Cuando un padre le enseña a su hijo pequeño a relacionarse con el mundo, enseñan a través de asociaciones y la identificación de patrones. Tome la carta S, por ejemplo. Los padres muestran a su hijo suficientes ejemplos de la carta y en poco tiempo, podrán identificar otros ejemplos en contextos donde la orientación no es activa; escuela, un libro, una cartelera.
Gran parte de la tecnología de inteligencia artificial (IA) siempre emergente fue enseñó de la misma manera. Los investigadores alimentaron a los ejemplos correctos del sistema de algo que querían que reconociera, y como un niño pequeño, la IA comenzó a reconocer patrones y extrapolar ese conocimiento a los contextos que nunca antes había experimentado, formando su propia “red neuronal” para la categorización. Sin embargo, al igual que la inteligencia humana, los expertos perdieron la noción de los aportes que informaron la toma de decisiones de AI.
El “problema de la caja negra” de la IA surge así como el hecho de que no entendemos completamente cómo o por qué un sistema de IA hace conexiones, ni las variables que juegan en sus decisiones. Este problema es especialmente relevante cuando se busca mejorar la confiabilidad y seguridad de los sistemas y establecer la gobernanza de la adopción de la IA.
Desde un vehículo con IA que no se frena en el tiempo y perjudica a los peatones, hasta dispositivos de tecnología de salud relivíal de la IA que ayudan a los médicos a diagnosticar pacientes y sesgos exhibidos por la IA Contratación de procesos de detección, la complejidad de estos sistemas ha llevado al aumento de un nuevo campo de estudio: la física de IA, que busca establecer aún más herramientas para los humanos para lograr una mayor comprensión.
Ahora, un nuevo grupo de estudio independiente abordará estos desafíos fusionando los campos de la física, la psicología, la filosofía y la neurociencia en una exploración interdisciplinaria de los misterios de la IA.
La física recién anunciada del grupo de inteligencia artificial es un spin-off del laboratorio de Física e Informática (PHI) de NTT Research, y fue presentado en la conferencia Accedente 2025 de NTT en San Francisco, California, la semana pasada. Continuará avanzando el enfoque de física del enfoque de inteligencia artificial para comprender la IA, que el equipo ha estado investigando durante los últimos cinco años.
El Dr. Hidenori Tanaka, quien tiene un doctorado en Física e Informática Aplicada e Ingeniería de la Universidad de Harvard, dirigirá el nuevo grupo de investigación, basándose en su experiencia previa en el grupo inteligente de sistemas de NTT y el Programa de Investigación de AI de CBS-NTT en Física de la Inteligencia en Harvard.
“Como físico, estoy entusiasmado con el tema de la inteligencia porque, matemáticamente, ¿cómo puedes pensar en el concepto de creatividad? ¿Cómo puedes siquiera pensar en la amabilidad? Estos conceptos habrían seguido abstracto si no fuera por AI. Es fácil especular, diciendo ‘esta es mi definición de amabilidad’, lo que no es matemáticamente significativo, pero ahora con AI, es prácticamente importante si queremos hacer que AI, tengamos que tener que tener una especie de tipo, que tengamos que decir el tipo de matemáticas, en el lenguaje, lo que no es matemático, pero ahora es importante que sea importante, lo que tenemos que hacer que AI, lo que tengamos que decir el tipo, en el tipo de matemáticas. amabilidad espor ejemplo “, me dijo el Dr. Tanaka la semana pasada al margen de la conferencia de actualización.
Al principio de su investigación, el laboratorio PHI reconoció la importancia de comprender la naturaleza de la “caja negra” de la IA y el aprendizaje automático para desarrollar nuevos sistemas con una mejor eficiencia energética para el cálculo. Sin embargo, el avance de la IA en la última media década ha provocado consideraciones de seguridad y confiabilidad cada vez más importantes, que, por lo tanto, se han vuelto críticas para las aplicaciones de la industria y las decisiones de gobierno sobre la adopción de la IA.
A través del nuevo grupo de investigación, la investigación de NTT abordará las similitudes entre las inteligencias biológicas y artificiales, con la esperanza de desentrañar las complejidades de los mecanismos de IA y desarrollar una fusión más armoniosa de la colaboración humana-AI.
Aunque novedoso en su integración de IA, este enfoque no es nuevo. Los físicos han tratado de revelar los detalles precisos de las relaciones tecnológicas y humanas durante siglos, desde los estudios de Galileo Galillei sobre cómo se mueven los objetos y su contribución a la mecánica, hasta cómo la máquina de vapor informó la comprensión de la termodinámica durante la revolución industrial. Sin embargo, en el siglo XXI, los científicos buscan comprender cómo funciona la IA en términos de ser capacitado, acumulando el conocimiento y tomando decisiones para que, en el futuro, se puedan diseñar tecnologías de IA más cohesivas, seguras y confiables.
“La IA es una neuronetwork, la forma en que está estructurada es muy similar a la forma en que funciona un cerebro humano; las neuronas conectadas por las sinapsis, todas representadas por números dentro de una computadora. Y ahí es donde creemos que puede haber física … la física se trata de tomar cualquier cosa del universo, formular hipótesis matemáticas sobre sus trabajos internos y probarlas”, dijo la Dr. Hanaka.
El nuevo grupo continuará colaborando con el Centro de Ciencias del Cerebro de la Universidad de Harvard (CBS), y planea colaborar con la profesora asociada de la Universidad de Stanford, Suya Ganguli, con quien el Dr. Tanaka ha sido coautor de varios documentos.
Sin embargo, el Dr. Tanaka enfatiza que un enfoque de ciencia natural y una industria cruzada será fundamental. En 2017, cuando era candidato a doctorado en Harvard, el investigador se dio cuenta de que quería hacer más que la física tradicional, y seguir los pasos de sus predecesores, desde Galilei hasta Newton y Einstein, para abrir nuevos mundos conceptuales en física.
“Actualmente, la IA es el único tema del que puedo hablar con todos. Como investigador, es genial porque todos siempre están a la altura de la IA, y también aprendo de cada conversación porque me doy cuenta de cómo las personas ven y usan IA de manera diferente, incluso más allá de los contextos académicos. Veo que la misión de NTT es la catalítica para provocar estas conversaciones, independientemente de los antecedentes de las personas, porque aprendemos de todas las interacciones”, el Dr. Tanka, concluyó.
