• Главная
  • Новости
  • Блог
  • Релизы
  • История LLM
  • Сравнение LLM
  • Библиотека
  • Обо мне
⌘K
Вход

Блог и заметки о разработке. Для связи удобнее всего использовать соцсети ниже.

Контакты
talalaev.misha@gmail.com
Документы
Политика обработки персональных данныхСогласие на обработку персональных данных
Фото: Growtika / Unsplash

ИИ может работать бесконечно — но только в границах выбранной метрики

Sh0ny
Sh0ny
6 августа 2026
  1. Главная
  2. Блог
  3. ИИ может работать бесконечно — но только в границах выбранной метрики
1 мин чтения

Коротко

Новая математическая модель утверждает, что бесконечная работа AI-системы не обязана вести к неограниченному «старению». Но это теорема о поведении искусственно заданной метрики, а не доказательство надёжности реальных агентов.

Бесконечная работа AI-системы сама по себе не означает бесконечного накопления структурного «старения». Именно это показывает работа с метрикой Artificial Age Score (AAS), рассматривая не отдельный ответ модели, а последовательность циклов взаимодействия, адаптации и обновления.

Главное ограничение здесь сразу задаёт сам подход: речь идёт не об измерении реального износа модели, качества ответов или риска отказа. Авторы строят математическую конструкцию, в которой возраст системы вычисляется через логарифмический штраф за несогласованность компонентов с поправкой на избыточность. Если эта метрика остаётся ограниченной, система может проходить сколь угодно много циклов без взрывного роста показателя.

Это важный сдвиг относительно простой интуиции «каждое обновление оставляет необратимый след». В модели возможны несколько режимов: постоянное, но ограниченное бремя; нулевое бремя; колебательное поведение; и накопительный терминальный эффект. При дополнительных условиях — стабилизации компонентов, конечной суммарной вариации или затухающих межцикловых возмущениях — старение не только остаётся ограниченным, но и может постепенно исчезать.

Практический смысл пока скорее методологический. Для долгоживущих агентов действительно недостаточно проверять качество единичного ответа: нужно отслеживать, как меняется система после множества циклов памяти, планирования, обновления инструментов и согласования компонентов. AAS предлагает язык для такого анализа — через структурную нагрузку, а не через число прожитых итераций.

Но математическая ограниченность метрики не равна надёжности системы. Если AAS не учитывает деградацию данных, накопление ошибочных решений, изменение внешней среды или скрытые сбои инструментов, агент может выглядеть «молодым» по формуле и при этом становиться практически опаснее. Поэтому сильный вывод статьи звучит скромнее рекламного: бесконечная работа не обязана порождать бесконечное старение в рамках выбранной модели. Следующий вопрос — насколько эта модель способна описывать реальные agentic-системы, а не только аккуратно заданные абстракции.

Источник: cs.AI updates on arXiv.org

новостиaiнаукаагенты
Больше разборов AI-инструментов — в Telegram-канале, коротко и по делу
Подписаться в Telegram

Комментарии

(0)
​