我們曾經被保證有自動駕駛汽車和機器人女僕。取而代之的是，我們已經看到了人工智能係統的興起，這些系統可能會擊中我們的國際象棋，分析文本的巨大後果並構成十四行詩。這是現代時代的最大驚喜之一：對於機器人來說，很容易被證明很難的自然任務，而算法越來越有能力模仿我們的智力。
長期以來，研究人員長期以來一直感到尷尬的另一個驚喜是算法的能力，出於自己的奇怪創造力。
差異模型，圖像創建工具（例如Dall）的骨幹； E，成像和恆定擴散旨在創建訓練它們的圖像的碳副本。但是，在實踐中，它們似乎即興創作圖像中的元素以創造新的東西 – 不僅是愚蠢的顏色點，而且在語義上是連貫的圖像。他說，這是擴散模型背後的“悖論” 朱利奧·比洛利（Giulio Biroli）他說：“如果他們工作得很完美，他們只需要記住，” “但是他們不是 – 他們真的能夠生產新的樣本。”
要創建圖像， 差異模型使用稱為denoising的過程。將圖像轉換為數字噪聲（不一致的像素集合），然後重新組裝。這就像通過碎紙機反復重復一張桌子，直到剩下的只是一堆細灰塵，然後將碎片放回原處。多年來，研究人員一直想知道：如果模型簡單地重新組裝，那麼創新如何？就像在全新的藝術品中重新組裝了切成薄片的繪畫一樣。
現在，兩名物理學家提出了一個驚人的主張：它們是導致擴散模型創造力的轉化過程中的技術缺陷。一個 紙 它是在2025年機械學習國際會議上介紹的，雙胞胎開發了一種數學模型的訓練擴散模型，以表明其所謂的創造力實際上是確定性的過程，這是一個確定性的過程 – 即時，不可避免的結構後果。
通過闡明黑匣子的擴散模型，新研究可能會對AI的未來研究產生重大影響，甚至可能了解人類的創造力。他說：“文檔的真正力量是，它對某些非常非各地的事情做出了非常準確的預測。” Luca Ambrogioni荷蘭Radboud大學的計算機科學家。
底部
馬薩蒂斯一名研究生在斯坦福大學學習應用物理學的研究生和新文檔的主要作者長期以來對形態發生的著迷：生活系統自尊的過程。
一種理解人類和其他動物胚胎髮展的方法是通過所謂的 圖靈模式它的名字來自20世紀的數學家艾倫·圖靈（Alan Turing）。圖靈標準解釋了細胞組如何將自己組織成各個器官和四肢。基本上，這種協調發生在當地。沒有首席執行官負責監督數万億個牢房，以確保每個人都遵守最終的身體計劃。換句話說，單個細胞沒有一個身體的最終設計來依靠他們的工作。他們只是採取行動，並對鄰居的信號做出更正。從底座到頂部的系統運行順利，但是每天都用手指額外的手指出錯。
