Původní verze z tento příběh objevil se v Quanta Magazine.
Jednou jsme byli slíbeni automobily s vlastním řízením a robotickými služkami. Místo toho jsme viděli vzestup systémů umělé inteligence, které nás mohou porazit v šachu, analyzovat obrovské množství textu a skládat sonety. To bylo jedno z velkých překvapení moderní éry: fyzické úkoly, které jsou pro lidi snadné, jsou pro roboty velmi obtížné, zatímco algoritmy jsou stále více schopny napodobovat náš intelekt.
Dalším překvapením, které má dlouho zmatené vědci, je talent těchto algoritmů pro jejich vlastní, podivný druh kreativity.
Difúzní modely, páteř nástrojů pro generování obrázků, jako jsou Dall · E, Imagen a stabilní difúze, jsou navrženy tak, aby generovaly kopie uhlíkových obrázků, na nichž byly vyškoleny. Zdá se však, že v praxi improvizují, mísí prvky v rámci obrázků, aby vytvořily něco nového – nejen nesmyslné kuličky barvy, ale koherentní obrazy se sémantickým významem. Toto je „paradox“ za modely difúzních modelů, řekl Giulio Biroli, výzkumný pracovník AI a fyzik na École Normale Supérieure v Paříži: „Pokud by perfektně pracovali, měli by si jen zapamatovat,“ řekl. „Ale oni nejsou – ve skutečnosti jsou schopni produkovat nové vzorky.“
Pro generování obrázků používají difúzní modely proces známý jako denoising. Převádějí obraz na digitální šum (nesoudržný sbírku pixelů) a poté jej znovu sestavují. Je to jako opakovaně prokládat malbu skrz drtidlo, dokud vše, co opustíte, je hromada jemného prachu a potom kousky opravte zpět dohromady. Po celá léta vědci přemýšleli: Pokud se modely právě znovu sestavují, jak se na obrázek přichází novinka? Je to jako opětovné sestavení skartovaného obrazu do zcela nového uměleckého díla.
Nyní dva fyzici učinili překvapivé tvrzení: jsou to technické nedokonalosti samotného procesu denoizingu, které vede k kreativitě difúzních modelů. V příspěvku představeném na Mezinárodní konferenci o strojovém učení 2025 vyvinulo duo matematický model vyškolených difúzních modelů, který ukazuje, že jejich takzvaná kreativita je ve skutečnosti deterministickým procesem-přímým, nevyhnutelným důsledkem jejich architektury.
Osvětlením černé skříňky difúzních modelů by nový výzkum mohl mít velké důsledky pro budoucí výzkum AI – a možná i pro naše chápání lidské kreativity. „Skutečnou silou papíru je, že to dělá velmi přesné předpovědi něčeho velmi netriviálního,“ řekla Luca Ambrogioni, počítačová vědecka na Radboud University v Nizozemsku.
Zdola nahoru
Mason Kamb, postgraduální student, který studuje aplikovanou fyziku na Stanfordské univerzitě a hlavní autor nového příspěvku, byl již dlouho fascinován morfogenezí: procesy, kterými se živé systémy sestavují.
Jedním ze způsobů, jak porozumět vývoji embryí u lidí a jiných zvířat, je skrze to, co se nazývá Turingový vzorec, pojmenovaný po matematici 20. století Alan Turing. Turingové vzorce vysvětlují, jak se skupiny buněk mohou organizovat do odlišných orgánů a končetin. Je důležité, že tato koordinace se koná na místní úrovni. Neexistuje žádný generální ředitel, který by dohlížel na biliony buněk, aby se ujistil, že se všichni přizpůsobují konečnému plánu těla. Jinými slovy jednotlivé buňky nemají nějaký dokončený plán těla, na kterém lze založit svou práci. Jen jedná o opatření a provádějí opravy v reakci na signály od svých sousedů. Tento systém zdola nahoru obvykle běží hladce, ale občas se zhoršuje-například ruce s extra prsty.
Čerpáme z těchto zdrojů: google.com, science.org, newatlas.com, wired.com, pixabay.com
