别看AI这么厉害，它只是借助了深度学习的办法，通过无数次的演习，让它能够在面对实际问题时，从演习数据库中计算寻得最优解，这并不代表机器人能够像人一样进行自主思考。

7月11日，Deep Mind公司最新的一项关于AI的文章有了打破性进展，研究者利用发展生理学领域的知识可以让AI能像人类婴儿一样“学会思考”。
而此前，最前辈的AI系统仍旧难以捕捉到日凡人类场景中的“知识性”知识，比如辅导预测、推理和行动。

可以说，Deep Mind的这项研究，大大推进了人工智能在直觉感知方面的发展。
此后，人工智能真的更像“人”了。

撰文 | 徐诗露

早在机器人问世之时，就有许多人想象过：如果机器人能够像人一样思考，天下将会变成什么样子？（相信你脑海中已经浮现出相应的电影场景了）

这个问题已经尘封多年，但是近期的一项揭橥在《自然·人类行为》上的研究显示，人工智能或许拥有了“像婴儿一样思考”的能力：能像婴儿一样理解直不雅观物理学。
值得一提的是，这是有名人工智能公司Deep Mind科研职员揭橥的成果。

Luis Piloto和他的同事做了一个能学习直不雅观物理学的深度学习系统，名为PLATO。
PLATO包含的系统受到了婴儿学习方法干系研究的启示。
并且，PLATO遵照认为物体在我们周围物理天下的表示和预测中扮演核心浸染的理论。

详细来说，研究者通过给PLATO不雅观看许多描述大略场景的***来演习它，比如球落到地上，球滚到其他物体后面又再次涌现，很多球之间弹来弹去。
演习之后，PLATO在看到没故意义的场景（如物体相互穿过却没有发生相互浸染）时表现出了像人类婴儿那样“惊异”。

令人惊异的是，PLATO只不雅观看了28小时的***就得到了以长进修效果。

我们不禁发问，直不雅观物理学是什么，婴儿是如何理解它的？AI又是如何学到这一点的呢？

婴儿眼里的直不雅观物理学是什么？

首先我们来明确一个观点，直不雅观物理学是什么？我们可以大略地把它理解为“直觉”或者“知识”。

比如我们在桌子上方丢下一串钥匙，所有人都知道，钥匙不会漂浮在半空中，也不会穿过桌面掉到地上，而是会掉落在桌面上。

这便是“直不雅观物理学”，它是我们理解天下的根本物理观点，也是思维中“知识”的关键组成部分。

在发展生理学领域中，直不雅观物理学被分为5个方面的观点：

1. 连续性：物体不会从一个地方传送到另一个地方，而是在韶光和空间中有一定的连续路径；

2. 工具持久性：物体在看不见时不会消逝；

3. 固体性：物体不会相互渗透；

4. 不变性：工具的属性（如形状）不会变动；

5. 定向惯性：物体运动的路径与惯性事理同等。

是不是每一个都很好理解？没错，这些都是我们随意马虎理解和接管的“知识性”观点。

如果钥匙的掉落过程违背了我们的知识，比如悬浮在了半空中、或者穿过了桌子、或者是从桌面上duang的一下弹起来老高，乃至是化成了液体，那么事情就会超出我们的预期，变得诡异起来。

面对这种怪异事宜，每个人都会感到惊异。
纵然是三个月大的婴儿也是一样，他们也会对这样违背直不雅观物理学的征象表现出惊异，这种惊异反应被称为违反期望（VoE）效应。

至于婴儿对天下的认识是否和成人一样，这一点存在一个关于“先天”和“后天”的争议，许多发展科学家认为这是“先天”的，也有一些学者更支持从无到有的“后天”理论。

那我们能否设计一个仿照婴儿思维的程序，通过适当的演习，使AI能够像婴儿一样思考呢？

如何把AI演习得像婴儿一样思考？

为了探究这个辩论不休的“先天”和“后天”问题，Piloto等人利用PLATO仿真系统，来测试深度学习系统是否能够通过学习视觉动画，来得到对直不雅观物理学的理解。

如果“后天”的理论是精确的，那么智力发展的关键就在于通过处理大量履历和大量数据来进行磨炼。

PLATO仿真系统由两个模块组成：前馈感知模块（左）和循环动态预测器模块（右）组成。
前馈感知模块中，通过编码器将图像转换为一组工具代码，通过解码器模块将工具代码解码成工具的图像。
利用重修和原始图像之间的差异来演习编码器和解码器的参数。
循环动态模块中，动态模块通过预先演习好的解码器对下一时候的工具状态进行预测。

而这项研究利用的演习数据少到惊人，就让AI拥有了稳定的违反期望效应。
在面对超出5个直不雅观物理学观点的情形时，PLATO仿真系统会显示出鲁棒（即具有稳定性）的VoE效应。
这可以阐明一些直不雅观物理学的观点，但是这种效应与婴儿身上看到的征象并不完备同等。

研究创造，虽然视觉动画的履历对智力发展有很主要的贡献，但不敷以阐明我们在婴儿身上看到的征象。

也便是说，智力发展并非全部依赖于“后天”的履历和数据。
要形成完全的智力，还须要一些先天的认知，这项研究在“先天”派和“后天”派之间建立了一个有趣的中间态度。

当***在直不雅观物理学上变得不可能时，AI表现出的惊异会显著增加。

此外，PLATO仿真系统可以将符合直不雅观物理学的期望，归纳为一组与演习中不相同的工具和事宜。
其次，只管只是接管了相对较少的视觉动画演习，这个仿真系统也能够成功地演示学习，在针对婴儿研究中也有相似的特色。

可以看到，将仿真建模的事情和发展生理学中的关键问题领悟起来，研究职员得到了意想不到的效果和结论。

目前，研究团队正在将违反期望效应的研究扩展到神全心理学领域，这可能为后续的研究开辟新的可能性，也为AI的发展供应了更多的可能。

参考资料

1. Can a computer think like a baby? Nature News.

2. Intuitive physics learning in a deep-learning model inspired by developmental psychology. https://doi.org/10.1038/s41562-022-01394-8.

来源：返朴 科普中国-创作造就操持