Wanneer een ouder zijn jonge kind leert zich te verhouden tot de wereld, doet hij dat door middel van associaties en het herkennen van patronen. Neem bijvoorbeeld de letter S. Ouders laten hun kind voldoende voorbeelden van de letter zien en al snel zullen ze andere voorbeelden kunnen herkennen in contexten waar geen actieve begeleiding is: school, een boek, een reclamebord.

Een groot deel van de steeds opkomende technologie op het gebied van kunstmatige intelligentie (AI) was onderwezen Op dezelfde manier. Onderzoekers voerden het systeem de juiste voorbeelden voor van iets dat ze wilden laten herkennen, en net als een jong kind begon AI patronen te herkennen en die kennis te extrapoleren naar contexten die het nog nooit eerder had ervaren, waarmee het zijn eigen 'neurale netwerk' voor categorisering vormde. Net als menselijke intelligentie raakten experts echter de input kwijt die de besluitvorming van AI beïnvloedde. 

De "zwarte doos probleem"De betekenis van AI komt dus naar voren als het feit dat we niet volledig begrijpen hoe of waarom een ​​AI-systeem verbindingen legt, noch welke variabelen een rol spelen bij de beslissingen ervan. Deze kwestie is met name relevant bij het verbeteren van de betrouwbaarheid en veiligheid van systemen en bij het vaststellen van de governance van de AI-implementatie. 

Van een door AI aangedreven voertuig dat niet op tijd remt en voetgangers verwondt, tot op AI gebaseerde gezondheidstechnologische apparaten die artsen helpen bij het diagnosticeren van patiënten, en vooroordelen die worden getoond door AI-wervingsscreeningprocessenDe complexiteit achter deze systemen heeft geleid tot de opkomst van een nieuw onderzoeksgebied: de fysica van AI. Dit vakgebied streeft ernaar om AI verder te profileren als hulpmiddel waarmee mensen meer inzicht kunnen krijgen. 

Nu gaat een nieuwe, onafhankelijke studiegroep deze uitdagingen aanpakken door de vakgebieden natuurkunde, psychologie, filosofie en neurowetenschappen samen te voegen in een interdisciplinaire verkenning van de mysteries van AI.

NTT stelt AI-vertrouwen en -veiligheid voor

De nieuw aangekondigde Groep Fysica van Kunstmatige Intelligentie is een spin-off van het Physics & Informatics (PHI) Lab van NTT Research en werd vorige week onthuld tijdens de Upgrade 2025-conferentie van NTT in San Francisco, Californië. Het zal de Physics of Artificial Intelligence-benadering voor het begrijpen van AI, waar het team de afgelopen vijf jaar onderzoek naar heeft gedaan, verder ontwikkelen. 

Dr. Hidenori Tanaka, die een doctoraat behaalde in toegepaste natuurkunde en computerwetenschappen en -techniek aan Harvard University, gaat leiding geven aan de nieuwe onderzoeksgroep. Hierbij bouwt hij voort op zijn eerdere ervaring bij NTT's Intelligent Systems Group en het AI-onderzoeksprogramma van CBS-NTT op het gebied van de fysica van intelligentie aan Harvard.

Als natuurkundige ben ik enthousiast over het onderwerp intelligentie, want hoe kun je wiskundig gezien het concept creativiteit bedenken? Hoe kun je überhaupt aan vriendelijkheid denken? Deze concepten zouden abstract zijn gebleven zonder AI. Het is makkelijk om te speculeren en te zeggen: 'dit is mijn definitie van vriendelijkheid', wat wiskundig gezien niet zinvol is, maar nu met AI is het praktisch van belang, want als we AI vriendelijk willen maken, moeten we hem in de taal van de wiskunde vertellen wat vriendelijkheid is. is“, bijvoorbeeld,” vertelde Dr. Tanaka mij vorige week in de marge van de Upgrade-conferentie.  

Al vroeg in hun onderzoek erkende het PHI Lab het belang van inzicht in de 'black box'-aard van AI en machine learning om nieuwe systemen te ontwikkelen met een verbeterde energie-efficiëntie voor berekeningen. De vooruitgang die AI in de afgelopen vijf jaar heeft geboekt, heeft echter steeds belangrijkere aspecten van veiligheid en betrouwbaarheid met zich meegebracht, die daarom cruciaal zijn geworden voor industriële toepassingen en governancebeslissingen over de implementatie van AI. 

Binnen de nieuwe onderzoeksgroep zal NTT Research de overeenkomsten tussen biologische en kunstmatige intelligenties onderzoeken. Op die manier hoopt het de complexiteit van AI-mechanismen te ontrafelen en een harmonieuzere samenwerking tussen mens en AI tot stand te brengen. 

Hoewel deze aanpak vernieuwend is in de integratie van AI, is het niet nieuw. Natuurkundigen proberen al eeuwenlang de precieze details van technologische en menselijke relaties te ontrafelen, van Galileo Galilei's studies naar hoe objecten bewegen en zijn bijdrage aan de mechanica, tot hoe de stoommachine het begrip van thermodynamica tijdens de Industriële Revolutie heeft beïnvloed. In de 21e eeuw proberen wetenschappers echter te begrijpen hoe AI werkt in termen van training, kennisvergaring en besluitvorming, zodat in de toekomst meer samenhangende, veilige en betrouwbare AI-technologieën kunnen worden ontworpen. 

"AI is een neuronetwerk. De structuur ervan lijkt sterk op hoe een menselijk brein werkt; neuronen verbonden door synapsen, die allemaal worden weergegeven door getallen in een computer. En dát is waar volgens ons natuurkunde kan plaatsvinden... Natuurkunde gaat over het nemen van alles uit het universum, het formuleren van wiskundige hypothesen over de werking ervan en het testen ervan," aldus Dr. Hanaka. 

De nieuwe groep zal blijven samenwerken met het Harvard University Center for Brain Science (CBS) en is van plan om samen te werken met universitair hoofddocent Suya Ganguli van Stanford University, met wie Dr. Tanaka al verschillende artikelen heeft geschreven. 

Dr. Tanaka benadrukt echter dat een natuurwetenschappelijke en sectoroverschrijdende aanpak essentieel zal zijn. In 2017, toen hij promovendus was aan Harvard, realiseerde de onderzoeker zich dat hij meer wilde doen dan alleen traditionele natuurkunde en in de voetsporen wilde treden van zijn voorgangers, van Galilei tot Newton en Einstein, om nieuwe conceptuele werelden in de natuurkunde te openen. 

"Op dit moment is AI het enige onderwerp waar ik met iedereen over kan praten. Als onderzoeker is het geweldig, want iedereen is altijd bereid om over AI te praten, en ik leer ook van elk gesprek, omdat ik me realiseer hoe mensen AI anders zien en gebruiken, zelfs buiten de academische context. Ik zie de missie van NTT als de katalysator om deze gesprekken op gang te brengen, ongeacht iemands achtergrond, omdat we van elke interactie leren", concludeerde Dr. Tanaka.