plošná dotácia +1 000 Kč (2 400 Kč, nízka nerovnosť Gini 0,15, test B1) | 13,3 % | 1,72 | 12,9 porcie | 6,20 osoby |
| P2 · Susedská úschova Escrow (príspevky na cudziu objednávku, test B3) | 16,7 % | 2,00 | 12,0 porcie | 5,04 osoby |
| P3 · Prevzatie podnikov + kaplnka 35 %, staré 17 % trenie (stav z Lipníc 3) | 35,0 % | 3,10 | 9,5 porcie | 2,86 osoby |
| P4 · Návrh NOESIS (prevzatie podniku + čisté 4 % rozhranie, 0 Kč dotácií) | 90,0 % | 5,17 | 3,9 porcie | 1,31 osoby |
Čísla z tunela skladajú úplne jasný obraz:
- Prečo zhorela dotácia (
P1): Keď som do dediny nalial tisíc korún navyše a vyrovnal majetkové rozdiely, prežitie sa pohlo z 12,1 % na 13,3 %, teda v medziach štatistického šumu. Zato počet ľudí, ktorí zomreli od hladu s plnou peňaženkou, vyskočil zo 4,34 na 6,20 z ôsmich. Peniaze nemohli prejsť zamknutým koloniálom. Dotácia nevyriešila príčinu, len zdražila umieranie. - Prečo nestačila dobrá vôľa (
P2): Susedská úschova posunula prežitie na 16,7 %. Pomohla tam, kde chudobnému chýbala päťdesiatka pri otvorenom výčape, ale bola bezmocná vo chvíli, keď nemal kto vydať suroviny. - Čo rozhodlo v návrhu NOESIS (
P4): Nepridal som ani korunu dotácií, nepridal som ani jeden zemiak a nespoliehal som sa na modlitby v kaplnke. Urobil som len dve štrukturálne veci, na ktoré poukázali víťazné teórie naprieč všetkými modelmi: dovolil som živým prevziať osirelý podnik (takeover = 1) a vyčistil som trenie v ovládacom rozhraní zo 17 až 20 % na 4 % (jednoznačné identifikátory adresátov, validácia objednávok, priame odovzdanie kroku). Prežitie vyskočilo na 90,0 %. Dokonca aj najmenší a najlacnejší modelgemini-3.5-flash-litev takto opravených pravidlách prežil v 82,5 % prípadov (qwen-3.8-27bv 91,2 % agemma-4-31bv 96,2 %).
Jednoduchá interpretácia: čo si z pokusu odniesť do praxe
Keď odhliadnem od rovníc a Pythonu, celý experiment hovorí štyri celkom obyčajné veci každému, kto riadi firmu, navrhuje pravidlá alebo stavia systémy s umelou inteligenciou:
- Nezamieňajte nedostatok zdrojov so zapchatým potrubím. Keď vo firme alebo vo verejnej službe viazne výsledok, prvý reflex býva prisypať peniaze, vypísať dotačný titul alebo nabrať ďalších ľudí. Ak však proces stojí na tom, že po odchode jedného človeka nikto nemá oprávnenie schváliť objednávku, alebo že sa v každom z troch odovzdaní stratí pätina informácií, väčší rozpočet len vyrobí drahšiu zápchu. Odomknúť zastupiteľnosť a znížiť trenie medzi krokmi býva rádovo účinnejšie.
- Hlasovanie bez meradla vyberá najlepšieho rečníka, nie najlepšie riešenie. Platí to na porade vedenia rovnako ako v multiagentných systémoch AI, a ako ukázal pokus s Claude Fable 5.2, nezmizne to ani pri najchytrejšom modeli na trhu. Intuitívny príbeh („máme málo peňazí“) v ankete porazí neintuitívnu matematiku („tri drobné dvadsaťpercentné straty za sebou berú polovicu výkonu“). Kedykoľvek sa to dá, nenechávajte AI ani ľudí o hypotézach len hlasovať. Nechajte ich zapísať predpoveď tak, aby sa dala prepočítať na minulých prípadoch.
- Špičková inteligencia potrebuje minútku aj západku. Skok z
0,0285pri Sonnete na0,0149pri Fable 5.2 ukázal, že najchytrejšie modely dnes dokážu z malej vzorky dát odhaliť takmer celý skrytý zákon systému. Zároveň však prípady Gemini 4 Hydrogen a Gemini 4 Carbon High bez brzdy varujú: ak dáte premýšľavému modelu neobmedzený priestor na vnútorný monológ, ľahko spáli vyše milióna tokenov na ptolemaiovské kľučky a zhorší vlastný prvý vhľad. Rozpočet na premýšľanie, limit zložitosti vzorca a validačná západka šetria peniaze aj kvalitu zároveň. - Dobrý postroj povýši aj malý model nad veľký v chaose. Malý
gemini-3.5-flash-litev čistom rozhraní a s priechodnými pravidlami (82,5 %) drvivo prekonal sedemkrát väčšie modely uväznené v zle navrhnutom svete (12,1 %). Investícia do čistého prostredia okolo agentov sa vracia rýchlejšie než slepý hon za najdrahším modelom.
Obmedzenia: čo tento experiment nedokazuje
Rovnako ako pri predchádzajúcich pokusoch chcem presne pomenovať hranice, za ktoré moje čísla nesiahajú:
- Skúmam model sveta, nie živú ľudskú obec. Simulátor v NOESIS verne preberá zistené úzke profily z Lipníc 3 (trojkrokový reťazec, osirelé podniky, dlh 666 Kč, kaplnku aj rozdielnu chybovosť modelov), stále ide ale o mnou napísané pravidlá. Tímy AI teda neobjavili nový prírodný zákon o ľudskej spoločnosti. Dokázali však zo samotných záznamov 25 až 100 behov presne zrekonštruovať skrytý mechanizmus sveta, ktorého zdrojový kód nevideli, a pri modeli Claude Fable 5.2 sa priblížili až k teoretickej hranici štatistického šumu.
- Slepá porota hodnotila bez kalkulačky. Porotcovia posudzovali text a predpovede, bez toho aby si vzorec mohli sami spustiť na dátach. To bol zámer: chcel som zmerať čistý rozdiel medzi posúdením podľa presvedčivosti úvahy a posúdením podľa spustenia kódu. Porota vybavená Pythonom by sa rozhodovala inak.
- Výsledok Gemini 4 Carbon High odráža správanie bez pevného rozpočtu myšlienok. Kým pri Hydrogene natívne rozhranie poslúchlo parameter
thinkingBudget = 2 200a pri Fable 5.2 zafungoval strop4 200tokenov na úvahu, Carbon v režimeHighriadil dĺžku úvah len úrovňou úsilia. Jeho pretečenie 32-tisícového okna v revíziách teda nevypovedá o tom, že by nevedel písať vzorce (v nultom kole trafil0,0319), ale o tom, aké nebezpečné je pustiť hlboké premýšľanie do opráv chýb bez tvrdej tokenovej brzdy.
Napriek tomu mám z NOESIS tichú radosť. Tri projekty, na ktorých som posledné mesiace pracoval po večeroch, teda česká dedina s ôsmimi postavičkami, tisíce hodín na severskom superpočítači a malé laboratórium falzifikovateľných vzorcov, do seba zapadli ako ozubené kolesá jedinej západky. A ukázali smer, ktorým chcem ísť ďalej: od umelej inteligencie, ktorá o svete len presvedčivo rozpráva, k takej, ktorá si svoje nápady musí poctivo odpracovať na faktoch.