Naukowcy pokazali, że konstruktywna krytyka rzeczywiście potrafi ulepszyć zdolności sztucznej inteligencji do rozwiązywania zaawansowanych problemów z fizyki teoretycznej. Nowy system o nazwie SCALAR łączy agenta AI z dedykowanym modułem krytyki w zamkniętą pętlę sprzężenia zwrotnego, umożliwiając modelom ulepszanie się przez analizę własnych błędów zamiast polegania wyłącznie na pierwszym podejściu do problemu.
Mechanizm działa w praktyce w ten sposób: AI rozwiązuje problem fizyczny, a następnie moduł krytyki analizuje rozumowanie, wskazuje błędy logiczne i braki w argumentacji. Model ma wtedy możliwość poprawienia swojej odpowiedzi, biorąc pod uwagę otrzymaną opinię. Badacze testowali to podejście na różnych typach zadań i odkryli, że efektywność krytyki niejednakowo wpływa na poszczególne kategorie problemów. Okazało się, że największą wartość przynosi w przypadkach wymagających głębokich zdolności logicznych i rozumowania przyczynowo-skutkowego, gdzie błędy w poszczególnych krokach mogą skumulować się i doprowaić do złych wyników.
To odkrycie ma potencjał zmienić sposób, w jaki naukowcy wykorzystują AI do eksploracji zagadnień teoretycznych. Zamiast traktować modele jak narzędzia do szybkiego generowania odpowiedzi, można je traktować jako badaczy, którzy uczą się poprzez iteracyjne doskonalenie swoich pomysłów. Wyniki sugerują, że tego typu systemy mogą okazać się szczególnie przydatne w fizyce, matematyce i innych dziedzinach, gdzie poprawność logiczna jest niezbędna dla wiarygodności odkryć.