راز خلاقیت هوش مصنوعی لو رفت؛ عامل پنهان کشف شد

به گزارش پایگاه خبری پیام خلیج فارس، مدل‌های هوش مصنوعی مولد که این روزها در قلب بسیاری از ابزارهای تولید تصویر قرار دارند، قرار بود صرفاً داده‌های تصویری را «بازسازی» کنند. اما در عمل، آن‌ها تصاویری تولید می‌کنند که نه‌تنها جدید و منحصربه‌فرد به نظر می‌رسند، بلکه گاهی حتی فراتر از داده‌های آموزشی اولیه می‌روند. همین رفتار باعث شد پرسش مهمی مطرح شود: منبع خلاقیت این سیستم‌ها چیست؟

طبق پژوهشی که توسط «آرجون کامب» و «سوریا گنگولی» انجام شده، پاسخ در دو اصل ساده نهفته است.

1. محلی بودن (Locality): مدل در هر لحظه فقط به بخش‌های کوچک (پچ‌های محلی) از تصویر نگاه می‌کند، نه کل تصویر.
2. هم‌ارزی انتقالی (Translational Equivariance): اگر ورودی کمی جابه‌جا شود، خروجی مدل نیز به همان نسبت جابه‌جا خواهد شد.

این دو اصل به‌ظاهر محدودکننده، در عمل باعث می‌شوند مدل از بازتولید صرف داده‌ها فاصله بگیرد و به سمت ترکیب تازه‌ای از الگوها حرکت کند.

شبیه‌سازی خلاقیت

برای آزمودن این فرضیه، پژوهشگران مدلی ریاضی به نام ELS (امتیاز محلی هم‌ارز) طراحی کردند. این مدل هیچ داده‌ای یاد نمی‌گیرد، بلکه صرفاً همین دو اصل را در نظر می‌گیرد. شگفتی زمانی رخ داد که خروجی‌های ELS هنگام پردازش تصاویر، در ۹۰ درصد موارد با خروجی‌های مدل‌های واقعی دیفیوزن تطابق داشت. این نتیجه نشان داد که بخش بزرگی از آنچه ما «خلاقیت» می‌نامیم، محصول مستقیم معماری مدل است، نه داده یا آموزش گسترده.

پژوهشگران تأکید می‌کنند که محدودیت‌های معماری اغلب به‌عنوان «نقص» در نظر گرفته می‌شوند، اما همین محدودیت‌ها می‌توانند به منبع نوآوری تبدیل شوند. به‌عبارت دیگر، خلاقیت مصنوعی از دل محدودیت‌ها زاده می‌شود.

این یافته‌ها فعلاً محدود به مدل‌های تصویری هستند و لزوماً درباره مدل‌های زبانی مانند ChatGPT یا سیستم‌های موسیقی‌ساز صدق نمی‌کنند. با این حال، ایده اصلی—اینکه ساختار و محدودیت‌های سیستم می‌توانند رفتار خلاقانه ایجاد کنند—می‌تواند الهام‌بخش تحقیقات آینده باشد.

دانشمندان حتی پا را فراتر گذاشته‌اند و مقایسه‌ای میان خلاقیت انسان و هوش مصنوعی مطرح کرده‌اند. انسان نیز معمولاً با ترکیب بلوک‌های دانسته‌ها و تجربه‌ها و سپس پر کردن شکاف‌های خالی، ایده‌های تازه می‌سازد. از این منظر، شاید خلاقیت ما و ماشین‌ها بیش از آنچه تصور می‌کردیم به یکدیگر شبیه باشد.

این کشف می‌تواند تأثیر بزرگی بر طراحی نسل بعدی هوش مصنوعی داشته باشد. اگر بدانیم چه اصول ساده‌ای خلاقیت مصنوعی را ممکن می‌سازند، شاید بتوانیم مدل‌هایی کارآمدتر، امن‌تر و قابل پیش‌بینی‌تر طراحی کنیم.
از سوی دیگر، این پژوهش بحث فلسفی قدیمی را دوباره زنده کرده است: آیا خلاقیت صرفاً محصول قوانین و محدودیت‌هاست یا چیزی فراتر؟

تحقیق تازه نشان می‌دهد که راز خلاقیت هوش مصنوعی، برخلاف تصور رایج، نه در «جادوی داده‌ها» بلکه در دو اصل ساده‌ی معماری محلی بودن و هم‌ارزی انتقالی نهفته است. این یافته علاوه بر روشن کردن بخشی از ماهیت خلاقیت مصنوعی، پنجره‌ای تازه به درک خلاقیت انسانی نیز باز می‌کند.