За пределами LLM, часть 2: якорная таблица Кэли, которая не является ни полем, ни моноидом

В первой статье ^[1] я высказал простую идею: если вычисление можно свести к конечной таблице операции, его можно проверять, а не угадывать. То есть его можно свести не к “модель выдала вероятность 0,67”, а просто открыть таблицу и сказать: вот ячейка, вот результат, rc=0.

Эта статья — прямое продолжение первой статьи. Сейчас у меня на руках значительно отличающаяся рабочая модель ИИ-движка. Но сразу честно: я не собираюсь раскрывать здесь внутреннюю кухню “GALO AI”. Ни устройство нейрона ^[2], ни приватные маршруты мышления ^[3]. Покажу только основополагающую математику ^[4]: маленькую конечную структуру, которую можно взять руками, прогнать скриптом и попытаться сломать контрпримером.

Ключевая идея проста до невозможности: я взял обычное сложение по модулю и изменил в его таблице ровно одну строку.

Этого хватило, чтобы структура перестала быть полем, кольцом и моноидом.

1. Таблицы Кэли циклической группы

Когда говорят про математику для ИИ, на ум сразу приходят векторы, вероятности, градиенты и огромные обучаемые веса. Я пошел другим путем.

Я взял нетривиальную, но понятную конечную конструкцию — таблицу Кэли циклической группы — и спросил себя: что будет, если в ней испортить ровно одну строку?

Не наколдовать. Не ввести стохастику. Не спрятать поведение ^[5] в вещественных весах.

Просто переписать одну строку.

Получилась операция, которую я называю якорной таблицей STAR.

2. PLUS и STAR

Носитель простой:

Q_n = {P0, P1, ..., P(n-1)}

Первая операция — PLUS — обычное сложение по модулю n:

PLUS(P_i, P_j) = P((i + j) mod n)

Вторая операция — STAR — почти копия PLUS, но с якорем P0.

Первое правило: если P0 стоит слева, он всё поглощает:

STAR(P0, x) = P0

Второе правило: если P0 стоит справа, он ничего не меняет:

STAR(x, P0) = x

Третье правило: если оба индекса ненулевые, STAR совпадает с PLUS:

STAR(P_i, P_j) = PLUS(P_i, P_j), если i != 0 и j != 0

То есть:

• P0 слева работает как поглотитель;

• P0 справа работает как нейтральный элемент;

• все ненулевые пары работают так же, как PLUS.

Этого достаточно, чтобы обычная симметричная картина сломалась.

3. Пример на L3

Возьмем нетривиальный пример:

n = 3

Q_3 = {P0, P1, P2}

Таблица PLUS:

Теперь таблица STAR:

Строки P1 и P2 остались прежними. Они совпадают с PLUS. Изменилась только строка P0.

Именно эта строка все меняет.

4. Почему STAR — не умножение поля

Типовая ошибка ^[6] — думать, что STAR это «какое-то хитрое умножение».

Нет.

В поле умножение на ноль всегда дает ноль:

P1 * P0 = P0

У меня:

STAR(P1, P0) = P1

Одна ячейка — и claim “это поле” падает.

Это не мелочь и не технический нюанс. Это разделитель. STAR не пытается быть полевым умножением. У него другая роль: он сохраняет профиль PLUS почти везде, но вводит якорную асимметрию через P0.

5. Почему STAR — не моноид

Моноид требует ассоциативности. Но уже на L3 она ломается без длинного доказательства.

Считаем левую расстановку скобок:

(STAR(P1, P0)) STAR P1

Сначала:

STAR(P1, P0) = P1

Затем:

STAR(P1, P1) = P2

Итого:

(STAR(P1, P0)) STAR P1 = P2

Теперь правая расстановка:

P1 STAR (STAR(P0, P1))

Сначала:

STAR(P0, P1) = P0

Затем:

STAR(P1, P0) = P1

Итого:

P1 STAR (STAR(P0, P1)) = P1

Получили:

P2 != P1

Ассоциативность нарушена.

