השאלה
השדה של סוכני AI מפוזר על פני מאות מאמרים, כל אחד עם טכניקה, נוסחה ובנצ'מארק משלו: reasoning, tool use, memory, world models, ועמוק מתחת כולם הדינמיקה הגנרטיבית של diffusion ו-flow matching. קל למצוא רשימות של מה קיים. קשה למצוא טענה מנומקת על מה עובד ביחד.
בניתי את Laws of Intelligence כדי לענות על השאלה הזו בצורה מסודרת: אילו עקרונות פורמליים באמת עומדים מאחורי מערכות ה-AI של היום, ואיך הם מתחברים לסטאק אחד קוהרנטי.
הרעיון המרכזי
במקום עוד רשימת קריאה, זיקקתי כל מקור לחוקים שלו: עיקרון, משוואה, ואינטואיציה בשפה פשוטה. מ-17 מאמרים וקורס ה-diffusion ו-flow matching של MIT יצאו 70 חוקים, מסודרים בשבעה נושאים - מהפיזיקה הגנרטיבית שבבסיס ועד optimization ו-DSPy שמעליה.
כל חוק נשאר קשור למקור שלו, כדי שהטענה תישאר ניתנת לבדיקה ולא תהפוך לאוסף של אמירות מנותקות.
החידוש
הלב של הפרויקט הוא לא רשימת החוקים אלא הסינתזה: טענה אחת מאוחדת על איך הכל מתחבר. הגדרתי סטאק סוכן מומלץ בשש שכבות - substrate, reasoning, tools, memory, self-improvement, ומעליהן קומפילציה עם DSPy - ומטריצת סינרגיה של 20 זוגות שמראה מה מחזק את מה ואיפה התשואה פוחתת.
כל טענה נשענת על מספרי הבנצ'מארק של המאמרים עצמם, לא על התרשמות. למשל, שכבת ה-reasoning הכבדה משתלמת רק כשהמשימה דורשת חיפוש, וזה נאמר עם המספרים שמראים את זה.
מה נבנה
הבסיס בנוי כרפו ידע מקושר: קובץ LAWS עם 70 החוקים והמשוואות, קובץ SYNTHESIS שמחזיק את הטענה המרכזית, דפי נושא ודפי מאמר, וגרף ידע ב-Mermaid שקושר את כולם.
מעבר לגרף הסטטי בניתי גם גרף ידע אינטראקטיבי מעל vis-network עם 20 צמתים ו-132 קשתות, וסדרת תרשימי SVG שנוצרו מהנתונים - radar של יכולות, heatmap של סינרגיה, וגרפי עמודות של הראיות המצוטטות. הבנייה עצמה רצה כ-Workflow: agent אחד לכל מקור מחלץ את החוקים בצורה מובנית, ואז generator ב-Python מרכיב את כל הקבצים דטרמיניסטית מתוך ה-JSON.
הסטטוס
הרפו פרטי ומקומי, כי הוא מאגד PDF-ים של מאמרים מ-arXiv ומקורס MIT להפצה שנמצאת באזור אפור - הוא שכבת אצירה וסינתזה מעל עבודתם של המחברים, לא תחליף לה.
אין אתר ציבורי. זו עבודת מחקר: הפלט הוא הטענה המנומקת עצמה - הסטאק, הסינרגיות והחוקים - שממשיכה לשמש אותי כבסיס ידע כשאני בונה סוכנים.