灵感能计算？科学家揭AI创造力：竟源于架构“缺陷”

抖音推荐 2025年09月30日 05:59 5 admin

最近斯坦福大学的两个研究者，算是把AI创造力的老底给扒出来了。

咱们之前总纳闷，那些能画新奇图像的AI，明明设计初衷是抄训练数据，怎么就突然会“创作”了？现在答案出来了，居然是因为模型本身的技术“缺陷”。

说起来，这AI图像生成的核心叫扩散模型。

本来这东西是干嘛的？就是把训练数据里的图像精准复刻出来。

结果实际用的时候，它居然能把不同图像的元素拼一起，搞出些新东西。

之前学界一群人都想不通，要是光重组旧元素，哪来的创新啊？

就像你让一个人只拼乐高积木，他怎么突然能搭出说明书上没有的造型？

而且不光是图像，现在有些AI写的小诗、编的小故事，也透着股“自己的想法”，本来以为是程序员藏了什么高级功能，没想到背后另有原因。

这次解开谜题的是斯坦福的梅森，还有他导师甘古利。

梅森这人有意思，他本来研究的是生物学里的形态发生学，就是看生物怎么长成形的。

后来看到AI画的人，总多几根手指，他突然就联想到了，这不跟生物胚胎发育出错，长畸形了一样吗？这种跨学科的联想真挺厉害的，本来是计算机的事，硬是从生物学里找到突破口。

我之前也见过不少跨领域的研究，但能从“多手指图像”联想到“胚胎发育”，这脑洞确实开得恰到好处。

AI的“技术缺陷”

梅森说，问题就出在扩散模型的两个特点上：局部性和等变性。

啥意思呢？局部性就是模型每次只处理一小块像素，比如8×8那么大，看不到全局；等变性就是输入图像挪一下，它生成的图也跟着挪，保证位置对得上，但这样就顾不上整体协调了。

之前大家都觉得这俩是缺点，想办法改，比如有团队试过加“全局注意力”，让模型能看到整体，结果呢？生成速度慢了一半，出来的东西还更死板了。

本来想，消除“缺陷”能让AI更完美，但后来发现，没了这些“缺陷”，AI反而不会“创新”了。

梅森他们为了证明这个想法，搞了个叫ELS机器的数学模型。

这东西不是新的AI模型，就是用公式模拟局部性和等变性的作用。

结果一测，居然能90%还原扩散模型的输出。

这个准确率在机器学习领域，用他们导师的话说，就是“从没见过”。

说实话，我听到这数据都惊了，相当于你能精准预测一个画家下次会画什么，这可不是一般的厉害。

而且这研究马上要发表在ICML上，懂行的都知道，那可是AI领域的顶级会议，能上去的都是硬货。

还有那些AI画出来的多余手指，以前大家觉得是bug，现在才知道，这正是局部性的证明，模型光顾着画好一小块像素，忘了整体该长几根手指。

这就像人有时候专注细节，忘了全局，比如写作业光顾着写好一个字，结果整行都歪了。

但偏偏是这种“疏忽”，反而让结果有了新意。

要是模型每次都把全局盯得死死的，估计现在咱们看到的AI图像，全是训练数据里的翻版，哪还有什么新鲜劲？

AI和人的创造力，居然是一个路子？

更有意思的是，这研究还扯出个新话题，AI的创造力和人的居然有点像。

佐治亚理工的一个研究员说，人靠经历、梦境这些填知识空白，AI靠训练数据和任务填，本质上差不多。

你想，咱们写文章的时候，不也是把看过的故事、听过的话重新组合，再加点自己的理解，就成了新内容？AI只不过是用像素和数据来干这事。

而且之前神经科学研究也发现，人搞创作的时候，大脑里的默认模式网络会更活跃，这部分负责联想和想象，还能用脑电图测出来。

这么看，不管是人还是AI，创造力都不是“凭空冒出来的”，都有迹可循。

以前总觉得“灵感”是很玄的东西，现在才发现，不管是人还是机器，所谓的“灵感”，其实都是在“填补空白”的过程中冒出来的。

这研究最让我意外的不是破解了AI创造力的来源，而是它提醒咱们，不完美有时候也是好事。

不管是AI的“技术缺陷”，还是人的“认知局限”，这些看似不好的东西，反而可能是创新的源头。

要是啥都追求完美，AI只能复刻数据，人只能按部就班，哪还有那么多新鲜事？

这么看下来，AI创造力的秘密算是揭开了。

不是什么神秘的灵感，就是模型“不完美”带来的副产品。

而且这研究不光帮我们懂了AI，还让我们重新想人的创造力，原来不管是人还是机器，不完美、有局限的时候，反而更容易冒出创新的火花。

说不定以后咱们搞创新的时候，也不用总追求“全知全能”，接受自己的局限，反而能有新突破。

玩家必备教程“微信小程序浙江麻将辅助插件”（通用挂软件多少钱)

玩家必备“微信麻将怎么提高胜率”（神器通用版)

发表评论

灵感能计算？科学家揭AI创造力：竟源于架构“缺陷”

AI的“技术缺陷”

AI和人的创造力，居然是一个路子？

玩家必备教程“微信小程序浙江麻将辅助插件”（通用挂软件多少钱)

玩家必备“微信麻将怎么提高胜率”（神器通用版)

热门文章

最新文章