神經(jīng)網(wǎng)絡(luò)可以成為研究人類嬰兒學(xué)習(xí)方式的一條途徑。

受嬰兒學(xué)習(xí)方式研究的啟發(fā)，計算機科學(xué)家開發(fā)了一個程序，可以學(xué)習(xí)物體運動的簡單物理規(guī)則。該研究結(jié)果7月11日發(fā)表于《自然—人類行為》。

發(fā)育心理學(xué)家通過追蹤嬰兒的視線來測試他們是如何理解物體運動的。例如，當(dāng)孩子們看到一個球突然消失的視頻時，他們會表現(xiàn)出驚訝。研究人員通過測量他們在特定方向上注視的時間來量化這一點。

位于英國倫敦的谷歌旗下公司DeepMind的計算機科學(xué)家Luis Piloto和合作者希望開發(fā)一種類似的人工智能(AI)測試。該團隊用立方體和球等簡單物體的動畫視頻，訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)—— 一種通過在大量數(shù)據(jù)中發(fā)現(xiàn)模式來學(xué)習(xí)的軟件系統(tǒng)。

這個名為“通過自動編碼和跟蹤物體進行物理學(xué)習(xí)”(PLATO)的軟件模型，從視頻中獲取原始圖像，同時還被提供了突出場景中每個物體的版本。PLATO被設(shè)計用來開發(fā)物體物理屬性的內(nèi)部表征，比如它們的位置和速度。

該系統(tǒng)接受了大約30小時的視頻訓(xùn)練，視頻中展示了簡單的機制，如一個球滾下斜坡或兩個球互相反彈，進而發(fā)展出預(yù)測這些物體在不同情況下會如何表現(xiàn)的能力。特別是它學(xué)會了一些模式，如連續(xù)性，在這種模式中，物體沿著不間斷的軌跡移動，而不是神奇地從一個地方傳送到另一個地方;堅固性，防止兩個物體相互穿透;以及物體形狀的持久性。

“視頻的每一步都在預(yù)測接下來會發(fā)生什么。隨著視頻的深入，預(yù)測會變得更加準(zhǔn)確。”Piloto說。

當(dāng)播放標(biāo)有“不可能”事件的視頻時，例如一個物體突然消失，PLATO可以測量視頻和自己的預(yù)測之間的差異，從而提供一個驚訝的度量。

Piloto說，PLATO不是作為嬰兒行為的模型設(shè)計的，但它可能是邁向AI的第一步，可以驗證關(guān)于人類嬰兒如何學(xué)習(xí)的假設(shè)。“我們希望這最終能被認(rèn)知科學(xué)家用來認(rèn)真模擬嬰兒的行為。”

加拿大溫哥華英屬哥倫比亞大學(xué)的計算機科學(xué)家Jeff Clune表示，將AI與人類嬰兒的學(xué)習(xí)方式進行比較是“一個重要的研究方向”。Clune和其他研究人員正在研究一種方法，開發(fā)自己的算法來理解物理世界。(李木子)

關(guān)鍵詞： 神經(jīng)網(wǎng)絡(luò) 人工智能 人工智能可像嬰兒一樣學(xué)習(xí)物理知識 人類嬰兒學(xué)習(xí)方式