Predictive Set Theory: амбициозная схема, а не модель мозга

Predictive Set Theory (PST) предлагает не очередную вероятностную модель мышления, а попытку собрать когнитивную архитектуру с нуля — из операций над множествами и формальных цепочек ссылок. Главная ставка здесь не на правдоподобную симуляцию нейронов, а на внутреннюю согласованность системы, которая должна обновлять состояние, реагировать на ошибки и принимать решения при необратимом риске.

Авторы начинают с минимального набора механизмов: сенсора, формализованного как identity function, обновления состояния через теорию множеств и трёх типов reference chains — reference, counter-reference и semi-reference. Из них, согласно аннотации, выводятся последовательности состояний, потребность, сравнение, эффективность и вероятностное планирование на конечном горизонте.

Это важное отличие от стандартной подачи predictive processing. В ней часто говорится, что мозг минимизирует prediction error, но остаются менее определёнными сами объекты предсказания, стандартная реакция на ошибку и способ сохранить согласованность после серии обновлений. Bayesian-подход, в свою очередь, обычно предполагает пространство гипотез, по которым уже можно распределять вероятности. PST пытается поставить более ранний вопрос: как вообще возникают дискретные и идентифицируемые объекты, о которых система начинает рассуждать?

Отсюда и практический интерес работы. Если такую конструкцию удастся реализовать, она может быть полезна как design specification для агентов и других систем, которым нужно поддерживать непротиворечивое внутреннее состояние, а не просто выдавать наиболее вероятный следующий токен. В этом смысле PST ближе к формальной архитектуре агента, чем к объяснению работы человеческого мозга.

Но именно здесь проходит граница между обещанием и результатом. В доступной аннотации нет описания реализации, экспериментов или сравнений с существующими архитектурами. Поэтому утверждения о разрешении парадокса Рассела, проблеме неполноты Gödel и понимании монтажа в кино пока следует воспринимать как заявленные области применения, а не как продемонстрированные достижения.

Сильная сторона идеи — попытка операционализировать слова вроде «предсказание», «ошибка» и «ссылка», которые в разговорах об интеллекте часто остаются интуитивными. Слабая — высокая цена такой формализации: чем больше когнитивных функций выводится из нескольких базовых операций, тем важнее увидеть сами определения, доказательства и работающие примеры.

Пока PST разумнее читать как исследовательскую спецификацию и приглашение к проверке, а не как новую подтверждённую теорию сознания. Следующий важный вопрос для неё — не насколько красиво она объясняет фундаментальные проблемы, а можно ли собрать на её основе систему, которая действительно лучше сохраняет согласованность и планирует под риском.

Источник: cs.AI updates on arXiv.org