Når en forelder lærer sitt unge barn å relatere til verden, lærer de gjennom assosiasjoner og identifisering av mønster. Ta bokstaven S, for eksempel. Foreldre viser barnet nok eksempler på bokstaven, og før lenge, vil de være i stand til å identifisere andre eksempler i sammenhenger hvor veiledning ikke er aktiv; skole, en bok, en billboard.

Mye av den stadig fremvoksende kunstig intelligens (AI) teknologien ble lært på samme måte. Forskere matet systemet med korrekte eksempler på noe de ønsket at det skulle gjenkjenne, og som et unge barn, begynte AI å gjenkjenne mønster og extrapolere slik kunnskap til sammenhenger det aldri tidligere hadde opplevd, og dannet sin egen “neuronettverk” for kategorisering. Liksom menneskelig intelligens, mistet imidlertid ekspertene spor av innputtene som informerte AI’s beslutningstaking. 

Den “black box problem” i AI oppstår derfor som en realitet, nemlig at vi ikke fullstendig forstår hvordan eller hvorfor et AI-system gjør sammenhenger, eller hvilke variabler som spiller inn i dens beslutninger. Dette problemet er spesielt relevant når det gjelder å forbedre systemers pålitelighet og sikkerhet, og etablering av styring av AI-tilpasning. 

Fra et AI-drevet kjøretøy som ikke bremser i tide og skader fotgjengere, til AI-avhengige helse-teknologi som hjelper leger med å diagnostisere pasienter, og forutinntatte holdninger vist av AI-basert rekrutteringsskjermer, har kompleksiteten bak disse systemene ført til oppblomstringen av et nytt studiefelt: fysikken av AI, som søker å etablere AI som et verktøy for mennesker å oppnå høyere forståelse. 

Nå vil en ny, uavhengig studiegruppe møte disse utfordringene ved å slå sammen fagfeltene fysikk, psykologi, filosofi og nevrovitenskap i en tverrfaglig utforskning av AI’s mysterier.

NTT foreslår AI-tillit og sikkerhet

Den nylig annonserte Fysikk Av Kunstig Intelligens Gruppe er en avlegger av NTT Research’s Physics & Informatics (PHI) Lab, og ble avduket på NTT’s Upgrade 2025-konferansen i San Francisco, California i fjor uke. Den vil fortsette å fremme fysikken av AI-tilnærmingen til å forstå AI, som teamet har vært under utforskning i de siste fem årene. 

Dr. Hidenori Tanaka, som har en PhD i anvendt fysikk og datavitenskap fra Harvard University, vil lede den nye forskningsgruppen, bygge på hans tidligere erfaring i NTT’s Intelligent Systems Group og CBS-NTT’s AI-forskningsprogram i fysikken av intelligens ved Harvard.

“Som fysiker er jeg spennende på temaet om intelligens, fordi, matematisk sett, hvordan kan du tenke på konseptet om kreativitet? Hvordan kan du tenke på venlighet? Disse konseptene ville ha forblitt abstrakte hvis det ikke var for AI. Det er lett å spekulere og si ‘dette er min definisjon av venlighet’, som ikke er matematisk meningsfullt, men nå med AI, er det praktisk viktig, for hvis vi ønsker å gjøre AI venlig, må vi fortelle det i matematikkens språk hva venlighet er, for eksempel,” sa Dr. Tanaka til meg i fjor uke på sidelinjen av Upgrade-konferansen.  

Tidlig i deres forskning, erkjente PHI Lab betydningen av å forstå “black box”-naturen til AI og maskinlæring for å utvikle nye systemer med forbedret energi-effektivitet for beregning. AI’s fremgang i løpet av de siste fem årene, har imidlertid ført til stadig viktigere sikkerhets- og tillitsvurderte overveielser, som har blitt kritiske for industrielle anvendelser og styringsbeslutninger om AI-tilpasning. 

Gjennom den nye forskningsgruppen, vil NTT Research møte likhetene mellom biologisk og kunstig intelligens, og håper å avdekke kompleksiteten av AI-mekanismer og bygge en mer harmonisk fusjon av menneske-AI-samarbeid. 

Selv om denne tilnærmingen er ny i sin integrasjon av AI, er den ikke ny. Fysikere har søkt å avdekke de nøyaktige detaljene av teknologiske og menneskelige relasjoner i århundrer, fra Galileo Galileis studier om hvordan objekter beveger seg og hans bidrag til mekanikk, til hvordan dampmaskinen informerte forståelsen av termodynamikk under den industrielle revolusjon. I det 21. århundre, søker imidlertid vitenskapsmenn å forstå hvordan AI fungerer i forhold til å bli trent, akkumulere kunnskap og ta beslutninger, så at i fremtiden, mer sammenhengende, sikre og pålitelige AI-teknologier kan bli designet. 

“AI er et neuronettverk, måten det er strukturert på er veldig lik hvordan et menneske hjernen fungerer; neuroner koblet sammen av synapser, som alle er representert av tall inni en datamaskin. Og der er hvor vi tror at det kan finnes fysikk… Fysikk handler om å ta noe fra universet, formulere matematiske hypoteser om deres indre virkemåte, og teste dem,” sa Dr. Hanaka. 

Den nye gruppen vil fortsette å samarbeide med Harvard University Center for Brain Science (CBS), og planlegger å samarbeide med Stanford University Associate Professor Suya Ganguli, som Dr. Tanaka har skrevet flere artikler med. 

Likevel betoner Dr. Tanaka at en naturvitenskapelig og tverrfaglig tilnærming vil være grunnleggende. I 2017, da han var en PhD-kandidat ved Harvard, innsett forskeren at han ønsket å gjøre mer enn tradisjonell fysikk, og følge i fotsporene til sine forgjengere, fra Galilei til Newton og Einstein, å åpne opp nye konseptuelle verdener i fysikken. 

“For tiden er AI det ene temaet jeg kan snakke med alle om. Som forsker er det fantastisk, fordi alle er alltid opptatt av å snakke om AI, og jeg lærer også av hver samtale, fordi jeg innser hvordan mennesker ser og bruker AI forskjellig, også utenfor akademiske sammenhenger. Jeg ser NTT’s misjon som å være katalysatoren som utløser disse samtalen, uavhengig av folks bakgrunn, fordi vi lærer av hver interaksjon,” avsluttet Dr. Tanaka.