Izvorna verzija od ova priča pojavio se u Magazin Quanta.
Nekad su nam obećali automobile i robotske sluškinje. Umjesto toga, vidjeli smo uspon sustava umjetne inteligencije koji nas mogu pobijediti u šahu, analizirati ogromne rakete teksta i sastavljati sonete. Ovo je bilo jedno od velikih iznenađenja moderne ere: fizički zadaci koji su laki za ljude postaju vrlo teški za robote, dok algoritmi sve više mogu oponašati naš intelekt.
Još jedno iznenađenje koje je dugo zbunjivalo istraživače je to što je algoritmi za njihovu, čudnu kreativnost.
Difuzijski modeli, okosnica alata za stvaranje slika, kao što su Dall · E, Imagen i stabilna difuzija, dizajnirani su za stvaranje ugljičnih kopija slika na kojima su obučene. U praksi, međutim, čini se da improviziraju, miješajući elemente unutar slika kako bi stvorili nešto novo – ne samo besmislene mrlje boje, već koherentne slike sa semantičkim značenjem. Ovo je “paradoks” koji stoji iza difuzijskih modela, rekao je Giulio biroliAI istraživač i fizičar na École Normale Supérieure u Parizu: “Ako su savršeno radili, trebali bi samo upamtiti”, rekao je. “Ali oni ne – zapravo su u stanju proizvesti nove uzorke.”
Za generiranje slika, Difuzijski modeli koriste postupak poznat kao denoising. Oni pretvaraju sliku u digitalni šum (nekoherentna zbirka piksela), a zatim je ponovno sastavite. To je kao da više puta stavljate sliku kroz drobljenje dok sve ostanete gomila fine prašine, a zatim zalijepite komade natrag. Godinama su se istraživači pitali: ako se modeli samo ponovno sastavljaju, kako onda novosti dolazi na sliku? To je poput ponovnog sastavljanja vaše isjeckane slike u potpuno novo umjetničko djelo.
Sada su dvojica fizičara iznijela zapanjujuću tvrdnju: Tehničke nesavršenosti u samom procesu denoiranja dovode do kreativnosti difuzijskih modela. U a papir Predstavljen na Međunarodnoj konferenciji o strojnom učenju 2025., dvojac je razvio matematički model obučenih difuzijskih modela kako bi pokazao da je njihova takozvana kreativnost u stvari deterministički proces-izravna, neizbježna posljedica njihove arhitekture.
Osvjetljavanjem crne kutije difuzijskih modela, novo istraživanje moglo bi imati velike posljedice za buduće istraživanje AI – a možda čak i za naše razumijevanje ljudske kreativnosti. “Prava snaga rada je u tome što čini vrlo točne predviđanja nečeg vrlo netrivijalnog”, rekao je Luca Ambrogioniračunalni znanstvenik na Sveučilištu Radboud u Nizozemskoj.
Dno gore
Mason Kambdiplomski student koji je studirao primijenjenu fiziku na Sveučilištu Stanford i vodeći autor novog rada, dugo je fasciniran morfogenezom: procesi po kojima se životni sustavi samo-sastavljaju.
Jedan od načina razumijevanja razvoja embrija kod ljudi i drugih životinja je kroz ono što je poznato kao Turingov uzoraknazvan po matematičaru iz 20. stoljeća Alana Turinga. Turingovi obrasci objašnjavaju kako se skupine stanica mogu organizirati u različite organe i udove. Ono što je presudno, ova se koordinacija odvija na lokalnoj razini. Ne postoji izvršni direktor koji nadgleda trilijune stanica kako bi se osiguralo da su sve u skladu s konačnim planom tijela. Pojedinačne stanice, drugim riječima, nemaju gotov nacrt tijela na kojem će temeljiti svoj rad. Samo poduzimaju akcije i izvršavaju ispravke kao odgovor na signale svojih susjeda. Ovaj sustav odozdo prema gore obično radi glatko, ali s vremena na vrijeme prolazi povremeno-na primjer, proizvodeći ruke dodatnim prstima.