文章|海中天机器已经可以理解语音、识别面部图像、感知汽车安全。
看来近段时间科技已经有了很大的突破，已经变得相当强大了。
如果人工智能希望实现革命性的突破，创造出像人类一样的机器人，那么人工智能首先必须像孩子一样学习。
“最近，AI行业的思维焦点开始发生转移：过去，每个人都试图设计一个系统，让它能做成年人能做的事情。
现在每个人都意识到，如果他们想开发一个系统并使其灵活且强大，它可以做成年人可以做的事情。
加州大学伯克利分校的发展心理学家艾莉森·戈普尼克 (Alison Gopnik) 说：“首先要做的是开发一个可以像婴儿或儿童一样学习的系统。
如果你将计算机现在可以做的事情与 10 进行比较。
如果你与4岁的孩子相比，你会发现电脑有了很大的进步。
“婴儿和儿童会构建关于世界的理论，科学家使用同样的方法。
构建科学理论。
婴儿和儿童进行不断的努力。
这种努力是系统性和实验性的，对学习至关重要。
这是儿童的一种方式最近，Gopnik 与一组研究人员合作发现，15 个月大的婴儿比大一点的婴儿能够更好地理解因果关系。
给予相同的统计数据的儿童学得更好，因为他们的大脑更具弹性和可塑性，他们不会受到预先存在的知识的污染，因此更容易接受信息。
大脑不是静态的，并且每次都会发生变化。
结合发展心理学和计算机科学，人类也许能够弄清楚世界上最好的大脑是如何工作的，并将这种计算能力运用到机器中。
目前，人工智能需要大量数据来提取模式并得出结论。
孩子们对周围的世界知之甚少，他们通过统计评估来学习，即所谓的“贝叶斯学习”。
换句话说，孩子的理解不是基于结果的已知频率。
相反，它根据现有知识推断可能性，并且孩子在收到新信息时不断进行调整。
戈普尼克说：“当孩子们第一次看到新东西，或者第一次听到一个新单词时，他们已经很好地理解了这个新单词的含义，也很好地理解了这个词的用法。
这是最奇妙的事情。
即使没有太多数据，孩子也能有效学习，贝叶斯方法可以解释其中的原因。
“孩子们使用概率模型形成各种假设，将概率和可能性结合在一起，得出结论。
随着大脑的成熟并变得更加专门化以执行复杂的任务，大脑会变得不那么敏捷，并且随着时间的推移变得更难以改变。
随着人们年龄的增长和对世界了解的加深，某些神经连接会变得更强，大脑会形成基本的想法。
此时，大脑形成假设和从少量信息中提取理论的能力受到抑制。
一般来说，婴儿和5岁以下的儿童都会经历这个过渡过程。
“每一次收获都必然伴随着损失。
你知道的越多，就越难考虑新的可能性。
”戈普尼克说，“你知道的越多，你对已知知识的依赖就越大，开放性就越小。
从此以后，从进化的角度来看，婴儿知道的不多，所以他们学习新事物的能力更强。
” “在孩子生命的最初几年，每隔几秒钟就会形成新的神经结，大脑非常灵活，可以快速处理来自环境、社交互动的大量信息。
大脑在早期阶段具有很强的可塑性。
随着孩子的成长，贝叶斯学习已经成为一种强大的工具，而计算机科学家现在正在用它来重新设计智能学习机器。
麻省理工学院认知计算机科学家兼认知脑科学教授约书亚·特南鲍姆（Joshua Tenenbaum）与戈普尼克合作，将计算机和心理学结合在一起，他说：“孩子们进入了一个已经有了基本构建模块的新世界。
这些块可以帮助我们理解一些复杂的概念，然后我们必须学习获取原始构建块并根据分散的数据进行推理的机制和原理。
做出因果推论。
“人工智能软件有多智能？无论处于哪个发育阶段，人脑都需要通过一系列感觉系统来认识世界：视觉、听觉、嗅觉、味觉、触觉、空间定向和平衡。
如果可用的数据有限，大脑就会填补空白。
尽管婴儿的大脑可能缺乏一种或多种感觉功能，但他们在处理信息方面更加敏捷。
泰拉·贝尔说：“孩子们学习像科学家一样理解世界，例如形成理论、做实验、玩耍以了解他们能发现什么、积极思考、寻找检验理论的最佳方法以及对意外事件做出反应。
” Terra Bell 与纽约大学和多伦多大学的一组研究人员合作，设计了可以更有效、更复杂地使用的人工智能软件。
获得新知识的方法今年12月，该团队的研究成果发表在《科学》杂志上，论文谈到了如何编写机器学习算法，让计算机可以像人类一样处理信息，在看到一个例子后，新的AI程序可以识别。
通过贝叶斯程序学习框架，该软件将为任何至少见过一次的手写字符生成一组独特的程序，当该算法的独特功能真正显现出来时。
机器面临着陌生的角色。
该算法不是搜索自己的数据库来查看是否存在匹配，而是将字符的部分和子部分（以前见过的字符）组合起来形成一个新字符，然后使用概率程序来检验假设。
正确性。
婴儿也是通过这种方式学习的。
虽然数据有限，但当宝宝看到以前没见过的人物或物体时，他会从有限的数据中提取丰富的概念。
孩子们可以形成零假设，并在形成过程中自动学习。
目前，软件无法模拟这种能力。
一旦科学家设计出能够生成零假设和真实目标的软件，例如，程序自行产生识别手写字符的“欲望”，而不是在研究人员的指导下，那么人工智能将取得巨大的飞跃。
