Kun vanhempi opettaa pientä lastaan suhtautumaan maailmaan, hän opettaa assosiaatioiden ja kuvioiden tunnistamisen kautta. Otetaan esimerkiksi S-kirjain. Vanhemmat näyttävät lapselleen tarpeeksi esimerkkejä kirjeestä, ja ennen pitkää he pystyvät tunnistamaan muita esimerkkejä yhteyksistä, joissa ohjaus ei ole aktiivista; koulu, kirja, mainostaulu.
Suuri osa jatkuvasti esiin nousevasta tekoälyteknologiasta oli opettanut samalla tavalla. Tutkijat antoivat järjestelmälle oikeita esimerkkejä jostakin, jonka he halusivat sen tunnistavan, ja kuin pieni lapsi, tekoäly alkoi tunnistaa malleja ja ekstrapoloida tällaista tietoa yhteyksiin, joita se ei ollut koskaan aiemmin kokenut, muodostaen oman ”hermoverkkonsa” luokittelua varten. Kuten ihmisen älykkyys, asiantuntijat kuitenkin menettivät tietonsa panoksista, jotka vaikuttivat tekoälyn päätöksentekoon.
”mustan laatikon ongelma”Tekoälystä ilmenee siis se tosiasia, että emme täysin ymmärrä, miten tai miksi tekoälyjärjestelmä muodostaa yhteyksiä, emmekä sen päätöksiin vaikuttavia muuttujia. Tämä kysymys on erityisen tärkeä, kun pyritään parantamaan järjestelmien luotettavuutta ja turvallisuutta sekä luomaan tekoälyn käyttöönoton hallintoa.
Tekoälykäyttöisestä ajoneuvosta, joka ei jarruta ajoissa ja vahingoittaa jalankulkijoita, tekoälyyn perustuviin terveysteknologialaitteisiin, jotka auttavat lääkäreitä diagnosoimaan potilaita, ja tekoälyn palkkaamisen seulontaprosesseissa ilmenevät harhaanjohtavuudet, näiden järjestelmien taustalla oleva monimutkaisuus on johtanut uuden tutkimusalan nousuun: tekoälyn fysiikkaan, joka pyrkii edelleen vahvistamaan tekoälyä työkaluna, jonka avulla ihmiset voivat saavuttaa paremman ymmärryksen.
Nyt uusi riippumaton tutkimusryhmä käsittelee näitä haasteita yhdistämällä fysiikan, psykologian, filosofian ja neurotieteen alat monitieteiseen tekoälyn mysteerien tutkimiseen.
Äskettäin ilmoitettu Physics of Artificial Intelligence Group on NTT Researchin Physics & Informatics (PHI) -laboratorion spin-off, ja se paljastettiin NTT:n Upgrade 2025 -konferenssissa San Franciscossa Kaliforniassa viime viikolla. Se jatkaa Physics of Artificial Intelligence -lähestymistavan edistämistä tekoälyn ymmärtämiseksi, jota tiimi on tutkinut viimeisen viiden vuoden ajan.
Tohtori Hidenori Tanaka, jolla on tohtorintutkinto soveltavasta fysiikasta ja tietojenkäsittelytieteestä ja tekniikasta Harvardin yliopistosta, tulee johtamaan uutta tutkimusryhmää, joka perustuu aiempaan kokemukseensa NTT:n älykkäiden järjestelmien ryhmästä ja CBS-NTT:n älykkyyden fysiikan tutkimusohjelmasta Harvardissa.
”Fyysikkona olen innoissani älykkyyden aiheesta, koska matemaattisesti, miten voit ajatella luovuuden käsitettä? Miten voit edes ajatella ystävällisyyttä? Nämä käsitteet olisivat jääneet abstrakteiksi, ellei tekoälyä olisi ollut. On helppo spekuloida sanomalla ”tämä on minun ystävällisyyden määritelmäni”, mutta nyt se on käytännössä tärkeää, koska se on merkityksetöntä. Haluamme tehdä tekoälystä ystävällistä, meidän on kerrottava sille matematiikan kielellä, mikä ystävällisyys isesimerkiksi”, tohtori Tanaka kertoi minulle viime viikolla Upgrade-konferenssin sivussa.
