Nos últimos anos, a inteligência artificial se concentrou nas regras matemáticas que descrevem capacidades justas significativas dos robôs físicos esperados do passado. Está surgindo sistemas que podem levar os seres humanos a xadrez, analisar grandes quantidades de texto e também criar poesia artesanal, permitindo que muitos avaliem suas expectativas de inteligência de máquinas. Um aspecto significativo dessa evolução é a criatividade inesperada exibida pela IA, especialmente na geração de imagens.
A IA concentrou-se em discussões em torno da criatividade da IA, integrante para imagens populares que produzem imagem popular, como modelos de difusão, Dells, D All L-E, imagem e prevenção fixa. Projetados para imitar as imagens atuais, esses modelos anunciaram uma capacidade surpreendente de melhoria, integrando vários elementos de seus dados de treinamento para criar imagens originais com peso semântico. Esse fenômeno, frequentemente descrito como uma contra -indicação, levanta questões sobre a diferença entre memória e criatividade nos processos baseados em algoritmo.
Em Paris, o pesquisador da AI da ECOL Normal Superior, Guulio Biroli, incluiu essa contradição: “Se eles funcionassem perfeitamente, devem se lembrar apenas. Mas eles não são realmente capazes de produzir novos modelos”. Essa criatividade inclui um processo chamado denoising na mecânica, na qual os modelos transformam uma imagem em um som digital caótico antes da re -construção. Essa abordagem repetida é comparada à pintura a Mant e, em seguida, tenta fazer isso das peças resultantes.
Ao longo dos anos, os métodos subjacentes foram indescritíveis acelerando essa inovação. No entanto, um estudo inovador, representado por dois físicos na conferência internacional sobre aprendizado de máquina 2025, mostra que a insuficiência inerente no processo de dinamarquês é importante para a criatividade emergente dos modelos de difusão. Através de sua análise matemática, os pesquisadores argumentam que, de fato, o que parece ser originalidade espontânea é o resultado da prevenção de formas pelas características estruturais dos modelos.
Esta pesquisa tem efeitos significativos não apenas para o desenvolvimento futuro da IA, mas também para a pesquisa em andamento da criatividade humana. Computador da Universidade Redb Oud Vijay .Janic Luca Embrojio notou a possibilidade de um estudo para fornecer previsões precisas sobre processos complexos.
Autor do aluno de pós -graduação da Universidade de Stanford, Mason Comb, modelos de prevenção e apegos entre morfogênese – processos biológicos pelos quais os organismos desenvolvem sua forma e formato. Os padrões de Turing, representados pelo primeiro matemático Alan Turing, esclarecem como os grupos de células se organizam sem comando central, bastante impulsionados por interações locais e métodos de feedback. Esse espelho autoconsciente dos princípios de baixo para cima que os físicos enfatizam pode explicar a criatividade dos modelos de IA.
À medida que as células coordenam sem um plano predeterminado, os modelos de proliferação produzem novas imagens através da mesma abordagem descentralizada, com dados de entrada e imperfeições em seus algoritmos respondendo dinamicamente. Embora esse sistema geralmente funcione em harmonia, ele pode produzir resultados inesperados, como discrepâncias biológicas na natureza.
À medida que os limites da inteligência artificial continuam a se expandir, torna -se crucial entender a estrutura, a função e a interação da criatividade – não apenas por fazer o uso de sistemas de IA, mas também em máquinas ou organismos vivos, para aprimorar nossa compreensão dos processos criativos.
