Современные системы ИИ сохраняют выраженные ограничения в устойчивом освоении новых задач, систематическом переносе и обучении в неизвестных средах. Поэтические задачи объединяют несколько свойств, непосредственно связанных с этими ограничениями: композиционность, дальние зависимости, метафорический перенос, многозначность и совместное удовлетворение формальных и смысловых требований. Отсюда следуют три проверяемые гипотезы о возможной роли поэзии в исследовании общего интеллекта.
Три проверяемые гипотезы
H1 — диагностическая. Способность реконструировать скрытые зависимости поэтического текста должна предсказывать результат на независимых задачах абстракции, аналогии и систематической генерализации.
H2 — причинно-обучающая. Обучение на контрфактических семействах поэтических задач при равном вычислительном бюджете должно улучшать результат на удалённых задачах, отсутствовавших в обучении.
H3 — архитектурная. Механизмы, выделенные через поэтические задачи — иерархическая реконструкция зависимостей, перенос отношений, работа с многозначностью, калибровка неопределённости и совместное удовлетворение ограничений — должны повышать эффективность приобретения новых навыков в неизвестных средах.
H1 опровергается отсутствием устойчивой внешней корреляции. H2 опровергается отсутствием преимущества над matched-control. H3 опровергается отсутствием прироста эффективности обучения на новых классах задач.
Общий интеллект начинается с приобретения новых навыков
Франсуа Шолле предложил операционную концепцию интеллекта через эффективность приобретения навыков с учётом опыта, заранее встроенных знаний, сложности обобщения и широты пространства задач.[1] Операционную основу составляет концепция интеллекта Шолле; универсального определения AGI она не предполагает. ARC-AGI-3 усиливает её требования: исследование неизвестной среды, приобретение цели, построение адаптивной модели мира и непрерывное обучение.[2]
Lake, Ullman, Tenenbaum и Gershman связывают человеческое обучение с причинными моделями мира, интуитивными теориями, композиционностью и learning-to-learn.[3] Lake и Baroni показали достижимость human-like systematic generalization при специально организованном метаобучении на композиционных инструкциях.[4] Для PGT отсюда следует проверяемое предсказание: обучение композиционным зависимостям поэтического текста должно переноситься на новые структуры вне исходного домена.
Аналогия как перенос структуры
Теория structure mapping Дедре Гентнер описывает аналогию как перенос системы отношений между областями; отношения высшего порядка и структурная согласованность играют центральную роль.[5] Такая операция напрямую релевантна общему интеллекту: новое решение возникает за счёт переноса отношений из знакомой задачи.
Webb, Holyoak и Lu получили сильные результаты GPT-3 на нескольких классах аналогических задач.[6] Последующая проверка de Varda, Saponaro и Marelli выявила высокую межмодельную вариативность и чувствительность вывода к конкретной системе и процедуре оценки.[7] Совокупность результатов показывает наличие аналогических способностей у части современных моделей и одновременно оставляет открытым вопрос устойчивости переноса.
Метафора как структурная операция
В исследованиях индивидуальных различий fluid и crystallized intelligence независимо предсказывали понимание метафор; связь с fluid intelligence была выраженнее для сложных литературных метафор.[8] Этот результат связывает сложную метафорическую интерпретацию с общими рассуждающими способностями, сохраняя открытым причинное направление.
