研究人员训练了一个人工智能模型像婴儿一样思考它突然表现出色
在一个充满对立观点的世界里，让我们注意一件我们都同意的事情：如果我把我的笔给你看，然后把它藏在背后，我的笔仍然存在——即使你再也看不到它了。我们都同意它仍然存在，并且可能具有与它背着我之前相同的形状和颜色。这只是常识。
这些物理世界的常识性规律是人类普遍理解的。即使是两个月大的婴儿也有这种理解。但科学家们仍然对我们如何实现这一基本认识的某些方面感到困惑。而且我们还没有制造出可以与正常发育的婴儿的常识能力相媲美的计算机。
普林斯顿大学的LuisPiloto及其同事的新研究——我正在为NatureHumanBehavior上的一篇文章进行评论——朝着填补这一空白迈出了一步。研究人员创建了一个深度学习人工智能(AI)系统，该系统获得了对物理世界一些常识性规律的理解。
通过以与婴儿相同的假设来处理任务，这些发现将有助于建立更好的计算机模型来模拟人类思维。
幼稚的行为
通常，AI模型从一张白纸开始，并使用具有许多不同示例的数据进行训练，模型从中构建知识。但对婴儿的研究表明这不是婴儿所做的。婴儿不是从头开始建立知识，而是从对物体的一些原则性期望开始。
例如，他们期望如果他们注意到一个对象，然后隐藏在另一个对象后面，那么第一个对象将继续存在。这是一个核心假设，使他们朝着正确的方向发展。他们的知识会随着时间和经验而变得更加精炼。
Piloto及其同事的令人兴奋的发现是，一个以婴儿行为为模型的深度学习人工智能系统优于一个从空白开始并试图仅根据经验进行学习的系统。
立方体滑入墙壁
研究人员比较了这两种方法。在空白版本中，AI模型被赋予了几个对象的视觉动画。在某些示例中，立方体会滑下斜坡。在其他情况下，一个球弹到墙上。
该模型从各种动画中检测到模式，然后测试其通过对象的新视觉动画预测结果的能力。将此性能与在体验任何视觉动画之前内置“原则期望”的模型进行比较。
这些原则是基于婴儿对物体行为和交互方式的期望。例如，婴儿期望两个物体不应该相互穿过。
如果您向婴儿展示您违反此期望的魔术，他们可以检测到魔术。与预期结果的事件相比，他们通过更长时间地观察具有意外或“神奇”结果的事件来揭示这一知识。
婴儿还期望一个物体不应该只是眨眼进出。他们也可以检测到何时违反了这种期望。
Piloto及其同事发现，从白纸开始的深度学习模型做得很好，但基于婴儿认知启发的以对象为中心的编码模型做得更好。
后一种模型可以更准确地预测对象将如何移动，更成功地将预期应用于新动画，并从一组较小的示例中学习(例如，它在相当于28小时的视频后处理了这一点)。
与生俱来的理解?
很明显，通过时间和经验学习很重要，但这并不是全部。Piloto及其同事的这项研究为人类与生俱来的东西以及可以学到的东西这一古老的问题提供了见解。
除此之外，它还在为人工系统获取知识时感知数据可以发挥的作用定义新的界限。它还展示了对婴儿的研究如何有助于建立更好的模拟人类思维的人工智能系统。
标签：