详细内容或原文请订阅后点击阅览
None
研究人员发现一些人工智能图像无法追溯到任何单一的训练源。
来源:ZME科学人工智能图像生成器从充满照片、插图、绘画和其他人造图像的巨大数据集中学习。有时，他们可以非常接近地重现这些训练示例的部分内容。
这让人很容易将每张人工智能生成的图片想象成一种隐藏的拼贴画。一切事物都有其可追溯性。在训练数据中仔细观察，您会发现它来自的图像（或艺术家）。
但这不一定是它的工作原理。
在一项新研究中，麻省理工学院的研究人员发现，随着扩散模型在更大的数据集上进行训练，单个训练图像对特定输出的可测量影响越来越小。在足够大的尺度下，有些图像根本无法追溯到任何来源。
这提出了一个令人不安的问题。人工智能能创造出真正新的东西吗？
人工智能可以（某种程度上）创造新事物
人工智能只是重复其训练数据的想法很直观。通常，这正是这些系统的作用。但机器学习已经产生了一些令人惊叹的例子。
考虑一下围棋游戏。
几十年来，这种古老的策略游戏被认为对计算机来说是一个极其困难的挑战，因为它的搜索空间巨大。然后，2016 年 3 月，DeepMind 的 AlphaGo 对阵李世石，他是这一代最伟大的围棋棋手之一。
×
谢谢！还有一件事...
请检查您的收件箱并确认您的订阅。
AlphaGo 在五局比赛中以 4-1 获胜。
但有一个特别的时刻令人惊叹。在第二场比赛中，AlphaGo 的棋子位置令专业分析师感到震惊。这是第 37 步。第 37 步在任何人类游戏中都没有下过。这一举动背后的概念似乎没有出现在任何人类游戏中。最初，没有人能理解其背后的逻辑。然而，它帮助 AlphaGo 获胜，促使 Sedol 说：“当然，AlphaGo 很有创造力。”
因此，第 37 步棋不仅仅是从数据库中检索著名棋步的问题。它是从系统对游戏的了解中得出的。