随着“世界模型”成为AI又一新风口，图灵奖得主姚期智也入局世界模型：希望让AI像牛顿一样思考。
11月4日，澎湃新闻记者获悉，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和清华大学交叉信息研究院副教授袁洋带领的科研团队近期发表论文《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）的概念。
根据论文介绍，所谓的AWM，通俗地说指的是把游戏里的所有对象、关系和规则，抽象成一个“代数世界”后，利用大模型的数学能力，去理解这个世界。
一个AI在游戏里失败，可能是因为它“还没找到路”，也可能是因为“路根本不存在”。前者容易证明：找到一条获胜路线就行；后者则必须排除所有合法路线，包括从未被尝试过的路线。如果游戏规则还不公开，AI得先从交互中猜出规则，再证明无解，难度更高。
AWM可以实现先让智能体在陌生环境里主动尝试，把对规则的猜测写成可执行的假设，并用实际观察不断修正；再把零散假设整理、简化成统一规则；最后把规则翻译成数学定理。对于能通关的关卡，证明“存在一条合法获胜路线”；对于预算内不可能通关的关卡，则通过寻找不变量或证明获胜成本下界，排除预算内所有路线。
论文在ARC-AGI-3上报告了几组结果：在6次“密封关卡”运行中，AWM全部构造出Lean内核检查的封闭证明，证明了给定预算下不存在所有获胜序列；对比的Claude Opus 5.5和GPT-6 Astra合计12次运行均未产生此类证明。AWM给出的初始最低成本下界有4次与真实最低成本一致；在仅被告知“存在更便宜获胜方案”后，6次下界全部修正正确。
根据论文提供的信息，通俗来说，当AI越来越常被用于自主决策时，光说“模型分数高”不够。人们还需要知道：它凭什么说某件事做不到？前提是什么？边界在哪里？AWM的价值不在于让AI“更像人思考”，而在于当AI声称“做不到”时，它能把这个断言变成一份可被独立程序检查的数学证明，并清楚说明证明赖以成立的前提。这让AI的“不可能”不再只是口头猜测，而是变得可查、可信、可审计。
在这篇论文的作者栏中，姚期智与清华大学交叉信息研究院副教授袁洋共同担任指导角色，第一作者为浙江大学潘冠诚与清华“姚班”谭启新。值得注意的是，此前姚期智已多次公开阐述与世界模型相关的看法。
2025年，他在全球开发者先锋大会上表示，具身智能未来的突破点之一是“从模仿走向推理”，并明确指出当前“缺乏可解释的世界模型和物理的因果推理”。AWM要解决的，恰恰是“可解释的世界模型”如何从交互中生长出来，并接受形式化检验。
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，这一判断与本篇论文有异曲同工之妙：换句话说，代数世界模型的真正内涵不是在宣称AI无所不能，而是在为AI的结论划出一条可检查、可追责的边界。
