版權歸原作者所有，如有侵權，請聯係我們(men)

人工智能會(hui) 下棋，甚至打敗過世界圍棋冠軍(jun) ，這已經是老生常談。

別看AI這麽(me) 厲害，它隻是借助了深度學習(xi) 的方式，通過無數次的訓練，讓它能夠在麵對實際問題時，從(cong) 訓練數據庫中計算尋得最優(you) 解，這並不代表機器人能夠像人一樣進行自主思考。

7月11日，Deep Mind公司最新的一項關(guan) 於(yu) AI的文章有了突破性進展，研究者運用發展心理學領域的星空体育官网入口网站可以讓AI能像人類嬰兒(er) 一樣“學會(hui) 思考”。而此前，最先進的AI係統仍然難以捕捉到日常人類場景中的“常識性”星空体育官网入口网站，比如指導預測、推理和行動。

可以說，Deep Mind的這項研究，大大推進了人工智能在直覺感知方麵的發展。此後，人工智能真的更像“人”了。

撰文 | 徐詩露

出品：科普中國-星空計劃

圖片來自Deep Mind

早在機器人問世之時，就有許多人想象過：如果機器人能夠像人一樣思考，世界將會(hui) 變成什麽(me) 樣子？（相信你腦海中已經浮現出相應的電影場景了）

這個(ge) 問題已經塵封多年，但是近期的一項發表在《自然·人類行為(wei) 》上的研究顯示，人工智能或許擁有了“像嬰兒(er) 一樣思考”的能力：能像嬰兒(er) 一樣理解直觀物理學。值得一提的是，這是知名人工智能公司Deep Mind科研人員發表的成果。

論文通訊作者Luis Piloto，此前他在普林斯頓大學學習(xi)

Luis Piloto和他的同事做了一個(ge) 能學習(xi) 直觀物理學的深度學習(xi) 係統，名為(wei) PLATO。PLATO包含的係統受到了嬰兒(er) 學習(xi) 方法相關(guan) 研究的啟發。並且，PLATO遵循認為(wei) 物體(ti) 在我們(men) 周圍物理世界的表示和預測中扮演核心作用的理論。

具體(ti) 來說，研究者通過給PLATO觀看許多描繪簡單場景的視頻來訓練它，比如球落到地上，球滾到其他物體(ti) 後麵又再次出現，很多球之間彈來彈去。訓練之後，PLATO在看到沒有意義(yi) 的場景（如物體(ti) 互相穿過卻沒有發生相互作用）時表現出了像人類嬰兒(er) 那樣“驚訝”。

令人驚訝的是，PLATO隻觀看了28小時的視頻就獲得了以上學習(xi) 效果。

我們(men) 不禁發問，直觀物理學是什麽(me) ，嬰兒(er) 是如何理解它的？AI又是如何學到這一點的呢？

嬰兒(er) 眼裏的直觀物理學是什麽(me) ？

首先我們(men) 來明確一個(ge) 概念，直觀物理學是什麽(me) ？我們(men) 可以簡單地把它理解為(wei) “直覺”或者“常識”。

比如我們(men) 在桌子上方丟(diu) 下一串鑰匙，所有人都知道，鑰匙不會(hui) 漂浮在半空中，也不會(hui) 穿過桌麵掉到地上，而是會(hui) 掉落在桌麵上。

這就是“直觀物理學”，它是我們(men) 了解世界的基礎物理概念，也是思維中“常識”的關(guan) 鍵組成部分。

在發展心理學領域中，直觀物理學被分為(wei) 5個(ge) 方麵的概念：

1. 連續性：物體(ti) 不會(hui) 從(cong) 一個(ge) 地方傳(chuan) 送到另一個(ge) 地方，而是在時間和空間中有一定的連續路徑；

2. 對象持久性：物體(ti) 在看不見時不會(hui) 消失；

3. 固體(ti) 性：物體(ti) 不會(hui) 相互滲透；

4. 不變性：對象的屬性（如形狀）不會(hui) 更改；

5. 定向慣性：物體(ti) 運動的路徑與(yu) 慣性原理一致。

是不是每一個(ge) 都很好理解？沒錯，這些都是我們(men) 容易理解和接受的“常識性”概念。

如果鑰匙的掉落過程違背了我們(men) 的常識，比如懸浮在了半空中、或者穿過了桌子、或者是從(cong) 桌麵上duang的一下彈起來老高，甚至是化成了液體(ti) ，那麽(me) 事情就會(hui) 超出我們(men) 的預期，變得詭異起來。

