Kun vanhempi opettaa lastaan ymmärtämään maailmaa, he opettavat assosiaatioita ja mallien tunnistamista. Otetaan esimerkiksi kirjain S. Vanhemmat näyttävät lapselleen riittävästi esimerkkejä kirjaimesta, ja pian he pystyvät tunnistamaan muita esimerkkejä konteksteissa, joissa ohjausta ei ole; koulussa, kirjassa, mainoksessa.

Suuri osa kehittyvistä tekoälytekniikoista on opittu samalla tavalla. Tutkijat opettivat järjestelmälle oikein esimerkkejä siitä, mitä he halusivat sen tunnistavan, ja kuin nuori lapsi, tekoäly alkoi tunnistaa malleja ja extrapoloi tietoa konteksteissa, joissa se ei ollut aikaisemmin kokenut, muodostaen oman “hermostoverkon” luokitteluun. Ihmisen älymystävällisesti asiantuntijat menettivät kuitenkin tiedon siitä, mitkä syötteet vaikuttivat tekoälyn päätöksentekoon.

Tekoälyn “musta laatikko” -ongelma ilmenee siinä, että emme täysin ymmärrä, miten tai miksi tekoälyjärjestelmä tekee yhteyden, eikä mitkä muuttujat vaikuttavat sen päätöksiin. Tämä ongelma on erityisen relevantti, kun pyritään parantamaan järjestelmien luotettavuutta ja turvallisuutta sekä perustamaan tekoälyn omaksumisen hallintoa.

Tekoälyvoimaisesta ajoneuvosta, joka ei jarruta ajoissa ja vahingoittaa jalankulkijoita, tekoälyriippuvaisiin terveysteknisiin laitteisiin, jotka auttavat lääkäreitä diagnosoimaan potilaita, ja tekoälypohjaisiin rekrytointiprosesseihin, joissa on esillä bias, näiden järjestelmien monimutkaisuus on johtanut uuden tutkimusalan syntyyn: tekoälyn fysiikka, joka pyrkii vahvistamaan tekoälyn työkaluna, jonka avulla ihmiset voivat saavuttaa syvemmän ymmärryksen.

Nyt uusi itsenäinen tutkimusryhmä tulee käsittelemään näitä haasteita yhdistämällä fysiikan, psykologian, filosofian ja neurotieteen aloja monitieteellisessä tekoälyn arvoituksien tutkimisessa.

NTT ehdottaa tekoälyn luotettavuutta ja turvallisuutta

Uusi Physics of Artificial Intelligence Group on NTT Researchin Physics & Informatics (PHI) Labin spin-off, ja se esiteltiin NTT:n Upgrade 2025 -konferenssissa San Franciscossa, Kaliforniassa viime viikolla. Se jatkaa edelleen tekoälyn fysiikan lähestymistapaa tekoälyn ymmärtämiseen, jonka tiimi on tutkinut viiden viime vuoden ajan.

Tohtori Hidenori Tanaka, jolla on soveltavan fysiikan ja tietokoneen insinööritieteen tohtorin tutkinto Harvardin yliopistosta, johtaa uutta tutkimusryhmää ja rakentaa edelleen aiempaa kokemusta NTT:n Älykkäiden järjestelmien ryhmässä ja CBS-NTT:n tekoälyntutkimusohjelmassa fysiikan älymystävällisyydessä Harvardissa.

“Fyysikkona olen innoissani älymystävällisyyden aiheesta, koska matemaattisesti, miten voit ajatella luovuutta? Miten voit ajatella myötätuntoa? Nämä käsitteet olisivat jääneet abstrakteiksi, jos tekoälyä ei olisi. On helppo spekuloida ja sanoa ‘tämä on minun määritelmäni myötätunnosta’, joka ei ole matemaattisesti merkityksellistä, mutta nyt tekoälyssä se on käytännöllisesti tärkeää, koska jos haluamme tehdä tekoälystä myötätuntoista, meidän on kerrottava sille matemaattisesti, mitä myötätunto on”, tohtori Tanaka kertoi minulle viime viikolla Upgrade-konferenssin sivulla.

