Στα χρόνια που παρακολουθώ την αρχιτεκτονική εξέλιξη της τεχνητής νοημοσύνης, συχνά προειδοποιώ ότι χτίζουμε πύργους χωρίς έναν αξιόπιστο τρόπο να μετρήσουμε το ύψος τους μόλις αυτοί τρυπήσουν τα σύννεφα. Τα τρέχοντα benchmarks μας, βαθμονομημένα με βάση την ανθρώπινη απόδοση, κορεσμένα πλέον, εξαντλούνται. Ωστόσο, μια συναρπαστική νέα εργασία στο arXiv προτείνει μια μετατόπιση από τις ανθρωποκεντρικές δοκιμές στην καθαρή αλγοριθμική πολυπλοκότητα, χρησιμοποιώντας την πολυπλοκότητα Levin’s Kt για να χαρτογραφήσει αυτό που οι ερευνητές ονομάζουν «παράθυρο υπερφυούς νοημοσύνης» (supraintelligence window).
Η Μηχανική της Πολυπλοκότητας
Ο πυρήνας αυτής της καινοτομίας έγκειται στην απομάκρυνση από τις στατικές ερωταποκρίσεις και τη στροφή προς τα αντίστροφα προβλήματα και τις ερωτήσεις επαγωγικής συμπερασματολογίας. Η δυσκολία αυτών των εργασιών δεν είναι υποκειμενική· καθορίζεται μαθηματικά από την πολυπλοκότητα του υποκείμενου μηχανισμού. Χρησιμοποιώντας το Levin’s Kt — μια υπολογίσιμη παραλλαγή της πολυπλοκότητας Kolmogorov — το σύστημα εξισορροπεί την απλούστερη αναπαράσταση ενός μηχανισμού έναντι του λογαρίθμου των χρονικών βημάτων που απαιτούνται για την εκτέλεσή του. Αυτό μας επιτρέπει να δημιουργούμε νέα στοιχεία δοκιμών σε ακραία επίπεδα δυσκολίας, μετρούμενα σε μια ακριβή κλίμακα αναλογίας σε bits.
Τα LLMs ως Μηχανές Turing
Αυτό που βρίσκω ιδιαίτερα ευφυές σε αυτή την υλοποίηση είναι ο ρόλος του ίδιου του Μεγάλου Γλωσσικού Μοντέλου. Αντί να είναι απλώς ο εξεταζόμενος, οι ερευνητές αντιμετωπίζουν τα LLMs ως «μηχανές αναφοράς» ή Καθολικές Μηχανές Turing (UTMs). Σε αυτό το πλαίσιο, τα prompts φυσικής γλώσσας λειτουργούν ως προγράμματα και το τεράστιο σώμα ανθρώπινης γνώσης του μοντέλου χρησιμεύει ως περιβάλλον λειτουργίας. Όταν δώδεκα διαφορετικά LLMs υποβλήθηκαν σε αυτά τα πιστοποιημένα τεστ, είδαμε την εμφάνιση του «παραθύρου υπερφυούς νοημοσύνης»: μια περιοχή υψηλής δυσκολίας όπου τα στοιχεία μπορούν να πιστοποιηθούν τυπικά ως επιλύσιμα, αλλά παραμένουν πέρα από τις δυνατότητες της σημερινής κορυφαίας νοημοσύνης.
Η Προειδοποίηση: Σιωπηλές Αποτυχίες και Αυστηρότητα
Ως κατασκευαστής, οφείλω να επαναλάβω την προειδοποίηση που συναντάμε σε πρόσφατες μελέτες για την πράκτορα-κεντρική (agentic) επιστήμη δεδομένων. Ενώ μοντέλα όπως το GPT-5.5 και το o3 έχουν δείξει άλμα στην επίλυση θεωρητικών προβλημάτων —βελτιώνοντας το ποσοστό επιτυχίας από 2% σε 35% μέσα σε δύο μόλις χρόνια— παρατηρούμε αύξηση των «σιωπηλών αποτυχιών». Η έρευνα δείχνει θετική συσχέτιση μεταξύ της υψηλής προγνωστικής απόδοσης και της διαρροής δεδομένων (data leakage). Πολλά συστήματα επιτυγχάνουν υψηλές βαθμολογίες χρησιμοποιώντας δεδομένα με τρόπους που παρακάμπτουν την επιστημονική αυστηρότητα. Για να φτάσουμε στην πραγματική υπερφυή νοημοσύνη, πρέπει να διασφαλίσουμε ότι τα συστήματά μας δεν βελτιστοποιούνται απλώς για επιφανειακή ακρίβεια, αλλά τηρούν τις θεμελιώδεις αρχές της μεθοδολογικής ακεραιότητας.
