בעידן שבו בינה מלאכותית שואפת לחקות את המוח האנושי, חוקרים מציגים תיאוריה גיאומטרית פורצת דרך שמאחדת מגוון תהליכי קוגניציה בעיקרון אחד. במקום תיאוריות נפרדות לתפיסה, זיכרון, שיפוט אינטואיטיבי, חשיבה דיברטיבית, בחירת פעולה והסקה חברתית, המסגרת החדשה מייצגת את המצב הקוגניטיבי כנקודה על מניפולד נגזר עם מטריקה רימנית לימודית. מטריקה זו מקודדת אילוצי ייצוג, עלויות חישוביות וקשרים מבניים בין משתנים קוגניטיביים. זו גישה מהפכנית שמבטיחה להסביר תופעות פסיכולוגיות מורכבות באופן אלגנטי.
הלב של התיאוריה הוא פוטנציאל קוגניטיבי סקלרי שמשלב דיוק חיזוי, חסכנות מבנית, תועלת משימה ודרישות נורמטיביות או לוגיות. תהליכי קוגניציה מתפתחים כזרימת גרדיאנט רימנית של הפוטנציאל הזה, חוק דינמי אוניברסלי שממנו נובעות מגוון תופעות פסיכולוגיות. לפי הדיווח, גישה זו מספקת בסיס גיאומטרי להכרה ומציעה עקרונות מנחים לפיתוח מערכות AI כלליות ודמויות אדם יותר. החוקרים מדגימים זאת בסימולציות של משימות קוגניטיביות קלאסיות.
תופעה מרכזית שהתיאוריה מסבירה היא אפקטי תהליכי דו-שלביים: תגובות אינטואיטיביות מהירות מול חשיבה דיברטיבית איטית יותר. אלה נובעים מאניסוטרופיות הנגרמות מהמטריקה, שיוצרות הפרדות סקאלות זמן פנימיות ומעברי פאזה גיאומטריים, ללא צורך בארכיטקטורות מודולריות או היברידיות. החוקרים מגזרים תנאים אנליטיים למשטרים אלה ומציגים את החתימות ההתנהגותיות שלהם בסימולציות.
המשמעות העסקית והמדעית עצומה: בעולם שבו חברות טק ישראליות מובילות בפיתוח AI, תיאוריה כזו יכולה להנחות בניית מודלים יעילים יותר שמחקים התנהגות אנושית אמיתית. היא מאפשרת חיסכון בעלויות חישוב על ידי ניצול מבנה גיאומטרי טבעי, ומציעה אלטרנטיבה למודלים סטטיסטיים מסורתיים. בהשוואה לגישות אחרות, זו גישה מאוחדת שמפחיתה מורכבות.