动态列表

  • 永别了,人类冠军!AI横扫天文奥赛,GPT-5得分远超金牌选手2.7倍
  • 濒死3次,医生判他死刑!宾大教授奇迹自救,誓用AI攻克14000种绝症
  • 告别「解码器饥饿」!中国科学院NeurIPS推SpaceServe,高并发克星
  • 复旦张军平:人类是硅基生命过渡体?
  • Meta Ray-Ban Display 首发体验合集:悬浮在现实中的一张便签
  • OriginOS 6 深度体验:当操作系统回归「体验为王」
  • Mamba-3惊现ICLR 2026投稿:三重升级打满“推理优先”范式
  • 93%成功率!从“改提示”到“写剧情”:STaR-Attack用叙事推理攻破大模型防线
  • NeurIPS 2025 | Latent Harmony:潜空间和谐共生,实现UHD图像修复新SOTA
  • NeurIPS 2025 | NTN-Diff:一石二鸟,利用空文本与频率感知破解图像修复难题
  • 马斯克脑机公司展示脑机控制机械臂;三星中国发布折叠屏新机,16999 元起售;滴滴自动驾驶获 20 亿元融资 | 极客早知道
  • 77岁「AI教父」Hinton:AI早有意识!我们打造的智能,可能终结人类文明
  • 全球首款1.8nm芯片亮相!华人CEO打响关键一战,英特尔杀回来了
  • 清华万引教授:万倍加速催化剂设计,AI突破DFT瓶颈!
  • 陶哲轩亲测!GPT-5 Pro 40分钟破解3年难题,登顶最难数学考试
  • 刚刚,Meta风雨飘摇中发了篇重量级论文,作者几乎全是华人
  • Attention is NOT All You Need:让“深度”重新流入时间,而非堆叠在参数之上
  • NeurIPS 2025 Oral | 1个Token零成本,REG让Diffusion训练收敛快20倍!
  • OpenAI 卖货做视频,Anthropic 专心写代码,谁能赢?
  • 一颗 1.8 纳米芯片,成了英特尔「最后的救赎」
  • 这款 AI 调研神器,让我一键产生 1000 个「种子用户」|AI 上新
  • 都用 GPT,为什么你没法中「百万大奖」?
  • ChatGPT 变身 App Store,「对话即应用」时代到了
  • IROS 2025 Oral | RAG-6Dpose:三大创新模块,利用 CAD 作为知识库进行检索增强 6D 姿态估计
  • IROS 2025 | 速度飙升24倍!巴黎萨克雷大学等提出HARP-NeXt:实时3D激光雷达分割新标杆
  • 「丐中丐」版特斯拉来了,Model 3/Y降价超3.5万元
  • 高德扫街榜的 23 天奇袭
  • 张一鸣近年来首次公开亮相;微软上海开始新一轮裁员,补偿N+4;罗永浩锐评 iPhone 17
  • GPT-5王者归来?奥特曼称AI已跨科学门槛,三大学科正迎来实质性突破
  • 老黄押宝「美版DeepSeek」!谷歌天才叛将创业,一夜吸金20亿美元
  • 任意Agent皆可强化学习!微软推出Agent Lightning框架,无需修改任何代码
  • 13万被引!ImageNet作者苏昊或将加盟复旦
  • 250份文档投毒,一举攻陷万亿LLM!Anthropic新作紧急预警
  • 和两位 CEO 聊 Sora: 应用层爆发的里程碑事件,创业者的机会来了
  • 新一代短剧人,涌向郑州「淘金」
  • 社交媒体的黄金时代,结束了
  • U-Bench:U-Net十年“大乱斗”终结者,100个变体、28个数据集的终极对决
  • 东京大学、牛津大学等联合发布VLA万字综述:机器人迈向通用智能的全栈指南
  • DeepSeek苦练1T,清华只用5B?InfLLM-V2把稀疏注意力玩明白了
  • EMNLP 2025 | 拨云见日:知识电路分析揭示大语言模型“知识遮蔽”幻觉之源
  • 北京/上海内推 | 阶跃星辰招聘RL for AIGC方向算法研究员/实习生
  • Sora 下载量破 100 万次;国庆中秋假期国内游总花费超过 8000 亿元;智驾多位核心高管离职,蔚来回应|极客早知道
