Wenn ein Elternteil seinem kleinen Kind beibringt, sich mit der Welt auseinanderzusetzen, tut es dies durch Assoziationen und die Identifizierung von Mustern. Nehmen wir beispielsweise den Buchstaben S. Eltern zeigen ihrem Kind genügend Beispiele für den Buchstaben und bald wird es in der Lage sein, andere Beispiele in Kontexten zu identifizieren, in denen keine Anleitung gegeben wird; Schule, ein Buch, eine Werbetafel.

Ein Großteil der ständig aufkommenden künstlichen Intelligenz (KI)-Technologie wurde auf ähnliche Weise gelehrt. Forscher fütterten das System mit korrekten Beispielen für etwas, das es erkennen sollte, und wie ein kleines Kind begann KI, Muster zu erkennen und solche Kenntnisse auf Kontexte zu übertragen, die es noch nie zuvor erlebt hatte, und bildete so sein eigenes “Neuronennetzwerk” für Kategorisierung. Wie bei der menschlichen Intelligenz jedoch verloren Experten die Übersicht über die Eingaben, die KIs Entscheidungsfindung beeinflussten.

Das “Black-Box-Problem” der KI tritt daher als Tatsache auf, dass wir nicht vollständig verstehen, wie oder warum ein KI-System Verbindungen herstellt, noch die Variablen, die in seine Entscheidungen einfließen. Dieses Problem ist besonders relevant, wenn es darum geht, Systeme zu verbessern, deren Vertrauenswürdigkeit und Sicherheit zu gewährleisten und die Regulierung der KI-Adoption zu etablieren.

Von einem KI-gesteuerten Fahrzeug, das nicht rechtzeitig bremst und Fußgänger verletzt, bis hin zu KI-abhängigen Gesundheitstechnologie-Geräten, die Ärzten bei der Diagnose von Patienten helfen, und Vorreilen, die KI-basierte Bewerberauswahlprozesse zeigen, hat die Komplexität hinter diesen Systemen zu dem Aufkommen eines neuen Forschungsgebiets geführt: der Physik der KI, die darauf abzielt, KI als Werkzeug für den Menschen zu etablieren, um ein tieferes Verständnis zu erlangen.

Nun wird eine neue unabhängige Studiengruppe diese Herausforderungen angehen, indem sie die Bereiche Physik, Psychologie, Philosophie und Neurowissenschaften in einer interdisziplinären Erforschung der Geheimnisse der KI kombiniert.

NTT schlägt KI-Vertrauen und -Sicherheit vor

Die neu angekündigte Physics of Artificial Intelligence Group ist ein Ableger des Physics & Informatics (PHI) Lab von NTT Research und wurde auf der NTT-Upgrade-2025-Konferenz in San Francisco, Kalifornien, letzte Woche vorgestellt. Sie wird die Physik der künstlichen Intelligenz weiterentwickeln, um KI zu verstehen, was das Team in den letzten fünf Jahren untersucht hat.

Dr. Hidenori Tanaka, der einen PhD in Angewandter Physik und Informatik von der Harvard University hat, wird die neue Forschungsgruppe leiten und dabei auf seine vorherigen Erfahrungen in der Intelligent Systems Group von NTT und dem AI-Forschungsprogramm von CBS-NTT im Bereich Physik der Intelligenz an der Harvard University aufbauen.

“Als Physiker bin ich von dem Thema Intelligenz begeistert, weil man mathematisch nicht verstehen kann, wie man von Kreativität sprechen kann. Wie kann man über Güte sprechen? Diese Konzepte wären abstrakt geblieben, wenn es nicht die KI gäbe. Es ist leicht, zu spekulieren und zu sagen: ‘Das ist meine Definition von Güte’, was mathematisch nicht bedeutungsvoll ist, aber jetzt mit der KI ist es praktisch wichtig, weil wir der KI in mathematischer Sprache sagen müssen, was Güte ist, zum Beispiel”, sagte Dr. Tanaka mir letzte Woche auf dem Rande der Upgrade-Konferenz.

Früh in ihrer Forschung erkannte das PHI-Lab die Bedeutung des Verständnisses der “Black-Box”-Natur der KI und des maschinellen Lernens, um neue Systeme mit verbesserter Energieeffizienz für die Berechnung zu entwickeln. Die Fortschritte der KI in den letzten fünf Jahren haben jedoch immer wichtigere Sicherheits- und Vertrauensaspekte hervorgerufen, die für industrielle Anwendungen und Regulierungsentscheidungen über die KI-Adoption von entscheidender Bedeutung sind.

Durch die neue Forschungsgruppe wird NTT Research die Ähnlichkeiten zwischen biologischer und künstlicher Intelligenz angehen und hofft, die Komplexität der KI-Mechanismen zu entschlüsseln und eine harmonischere Verbindung zwischen menschlicher und KI-Zusammenarbeit aufzubauen.

Obwohl diese Herangehensweise neu in ihrer Integration der KI ist, ist sie nicht neu. Physiker haben seit Jahrhunderten versucht, die genauen Details von technologischen und menschlichen Beziehungen aufzudecken, von Galileo Galileis Studien über die Bewegung von Objekten und seinem Beitrag zur Mechanik bis hin zur Art und Weise, wie die Dampfmaschine das Verständnis der Thermodynamik während der industriellen Revolution beeinflusste. Im 21. Jahrhundert jedoch versuchen Wissenschaftler, zu verstehen, wie die KI in Bezug auf Training, Wissensaufbau und Entscheidungsfindung funktioniert, damit in der Zukunft kohärentere, sicherere und vertrauenswürdigere KI-Technologien entwickelt werden können.

“KI ist ein Neuronennetzwerk, die Art und Weise, wie es strukturiert ist, ist sehr ähnlich wie die eines menschlichen Gehirns; Neuronen, die durch Synapsen verbunden sind, die alle durch Zahlen in einem Computer dargestellt werden. Und dann glauben wir, dass es dort Physik geben kann… Physik ist es, alles aus dem Universum zu nehmen, mathematische Hypothesen über ihre inneren Abläufe zu formulieren und sie zu testen”, sagte Dr. Hanaka.

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

Dr. Tanaka betont jedoch, dass ein naturwissenschaftlicher und branchenübergreifender Ansatz von grundlegender Bedeutung sein wird. 2017, als er noch PhD-Kandidat an der Harvard University war, erkannte der Forscher, dass er mehr tun wollte als traditionelle Physik und den Fußspuren seiner Vorgänger folgen wollte, von Galilei bis Newton und Einstein, um neue konzeptionelle Welten in der Physik zu eröffnen.

“Derzeit ist KI das eine Thema, über das ich mit jedem sprechen kann. Als Forscher ist es großartig, weil jeder immer bereit ist, über KI zu sprechen, und ich lerne auch aus jedem Gespräch, weil ich realisiere, wie Menschen KI unterschiedlich sehen und verwenden, auch jenseits akademischer Kontexte. Ich sehe NTTs Mission als Katalysator, um diese Gespräche zu initiieren, unabhängig von den Hintergründen der Menschen, weil wir aus jeder Interaktion lernen”, schloss Dr. Tanaka.