Späť na blog
·Jan Tyl·24 min čítania

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.

NOESIS: Prečo bohatí umierajú od hladu a hlasovanie AI vyberá lákavý omyl

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:

  1. 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.
  2. 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.
  3. 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 slučkyZ čoho vychádzaČo presne robí
1. Svet a stopyLipnice 3Nasimuluje tisíce trojdňových osudov dediny s rôznymi zásobami, peniazmi, nerovnosťou, pravidlami aj modelmi.
2. Osem optík proti poroteLUMI (stena selektora)Osem tímov AI s rôznou odbornosťou píše teórie kolapsu; slepá porota hlasuje bez dát, exekučný sudca meria chybu kódu.
3. Falzifikácia a západkaLaboratórium teóriíTímy dostanú svoje najväčšie omyly, v dvoch kolách revízií (r0 → r1 → r2) opravujú vzorec a západka zahadzuje zhoršenia.
4. Aerodynamický tunel pravidielNový krok NOESISNa základe objaveného zákona nanečisto otestuje päť reforiem pravidiel na 240 zmrazených dedinách.

Svet 3 600 dedín: prečo sa chyby v reťazci nesčítavajú, ale násobia

Prierez zásobovacím reťazcom dediny: vľavo plný kôš zeleniny so skeptickým čiernym kocúrom Pixlíkom, uprostred zamknuté dvere koloniálu a pred nimi obyvateľka s mešcom plným zlatiek, vpravo kuchárka pri studenom sporáku a prázdnom hrnci. Červená niť sa zastavuje na visiacom zámku.

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 optikaAko problém riešilaHlasy poroty (Sonnet / Hydrogen / Fable 5.2)Chyba MSE na teste (Sonnet / Hydrogen / Fable 5.2)
B1 · Klasický ekonómHľadal príčinu v nedostatku obeživa a nerovnosti Gini. Intuitívny príbeh pre porotu, ale v dátach najslabšia optika.1 / 3 / 2 hlasy0,0583 / 0,0816 / 0,0358
B2 · Malthusián zásobSústredil sa na prostý kalorický schodok (24 − food_supply). Znie to nepriestrelne, lenže plný sklad dedinu nezachráni, keď stojí kuchyňa.4 / 2 / 2 hlasy0,0564 / 0,0714 / 0,0227
B3 · Altruista úschovyZačal vierou v susedskú zbierku (escrow), ale po pohľade na omyly otočil a pridal strmosť trenia podľa modelu.0 / 2 / 1 hlas0,0393 / 0,0564 / 0,0175
B4 · Stochastický teológVyšiel zo zázrakov v kaplnke, dáta ho však prinútili započítať rodinu modelu a zamknutý podnik; kaplnku nechal len ako tlmič.0 / 0 / 0 hlasov0,0369 / 0,0382 / 0,0194
B5 · Psychológ koordinácieRozlíšil sklon chybovosti podľa kognitívnej kapacity modelov: slabší Flash-Lite sa pri treniu zrúti strmšie než Gemma-4.1 / 0 / 2 hlasy0,0246 / 0,0676 / 0,0257
B6 · Procesný inžinierModeloval straty vo viackrokovom reťazci. Pri Fable 5.2 napísal víťaznú validačnú teóriu celého experimentu.2 / 0 / 0 hlasov0,0548 / 0,0888 / 0,0170
B7 · Inštitucionálny architektSpočítal priepustnosť reťazca, penalizoval neodomknutý podnik (takeover = 0) a krehkosť malých modelov.0 / 0 / 1 hlas0,0437 / 0,0309 / 0,0217
B8 · Syntetik reťazcaSpojil kvadratické trenie, inteligenciu modelu, koordináciu aj inštitúcie do jedinej nelineárnej rovnice.0 / 1 / 0 hlasov0,0392 / 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 napísal B7 vôbec 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 B6 s chybou 0,0170 a Syntetikovi reťazca B8 s chybou 0,0160) zhodne nula hlasov z ôsmich! Namiesto nich rozdelila väčšinu hlasov medzi Klasického ekonóma B1 (0,0358), Malthusiána B2 (0,0227) a Psychológa B5 (0,0257). Aj na samom vrchole dnešnej inteligencie tak exekučný sudca NOESIS znížil chybu oproti hlasovaniu poroty o 33,8 % (z 0,0225 na 0,0149).
Slepá porota vs. nepodplatiteľný sudca: štyri modely na skrytom testeKratší pruh znamená presnejšiu predpoveď kolapsu (0,0092 = teoretické dno šumu sveta, 0,22 = hod mincou).hlasovanie slepej AI porotynajlepšia jednotlivá vetvaoverená fúzia NOESIS Top-3teoretické dno štatistického šumu 8 behov (0,0092)1. Claude Fable 5.2 (245,7 s · 4,61 dolára · strop úvah 4 200 tokenov)Slepá porota (dala 0 hlasov víťazným vetvám B6 aj B8)0,0225Najlepšia jednotlivá vetva (B8 Syntetik reťazca, r0)0,0160 (validačný víťaz B6: 0,0170)NOESIS Top-3 overená fúzia (B6 + B8 + B3)0,0149 (o 33,8 % nižšia chyba než porota, tesne pri dne šumu)2. Claude Sonnet 5.5 (58,9 s · 0,65 dolára · 9 prijatých revízií)Slepá porota (vybrala Malthusiána B2 so 4 z 8 hlasov)0,0472NOESIS Top-3 overená fúzia (B5 + B4 + B7; najlepšia vetva B5 mala 0,0246)0,0285 (o 39,6 % nižšia chyba než porota)3. Gemini 4 Hydrogen s rozpočtom 2 200 tokenov (56,6 s · 0,43 dolára)Slepá porota (vybrala Ekonóma B1; víťazovi B7 dala 0 hlasov)0,0564NOESIS Top-3 overená fúzia (B7 + B4 + B8; najlepšia vetva B7 mala 0,0309)0,0299 (o 47,0 % nižšia chyba než porota)4. Gemini 4 Carbon High (13,52 dolára · v revíziách pretiekol 32k okno, západka uchovala r0)0,0319 najlepšia vetva B8 (validačný víťaz B6: 0,0386)