Историческая работа Xu, Malt и Srinivasan обнаружила систематические направления изменения значений через метафорическое картирование между концептуальными областями.[9] Fig-QA переносит эту проблему в NLP: модели уверенно превосходят случайный уровень на интерпретации фигуративного языка и сохраняют заметный разрыв с человеческими результатами, особенно в zero-shot и few-shot условиях.[10]
Поэзия уже выявляет ограничения современных моделей
Независимые литературные бенчмарки уже выявляют ограничения современных моделей. Walsh, Preus и Antoniak собрали более 4,1 тысячи экспертно размеченных стихотворений и показали, что современные LLM хорошо распознают многие фиксированные формы, однако результат существенно зависит от типа формы; особенно трудными остаются свободные формы, основанные на тематике и визуальных признаках.[11]
KRISTEVA превратила close reading в 1331 задачу интерпретативного reasoning. Лучшие модели показали 49,7–69,7% и уступили опытным человеческим оценщикам в 10 из 11 задач, включая многошаговую связь между стилем и внешним контекстом.[12]
Neo-Classic 2026 года добавляет контроль на знакомство модели с материалом. Его out-of-sample корпус состоит из новых метрических стихотворений современных экспертов, что снижает возможность прямого извлечения из pretraining. При переходе от исторических к современным текстам у моделей возник разрыв 20–50%, а в задачах глобального дискурсивного порядка стандартная точность составила 0–13%; экспертные подсказки подняли результат reasoning-моделей до 36%, сохранив существенный разрыв с людьми.[13] Эти данные прямо указывают на слабость глобального иерархического планирования при хорошем владении локальными поэтическими паттернами.
Систематическая генерализация, глобальная композиция, перенос отношений и работа с новыми структурами относятся к центральным требованиям общего интеллекта; современные модели демонстрируют измеримые слабости на поэтическом материале, созданном специально для исключения знакомых поверхностных шаблонов.
Язык и функциональная мыслительная компетентность
Fedorenko, Piantadosi и Gibson в Nature Perspective синтезируют данные о функциональном разделении языка и мышления: сложные мыслительные операции способны сохраняться при тяжёлых нарушениях языковой системы.[14] Mahowald и соавторы переносят аналогичное различие на LLM, разделяя формальную языковую компетентность и функциональную компетентность, связанную с миром, рассуждением и задачами.[15]
Данные о функциональном разделении языка и мышления сужают гипотезу: ценность поэзии для AGI связана со средой, где формальное владение языком сталкивается с требованиями к структуре, миру, отношениям, контексту и переносу. Высокое качество стихотворной поверхности само по себе не свидетельствует о функциональном общем интеллекте.
Главный риск: дальний перенос
Литература о cognitive training задаёт критическое ограничение для обучающей версии PGT. Вторичный метаанализ Sala, Aksayli, Tatlidil, Gondo и Gobet объединил результаты по working memory, видеоиграм, музыке, шахматам и другим тренировочным программам. После контроля placebo-эффектов и публикационного смещения общий эффект дальнего переноса и истинная дисперсия оказались равными нулю.[16]
Следовательно, улучшение внутри поэтического теста имеет значение для AGI только при воспроизводимом выигрыше на скрытых внешних задачах. ConceptARC полезен как один из таких контролей: он организует задачи вокруг групп понятий и уровней абстракции и показывает крупный разрыв между людьми и машинными решателями в концептуальном обобщении.[17]
Проверяемая ценность поэзии как исследовательской среды
Код, математика, музыка, игры и юридические тексты тоже предъявляют сложные требования. Проверка гипотезы требует сравнения с каждым из этих доменов. Поэзия выделяется сочетанием свойств в одном компактном объекте: жёсткие и мягкие ограничения, допустимая многозначность, метр и звук, синтаксис, семантика, метафорический перенос, культурный контекст, дальние зависимости и возможность локальных интервенций.
Сравнение поэзии с кодом, математикой, музыкой и играми должно опираться на измеримые признаки, а не на качественные ярлыки. Для preregistered-сравнения предлагаются четыре операциональные переменные:
- Плотность ограничений — число независимо кодируемых формальных и семантических ограничений на единицу текста или эквивалентного объекта.
- Допустимая многозначность — число независимых интерпретаций, прошедших экспертную проверку при заданном пороге согласованности.
- Междоменный перенос — число внешних концептуальных областей, необходимых для корректной реконструкции ключевых отношений, и результат переноса этих отношений в скрытые OOD-задачи.
- Интервенционная чувствительность — изменение экспертной реконструкции и модельного ответа после минимальной замены, удаления или перестановки элемента.
Поэзия представляет интерес в той мере, в какой на сопоставимых корпусах она демонстрирует плотное совместное присутствие этих свойств и даёт предсказательную ценность для внешней генерализации. Преимущество перед контрольными доменами должно устанавливаться экспериментально.