  • 谷歌杀入诺奖神殿,两年三冠五得主!世界TOP3重现贝尔实验室神话
  • OpenAI×英伟达,可能创造了人类史上最大万亿级泡沫
  • H-1B正在筛掉「下一个英伟达」?
  • 全球AI视频大战升级!「中国版Sora」Vidu Q2参考生月底发布,能力对标Sora 2
  • 第二代InfLLM开源,同尺寸快三倍!零参数,可训练稀疏注意力
  • 腾讯推出TRM:让大模型像人类一样批判性思考,从文本依赖到事实正确
  • 马毅团队重磅发布新书:从MCR²到白盒Transformer,重构深度学习的第一性原理
  • 稳住训练、跑出泛化:STAGE重写「自回归图像生成」的强化学习范式
  • Diffusion²来袭:威斯康星大学&华盛顿大学等提出双扩散模型,“回溯历史-预测未来”,破解自动驾驶“鬼探头”难题
  • 北大等提出TrackVLA++:赋予机器人推理与记忆,跟踪成功率飙升12%
  • 把我的第一次日本旅行,完全交给 AI 是什么体验?
  • 英伟达将投资马斯克的 xAI;低价版Model 3/Y 「阉割」智驾功能;微信推出批量撤回信息功能
  • 刚刚,清华物理传奇Yao Shunyu,跳槽谷歌DeepMind!
  • 赚100亿,烧1万亿!OpenAI算力神话:英伟达撒钱、AMD送股、全硅谷陪跑
  • 英伟达垄断AI算力局面或将被颠覆!AMD赌上身家发起决斗,奥特曼窃喜
  • 刚刚,2025年诺贝尔化学奖揭晓!偷溜进图书馆的少年,改变了世界
  • 小心,AI依赖会让你变笨!吴恩达等专家教你如何正确使用AI
  • 无RLHF,7M小模型反超DeepSeek-R1:三星团队用递归思考取代规模堆叠
  • IROS 2025 | Waymo与谷歌DeepMind联手提出Drive&Gen:用生成视频评估自动驾驶,虚拟测试更逼真
  • 告别深度传感器!慕尼黑工业大学提出DropD-SLAM:仅用单目RGB即可实现RGB-D级的SLAM精度
  • 陶哲轩联手ChatGPT!10分钟击碎30年「无理」难题,数学圈炸裂
  • 刚刚,奥特曼官宣ChatGPT「终极OS入口」!8分钟速搭智能体,8亿人狂欢
  • 顿悟不是玄学!港科大清华等联手:撕开推理黑箱,RL让AI像人思考
  • 4万亿帝国接班人浮出水面!苹果不需要另一个库克
  • 刚刚,2025年诺贝尔物理学奖揭晓!量子计算成最大赢家
  • 告别梯度!Evolution Strategies全参微调挑战PPO/GRPO:更稳、更省、更好复现
  • NeurIPS 2025 | 北邮用“图+文”把人物检索拉满:自动合成数据 × 细粒度特征对齐
  • TPAMI 2025 | 电子科大等提出EEMFlow:从事件相机学习高效Meshflow与光流,速度提升30倍
  • MICCAI 2025 | 莱斯大学提出MetaSeg:参数减少90%,元学习隐式网络重塑医学图像分割
  • OpenAI 与 AMD 签百亿美元协议,后者股价暴涨;特斯拉廉价 Model Y 将于 7 日发布;知名旅行、听歌应用入住 ChatGPT
  • 乔纳森下一个iPhone神话,要黄了?OpenAI秘密AI硬件深陷三重困境
  • 3年手搓ChatGPT!剑桥天才少年在Minecraft游戏中爆火回归
  • 一举击败Claude Code!微软提出代码生成黑科技:一键直出36K行代码
  • 刚刚,2025年诺贝尔生理学或医学奖揭晓!三位得主点燃器官移植希望
  • OpenAI入股AMD,股价暴涨35%!奥特曼左手黄仁勋,右手苏姿丰,通吃全球算力
  • 自进化Agent的第三种可能:隐式记忆,不动模型参数,胜过GRPO
  • 真实数据、全链路、可复核:GenoMAS打造更可信的基因分析智能体
  • NeurIPS 2025 | 慕尼黑工业大学提出SIM(3)等变网络:让3D形状补全告别“姿态偏见”,实现跨域泛化
  • NeurIPS 2025 | 高通提出GCL:无需额外数据,通用多模态检索迎来“一统江湖”新范式
  • 今日迎本世纪「最晚中秋月圆」;雷军:小米17 五天销量破百万;ChatGPT 或添私信聊天功能