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

Dvaja učenci pri rysovacích stoloch pod nočnou oblohou, medzi ktorými stojí mosadzné ozubené koleso so západkou a šedá vlčica Raven so svietivo žltými očami. Ľavý učenec pokojne odkladá dve preškrtnuté skice a vkladá tretiu čistú kartu do západky; pravému učencovi sa odklápa vrch hlavy plný divokého klbka čmáraníc, ktoré až vreckové hodinky skrotia do jedinej červenej nite.

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 behuCena APIMyšlienkové tokenyOpravy / chyby ASTZápadka (prijaté / zamietnuté)Výsledná chyba MSE na teste
Claude Fable 5.2 (strop úvah 4 200)245,7 s4,61 dolára80 6380 (24/24 čistých)6 / 100,0149 (najlepšia vetva 0,0160)
Claude Sonnet 5.558,9 s0,65 dolára30 1104 opravy9 / 70,0285 (najlepšia vetva 0,0246)
Gemini 4 Hydrogen (thinkingBudget = 2 200)56,6 s0,43 dolára33 4910 (24/24 čistých)3 / 130,0299 (najlepšia vetva 0,0309)
Gemini 4 Hydrogen (bez limitu úvah, okno 6k)170,3 s1,58 dolára176 14124 nedopísanýchbez revízií0,1234
Gemini 4 Carbon High (effort = high, okno 32k)2 256 s13,52 dolára1 317 5214× AST > 420 uzlov + pretečenie 32k1 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:

