当父母教导他们的孩子如何与世界互动时，他们通过联想和模式识别来教导。例如，字母 S。父母向孩子展示足够多的字母 S 的例子，过一段时间，孩子就能在没有指导的情况下识别出其他例子；学校、书籍、广告牌。

许多新兴的人工智能（AI）技术也是这样被教导的。研究人员向系统提供了他们希望它识别的正确例子，并且像一个年幼的孩子一样，AI 开始识别模式并将这种知识推广到以前从未经历过的背景中，形成了自己的“神经网络”用于分类。然而，和人类智慧一样，专家们无法追踪到 AI 决策的输入。

因此，AI 的“黑盒子问题”出现了，因为我们无法完全理解 AI 系统如何建立联系，也不知道哪些变量影响了它的决策。这个问题在改进系统的可靠性和安全性以及建立 AI 采用的治理方面尤其重要。

从 AI 驾驶的车辆未能及时制动并伤害行人，到 AI 支持的医疗设备帮助医生诊断患者，以及 AI 招聘筛选过程中表现出的偏见，AI 系统的复杂性导致了一个新领域的研究：人工智能物理学，它旨在进一步建立 AI 作为人类工具以实现更深入的理解。

现在，一个新的独立研究小组将通过将物理学、心理学、哲学和神经科学领域整合起来，探索 AI 的奥秘。

NTT 提出人工智能信任与安全计划

新成立的 人工智能物理学小组 是 NTT 研究院物理与信息学实验室（PHI Lab）的分支，并在上周于旧金山加利福尼亚州举行的 NTT 升级 2025 会议上宣布。它将继续推进人工智能物理学方法，以了解 AI，并在过去五年中由团队进行了调查。

哈佛大学应用物理与计算机科学博士 Hidenori Tanaka 将领导新的研究小组，建立在他之前在 NTT 智能系统小组和哈佛大学 CBS-NTT 人工智能研究计划中的经验基础上。

“作为一名物理学家，我对智能这个主题很感兴趣，因为从数学上讲，你如何思考创造力的概念？你如何思考仁慈的概念？这些概念如果没有 AI，就会仍然是抽象的。现在有了 AI，这些概念在实际应用中变得重要，因为如果我们希望使 AI 更仁慈，我们必须用数学语言告诉 AI 什么是仁慈，”Tanaka 博士上周在升级会议上对我说。

在他们的研究早期，PHI 实验室认识到了解 AI 和机器学习的“黑盒子”性质的重要性，以开发具有改进的计算能效的新系统。然而，AI 在过去半十年的进步引发了越来越重要的安全性和可靠性问题，这些问题对于行业应用和 AI 采用的治理决策至关重要。

通过新的研究小组，NTT 研究院将解决生物智能和人工智能之间的相似性，希望揭开 AI 机制的复杂性，并建立更和谐的人机协作。

虽然这种方法在整合 AI 方面是新颖的，但它并不是完全新鲜的。物理学家几个世纪以来一直试图揭示技术和人类关系的精确细节，从伽利略·伽利莱关于物体运动的研究和他对力学的贡献，到蒸汽机如何使人们了解热力学知识在工业革命期间。然而，在 21 世纪，科学家们试图了解 AI 的工作原理，包括训练、积累知识和决策，以便在未来能够设计出更协调、更安全、更可靠的 AI 技术。

“AI 是一个神经网络，它的结构与人类大脑非常相似；神经元通过突触连接，所有这些在计算机中都用数字表示。我们相信物理学就在这里，物理学是关于从宇宙中取出任何事物，提出关于其内部工作原理的数学假设，并测试它们，”Hanaka 博士说。

新的小组将继续与哈佛大学脑科学中心（CBS）合作，并计划与斯坦福大学副教授 Suya Ganguli 合作，后者与 Tanaka 博士共同撰写了几篇论文。

然而，Tanaka 博士强调，自然科学和跨行业的方法将是基本的。2017 年，当他还是哈佛大学的博士生时，研究人员意识到他想做的不仅仅是传统的物理学，他想跟随他的前辈，从伽利略到牛顿和爱因斯坦，开辟物理学的新概念世界。

“目前，AI 是我可以与每个人讨论的话题。作为一名研究人员，这很棒，因为每个人都喜欢谈论 AI，我也从每次对话中学习，因为我意识到人们以不同的方式看待和使用 AI，甚至超出了学术背景。 我认为 NTT 的使命是成为激发这些对话的催化剂，无论人们的背景如何，因为我们从每次互动中学习，”Tanaka 博士总结道。