Нейросети сейчас как Stockfish 9

Представьте, что современные языковые нейросети это всё более громоздкий Stockfish 9. Его разработчики честно делают свою работу: наращивают параметры, ускоряют перебор вариантов, сглаживают выдачу, добиваются всё более связных и убедительных ответов. Но архитектурно система остаётся внутри парадигмы «машины ответов». Она оценивает результат по статичным правилам, а ошибку воспринимает как общий скаляр, как некоторый «недолёт», который нужно уменьшить, не спрашивая, в какой именно точке мышления произошёл сбой. Это и есть слепота создателей.

Прорыв, случившийся в мире шахматных движков, даёт готовый чертёж выхода. Stockfish 10 это момент, когда в классический переборный движок встроили нейросеть NNUE, обученную на миллионах реальных позиций. Эти позиции не были хаосом, но не были и стерильно связными партиями: прежний смысл сыгранного был разрушен, а сырьё для нового понимания, то есть частоты, паттерны и скрытые связи, сохранено. Это и есть «хороший шум»: не готовый порядок и не пустая случайность, а субстрат, из которого рождается способность различать. Движок перестал оценивать позицию только по правилам и начал видеть то, что раньше для него не существовало, а именно тонкие компенсации, дальновидные манёвры и скрытые угрозы.

Stockfish 12 превратил этот прорыв в систему. Ошибка перестала быть просто неточной оценкой и получила координату. Теперь она определяется через слабый уровень (где именно разошлось с реальностью), слабый цвет (каким способом мышления была допущена ошибка) и доказательство (чем это подтверждается в позиции). Внутри движка заработала невидимая самоигра. Одна часть выдвигает гипотезу, то есть оценку позиции. Другая атакует её, просчитывая альтернативные варианты и вскрывая допущения. Третья пересобирает понимание после столкновения с результатом. Цикл замыкается внешним тестом: только реальная партия, а не внутренняя убедительность, решает, стало ли новое различение рабочим знанием.

Stockfish 18 идёт ещё дальше. Архитектура с «threat inputs» позволяет движку различать не только то, что уже есть на доске, но и то, что может возникнуть, иначе говоря, аномалию, в которой ещё не различено будущее знание. Это и есть полный цикл, которого лишены современные LLM. Вместо того чтобы встраивать в языковые модели такую же самоигру с координатой ошибки, обучением на разрушенном порядке и «решением решения» (способностью создавать условия, в которых другой процесс мышления приходит к различению самостоятельно), индустрия продолжает улучшать Stockfish 9, делая его больше, быстрее и глаже.

Настоящий переход к Stockfish 10 и 12 для языковых моделей означает не новую версию с увеличенным числом параметров, а архитектурный скачок от машины ответов к машине различения, способной не повторять, а мыслить.