人工智能学习婴儿对物理世界的认知
如果我把一支钢笔掉下去，你当然知道它不会悬在半空中，而是会掉到地板上。同样，如果钢笔下落时碰到书桌，你也会知道它不会穿过桌面，而是会落在桌面上。物体的这些基本属性对我们来说似乎是很直观的。三个月大的婴儿就知道一个看不见的球仍然存在，并且这个球不可能从沙发后面瞬间移动到冰箱顶部。尽管人工智能系统已经掌握了复杂的游戏，比如国际象棋和扑克，但它们尚未展现出婴儿与生俱来或在出生后几个月内似乎毫不费力地掌握的“常识”知识。“尽管人工智能技术已经取得了巨大进展，但我们仍未拥有哪怕只是接近人类常识的人工智能系统。”麻省理工学院认知科学教授约书亚·滕布尔（Joshua Tenenbaum）表示，他曾在这一领域进行过研究。“如果我们有一天能实现这一点，那么了解它是如何运作的，以及它在人类身上是如何形成的，将具有重要价值。”2024年7月11日，谷歌母公司 Alphabet 旗下的子公司 DeepMind 在《自然·人类行为》（Nature Human Behaviour）期刊上发表的一项研究，朝着使此类常识性知识融入机器并理解其在人类中是如何发展的这一目标迈出了一步。科学家们将发展心理学家认为婴儿与生俱来的内在知识整合到人工智能系统中，从而建立了一个“直觉物理”模型。他们还创造了一种测试该模型的方法，类似于用于评估人类婴儿认知的方法。通常，深度学习系统在人工智能研究中无处不在，它们通过训练来识别场景中的像素模式。通过这种方式，它们可以识别人脸或球，但无法预测这些物体在动态场景中相互移动和碰撞时会发生什么。为了解决直觉物理所带来的更具挑战性的难题，研究人员开发了一个名为 PLATO（通过自动编码和跟踪物体进行物理学习）的模型，专注于整个物体而不是单独的像素。然后，他们用大约30万段视频训练了PLATO，使其学会物体的行为方式，比如球的下落、与另一物体碰撞或滚到障碍物后面再重新出现。目标是让 PLATO 能够基于五个基本概念理解什么违反了直觉物理的规律：物体恒存（即使不在视线范围内，物体仍然存在）、实体性（物体具有物理实体）、连续性（物体以连续的路径移动，不能突然消失并出现在远处）、不变性（物体的属性始终保持不变）和方向惯性（物体只在惯性定律下改变方向）。PLATO 在面对一个物体穿过另一个物体而不反弹的情境时，会像婴儿一样表现出“惊讶”。它在区分物理上可能与不可能的场景方面，明显优于另一传统人工智能系统，后者虽然接受过相同视频的训练，但没有被赋予关于物体的内在知识。“心理学家认为，人类利用物体来理解物理世界。因此，如果我们构建类似的系统，也许我们就能最大限度地提高人工智能模型真正理解物理世界的可能性。”DeepMind 的研究科学家、该研究的主导者路易斯·皮洛托（Luis Piloto）在一次新闻发布会上说。此前尝试通过在系统中加入不同程度的内置或习得的物理知识来教授人工智能直觉物理，取得的成果参差不齐。这项新研究尝试通过与发展心理学家认为婴儿理解直觉物理的方式相似的方式来达到目标，即首先表现出对“物体是什么”的与生俱来的意识，然后通过观察物体在世界中的运动来学习支配其行为的物理规则。“这篇论文令人兴奋和独特之处在于，他们非常紧密地基于认知心理学和发展科学已知的内容进行研究。”西北大学心理学教授苏珊·赫斯波斯（Susan Hespos）表示，她与他人共同撰写了该论文的《新闻与观点》（News & Views）评论文章，但并未参与该研究。“我们与生俱来就拥有某种天生的知识，但这并不意味着它一开始就是完美的……然后，通过经验与环境，婴儿——就像这个计算机模型一样——进一步拓展了这种知识。”DeepMind 的研究人员强调，目前他们的工作还不足以推动机器人、自动驾驶汽车或其他热门人工智能应用的发展。他们开发的模型在将其纳入人工智能系统之前，还需要对涉及现实世界场景的物体进行大量额外训练。随着模型的进一步复杂化，它或许也能为发展心理学研究提供有关婴儿如何学习理解世界的信息。常识性知识是后天习得的还是与生俱来的，这一问题在过去近100年中一直被发展心理学家争论不休，追溯到瑞士心理学家让·皮亚杰（Jean Piaget）关于认知发展阶段的研究。“人工智能与借鉴发展科学理念并将其应用于建模之间，可能产生富有成果的合作。”赫斯波斯表示。“我认为这种合作对双方来说都可能是互利共赢的。”
查看全文
作者最近更新
-
我们进化的历史可以教会我们人工智能的未来scientific
2023-11-11 -
“ChatGPT检测器”以前所未有的准确率识别人工智能生成的论文scientific2023-11-11
-
人工智能需要规则，但谁将拥有制定规则的权力？scientific2023-11-07
评论0条评论