PGT в контексте существующих литературных бенчмарков
Fig-QA тестирует фигуративную интерпретацию через парные минимальные конструкции.[10] Sonnet or Not, Bot? измеряет распознавание поэтической формы и контролирует memorization.[11] KRISTEVA измеряет close reading и многошаговое интерпретативное рассуждение.[12] Neo-Classic использует out-of-sample поэзию и обратные пробы на иерархические ограничения.[13]
Poetic Generalization Test объединяет три элемента: реконструкции функциональной структуры, интервенционных минимальных пар и обязательного измерения внешнего переноса. PGT приобретает ценность только при сравнении с существующими тестами и matched-control доменами.
Пилотная схема аннотации
Пилотная схема кодирует плотность взаимозависимых ограничений, реконструируемые функции элементов, устойчивость функциональных зависимостей к контрфактическим заменам, многослойные отношения и признаки формальной организации.[18][19][20][21][22]
Эти признаки предварительны. Их пригодность определяется межэкспертной воспроизводимостью, предсказательной валидностью и связью с внешней генерализацией.
Формальная модель PGT
Обучаемая система задаётся параметрами θ. Для текста x, набора ограничений C и экспертных целей y система строит распределение qθ(z|x) по допустимым графам функциональных зависимостей z.
θ̂ = argmin_θ E[(λr L_reconstruction + λc L_constraints + λi L_intervention + λg L_generation + λu L_calibration)]
Lreconstruction измеряет качество графа зависимостей. Lconstraints оценивает соблюдение формальных и семантических ограничений. Lintervention проверяет предсказанные последствия замен и удалений. Lgeneration измеряет создание нового объекта под совместными ограничениями. Lcalibration оценивает соответствие заявленной уверенности фактической точности.
Для неопределённости используются proper scoring rules; их строгие основания систематизированы Gneiting и Raftery.[23] Дальний перенос измеряется отдельно:
Δ_far = S_OOD(θ_PGT) − S_OOD(θ_matched-control)
Положительный результат H2 требует заранее зарегистрированного положительного Δfar с доверительным интервалом, исключающим ноль, на нескольких удалённых доменах.
Воспроизводимый протокол
Каждое стихотворение образует семейство: исходный текст; структурная замена, разрушающая зависимость; поверхностная замена, сохраняющая структуру; семантический дистрактор; версия с удалённым культурным контекстом; перенос принципа в прозу, код, диаграмму или причинную задачу.
Обязательные контроли: проза той же длины и лексической сложности; тексты с сопоставимой плотностью ограничений; математика, программирование, музыка и игровые задачи; обычное языковое дообучение на равном числе токенов; обучение на поэзии без контрфактических семейств; равный compute budget; разделение по авторам, эпохам и языкам; неопубликованные тексты; аудит загрязнения обучающих данных.
Основные метрики: graph-edit distance или эквивалентная точность графа; accuracy на минимальных интервенциях; OOD transfer; blinded expert rating для генерации; межэкспертная согласованность; Brier score или log score для неопределённости; доверительные интервалы и размеры эффекта; человеческие baseline отдельно для экспертов и обычных читателей.
Что показывает нейровизуализация
Одно fMRI-исследование 36 носителей китайского языка обнаружило различия между обработкой образных и философских двухстрочных фрагментов классической китайской поэзии; результат совместим с участием разных режимов образной и абстрактно-семантической обработки.[24] Этот результат служит ограниченной вспомогательной опорой и не устанавливает причинного влияния поэзии на общий интеллект.
Вывод: что должно подтвердить роль поэзии в исследовании AGI
Исследования связывают общий интеллект с эффективным приобретением новых навыков и систематическим переносом. Аналогия переносит реляционную структуру между доменами, сложная метафорическая интерпретация связана с общими рассуждающими способностями, а литературные бенчмарки выявляют сохраняющиеся ограничения современных моделей в close reading, фигуративном языке и глобальном иерархическом планировании. Out-of-sample поэзия дополнительно разделяет знание локальных паттернов и переносимое структурное рассуждение.
