Wenn Eltern ihrem Kind beibringen, mit der Welt in Beziehung zu treten, geschieht dies durch Assoziationen und das Erkennen von Mustern. Nehmen wir zum Beispiel den Buchstaben S. Zeigen Eltern ihrem Kind genügend Beispiele des Buchstabens, wird es bald in der Lage sein, andere Beispiele in Kontexten zu erkennen, in denen es nicht aktiv angeleitet wird: in der Schule, in einem Buch oder auf einer Plakatwand.

Ein Großteil der immer weiter fortschreitenden künstlichen Intelligenz (KI)-Technologie wurde gelehrt Dasselbe Prinzip. Forscher gaben dem System korrekte Beispiele für etwas, das es erkennen sollte. Wie ein kleines Kind begann die KI, Muster zu erkennen und dieses Wissen auf Kontexte zu übertragen, mit denen sie noch nie zuvor vertraut war. So bildete sich ein eigenes „neuronales Netzwerk“ zur Kategorisierung. Wie bei der menschlichen Intelligenz verloren die Experten jedoch den Überblick über die Inputs, die die Entscheidungsfindung der KI beeinflussten. 

Das "Black-Box-ProblemDas Problem der KI liegt darin, dass wir weder vollständig verstehen, wie und warum ein KI-System Verbindungen herstellt, noch welche Variablen in seine Entscheidungen einfließen. Dieses Problem ist besonders relevant, wenn es darum geht, die Vertrauenswürdigkeit und Sicherheit von Systemen zu verbessern und die Governance der KI-Einführung zu etablieren. 

Von einem KI-gesteuerten Fahrzeug, das nicht rechtzeitig bremst und Fußgänger verletzt, bis hin zu KI-basierten Gesundheitstechnologiegeräten, die Ärzte bei der Diagnose von Patienten unterstützen, und Vorurteile bei KI-EinstellungsscreeningprozessenDie Komplexität dieser Systeme hat zur Entstehung eines neuen Forschungsgebiets geführt: der Physik der KI, die darauf abzielt, KI als Werkzeug für den Menschen zur Erlangung eines besseren Verständnisses zu etablieren. 

Nun wird sich eine neue unabhängige Studiengruppe diesen Herausforderungen stellen, indem sie die Bereiche Physik, Psychologie, Philosophie und Neurowissenschaften in einer interdisziplinären Erforschung der Geheimnisse der KI zusammenführt.

NTT schlägt Vertrauen und Sicherheit bei KI vor

Das neu angekündigte Gruppe „Physik der Künstlichen Intelligenz“ ist ein Spin-off des Physics & Informatics (PHI) Lab von NTT Research und wurde letzte Woche auf der NTT Upgrade 2025-Konferenz in San Francisco, Kalifornien, vorgestellt. Es wird den Ansatz der Physik der künstlichen Intelligenz zum Verständnis von KI, den das Team seit fünf Jahren erforscht, weiter vorantreiben. 

Dr. Hidenori Tanaka, der einen Doktortitel in angewandter Physik und Informatik sowie Ingenieurwesen von der Harvard University besitzt, wird die neue Forschungsgruppe leiten und dabei auf seinen bisherigen Erfahrungen in der Intelligent Systems Group von NTT und dem KI-Forschungsprogramm von CBS-NTT in der Physik der Intelligenz in Harvard aufbauen.

Als Physiker bin ich vom Thema Intelligenz fasziniert, denn wie kann man mathematisch an Kreativität denken? Wie kann man überhaupt an Freundlichkeit denken? Ohne KI wären diese Konzepte abstrakt geblieben. Es ist leicht zu spekulieren und zu sagen: „Das ist meine Definition von Freundlichkeit“, was mathematisch nicht sinnvoll ist, aber jetzt mit KI ist es praktisch wichtig, denn wenn wir KI freundlich machen wollen, müssen wir ihr in der Sprache der Mathematik sagen, was Freundlichkeit ist. is, zum Beispiel“, erzählte mir Dr. Tanaka letzte Woche am Rande der Upgrade-Konferenz.  

Schon früh in seiner Forschung erkannte das PHI Lab, wie wichtig es ist, die „Blackbox“-Natur von KI und maschinellem Lernen zu verstehen, um neue Systeme mit verbesserter Energieeffizienz für die Berechnung zu entwickeln. Die Fortschritte der KI in den letzten fünf Jahren haben jedoch zunehmend wichtige Sicherheits- und Vertrauenswürdigkeitsaspekte aufgeworfen, die daher für Industrieanwendungen und Governance-Entscheidungen zur KI-Einführung von entscheidender Bedeutung geworden sind. 

Mithilfe der neuen Forschungsgruppe wird sich NTT Research mit den Ähnlichkeiten zwischen biologischer und künstlicher Intelligenz befassen und hofft so, die Komplexität der KI-Mechanismen zu entschlüsseln und eine harmonischere Zusammenarbeit zwischen Mensch und KI zu erreichen. 

Obwohl dieser Ansatz durch die Integration von KI neuartig ist, ist er nicht neu. Physiker versuchen seit Jahrhunderten, die genauen Details der technologischen und menschlichen Beziehungen aufzudecken – von Galileo Galileis Studien zur Bewegung von Objekten und seinem Beitrag zur Mechanik bis hin zum Einfluss der Dampfmaschine auf das Verständnis der Thermodynamik während der industriellen Revolution. Im 21. Jahrhundert versuchen Wissenschaftler jedoch zu verstehen, wie KI funktioniert – im Hinblick auf Training, Wissensaufbau und Entscheidungsfindung –, um künftig einheitlichere, sicherere und vertrauenswürdigere KI-Technologien entwickeln zu können. 

„KI ist ein neuronales Netzwerk, dessen Struktur der des menschlichen Gehirns sehr ähnlich ist: Neuronen sind durch Synapsen verbunden, die im Computer alle durch Zahlen repräsentiert werden. Und genau hier liegt unserer Meinung nach die Physik … In der Physik geht es darum, beliebige Elemente des Universums zu nehmen, mathematische Hypothesen über ihre Funktionsweise zu formulieren und diese zu testen“, sagte Dr. Hanaka. 

Die neue Gruppe wird weiterhin mit dem Center for Brain Science (CBS) der Harvard University zusammenarbeiten und plant eine Kooperation mit Suya Ganguli, Associate Professor an der Stanford University, mit der Dr. Tanaka mehrere Artikel gemeinsam verfasst hat. 

Dr. Tanaka betont jedoch, dass ein naturwissenschaftlicher und branchenübergreifender Ansatz von grundlegender Bedeutung sein wird. 2017, als er Doktorand in Harvard war, erkannte der Forscher, dass er mehr als nur traditionelle Physik betreiben und in die Fußstapfen seiner Vorgänger – von Galilei über Newton bis Einstein – treten wollte, um neue konzeptionelle Welten in der Physik zu erschließen. 

„KI ist derzeit das einzige Thema, über das ich mit jedem sprechen kann. Als Forscher ist das großartig, weil alle immer offen für KI sind. Und ich lerne aus jedem Gespräch, weil ich erkenne, wie unterschiedlich Menschen KI sehen und nutzen, auch über akademische Kontexte hinaus. Ich sehe die Mission von NTT darin, diese Gespräche anzustoßen, unabhängig vom Hintergrund der Menschen, denn wir lernen aus jeder Interaktion“, so Dr. Tanaka.