物理学家揭秘AI创造力来源：源于“技术缺陷”

AI的“创造力”可能源自一种技术缺陷？两位物理学家通过研究生物系统自我组装过程，提出了一个大胆假设：扩散模型的去噪过程类似于细胞分化重组，而其创造能力则与模型架构密切相关。他们的研究已被ICML 2025接收。

AI创造力的本质

扩散模型是DALL·E、Imagen等图像生成工具的核心，设计初衷是精确复制训练数据分布。然而，实际应用中，这些模型却展现出“即兴创作”能力，融合元素生成全新图像。巴黎高等师范学院的朱利奥·比罗利称这种现象为扩散模型的“悖论”：如果模型完美工作，它应只是记忆，但它却能生成新样本。

扩散模型通过“去噪”生成图像，即将图像分解为噪声，再重新组装。研究人员好奇的是，为何这一过程中会出现创造力？两位物理学家提出假设：可能是信息在重组中丢失所致，就像拼图说明书丢失后，拼凑结果会偏离原样。

生物学启发的发现

论文第一作者梅森·坎姆和导师苏里亚·冈古利从形态发生学中获得灵感。他们观察到，胚胎发育中的自组织过程偶尔会产生多指畸形，这与AI生成图像中常见的多余手指现象极为相似。扩散模型依赖“局部性”和“等变性”两种特性进行去噪，但这些特性也让模型专注于局部像素块，忽略整体结构，从而产生创造性错误。

为了验证假设，他们设计了一种名为“等变局部评分机（ELS）”的数学模型，仅基于局部性和等变性预测去噪图像组成。实验结果显示，ELS与扩散模型输出的匹配度高达90%，证明了创造力是去噪过程的自然副产品。

创造力的普遍性

尽管该研究揭示了扩散模型创造力的机制，但大型语言模型等其他AI系统的创造力来源仍需进一步探索。佐治亚理工学院的本·胡佛指出，人类和AI的创造力或许并无本质不同，都源于对世界的不完整理解，并通过填补知识空白创造出新颖内容。

这项研究不仅揭示了AI创造力的数学基础，还为理解人类思维提供了新视角。也许，创造力正是我们面对未知时的一种本能反应。

参考链接：Quanta Magazine | 论文：arXiv:2412.20292