如果不能由自身生成的目标驱动，AI系统的自动化能力将永远受到限制。
“利用越来越多的数据持续学习是每个人工智能系统都希望实现的目标。
” Terra Bell 表示，“问题在于自动学习很困难。
总是有一个人在控制，他决定向系统提供多少数据、提供哪种类型的数据。
”婴儿会做出自己的选择。
当前的人工智能系统没有任何目标，就没有办法自己学习。
在人类的指导下，机器人可以拿起盒子，看到它们完成任务让我们惊叹不已，因为它完成了人类正在做的事情，但机器人无法像孩子那样复杂地思考，在虚拟神经网络上部署了机器学习算法。
，它可以深度模拟人脑的工作原理，当机器识别物体时，需要搜索庞大的数据集来寻找匹配的数据，从而达到识别物体的目的，这与人类的依赖程度较高不同。
“我们正在尝试编写一个计算机程序，相当于大脑软件，我们也可以称之为意识。
”特拉贝尔说，“意识是软件，它运行在大脑上。
”硬件，我们正在尝试在软件层面构建它。
AI中的神经网络相当于软件层面的计算机程序。
2006年，美国国家科学基金会向麻省理工学院提供为期五年的1万美元拨款，用于建立大脑、思维和机器中心。
机）。
来自不同领域的科学家和工程师共同努力，深入研究大脑如何执行复杂操作的原理。
他们希望开发出接近人类智能的智能机器。
“直到最近，我们还没有实现我们目标的数学理论和计算机模型，”泰拉贝尔说。
“我们需要更多的资源、聪明的人才、公司、技术，可能还需要更快的计算机。
我们可能需要等待，或者依靠其他工程突破，才能实现幼儿的智力。
《模拟宝贝宝贝》创始人，曾为《阿凡达》、《金刚》等电影制作动画，并获得多项奖项。
实验室里有一个3D电脑屏幕，屏幕上，西格尔在玩躲猫猫该系统名为 BabyX，可以学习、思考、生成面部表情并自主做出反应。
Segel 最初在麻省理工学院从事身体部位的医学模拟工作，在那里他对数字面部技术进行了深入研究。
并利用这项技术开发了BabyX，Segel开发的动画AI可以模拟他的面部表情，朗读简单的单词，识别物体，玩一些经典的视频游戏。
随着时间的推移，BabyX变得越来越聪明。
事实上，BabyX不仅仅是Segel的。
“大脑宝贝”，也是西格尔女儿的模型，西格尔将女儿的信息上传到系统中，复制了女儿的行为、面部表情和声音。
谈话中，西格尔给BabyX打电话。
“她”，他还解释了 BabyX 的功能，它通过模拟神经活动驱动的光缆运行，类似于连接大脑的脊髓。
因为BabyX是一个AI交互化身，它可以学习、获取信息、与他人交流。
以前的系统不太一样，西格尔说：“我们开发的系统与大多数系统不同。
在神经科学、感知科学中，有许多相互竞争的理论，而我们目前的知识只是冰山一角。
这些方法受到生物学的启发，但这个过程中最困难的部分（也是最有趣的）是：不同级别的互动可以产生多少认知能力？“团队测试了 BabyX 对人类互动的反应。
BabyX 可以处理人类的情感并理解行为背后的含义。
BabyX过去曾与Segel互动过，它会从过去的互动中学习，然后给出正确的反应。
上面显示的屏幕是 BabyX 的脸。
脸部背后是一个实时大脑模拟系统，可以提示脸部模拟图像，并使其对观众眨眼或微笑。
Seger 认为，要开发有效的交互式人工智能，人脸是关键。
因为它可以反映大脑和意识的状态。
例如，即使是一个简单的微笑，也是由复杂的、相互交织的系统控制的，这些系统“通过将用户的动作与 BabyX 的动作联系起来”与大脑相连。
起来吧，BabyX 继续学习。
Segel解释说，“例如，如果你在学习过程中听到婴儿牙牙学语，BabyX就会控制引擎移动脸部或手臂。
”如果用户给出的响应相似，则代表 BabyX 动作的神经元将通过一种称为 Hebbian 学习的方法连接到响应用户动作的神经元。
神经元相互作用并合而为一。
“随着这个过程的重复，新的神经连接会在 BabyX 的模拟大脑中建立一个地图，将 BabyX 的动作与用户的动作进行匹配，为更高级别的模拟奠定基础。
人类的大脑也以类似的方式运作。
每次完成时，每一个动作，大脑都会形成新的连接，这些连接会在重复的过程中得到加强，大脑在处理环境的过程中会产生信息，最终模拟婴儿的不断学习，并利用这些信息形成持续的学习反应。
人类大脑处理信息并在大脑内产生化学反应，例如产生多巴胺或催产素，BabyX的算法需要模拟并解释这个过程，当BabyX无法理解某个单词或动作时，它会表达出自己的困惑。
，如果它正确地发音了一个单词，它就会开心地笑。
神经系统是由算法控制的。
在算法的支持下，BabyX可以模拟形成奖励系统，通过互动和演示来学习新信息。
“生物行为、情感和认知计算模型如何与动画集成，特别是面部集成，是我们想要探索的一个领域。
”面部是人类体验许多方面的关键连接点，”Segel 说。
未来我们可能会与更复杂、更自主的技术互动，并利用它们来探索学习和心理发展的基础知识对于实现这一目标至关重要。