PHI Lab ymmärsi tutkimuksensa varhaisessa vaiheessa, että on tärkeää ymmärtää tekoälyn ja koneoppimisen ”mustan laatikon” luonne, jotta voidaan kehittää uusia järjestelmiä, jotka parantavat laskennan energiatehokkuutta. Tekoälyn edistyminen viimeisen puolen vuosikymmenen aikana on kuitenkin herättänyt yhä tärkeämpiä turvallisuus- ja luotettavuusnäkökohtia, joista on näin ollen tullut kriittisiä teollisuuden sovelluksille ja tekoälyn käyttöönottoa koskeville hallintopäätöksille.
Uuden tutkimusryhmän kautta NTT Tutkimus käsittelee biologisten ja tekoälyjen yhtäläisyyksiä ja toivoo näin purkavan tekoälymekanismien monimutkaisuutta ja rakentaa harmonisempaa ihmisen ja tekoälyn yhteistyön fuusiota.
Vaikka tekoälyn integrointi onkin uusi, tämä lähestymistapa ei ole uusi. Fyysikot ovat pyrkineet paljastamaan teknisten ja ihmisten välisten suhteiden tarkkoja yksityiskohtia vuosisatojen ajan Galileo Galilein tutkimuksista esineiden liikkumisesta ja hänen panoksestaan mekaniikkaan ja siihen, kuinka höyrykone vaikutti käsityksiin termodynamiikasta teollisen vallankumouksen aikana. 21-luvulla tutkijat kuitenkin yrittävät ymmärtää, miten tekoäly toimii kouluttautumisen, tiedon keräämisen ja päätösten tekemisen kannalta, jotta tulevaisuudessa voidaan suunnitella yhtenäisempiä, turvallisempia ja luotettavampia tekoälytekniikoita.
”Tekoäly on neuroverkko, sen rakenne on hyvin samankaltainen kuin ihmisen aivot toimivat; synapsien yhdistämät neuronit, jotka kaikki esitetään numeroina tietokoneen sisällä. Ja sitten uskomme, että fysiikkaa voi olla… Fysiikka on kaiken ottamista universumista, matemaattisten hypoteesien laatimista niiden sisäisestä toiminnasta”, tohtori Hanaka sanoi ja testaa niitä.
Uusi ryhmä jatkaa yhteistyötä Harvard University Center for Brain Sciencen (CBS) kanssa ja aikoo tehdä yhteistyötä Stanfordin yliopiston apulaisprofessori Suya Gangulin kanssa, jonka kanssa tohtori Tanaka on kirjoittanut useita artikkeleita.
Tohtori Tanaka korostaa kuitenkin, että luonnontieteellinen ja monialainen lähestymistapa on olennainen. Vuonna 2017, kun hän oli tohtorikandidaatti Harvardissa, tutkija tajusi haluavansa tehdä enemmän kuin perinteistä fysiikkaa ja seurata edeltäjiensä, Galileista Newtoniin ja Einsteiniin, jalanjälkiä avatakseen uusia käsitteellisiä maailmoja fysiikassa.
”Tällä hetkellä tekoäly on ainoa aihe, josta voin puhua kaikille. Tutkijana se on hienoa, koska kaikki ovat aina valmiita puhumaan tekoälystä, ja minä myös opin jokaisesta keskustelusta, koska ymmärrän, kuinka ihmiset näkevät ja käyttävät tekoälyä eri tavalla, jopa akateemisen kontekstin ulkopuolella. Näen NTT:n tehtävän olla katalysaattorina näiden keskustelujen herättämisessä, Tanaka päätti, koska opimme ihmisten taustasta riippumatta.