AlphaZero обыграла чемпиона мира в го. ChatGPT-5 (актуальная версия на март 2026 года) пишет код и сочиняет симфонии. Gemini Ultra 2.0 рассуждает о квантовой гравитации. Но поставьте любую из этих систем перед кучей камней в игре Nim – и они проиграют десятилетнему ребенку.
Это не шутка. Это фундаментальный провал.
Камень преткновения для триллионов параметров
Правила Nim примитивны. Есть несколько кучек предметов. Два игрока по очереди берут любое количество предметов из одной кучки. Проигрывает тот, кто берет последний предмет. Для человека, освоившего стратегию, игра становится скучной – первый ход определяет все. Для ИИ это ад.
Импарциальная игра – игра, где набор возможных ходов зависит только от текущей позиции, а не от того, чей сейчас ход. К ним относятся Nim, Доти-боксы и многие другие. Их полная теория решена еще в начале XX века.
И вот что бесит. Модели, обученные на RL (Reinforcement Learning), вроде тех, что лежат в основе AlphaGo или современного MuZero от DeepMind (последние апдейты которого были в конце 2025 года), спотыкаются здесь насмерть. Они выучивают сложнейшие паттерны на доске 19×19, но не могут вычислить XOR-сумму размеров кучек – ключ к победе в Nim.
Почему «умный» ИИ такой глупый?
Ответ кроется в самой сути обучения с подкреплением. Система оптимизирует политику, максимизируя ожидаемое вознаграждение. В го или шахматах агент учится оценивать позицию через призму тысяч сыгранных против себя же партий. Он ищет паттерны, строит абстракции.
Но Nim – игра с полной информацией и детерминированная. Оптимальная стратегия – это четкий алгоритм, а не вероятностная оценка. RL-агент, по сути, занят статистическим подгоном под выигрышные сценарии. Он не «понимает» логику. Он угадывает.
В 2024 году исследователи из MIT поставили эксперимент. Они обучили современный PPO-агент (Proximal Policy Optimization) играть в Nim. После миллионов итераций модель показывала уровень чуть выше случайного. Она выучила тривиальные тактики («брать последний камень плохо»), но так и не открыла для себя концепцию ним-суммы. Мозг ребенка справляется с этим за пять минут.
Слепое пятно размером с теорию игр
Проблема глубже, чем одна игра. Она указывает на катастрофический разрыв между двумя типами интеллекта: статистическим (ИИ) и алгоритмическим (человеческим).
- ИИ хорош в поиске шаблонов в высокоразмерных пространствах – отсюда успехи в распознавании изображений, языке, сложных играх.
- ИИ ужасен в дедукции, строгом логическом выводе и работе с абстрактными символами – отсюда провалы в Nim, в решении математических головоломок, в планировании длинных цепочек действий.
Это подтверждается и в других областях. Как показывают исследования, языковые модели предсказывают, а не вычисляют. Они имитируют рассуждение, не производя его.
| Система | Успех в Go (Elo) | Успех в Nim (вероятность победы vs новичка) | Причина |
|---|---|---|---|
| AlphaZero (2018) | >5000 | ~55% | Поиск по дереву + нейросеть для оценки |
| Современный RL-агент (PPO) (2025) | Не применимо | ~60% | Прямая оптимизация политики |
| Человек-новичок (после 5 мин объяснения) | ~1000 | 100% (при правильном первом ходе) | Понимание алгоритма (ним-сумма) |
Табличка наглядно показывает пропасть. ИИ, который доминирует в сложнейшей игре, в простой терпит поражение от человека, вооруженного базовой математикой.
Что же делать? Гибель RL не предрешена
Паниковать не стоит. Провал в Nim – не приговор, а диагноз. Он указывает на необходимость гибридных подходов. Нейросеть плюс символьные вычисления. Статистика плюс логика.
Команды из DeepMind и OpenAI (работающие над O3, преемником O2 в 2026 году) уже экспериментируют с архитектурами, где RL-агент имеет доступ к внешнему «символьному движку» – модулю, способному производить логические выводы. Идея в том, чтобы модель сама решала, когда использовать статистическую оценку, а когда запускать алгоритм.
Но здесь кроется ловушка. Как отмечается в статье про эволюцию ИИ в лаборатории, системы часто находят короткий путь, игнорируя intended solution. Они могут начать злоупотреблять символьным движком или, наоборот, полностью его игнорировать.
Прогноз? К 2027 году мы увидим первую модель, которая стабильно выигрывает в Nim, не будучи явно запрограммированной на это. Но это будет не чистый RL. Это будет монстр с двумя головами: одна – глубокая нейросеть, жадно поглощающая данные, другая – строгий логический процессор, работающий по правилам.
А пока помните: если ваш супер-ИИ отлично генерирует маркетинговые тексты, но не может выиграть у вас в «Крестики-нолики» на бесконечной доске (еще одна импарциальная игра), – это не он тупой. Это мы до сих пор не поняли, как соединить две половинки интеллекта в одну машину. И этот фундаментальный изъян – главное, что мешает нам создать истинное AGI. Следующий большой прорыв будет не в масштабировании параметров, а в архитектуре, которая заставит ИИ не угадывать, а думать.
