专注于人工智能开发的谷歌公司DeepMind的一个研究团队试图以一种创新的方式实现这一点。他们创建了一个计算模型，以观察深度学习系统(或深度学习，一种基于所谓神经网络的高级人工智能技术)能否从视觉动画的处理过程中获得某些基本物理原理的理解。也就是观察，就像人一样。他今天发表在《自然》(nature)杂志上的结论令人震惊:如果让机器像婴儿一样学习，通过研究环境来学习，它就更容易实现这一点。
目前还不清楚是什么机制让人类如此快速地学习直觉物理。进化心理学是研究这一现象最多的学科之一，它认为物理学的基本原理是通过对物体及其相互作用的观察而内化的。由路易斯·s·皮洛托(Luis S. Piloto)领导的DeepMind团队从这些理论出发，开发了一个名为柏拉图(Plato)的机器学习系统，并向该系统展示了球落地和球经过另一个物体后从图像中消失的视频。然后再现。他们专注于探索他们的系统是否有能力学习某些基本原理，比如固体性(物体不会穿过其他物体)和连续性(物体不会自发地出现和消失)。
研究表明，三个月大的婴儿在看到任何违背这一逻辑的情况时都会做出惊讶的反应。例如，如果我们握紧一枚硬币，当我们打开它时，它并不在那里，因为我们把它藏在袖子里了。或者，如果一个球从一个箱子后面穿过，当它应该在另一边重新出现时，却没有出现。
Piloto和他的同事向该工具展示了28小时的视频，其中有各种运动的球的例子。“我们使用一种系统来区分某些像素属于一个球，其他像素属于一个盒子。下一步是说，属于球的像素形成一个群体”，Piloto通过视频会议解释道。经过训练后，这台机器能够大致预测出球在穿过一个箱子后会在何时何地重新出现。
结果表明，视觉动画足以让系统获得一些基本知识，但不是婴儿积累的所有知识。换句话说，计算模型最初必须包含一系列关于对象如何行为的基本知识，但为了巩固这些概念，观察是必要的。
而且，就像婴儿对一个简单的魔术感到惊讶一样，柏拉图也表达了他对物体不遵循基本物理规则的困惑。该模型能够推断出关于某些对象行为的期望，以了解新的情况和工件，这些新情况和工件没有出现在显示给工具的图像中。Piloto解释说:“在我们的实验中，令人惊讶的是系统预测的像素的颜色强度数量与实际颜色数量之间的差异。”这就是这个工具做得非常成功的地方:当直觉告诉他这个事情会发生的时候，它就在预期物体会再次出现的地方涂上阴影。
DeepMind研究团队否认他们为您的系统的特定应用程序工作。他们认为这是一项工作，可以作为参考，其他科学家正在研究同样的问题。不过，他们承认，它在机器人和自动驾驶系统方面可能有潜力。
从人工智能到进化连心理学
这项工作对人工智能领域有什么影响?“我们不知道信息系统如何代表世界。机器学习(自动学习)。我们所做的就是告诉柏拉图，他必须把它理解为一系列相互关联的物体，”DeepMind科学家、文章的合著者彼得·巴塔利亚(Peter Battaglia)指出。
这就是研究进化心理学的方法。西北大学(埃文斯顿)心理学系的研究人员苏珊·赫波斯和阿普尔瓦·希瓦拉姆说:“皮洛托和他的同事们的工作正在拓展日常经验对智力的贡献的前沿。”“这是一项重要的努力，因为它评估了需要什么类型的知觉经验来解释在三个月大的婴儿身上显而易见的知识，”这些专家说，他们是之前审查过pilot领导的工作的科学家团队的成员。你的刊物。
根据Hespos的说法，《先导的指引》的另一个贡献是强调了一个极其复杂的过程的巨大复杂性，但这是一个我们认为理所当然的过程，比如学习物体的基本操作规则。这篇文章正式规定了一些简单的步骤，比如预测球在坡道上的位置。这并不是说计算模型的工作原理与大脑完全相同。它的价值在于学习确定步骤的过程，测试和更多的测试，需要达到类似人类行为”，Hespos强调。
这位西北大学的教授认为，人工智能对心理学仍有很大贡献。例如，它可以作为一个试验场，进行今天不可能进行的实验。“我一直在问自己一些问题，比如，如果婴儿在零重力环境中长大，他们对物体行为的预期是否会有所不同，”赫波斯描述道。“也许Pilot的模型和她的团队可以帮助我们看到在那种环境下学习可能发生的变化。”
你可以在Facebook和Twitter上关注THE COUNTRY TECHNOLOGY，或者在这里注册接收我们的每周通讯。
