人類嬰兒具有令人羨慕的能力。盡管他們要在很長(zhǎng)一段時(shí)間里完全依賴父母才能生存下去，但他們可以做到一些很了不起的事情。
嬰兒自帶對(duì)這個(gè)世界物理規(guī)律的理解，即使能吸收的信息很有限，他們也能很快地學(xué)會(huì)新概念和新語(yǔ)言。
（來(lái)源：AI 生成）
即使是我們今天擁有的最強(qiáng)大的人工智能系統(tǒng)也缺乏這些能力。例如，為 ChatGPT 等系統(tǒng)提供動(dòng)力的大型語(yǔ)言模型非常善于預(yù)測(cè)句子中的下一個(gè)單詞，但在常識(shí)性方面遠(yuǎn)遠(yuǎn)比不上嬰兒。
但如果人工智能可以像嬰兒一樣學(xué)習(xí)呢？人工智能模型通常是在由數(shù)十億個(gè)數(shù)據(jù)點(diǎn)組成的龐大數(shù)據(jù)集上訓(xùn)練的。
美國(guó)紐約大學(xué)的研究人員想看看，當(dāng)這些模型在一個(gè)小得多的數(shù)據(jù)集上訓(xùn)練時(shí)，它們能做到什么。
他們用一個(gè)正在學(xué)習(xí)說(shuō)話的孩子所經(jīng)歷的景象和聲音作為數(shù)據(jù)。令人驚訝的是，人工智能模型學(xué)到了很多東西。而這要?dú)w功于一個(gè)名叫山姆的好奇寶寶。
在山姆六個(gè)月大的時(shí)候，研究人員就開(kāi)始偶爾把相機(jī)綁在他的頭上，在之后的一年半里，他經(jīng)常戴著相機(jī)進(jìn)行日�；顒�(dòng)。
卡桑德拉威拉德（Cassandra Willyard）表示，他收集的材料使研究人員能夠教會(huì)神經(jīng)網(wǎng)絡(luò)將單詞與它們所代表的物體進(jìn)行匹配。
嬰兒讓我們離教會(huì)計(jì)算機(jī)像人類一樣學(xué)習(xí)又近了一步，這項(xiàng)研究只是一次嘗試，最終目的是構(gòu)建出和我們一樣智能的人工智能系統(tǒng)。嬰兒是敏銳的觀察者和優(yōu)秀的學(xué)習(xí)者，多年來(lái)一直啟發(fā)著研究人員。
嬰兒也會(huì)通過(guò)試錯(cuò)來(lái)學(xué)習(xí)，隨著我們對(duì)世界的了解越來(lái)越多，人類也變得越來(lái)越聰明。發(fā)展心理學(xué)家說(shuō)，嬰兒對(duì)接下來(lái)會(huì)發(fā)生什么事情有一種直覺(jué)。
例如，即使球被藏起來(lái)，他們也知道球仍然存在。他們還知道球是實(shí)心的，不會(huì)突然改變形狀，它會(huì)在沒(méi)有障礙物的道路上滾動(dòng)，不會(huì)突然傳送到其他地方。
谷歌 DeepMind 的研究人員試圖通過(guò)訓(xùn)練一個(gè)模型來(lái)教會(huì)人工智能系統(tǒng)具有同樣的“直覺(jué)物理感”，該模型通過(guò)關(guān)注視頻中的物體（對(duì)象）而不是單個(gè)像素來(lái)學(xué)習(xí)物體的運(yùn)動(dòng)方式。他們使用了數(shù)十萬(wàn)個(gè)視頻訓(xùn)練模型，以了解物體的行為。
理論上，如果嬰兒對(duì)突然從窗戶飛出的球感到驚訝，那是因?yàn)槲矬w的運(yùn)動(dòng)方式違背了嬰兒對(duì)物理的理解。
谷歌 DeepMind 的研究人員也設(shè)法讓他們的人工智能系統(tǒng)在物體“違背”其該有的移動(dòng)方式時(shí)表現(xiàn)出“驚訝”。
圖靈獎(jiǎng)得主、Meta 首席人工智能科學(xué)家楊立昆（Yann LeCun）認(rèn)為，教人工智能系統(tǒng)像孩子一樣觀察世界，可能是邁向更智能系統(tǒng)的途徑。
他說(shuō)，人類的大腦中有一個(gè)世界模擬或“世界模型”，使我們能夠直觀地知道世界是三維的，物體在離開(kāi)視野時(shí)并不會(huì)真正消失。
它可以讓我們預(yù)測(cè)幾秒鐘后一個(gè)彈跳的球或一輛超速行駛的自行車會(huì)出現(xiàn)在哪里。目前楊立昆正忙于構(gòu)建全新的人工智能架構(gòu)，這些架構(gòu)的靈感來(lái)自于人類的學(xué)習(xí)方式。
今天的人工智能系統(tǒng)擅長(zhǎng)于完成特定的任務(wù)，比如下棋或生成看起來(lái)像人類書(shū)寫(xiě)的文本。但與人類大腦相比，這些系統(tǒng)簡(jiǎn)直弱爆了。
它們?nèi)狈ΤＷR(shí)，無(wú)法在混亂的世界中完美運(yùn)行，無(wú)法進(jìn)行更復(fù)雜的推理，也無(wú)法更好地幫助人類。研究嬰兒的學(xué)習(xí)方式可以幫助我們釋放這些能力。
作者簡(jiǎn)介：梅麗莎海基萊（Melissa Heikkil）是《麻省理工科技評(píng)論》的資深記者，她著重報(bào)道人工智能及其如何改變我們的社會(huì)。此前，她曾在 POLITICO 撰寫(xiě)有關(guān)人工智能政策和政治的文章。她還曾在《經(jīng)濟(jì)學(xué)人》工作，并曾擔(dān)任新聞主播。
支持：Ren
運(yùn)營(yíng)/排版：何晨龍