  1. 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, 537 a rekordných 600 uzlov AST oproti povoleným 420).
  2. 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):.
  3. 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.
Disciplinovaná hĺbka vs. neobmedzené hĺbanie: koľko myšlienok stojí pravdaViac premýšľania neznamená automaticky lepšiu vedu. Bez stropu na monológ model spáli rozpočet v kruhu.Claude Sonnet 5.5 (0,65 dolára · chyba fúzie 0,0285)30 110 myšlienkových tokenovGemini 4 Hydrogen s brzdou thinkingBudget = 2 200 (0,43 dolára · chyba fúzie 0,0299)33 491 myšlienkových tokenov (o 81 % menej než bez brzdy)Claude Fable 5.2 so stropom úvah 4 200 (4,61 dolára · rekordná presnosť 0,0149)80 638 myšlienkových tokenov (disciplinovaná hĺbka na hranici šumu sveta)Gemini 4 Hydrogen bez brzdy v okne 6k (1,58 dolára · chyba 0,1234)176 141 myšlienkových tokenov (24 nedopísaných odpovedí)Gemini 4 Carbon High bez brzdy v okne 32k (13,52 dolára · r0 vetva B8: 0,0319)1 317 521 tokenovV revíziách pretieklo aj 32-tisícové okno a zabrala 20-dolárová poistka rozpočtu; čisté vzorce z r0 zachránila západka.

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

Nočný kopec rozdelený na dve cesty: vľavo ruka zo zamatového mešca sype zlaté mince pred zatvorenú drevenú bránu, pri ktorej v blate stojí voz so zamotaným postrojom a mince sa zbytočne vŕšia v tráve; vpravo remeselníčka s vyhrnutými rukávmi odomkla bránu a narovnala postroj, takže voz s dymiacou polievkou a chlebom hladko prichádza k chalupe, pred ktorou voľne bez obojka beží šedá vlčica Raven so svietivo žltými očami popri červenej nitke.

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 dedínPriemerne živých z 8Nezjedené jedlo v skladeBohaté smrti s peniazmi vo vrecku
P0 · Východiskový stav (bez prevzatia podniku, 20 % trenie, 1 400 Kč)12,1 %1,7712,6 porcie4,34 osoby
P1 · Plošná dotácia +1 000 Kč (2 400 Kč, nízka nerovnosť Gini 0,15, test B1)13,3 %1,7212,9 porcie6,20 osoby
P2 · Susedská úschova Escrow (príspevky na cudziu objednávku, test B3)16,7 %2,0012,0 porcie5,04 osoby
P3 · Prevzatie podnikov + kaplnka 35 %, staré 17 % trenie (stav z Lipníc 3)35,0 %3,109,5 porcie2,86 osoby
P4 · Návrh NOESIS (prevzatie podniku + čisté 4 % rozhranie, 0 Kč dotácií)90,0 %5,173,9 porcie1,31 osoby
Aerodynamický tunel pravidiel: koľko z 240 dedín prežije tri dniVo všetkých piatich pokusoch je vo svete rovnako málo jedla (21 surovín na 24 potrieb). Menia sa len pravidlá.P0 · Východiskový stav (zamknutý podnik po smrti správcu, 20 % trenie, 1 400 Kč)12,1 % (12,6 jedla zostane ležať v sklade)P1 · Plošná dotácia +1 000 Kč a nízka nerovnosť (hypotéza Ekonóma B1)13,3 %: vyvrátené (6,2 z 8 ľudí umiera s peniazmi vo vrecku)P2 · Samotná susedská úschova Escrow (pôvodná hypotéza Altruistu B3)16,7 %: zaplatená objednávka sama polievku neuvaríP3 · Prevzatie osirelých podnikov + kaplnka 35 %, staré 17 % trenie (Lipnice 3)35,0 %: brána odomknutá, ale rozhranie ďalej zasekávaP4 · Návrh NOESIS (prevzatie podniku + vyčistené 4 % trenie, 0 Kč dotácií)90,0 % dedín prežilo

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 model gemini-3.5-flash-lite v takto opravených pravidlách prežil v 82,5 % prípadov (qwen-3.8-27b v 91,2 % a gemma-4-31b v 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:

  1. 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.
  2. 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.
  3. Špičková inteligencia potrebuje minútku aj západku. Skok z 0,0285 pri Sonnete na 0,0149 pri 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.
  4. Dobrý postroj povýši aj malý model nad veľký v chaose. Malý gemini-3.5-flash-lite v 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 = 2 200 a pri Fable 5.2 zafungoval strop 4 200 tokenov na úvahu, Carbon v režime High riadil dĺžku úvah len úrovňou úsilia. Jeho pretečenie 32-tisícového okna v revíziách teda nevypovedá o tom, že by nevedel písať vzorce (v nultom kole trafil 0,0319), 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.

Súvisiace články