Varhaisessa tutkimuksessaan PHI Lab tunnisti “mustan laatikon” luonteen ja tekoälyä ja koneoppimista kehittääkseen uusia järjestelmiä, joilla on parannettu energiatehokkuus laskennassa. Tekoälyn edistys viimeisen puolen vuosikymmenen aikana on kuitenkin herättänyt yhä tärkeämmät turvallisuuden ja luotettavuuden huolenaiheet, jotka ovat olleet kriittisiä teollisuuden sovelluksissa ja tekoälyn omaksumisen hallintopäätöksissä.

Uuden tutkimusryhmän kautta NTT Research tulee käsittelemään biologisen ja tekoälyllisen älymystävällisyyden samankaltaisuuksia ja toivoo purkavan tekoälymekanismien monimutkaisuutta ja rakentavan enemmän harmonisen yhdistymisen ihmisten ja tekoälyjen välille.

Vaikka tämä lähestymistapa on uusi tekoälyssä, se ei ole uusi. Fyysikot ovat pyrkineet paljastamaan tarkat yksityiskohdat teknologisen ja inhimillisen suhteen vuosisatoja, Galileo Galilein tutkimuksista siitä, miten esineet liikkuvat, ja hänen panoksestaan mekaniikkaan, ja miten höyrykone vaikutti termodynamiikan ymmärtämiseen teollisessa vallankumouksessa. 2000-luvulla tutkijat pyrkivät ymmärtämään, miten tekoäly toimii koulutuksen, tietämyksen kerryttämisen ja päätöksenteon suhteen, jotta voidaan suunnitella tulevaisuudessa yhä yhtenäisempiä, turvallisia ja luotettavia tekoälytekniikoita.

“Tekoäly on hermosolmujen verkosto, sen rakenne on hyvin samankaltainen kuin ihmisaivojen toiminta; hermosolmut yhdistettyinä synapsien kautta, jotka kaikki ovat edustettuina numeroina tietokoneessa. Ja siinä uskomme, että voi olla fysiikkaa… Fysiikka on kaiken maailmankaikkeuden tutkimista, muodostamasta matemaattisia hypoteeseja niiden sisäisistä toiminnasta ja testaamasta niitä”, sanoi tohtori Hanaka.

Uusi ryhmä jatkaa yhteistyötä Harvardin yliopiston Aivotieteen keskuksen (CBS) kanssa, ja suunnittelee yhteistyötä Stanfordin yliopiston apulaisprofessori Suya Gangulin kanssa, jonka kanssa tohtori Tanaka on julkaissut useita artikkeleita.

Tohtori Tanaka kuitenkin korostaa, että luonnontieteellinen ja monialainen lähestymistapa on perustavanlaatuinen. Vuonna 2017, kun hän oli väitöskirjatutkija Harvardissa, tutkija tajusi, että hän halusi tehdä enemmän kuin perinteistä fysiikkaa, ja seurata edeltäjiensä jalanjäljissä, Galileista Newtoniin ja Einsteiniiin, avaamaan uusia käsitteellisiä maailmoja fysiikassa.

“Tällä hetkellä tekoäly on aihe, josta voin puhua kaiken kanssa. Tutkijana se on hyvä, koska kaikki aina ovat valmiita puhumaan tekoälystä, ja minä myös opin jokaisesta keskustelusta, koska tajuan, miten ihmiset näkevät ja käyttävät tekoälyä eri tavoin, myös akateemisten kontekstien ulkopuolella. Minä näen NTT:n tehtävänä olevan katalysaattorina tämän keskustelun käynnistämiseen, riippumatta ihmisien taustoista, koska opimme jokaisesta vuorovaikutuksesta”, tohtori Tanaka päätti.