版權(quán)歸原作者所有，如有侵權(quán)，請聯(lián)系我們

人工智能會下棋，甚至打敗過世界圍棋冠軍，這已經(jīng)是老生常談。

別看AI這么厲害，它只是借助了深度學(xué)習(xí)的方式，通過無數(shù)次的訓(xùn)練，讓它能夠在面對實際問題時，從訓(xùn)練數(shù)據(jù)庫中計算尋得最優(yōu)解，這并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(guān)于AI的文章有了突破性進展，研究者運用發(fā)展心理學(xué)領(lǐng)域的知識可以讓AI能像人類嬰兒一樣“學(xué)會思考”。而此前，最先進的AI系統(tǒng)仍然難以捕捉到日常人類場景中的“常識性”知識，比如指導(dǎo)預(yù)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面的發(fā)展。此后，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，世界將會變成什么樣子？（相信你腦海中已經(jīng)浮現(xiàn)出相應(yīng)的電影場景了）

這個問題已經(jīng)塵封多年，但是近期的一項發(fā)表在《自然·人類行為》上的研究顯示，人工智能或許擁有了“像嬰兒一樣思考”的能力：能像嬰兒一樣理解直觀物理學(xué)。值得一提的是，這是知名人工智能公司Deep Mind科研人員發(fā)表的成果。

論文通訊作者Luis Piloto，此前他在普林斯頓大學(xué)學(xué)習(xí)

Luis Piloto和他的同事做了一個能學(xué)習(xí)直觀物理學(xué)的深度學(xué)習(xí)系統(tǒng)，名為PLATO。PLATO包含的系統(tǒng)受到了嬰兒學(xué)習(xí)方法相關(guān)研究的啟發(fā)。并且，PLATO遵循認為物體在我們周圍物理世界的表示和預(yù)測中扮演核心作用的理論。

具體來說，研究者通過給PLATO觀看許多描繪簡單場景的視頻來訓(xùn)練它，比如球落到地上，球滾到其他物體后面又再次出現(xiàn)，很多球之間彈來彈去。訓(xùn)練之后，PLATO在看到?jīng)]有意義的場景（如物體互相穿過卻沒有發(fā)生相互作用）時表現(xiàn)出了像人類嬰兒那樣“驚訝”。

令人驚訝的是，PLATO只觀看了28小時的視頻就獲得了以上學(xué)習(xí)效果。

我們不禁發(fā)問，直觀物理學(xué)是什么，嬰兒是如何理解它的？AI又是如何學(xué)到這一點的呢？

嬰兒眼里的直觀物理學(xué)是什么？

首先我們來明確一個概念，直觀物理學(xué)是什么？我們可以簡單地把它理解為“直覺”或者“常識”。

比如我們在桌子上方丟下一串鑰匙，所有人都知道，鑰匙不會漂浮在半空中，也不會穿過桌面掉到地上，而是會掉落在桌面上。

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

在發(fā)展心理學(xué)領(lǐng)域中，直觀物理學(xué)被分為5個方面的概念：

1. 連續(xù)性：物體不會從一個地方傳送到另一個地方，而是在時間和空間中有一定的連續(xù)路徑；

2. 對象持久性：物體在看不見時不會消失；

3. 固體性：物體不會相互滲透；

4. 不變性：對象的屬性（如形狀）不會更改；

5. 定向慣性：物體運動的路徑與慣性原理一致。

是不是每一個都很好理解？沒錯，這些都是我們?nèi)菀桌斫夂徒邮艿摹俺ＷR性”概念。

如果鑰匙的掉落過程違背了我們的常識，比如懸浮在了半空中、或者穿過了桌子、或者是從桌面上duang的一下彈起來老高，甚至是化成了液體，那么事情就會超出我們的預(yù)期，變得詭異起來。

面對這種怪異事件，每個人都會感到驚訝。即使是三個月大的嬰兒也是一樣，他們也會對這樣違背直觀物理學(xué)的現(xiàn)象表現(xiàn)出驚訝，這種驚訝反應(yīng)被稱為違反期望（VoE）效應(yīng)。

至于嬰兒對世界的認識是否和成人一樣，這一點存在一個關(guān)于“先天”和“后天”的爭議，許多發(fā)展科學(xué)家認為這是“先天”的，也有一些學(xué)者更支持從無到有的“后天”理論。

那我們能否設(shè)計一個模擬嬰兒思維的程序，通過適當?shù)挠?xùn)練，使AI能夠像嬰兒一樣思考呢？

如何把AI訓(xùn)練得像嬰兒一樣思考？

為了探究這個爭論不休的“先天”和“后天”問題，Piloto等人利用PLATO仿真系統(tǒng)，來測試深度學(xué)習(xí)系統(tǒng)是否能夠通過學(xué)習(xí)視覺動畫，來獲得對直觀物理學(xué)的理解。

如果“后天”的理論是正確的，那么智力發(fā)展的關(guān)鍵就在于通過處理大量經(jīng)驗和大量數(shù)據(jù)來進行鍛煉。

PLATO仿真系統(tǒng)由兩個模塊組成：前饋感知模塊（左）和循環(huán)動態(tài)預(yù)測器模塊（右）組成。前饋感知模塊中，通過編碼器將圖像轉(zhuǎn)換為一組對象代碼，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(xùn)練編碼器和解碼器的參數(shù)。循環(huán)動態(tài)模塊中，動態(tài)模塊通過預(yù)先訓(xùn)練好的解碼器對下一時刻的對象狀態(tài)進行預(yù)測。

而這項研究使用的訓(xùn)練數(shù)據(jù)少到驚人，就讓AI擁有了穩(wěn)定的違反期望效應(yīng)。在面對超出5個直觀物理學(xué)概念的情況時，PLATO仿真系統(tǒng)會顯示出魯棒（即具有穩(wěn)定性）的VoE效應(yīng)。這可以解釋一些直觀物理學(xué)的概念，但是這種效應(yīng)與嬰兒身上看到的現(xiàn)象并不完全一致。

研究發(fā)現(xiàn)，雖然視覺動畫的經(jīng)驗對智力發(fā)展有很重要的貢獻，但不足以解釋我們在嬰兒身上看到的現(xiàn)象。

也就是說，智力發(fā)展并非全部依靠于“后天”的經(jīng)驗和數(shù)據(jù)。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“后天”派之間建立了一個有趣的中間立場。

當視頻在直觀物理學(xué)上變得不可能時，AI表現(xiàn)出的驚訝會顯著增加。

此外，PLATO仿真系統(tǒng)可以將符合直觀物理學(xué)的期望，歸納為一組與訓(xùn)練中不相同的對象和事件。其次，盡管只是接受了相對較少的視覺動畫訓(xùn)練，這個仿真系統(tǒng)也能夠成功地演示學(xué)習(xí)，在針對嬰兒研究中也有相似的特征。

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

目前，研究團隊正在將違反期望效應(yīng)的研究擴展到神經(jīng)生理學(xué)領(lǐng)域，這可能為后續(xù)的研究開辟新的可能性，也為AI的發(fā)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(guān)注深i科普！

我們將定期推出

公益、免費、優(yōu)惠的科普活動和科普好物！