Bug变奖励:AI的小失误,揭开创造力真相!



  新智元报道  

编辑:倾倾
【新智元导读】 扩散模型本该只是复制机器,却一次次画出「六指人像」甚至是陌生场景。最新研究发现,AI的「创造力」其实是架构里的副作用。有学者大胆推测人类的灵感或许也是如此。当灵感成了固定公式,人类和AI的差别还有多少?

你一定见过那些奇怪的AI画:人物手上多出几根手指、脸部细节怪异,却又带着某种说不出的新鲜感。

这让人产生一个疑问:扩散模型明明只「复刻」,为什么还能画出前所未见的作品?

最新一项研究给出了答案:

其实,AI的创造力并非「神来之笔」,而是模型架构的副作用。

明明只会复制,AI为何还能创作?

扩散模型的任务很简单:把数字噪声还原成训练过的图像。

就像把一幅画放入碎纸机,直到只剩下一堆细小的灰尘,然后将碎片重新拼凑到一起。

照理说,它应该只会生成「复制品」。

可现实却让研究者大跌眼镜。

DALL·E、Imagen、Stable Diffusion这些模型,画出的不是「翻版」,而是全新的图像:

不同元素被组合在一起,构成前所未见的场景。

更令人意外的是,这些拼贴并不是毫无意义的杂乱色块,而是带着语义的完整作品。

DALL·E 2制作了这些「金鱼在海滩上啜饮可口可乐」的图像。这个由 OpenAI创建的程序可能从未遇到过类似的图像,但它仍然可以自行生成这样的图像。

还记得那些在社交平台疯传的「AI多手指人像」吗?

有些图看上去像是超现实主义的画——人物手上莫名其妙多出几根手指,但整体仍旧保持了清晰的结构感。

这类怪异产物,一度被当成笑料,却也让科学家警觉:模型为什么会「即兴发挥」?

Giulio Biroli将这种现象称为「扩散模型的悖论」:

「如果它们真的只是记忆,就不该有创造力;可它们偏偏能画出前所未见的东西」。

那么,AI的创造力到底是从哪里来的?

六指人像背后的「bug奖励」

在最新研究里,两位物理学家给出了一个颇为出乎意料的答案:

AI的「创造力」,其实是它架构里的副作用。

扩散模型在生成图像时,依赖两条严格的规则:

第一条叫做局部性。

它在绘制过程中,并不会通盘考虑整张画面,而是一次只关注一个小小的像素「拼块」。

就像拼图时,你盯着一块颜色相近的小碎片,却不会去想它最终会出现在整幅画的哪个角落。

第二条叫做平移等变性。

如果输入图像整体往左或往右挪动几个像素,模型生成的画面也必须跟着同步移动。

这是它保持图像结构连贯的方式。

这两条机制,本来是扩散模型在「去噪」时的限制条件。

研究者一度认为这是缺陷,会让模型没法生成完美的复制品。

可事实证明,正是这种「不完美」,反而让AI无法完全依赖记忆,必须在局部的拼贴里即兴重组。

这就导致了,手指可能多长了几根,元素可能拼接得有点怪异,但整体画面却意外生出了新意。

也就是说,AI 的创造力,并不是额外设计出来的能力,而是它架构必然带来的副作用。

ELS方程机:创造力的数学化证明

如果说AI的创造力真是副作用,那要如何证明?

