L'IA può riprodurre la relatività di Einstein? I ricercatori testano modelli linguistici 'vintage'

Fatti principali

• Demis Hassabis ha proposto all'India AI Summit di Nuova Delhi a febbraio che addestrare un LLM su dati precedenti al 1911 per riprodurre la relatività generale sarebbe un buon test per l'AGI.
• Owain Evans di Truthful AI a Berkeley, California, ha tenuto un intervento nel dicembre 2024 sui LLM 'vintage' o 'storici' addestrati solo su dati storici fino a una certa data.
• Il ricercatore indipendente Michael Hla ha addestrato un LLM chiamato Machina Mirabilis su dati precedenti al 1900; ha mostrato 'lampi di intuizione' ma ha fallito nella maggior parte dei casi e mancava di vera comprensione.
• Nick Levine e colleghi hanno tentato un modello AI vintage utilizzando solo conoscenze precedenti al 1930, ma hanno trovato i dati di addestramento 'frustrantemente permeabili', con il modello che spesso rispondeva correttamente a domande sugli anni '50.
• Il progetto Ranke-4B dell'Università di Zurigo ha creato modelli storici con cutoff al 1913, 1929, 1933, 1939 e 1946; Daniel Göttlich, ora all'ETH di Zurigo, afferma che testano la presenza di 'scintille di genio'.
• Un preprint di luglio di Ido Kaminer del Technion—Israel Institute of Technology di Haifa sostiene che una svolta simile alla relatività non è intrinsecamente irraggiungibile ma richiede un ripensamento dei principi attuali dei modelli.
• Il documento di posizione di gennaio del ricercatore di Google DeepMind Tom Zahavy 'LLMs can't jump' evidenzia che i progressi trasformativi richiedono ragionamento abduttivo, non correlazione induttiva.
• Sendhil Mullainathan del MIT ha scoperto in un articolo per una conferenza di luglio che un modello di meccanica orbitale non ha mai inferito la vera legge di gravitazione, producendo invece una diversa legge errata per ogni sistema planetario.
• A maggio, un chatbot di OpenAI ha confutato una congettura vecchia di 80 anni del matematico ungherese Paul Erdős, che Mullainathan definisce un 'genuino progresso concettuale'.
• L'articolo è stato pubblicato su Nature 657, 338-340 (2026), doi: 10.1038/d41586-026-02804-x.