Фізики розробили математичну «іграшкову модель», використовуючи статистичну фізику, щоб пояснити одну з великих загадок глибокого навчання: чому величезні нейронні мережі вивчають закономірності, а не просто запам'ятовують дані. Застосувавши теорію ренормалізації, команда показала, як флуктуації в багатовимірному просторі стабілізують навчання, відкриваючи шлях до більш ефективного та передбачуваного штучного інтелекту.
Дослідження
Команда фізиків з Гарвардського університету під керівництвом аспіранта Александра Атанасова та старшого автора Ченгіза Пехлевана опублікувала дослідження в Journal of Statistical Mechanics: Theory and Experiment (JSTAT) 8 травня 2026 року. Вони створили спрощену «іграшкову модель» навчання нейронної мережі, використовуючи гребеневу регресію — класичний статистичний метод — та проаналізували її за допомогою інструментів статистичної фізики, зокрема теорії ренормалізації.
Ключове відкриття: у багатовимірних просторах (з мільйонами змінних) невеликі випадкові флуктуації в даних, які раніше вважали шумом, насправді стабілізують процес навчання. Замість того, щоб спричиняти нестабільність або перенавчання, ці флуктуації допомагають нейронним мережам поглинати мікроскопічні деталі в кілька ключових параметрів, дозволяючи системі демонструвати просту, стабільну поведінку в масштабі — подібно до того, як молекули води поводяться індивідуально, але підкоряються законам гідродинаміки як група.
Це вирішує давню загадку: чому такі величезні моделі, як ChatGPT і Gemini, узагальнюють краще в міру зростання, коли звичайна мудрість каже, що вони повинні перенавчатися (запам'ятовувати дані) і погано працювати з новими даними? Відповідь криється в ренормалізації — тому самому фізичному принципі, який пояснює, як складні системи від магнітів до галактик демонструють передбачувані великомасштабні закономірності.
Чому це важливо
Розуміння того, чому ШІ узагальнює, може допомогти створити більш ефективні та енергоощадні системи. Але для вашого мозку це розуміння так само глибоке: як і нейронні мережі, ваше власне навчання покладається на здатність виокремлювати закономірності з зашумлених багатовимірних даних. Мільярди нейронів вашого мозку постійно проводять ренормалізацію — відфільтровують несуттєві деталі та зосереджуються на стабільних патернах, завдяки чому ви можете впізнати обличчя друга в натовпі, незважаючи на зміни освітлення, кута або виразу.
Це підкреслює принцип під назвою «благословення багатовимірності»: у складних середовищах шум може навіть допомагати навчанню, змушуючи систему зосереджуватися на надійних, загальних характеристиках, а не на крихких конкретиках.
Що ви можете зробити
Приймайте хаотичне багатовимірне навчання. Піддавайте себе різноманітним проблемам із природними варіаціями — наприклад, розв'язуйте головоломки, вивчайте нову мову або грайте в стратегічні ігри. Флуктуації, з якими ви стикаєтеся (неправильні відповіді, заплутані приклади), не є перешкодами; це саме ті механізми, які допомагають вашому мозку краще узагальнювати. Практикуйте ренормалізацію, підсумовуючи складні теми одним реченням, змушуючи свій розум виокремлювати суттєві патерни.
Джерело: Neuroscience News
Цікавитесь власним мозком? Пройдіть наш безкоштовний адаптивний IQ-тест або спробуйте 306 рівнів тренування мозку.