Поэзия объединяет в компактном человечески интерпретируемом объекте формальные ограничения, многозначность, междоменные связи и дальние зависимости. Это делает её сильным кандидатом на роль диагностической и обучающей среды для исследования общего интеллекта.
Причинно-обучающая версия H2 получит поддержку только при воспроизводимом дальнем переносе на независимые классы задач: код, причинные задачи, ConceptARC-подобную абстракцию и новые среды. Воспроизводимый положительный эффект оправдает дальнейшие причинные проверки PGT как метода обучения переносимым представлениям. Отсутствие такого переноса сузит гипотезу до литературного reasoning.
Источники
- Chollet F. On the Measure of Intelligence. 2019.
- ARC Prize Foundation. ARC-AGI-3. 2026.
- Lake B. M., Ullman T. D., Tenenbaum J. B., Gershman S. J. Building machines that learn and think like people. Behavioral and Brain Sciences 40 (2017): e253.
- Lake B. M., Baroni M. Human-like systematic generalization through a meta-learning neural network. Nature 623 (2023): 115–121.
- Gentner D. Structure-Mapping: A Theoretical Framework for Analogy. Cognitive Science 7 (1983): 155–170.
- Webb T., Holyoak K. J., Lu H. Emergent analogical reasoning in large language models. Nature Human Behaviour 7 (2023): 1526–1541.
- de Varda A. G., Saponaro C., Marelli M. High variability in LLMs’ analogical reasoning. Nature Human Behaviour 9 (2025): 1339–1341.
- Stamenković D., Ichien N., Holyoak K. J. Metaphor comprehension: An individual-differences approach. Journal of Memory and Language 105 (2019): 108–118.
- Xu Y., Malt B. C., Srinivasan M. Evolution of word meanings through metaphorical mapping. Cognitive Psychology 96 (2017): 41–53.
- Liu E., Cui C., Zheng K., Neubig G. Testing the Ability of Language Models to Interpret Figurative Language. NAACL 2022: 4437–4452.
- Walsh M., Preus A., Antoniak M. Sonnet or Not, Bot? Poetry Evaluation for Large Models and Datasets. Findings of EMNLP 2024: 15568–15603.
- Sui P. et al. KRISTEVA: Close Reading as a Novel Task for Benchmarking Interpretive Reasoning. ACL 2025: 32829–32849.
- Zhang H. et al. Neo-Classic: A Benchmark for Evaluating Linguistic-Aesthetic Reasoning in Classical Chinese Poetry. ACL 2026: 27442–27465.
- Fedorenko E., Piantadosi S. T., Gibson E. A. F. Language is primarily a tool for communication rather than thought. Nature 630 (2024): 575–586.
- Mahowald K. et al. Dissociating language and thought in large language models. Trends in Cognitive Sciences 28 (2024): 517–540.
- Sala G., Aksayli N. D., Tatlidil K. S., Gondo Y., Gobet F. Near and Far Transfer in Cognitive Training: A Second-Order Meta-Analysis. Collabra: Psychology 5 (2019): 18.
- Moskvichev A., Odouard V. V., Mitchell M. The ConceptARC Benchmark: Evaluating Understanding and Generalization in the ARC Domain. 2023.
- Рудой Д. Плотность смысла в стихах: модель измерения и короткие стихи Данила Рудого. 2026.
- Rudoy D. Reconstructive Literary Analysis: Danil Rudoy’s Method. Version 1.0. 2026.
- Rudoy D. What Makes a Poem Great? A 10-Criterion Test. 2026.
- Rudoy D. What Is a Conceit in Poetry? Definition, Types, and Examples. 2026.
- Rudoy D. What Is Symbolism in Poetry? Meaning, Examples, and How Symbols Work. 2026.
- Gneiting T., Raftery A. E. Strictly Proper Scoring Rules, Prediction, and Estimation. Journal of the American Statistical Association 102 (2007): 359–378.
- Wu Z. et al. Poetic brain: The neural substrates underlying imaginative and philosophical poem reading. Humanities and Social Sciences Communications 13 (2026): 1248.