Ученые предложили внедрить запутанные игровые модули в архитектуру AGI

Исследователи представили концепцию вероятностных волн для моделирования коллективного поведения адаптивных агентов. Подход базируется на нелокальном уравнении поведенческого интеллекта (GBI) и позволяет косвенно проверить гипотезу Лю-Чэня-Ао (LCA) о нелокальных запутанных нервных волокнах мозга на основе торговых решений.

Эмпирический анализ данных внутридневной торговли на китайском фондовом рынке показал, что предложенные игровые модели объясняют от 82% до 94% (в среднем 89%) наблюдаемых паттернов принятия решений. В то же время классические независимые модели описывают менее 5% случаев, а от 2% до 12% действий демонстрируют адаптацию к новостям и внешним событиям.

По оценкам ученых, интеграция адаптивных запутанных модулей в архитектуру универсального искусственного интеллекта (AGI) поможет преодолеть ограничения современных нейросетей, требующих триллионы параметров. Это решение позволит разработать специализированные процессоры (HPU) для создания компактных и устойчивых систем, применимых в робототехнике.