في عالم الذكاء الاصطناعي، يعتبر استنتاج الذكاء من السلوكيات المرئية أحد التحديات الأساسية. في دراسة جديدة، تم تطوير نظرية الذكاء البيزي (Bayesian intelligence) لتفسير كيفية تصرف agents مثل نماذج اللغة (Language Models). تعتمد هذه النظرية على مبدأ أن كل استفسار قد يؤدي إلى تجربة داخلية غير مثالية، حيث يحدث تحديث للمعرفة السابقة وفقًا لقواعد بايز (Bayes' rule)، ليقدم agent تقريرًا عن الاحتمالات المتاحة للإجابات الممكنة.

يعتمد سلوك agent على مدى انسجام تقاريره؛ فإذا كانت التقارير متناقضة بالكامل، فلن يكون بالإمكان اعتبار سلوك agent ذكيًا. تُظهر النتائج أن من الضروري أن يبقى بعض الاحتمالات ممكنة تحت كل تقرير عبر جميع الاستفسارات. هذا يعني أن تكرار الاستفسارات يساعد في الحصول على نتائج جديدة ومستقلة من نفس التجربة غير المرئية، والتي تُعتبر نقطة انطلاق مهمة لفهم السلوك الذكي.

علاوة على ذلك، يُقترح في هذا البحث ترتيب للذكاء يجعل سلوك اثنين من agents متسقًا مع وجود تجربة أكثر معلوماتية لأحدهما. يستلزم ذلك وجود علاقة توزيع مشترك للقُرَائْ والنتائج، حيث يستثني تقرير agent الأكثر معرفة جميع الأجوبة التي استبعدها نظيره.

أخيرًا، يتناول البحث الصعوبات المرتبطة بتجميع التقارير من agents الذكية، حيث يمكن أن يؤدي عدم قدرة agent على الإبلاغ عن اعتقاد حول الحالة الكاملة للعالم إلى تعيين أوزان غير محددة للحالات التي لم يتم استبعادها، مما يزيد التعقيد في عملية الاستنتاج. تعد هذه النتائج نقطة انطلاق لفهم متى يمكن اعتبار سلوك agents ذكيًا، وتبرز صعوبة رفض العقلانية البيزية (Bayesian rationality).