姚期智团队提出代数世界模型：AI如何像牛顿一样思考？

世界模型眼下成了AI领域的新风口，图灵奖得主姚期智也带队入场，目标是让AI像牛顿那样思考。

澎湃新闻记者11月4日获悉，中国科学院院士、清华大学交叉信息研究院及人工智能学院院长姚期智，与清华大学交叉信息研究院副教授袁洋带领的团队，近期发表了论文《代数世界模型：从探索走向证明》（Algebraic World Model:From Explorationto Proofs），提出“代数世界模型”（Algebraic World Model，AWM）这一概念。

按论文的说法，AWM说白了就是把游戏中的对象、关系和规则全部抽象成一个“代数世界”，再借助大模型的数学能力去理解它。

AI在游戏里输了，可能是“还没找到路”，也可能是“路压根不存在”。前一种情况好办，找出一条能赢的路线即可；后一种得排除所有合法路线，连从没试过的路线也算在内。要是游戏规则没有公开，AI还得先从交互中把规则猜出来，再证明无解，难度更大。

AWM的做法是：先让智能体在陌生环境里主动试探，把对规则的猜测写成可执行的假设，再拿实际观察不断修正；接着把零碎的假设整理、简化成统一规则；最后把规则转成数学定理。关卡能通关，就证明“存在一条合法获胜路线”；预算内通不了关，就找不变量或证明获胜成本下界，把预算内的所有路线排除掉。

论文在ARC-AGI-3上给出了几组结果：6次“密封关卡”运行中，AWM每次都构造出经Lean内核检查的封闭证明，证明在给定预算下不存在任何获胜序列；作为对比，Claude Opus 5.5和GPT-6 Astra合计12次运行都没有产生这类证明。AWM给出的初始最低成本下界有4次与真实最低成本一致；只被告知“存在更便宜获胜方案”之后，6次下界全部修正正确。

论文还提到，通俗地说，AI越来越多被用于自主决策，只说“模型分数高”已经不够。人们还想知道：它凭什么说某件事做不到？前提是什么？边界在哪里？AWM的价值不是让AI“更像人思考”，而是当AI声称“做不到”时，把这个断言变成一份能被独立程序检查的数学证明，并讲清楚证明成立所依赖的前提。这样一来，AI的“不可能”就不只是口头猜测，而是可查、可信、可审计。

在这篇论文的作者栏中，

2025年全球开发者先锋大会上，他谈到具身智能下一步要闯的关口，其中一个是“从模仿走向推理”。他当时也把短板说得很清楚：“缺乏可解释的世界模型和物理的因果推理”。AWM对准的正是这件事：可解释的世界模型怎么在交互里长出来，又怎么经得起形式化检验。

今年7月的世界人工智能大会上，姚期智进一步系统阐述“AI有边界”的判断：AI的本质是“图灵机+数据”，有些问题它注定无法解决。这与本篇论文思路相通：代数世界模型真正的意思，不是宣称AI无所不能，而是给AI的结论划出一条可检查、可追责的边界。