当父母教导他们的幼儿如何与世界相关时，他们通过关联和识别模式来教学。例如，字母 S。父母向孩子展示足够多的字母例子，不久，他们就能够在没有指导的背景下识别出其他例子；学校、书籍、广告牌。

许多新兴的人工智能（AI）技术也是这样被教学的。研究人员向系统提供了他们想要它识别的正确例子，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它以前从未经历过的背景中，形成了它自己的“神经网络”用于分类。然而，像人类智能一样，专家们失去了对 AI 决策的输入的追踪。

因此，AI 的“黑盒子问题”出现了，因为我们不完全理解 AI 系统如何或为什么建立联系，也不知道变量如何影响其决策。这一问题在寻求提高系统的可靠性和安全性以及建立 AI 采用的治理时尤其相关。

从 AI 驾驶的车辆未能及时刹车并伤害行人，到 AI 驱动的医疗技术设备帮助医生诊断患者，以及人工智能招聘筛选过程中的偏见，这些系统的复杂性导致了一个新的研究领域的出现：人工智能物理学，它旨在进一步建立 AI 作为人类实现更高理解的工具。

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合并，进行对 AI 之谜的跨学科探索来解决这些挑战。

NTT 提出 AI 信任和安全

新成立的 人工智能物理学小组 是 NTT 研究院的物理学和信息学（PHI）实验室的分支，于上周在加利福尼亚州旧金山的 NTT Upgrade 2025 会议上宣布。它将继续推进对 AI 的理解，采用物理学方法，这是该团队在过去五年中一直在调查的方法。

哈佛大学应用物理学和计算机科学博士田中秀典（Hidenori Tanaka）将领导新的研究小组，建立在他在 NTT 智能系统小组和哈佛大学 CBS-NTT 人工智能研究计划中的物理智能方面的经验之上。

“作为一名物理学家，我对智能的主题感到兴奋，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？这些概念如果没有 AI 就会仍然抽象，但现在有了 AI，它们变得实际重要，因为如果我们想让 AI 更仁慈，我们必须用数学语言告诉它什么是仁慈，例如，”田中博士上周在 Upgrade 会议上告诉我。

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 AI 的整合方面是新颖的，但它并不是新的。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及其对力学的贡献，到蒸汽机如何在工业革命期间促进了对热力学的理解。在 21 世纪，科学家们试图了解 AI 的工作原理，包括其训练、积累知识和决策过程，以便在未来能够设计出更具凝聚力、安全性和可靠性的 AI 技术。

“AI 是一个神经网络，其结构与人类大脑非常相似；神经元通过突触连接，这些都在计算机中用数字表示。而这就是我们相信物理学可以发挥作用的地方……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，”田中博士说。

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，田中博士与他共同撰写了几篇论文。

然而，田中博士强调，自然科学和跨行业的方法将是基本的。在 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，这很好，因为每个人都愿意谈论 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，”田中博士总结说。