Mitä fysiikka voi opettaa meille tekoälystä?

Israelilaisen Bar-Ilanin yliopiston uusi tutkimus viittaa siihen, että tekoälyn (AI) teho ei johdu pelkästään koosta, vaan myös tavasta, jolla sen sisäiset komponentit oppivat erikoistumaan ja tekemään yhteistyötä – tämä tarjoaa yllättävän yhteyden nykyaikaisten tekoälyjärjestelmien ja fysiikan perusperiaatteiden välille.

Tutkimusta johti professori Ido Kanter ja se pohjautuu Nobel-palkitun fyysikon Philip W. Andersonin vuonna 1972 esittelemään vaikutusvaltaiseen "Enemmän on erilaista" -käsitteeseen. Periaatteen mukaan useiden komponenttien vuorovaikutus voi synnyttää uusia, emergenttejä käyttäytymismalleja, joita ei voida ymmärtää tutkimalla kutakin osaa erikseen.

Soveltaessaan tätä ajatusta tekoälyyn professori Kanter havaitsi, että vaikka skaalautumisella on merkitystä, organisointi on yhtä tärkeää – ja informaation näkökulmasta tekoälyjärjestelmät käyttäytyvät tavoilla, jotka eroavat perustavanlaatuisesti fyysisistä järjestelmistä.

Tutkimus osoittaa, että tekoälymallien oppiessa niiden sisäiset yksiköt – joita kutsutaan solmuiksi – alkavat erikoistua. Identtisten toimintojen suorittamisen sijaan eri solmut ottavat erilaisia rooleja, kuten tiettyjen kuvioiden tai kielellisten piirteiden tunnistamisen. Tämä työnjako mahdollistaa järjestelmän tehostamisen, mikä viittaa siihen, että tekoälyn vahvuus ei ole pelkästään sen koossa, vaan myös erikoistuneiden komponenttien koordinoidussa vuorovaikutuksessa.

Yksi tutkimuksen silmiinpistävimmistä löydöksistä on, että jopa yksi ainoa kielimallin solmu voi sisältää merkityksellistä tietoa mallin kokonaistehtävästä. Kun useat solmut toimivat yhdessä, niiden yhdistetyt ominaisuudet ylittävät niiden yksittäisten panosten summan, mikä osoittaa emergentin älykkyyden toimivuuden - enemmän on erilaista.

Tutkimus tunnistaa myös keskeisen eron tekoälyjärjestelmien ja monien fyysisten järjestelmien välillä. Fysiikassa yksittäiset komponentit heijastavat usein samaa informaatiota koko järjestelmästä. Tätä ajatusta voidaan kuvailla "enemmän on sama" -periaatteella, jossa useampien komponenttien lisääminen ei välttämättä lisää järjestelmän tilaa koskevaa kokonaisinformaatiota.

Sitä vastoin tekoälyjärjestelmät käyttäytyvät eri tavalla. Oppiessaan niiden solmut koodaavat toisiaan täydentäviä informaation osia, ja kokonaisinformaatio kasvaa komponenttien määrän myötä. Tässä mielessä tekoäly ilmentää periaatetta "Enemmän on erilaista". Tämä oivallus voi auttaa selittämään tekoälyn huomattavaa tehokkuutta ja ohjata pienempien, tehokkaampien ja helpommin tulkittavien mallien kehittämistä.

Löydöksillä voi olla merkitystä myös neurotieteelle. Kokeelliseen näyttöön perustuen professori Kanter ehdottaa, että aivot saattavat luottaa aiemmin oletettua erikoistuneempiin ja informaatiorikkaampiin neuroneihin.

Tutkimus viittaa laajempaan johtopäätökseen: tekoälyn älykkyys ei välttämättä synny pelkästään mittakaavasta, vaan yksittäisten komponenttien kyvystä erikoistua, jakaa informaatiota ja työskennellä yhdessä. Joskus tekoälyn tulevaisuuden ymmärtäminen alkaa fysiikan peruskysymyksestä.

Tämä tutkimus julkaistiin hiljattain Social Science Research Network -sivustolla .

Aiheesta aiemmin:

Vetyautojen sydämen suunnittelu tekoälyn avulla

Tekoäly oppii paljastamaan kiteiden atomirakenteen