🎯 情报来源：量子位
巴黎高等师范学院物理学家团队在ICML 2025发表突破性研究，通过建立等变局部评分机(ELS)数学模型，首次证实扩散模型的”创造力”源于其架构缺陷。实验数据显示，ELS系统能以90%平均准确率复现主流扩散模型(如ResNet/UNet)的输出行为，这一发现为AI生成图像的”多指畸形”等特征提供了生物学层面的解释。
研究团队从生物形态发生学中获得启发，将扩散模型的局部性和等变性约束类比为细胞自组织过程中的图灵模式。当AI模型过度关注局部像素区块而缺乏全局协调时，反而会像生物发育中的多指畸形一样，意外产生创造性输出。
💡 核心要点
- 90%匹配准确率：ELS数学模型与实战扩散模型的输出一致性达九成
- 双约束机制：局部性(单次仅处理像素块)和等变性(位移不变性)是创造力核心成因
- 跨学科验证：研究融合物理学、形态发生学与AI，建立神经生物学的类比框架
- 缺陷转化：传统认知中的技术限制(如”多指”)实为创造力的必要前提
📌 情报分析
技术价值：极高
首次数学形式化证明创造力的生成机制，为模型架构设计提供新范式。ELS系统对商业模型的预测精度达到行业突破水平。
商业价值：高
揭示的机理可针对性优化AIGC产品的”AI味”问题，但需平衡创造性输出与精确控制的矛盾。DALL·E等产品的底层技术或将迎来迭代。
趋势预测：高
跨学科方法论预示AI基础研究新方向，未来可能延伸至LLM领域。论文中生物-AI的类比框架或催生更多认知科学突破。