认识柏拉图，一种像人类婴儿一样获得直觉的人工智能

根据定义，“人类直觉”似乎表示我们与人工智能之间的障碍。 这就是为什么我们有直觉和反射性的——有时是冲动的——反应无法用逻辑解释，因此不能简单地转移到计算机上。 我的意思是，我们几乎无法解析我们自己对本能行为的推理，那么我们如何开发算法来对其进行编码？

但如果我们要进入一个栩栩如生的人工智能世界，我们将需要弥合这一差距。 我们需要弄清楚如何赋予机器人系统直觉的力量。 周一在《自然》杂志上，科学家们宣布他们已经推动了这一探索。

与英国人工智能研究实验室DeepMind合作，该团队开发了一种人工智能系统，可以学习“直觉物理学”，即对我们宇宙力学如何工作的常识性理解，就像人类婴儿一样。

它被命名为Physics Learning Through Auto- 编码和跟踪对象，或 PLATO - 无疑是对以洞穴寓言而闻名的希腊哲学家的点头，这是一个探索知识和意义的细微差别的思想实验。

“当前的人工智能系统在他们对直觉物理学的理解方面相形见绌 ，与甚至非常年幼的孩子相比，”研究作者在他们的论文中写道。 “在这里，我们利用发展心理学领域来解决人与机器之间的差距。”

如果你给婴儿看一个红球，然后用一本大书挡住它，孩子可能有点小 一开始很震惊。 她可能会想，“呃，那个红球是不是……消失了？” 但是如果她看到这种情况发生的次数足够多，她最终会意识到，“哦，它仍然存在，即使我看不到它。东西不会随机消失。我们有物理学！”

这被称为对象恒常性，在出生和两岁之间，它开始融入我们认为的直觉。

快进到成年，当一件物品被挡在我们的视线之外时，我们从不考虑它仍然存在的事实。 我们只知道。 新研究的团队希望帮助 PLATO 达到它只知道这样的物理知识的地步。 直觉物理学。

这就是一切都如何了。

基本上，研究小组首先仔细阅读了数十年来关于婴儿如何学习直觉物理学的发展心理学研究。 慢慢地，在阅读了这些文献之后，一个共同的主题开始出现——“通过将世界分解为一组离散的对象来支持物理理解的想法，”来自 DeepMind 的 Luis Piloto 在周一的新闻发布会上说。

换句话说 ，婴儿似乎通过观察物体四处移动、跌倒、互动、出现和消失来学习直觉物理。 你可能会说，必须看到它才能相信它。 根据这一原则，研究人员开发了一个深度学习模型，这是一个基于大量数据集的系统，可以随着时间的推移获得技能，从而调整自己的代码。 这是柏拉图。

然后，该团队向 PLATO 展示了 28 小时的动画文章，内容涉及涉及大量物体的简单物理。

例如，PLATO 看到一个球掉到地上或在其他物体后面滚动——甚至是“不可能”的场景，违反物理定律。 诸如物体相互穿过之类的东西。 您可能会在魔术师手册中找到的场景。

最后，一个问题仍然存在：柏拉图最终能否像你我小时候一样掌握直觉物理学？

嗯，经过 28 小时的训练，研究人员发现 它确实做到了。

根据 Piloto 的说法，PLATO 通过了所有直观的物理学习测试——关于团队提出的基准测试——并且理解了人类婴儿随着年龄增长而开始出现的许多模式。 它消化了连续性，或者说一个物体必须如何沿着轨迹从 A 点到达 B 点而不是瞬移，以及坚固性，这意味着两个物体不能同时在同一个物理空间中。 这只是两个这样的发现。

团队认识到 PLATO 真正了解这些常识性物理概念的方式是通过测量其对文章中接下来会发生什么的预测的准确度。 随着时间的推移，柏拉图的预测开始变得越来越好。 此外，Piloto 及其同事还可以测量一定程度的“惊讶”，这意味着 PLATO 的猜测与 PLATO 的观察结果大不相同。

果然，当PLATO看到奇怪的魔术般的文章时，事情没有加起来，表现出“惊讶”。 当球相交并违反物理定律时，它知道出了点问题。 如果是人类，它的下巴会像我们看魔术表演时一样掉下来。

但还有更多。

当接触到以前从未见过的新现象时，PLATO仍然能够应用它学到的直观物理学来准确预测接下来会发生什么。

“我们利用了另一个合成数据集的子集 由麻省理工学院的研究人员开发，”Piloto 说。 “这个数据集也探索物理知识，但它具有不同的视觉外观，重要的是，一组 PLATO 从未见过的物体。”

总而言之，PLATO 非常聪明——至少可以说相当令人印象深刻。 但更进一步，它不仅可以帮助科学家开发更逼真的人工智能系统，还可以为人类学习研究提供信息。

正如该研究的作者所写，“我们考虑了这些结果对人工智能和人类认知研究的影响。” 例如，柏拉图从动画文章中学到了很多关于直觉的知识，这基本上证明了视觉演示确实可以帮助某人——或某事——获得知识。

这导致了先天与后天的两难境地。

“数据表明直觉的物理知识出现在生命的早期，但会受到视觉体验的影响，”作者写道。 “当然，关于先天性存在广泛的争论和合理的不确定性。”