دانشمندان در پژوهشی تازه به کشفی شگفت‌انگیز رسیده‌اند: خلاقیت در هوش مصنوعی ویژگی اضافه یا برنامه‌ریزی‌شده نیست، بلکه نتیجه طبیعی محدودیت‌های درونی مدل‌های یادگیری است. به گزارش زومیت، محققان با بررسی ساختار مدل‌های دیفیوژن (Diffusion Models) نشان دادند که فرآیند تولید تصویر در این سامانه‌ها، خود بستر بروز خلاقیت است.
در مدل‌های دیفیوژن، تصویر از دل نویز ساخته می‌شود. سیستم ابتدا یک تصویر را به توده‌ای از نویز تصادفی تبدیل می‌کند و سپس مرحله‌به‌مرحله آن را بازسازی می‌کند. نکته مهم اینجاست که هوش مصنوعی در این فرآیند به جای تمرکز بر کل تصویر، روی تکه‌های کوچک پیکسلی کار می‌کند. همین تمرکز بر جزئیات باعث می‌شود خروجی نهایی، حاصل ترکیب خلاقانه‌ی بخش‌های محلی باشد، نه صرفاً نسخه‌ای کپی از داده‌های آموزشی.
محققان برای درک دقیق‌تر این پدیده، مدلی ریاضی به نام ماشین ELS (هم‌ارز محلی امتیاز) طراحی کردند. این مدل بر پایه اصول محلی‌گرایی و «هم‌ارزی انتقالی» عمل می‌کند؛ یعنی اگر ورودی تغییر کند، خروجی نیز به همان نسبت دگرگون می‌شود. نتایج آزمایش‌ها نشان داد که ماشین ELS قادر است تا ۹۰ درصد خروجی مدل‌های پیچیده‌ی دیفیوژن را بازتولید کند — موضوعی که نشان می‌دهد خلاقیت در این سیستم‌ها از دل محدودیت‌های محلی سربرمی‌آورد.
به گفته‌ی پژوهشگران، همین محدودیت فنی در توجه به وصله‌های کوچک پیکسلی، باعث می‌شود مدل‌های هوش مصنوعی بتوانند چیزهایی کاملاً جدید خلق کنند. اگر این محدودیت‌ها وجود نداشت، سیستم‌ها فقط نسخه‌های تکراری از تصاویر آموزش‌دیده را تولید می‌کردند و هرگز به خلاقیت واقعی نمی‌رسیدند.
این یافته‌ها درک ما از هوش مصنوعی را دگرگون می‌کند؛ چرا که نشان می‌دهد آنچه ما «خلاقیت مصنوعی» می‌نامیم، شاید در واقع حاصل نظم و محدودیتی باشد که به‌طور طبیعی در دل الگوریتم‌ها شکل گرفته است.
منبع: زومیت
برچسب‌ها: هوش مصنوعی، خلاقیت، مدل‌های دیفیوژن، پژوهش، فناوری