斯坦福大学的研究生Mason Kamb和导师Surya Ganguli,进行了一次实验。

他们基于那两条规则构建了一套纯粹的数学系统,命名为ELS方程机(Equivariant Local Score machine)。

这个系统的特别之处在于,它不依赖海量训练数据,也没有任何黑箱深度网络。

它是一套方程,用来预测当噪声一步步被「去除」时,图像会如何拼合。

然后,他们把同一组噪声图像同时输入ELS方程机和真实的扩散模型。

结果令人震惊:ELS方程机生成的结果,与扩散模型的输出平均重合度高达 90%。

在机器学习领域,这几乎是前所未有的精度。

Ganguli感叹道:

「这就像是用一组公式,写下了创造力的来源。」

所谓的「AI创造力」,并不是神秘的灵感,而是局部性与等变性在动态运行中必然产生的产物。

只要满足这两个条件,「创造」就会自动出现。

AI的小失误,揭开人类创造力的秘密

这项研究不仅揭开了扩散模型的秘密,还让人联想到生命系统。

Mason Kamb之所以产生这个灵感,是因为他长期研究形态发生——也就是胚胎如何从一团细胞,自我组装成器官和肢体。

在这个过程中,细胞只是根据身边邻居的信号做出局部反应。

大多数时候,这种自组织能顺利生成一个正常的身体,但偶尔也会出错——比如多长出几根手指。

当Kamb看到扩散模型生成的那些「AI多指人像」时,他立刻联想到胚胎发育里的这种「局部拼贴错误」。

这说明,AI的创造力,本质上和生物的自组织过程,有着惊人的相似。

研究者甚至提出一个更大胆的类比:人类的创造力,也许和AI并没有本质不同。

我们的大脑,并不是凭空冒出灵感,而是在有限的经验和记忆中,不断拼接、补全、想象,最后产出新东西。

正是这偶尔的错误与缺口,反而成为创新的源泉。

正如IBM研究员Benjamin Hoover所说:

「人类和AI的创造力,可能都根植于对世界的不完整理解。」

创造力未必是高高在上的天赋,它也可能是一种副作用,一种「不完美」带来的意外之喜。

当「创造力」能被一组公式写下,人类和机器的界限也愈发模糊了。

或许,真正的灵感,从来不是天才的特权,而是「不完美」的副产物。

研究揭示的,不只是AI的密秘密。

也许是在提醒我们:创造,往往生长于偏差之中。

参考资料:
https://www.wired.com/story/researchers-uncover-hidden-ingredients-behind-ai-creativity/
https://www.quantamagazine.org/researchers-uncover-hidden-ingredients-behind-ai-creativity-20250630/


<br>


    <a class="media_tool_meta meta_primary" href="http://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&amp;mid=2652633752&amp;idx=3&amp;sn=fd3b7a186525a3a0a7e88893859cfbbd&amp;chksm=f0c836b28f3e5f6f7e80e3a303a02fd195fa8971b2b7557a56737596a98150750f856c554066&amp;scene=0#rd"  target="_blank">文章原文</a>
    <br>




<img alt="" class="" height="1px" src="https://images.weserv.nl/?url=http://www.jintiankansha.me/rss_static/5418/Hxj3xWhyyC&amp;maxage=1y"  width="1px"></div></div></body></html>

联系我们