(STAR(P1, P0)) STAR P1 != P1 STAR (STAR(P0, P1))

Поэтому я сознательно не называю это “STAR-моноидом”. Звучит красиво, но математически неверно.

По той же причине эта структура не становится кольцом в обычном смысле: для кольца вторая операция должна вести себя как ассоциативное умножение. Здесь этого нет.

6. Почему одна строка так важна

Изменение минимальное, эффект сильный.

Почти вся таблица наследует PLUS. Новое поведение ^[7] сосредоточено в одной якорной строке.

Это даёт три инженерных плюса:

• проверка локальна: можно указать конкретную ячейку;

• контрпример точен: можно назвать конкретные элементы;

• поведение полностью воспроизводимо: rc=0 или rc=1, без “в среднем”.

Здесь нет “модель решила”. Есть только:

expected = … got = … where = … counterexample = … rc = …

Для меня это важная часть всей идеи: вычисление должно быть не впечатлением ^[8], а проверяемым объектом.

7. Связь с GALO AI

В моем закрытом проекте GALO AI такие таблицы — один из нижних математических слоев. Проще говоря, на них основаны все последующие вычисления. Но в этой статье я показываю только азы: носитель, две операции, таблицы, контрпримеры и самопроверку.

Я не утверждаю, что эта структура сама по себе — готовый ИИ. И это еще не замена LLM, что я также подчеркнул в первой статье.

Это математический фундамент. Его можно проверить независимо от моих слов, моей мотивации ^[9] и моих дальнейших планов.

8. Что лежит в архиве

К статье прилагаю архив GALO_HABR_1.zip ^[10].

В нём:

• таблицы PLUS/STAR для L1…L7;

• ручные примеры и контрпримеры;

• скрипт самопроверки;

• короткие задания для тех, кто хочет проверить конструкцию.

Запуск:

python3 -B galo_habr.py selfcheck
python3 -B galo_habr.py route article
python3 -B galo_habr.py route math`

Ожидаемый результат:

status = PASS

rc = 0

Если что-то не проходит, нужен конкретный контрпример.

9. Минимальный набор формул

Весь математический фундамент помещается в несколько строк:

Q_n = {P0, P1, ..., P(n-1)}
PLUS_n(P_i, P_j) = P((i+j) mod n)
STAR_n(P0, x) = P0
STAR_n(x, P0) = x
STAR_n(P_i, P_j) = PLUS_n(P_i, P_j), если i != 0 и j != 0

В табличном виде:

Дальше эти строки разворачиваются в полные таблицы. А таблицы уже можно проверить исчерпывающе.

10. Кого я ищу

Я ищу того, кто хочет взяться за развитие этих идей всерьез и вместе двигаться к системе, где каждое решение можно проверить.

Если вы:

• искренне любите алгебру и формальную верификацию;

• цените предельно строгую логику ^[11];

• по-настоящему интересуетесь не очередной статистической моделью, а системой, где все проверяемо.

Тогда этот архив для вас.

Первая задача простая:

1. Возьмите L3 и вручную проверьте нарушение ассоциативности.

2. Возьмите L5 и найдите разделитель, показывающий, что STAR не является полевым умножением.

3. Запустите selfcheck.

4. Сравните ручной результат со скриптом.

Если найдёте ошибку — пишите не “мне кажется”, а в таком формате:

check_id =

expected =

got =

where =

counterexample =

minimal_fix =

Вот такой разговор мне действительно интересен.

11. Заключение

Это не заявление о готовом ИИ.

Это второй шаг после первой статьи: сначала я привел идею табличного детерминированного движка, теперь показываю конкретный математический фундамент, который можно легко проверить.

Архитектура архива простая:

• таблицы;

• формулы;

• контрпримеры;

• selfcheck;

• rc = 0.

Хотите проверить — архив открыт.

Хотите спорить — буду рад любой критике!

P.S.

Если среди читателей вдруг завалялся крутой разработчик LLM, который устал от вероятностного шаманства и хочет попробовать разработать систему, где каждый шаг действительно можно проверить, — пишите в личку.

Мне нужен именно тот, кто готов вместе думать, как сделать ИИ по-настоящему разумным, а не просто очень убедительным.