麵對這種怪異事件，每個(ge) 人都會(hui) 感到驚訝。即使是三個(ge) 月大的嬰兒(er) 也是一樣，他們(men) 也會(hui) 對這樣違背直觀物理學的現象表現出驚訝，這種驚訝反應被稱為(wei) 違反期望（VoE）效應。

至於(yu) 嬰兒(er) 對世界的認識是否和成人一樣，這一點存在一個(ge) 關(guan) 於(yu) “先天”和“後天”的爭(zheng) 議，許多發展科學家認為(wei) 這是“先天”的，也有一些學者更支持從(cong) 無到有的“後天”理論。

那我們(men) 能否設計一個(ge) 模擬嬰兒(er) 思維的程序，通過適當的訓練，使AI能夠像嬰兒(er) 一樣思考呢？

如何把AI訓練得像嬰兒(er) 一樣思考？

為(wei) 了探究這個(ge) 爭(zheng) 論不休的“先天”和“後天”問題，Piloto等人利用PLATO仿真係統，來測試深度學習(xi) 係統是否能夠通過學習(xi) 視覺動畫，來獲得對直觀物理學的理解。

如果“後天”的理論是正確的，那麽(me) 智力發展的關(guan) 鍵就在於(yu) 通過處理大量經驗和大量數據來進行鍛煉。

PLATO仿真係統由兩(liang) 個(ge) 模塊組成：前饋感知模塊（左）和循環動態預測器模塊（右）組成。前饋感知模塊中，通過編碼器將圖像轉換為(wei) 一組對象代碼，通過解碼器模塊將對象代碼解碼成對象的圖像。利用重建和原始圖像之間的差異來訓練編碼器和解碼器的參數。循環動態模塊中，動態模塊通過預先訓練好的解碼器對下一時刻的對象狀態進行預測。

而這項研究使用的訓練數據少到驚人，就讓AI擁有了穩定的違反期望效應。在麵對超出5個(ge) 直觀物理學概念的情況時，PLATO仿真係統會(hui) 顯示出魯棒（即具有穩定性）的VoE效應。這可以解釋一些直觀物理學的概念，但是這種效應與(yu) 嬰兒(er) 身上看到的現象並不完全一致。

研究發現，雖然視覺動畫的經驗對智力發展有很重要的貢獻，但不足以解釋我們(men) 在嬰兒(er) 身上看到的現象。

也就是說，智力發展並非全部依靠於(yu) “後天”的經驗和數據。要形成完整的智力，還需要一些先天的認知，這項研究在“先天”派和“後天”派之間建立了一個(ge) 有趣的中間立場。

當視頻在直觀物理學上變得不可能時，AI表現出的驚訝會(hui) 顯著增加。

此外，PLATO仿真係統可以將符合直觀物理學的期望，歸納為(wei) 一組與(yu) 訓練中不相同的對象和事件。其次，盡管隻是接受了相對較少的視覺動畫訓練，這個(ge) 仿真係統也能夠成功地演示學習(xi) ，在針對嬰兒(er) 研究中也有相似的特征。

可以看到，將仿真建模的工作和發展心理學中的關(guan) 鍵問題融合起來，研究人員得到了意想不到的效果和結論。

目前，研究團隊正在將違反期望效應的研究擴展到神經生理學領域，這可能為(wei) 後續的研究開辟新的可能性，也為(wei) AI的發展提供了更多的可能。

參考資料

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

2. Intuitive physics learning in a deep-learning model inspired by developmental psychology.

歡迎掃碼關(guan) 注深i科普！

我們(men) 將定期推出

公益、免費、優(you) 惠的科普活動和科普好物！