人类婴儿具有令人羡慕的能力。尽管他们要在很长一段时间里完全依赖父母才能生存下去，但他们可以做到一些很了不起的事情。
婴儿自带对这个世界物理规律的理解，即使能吸收的信息很有限，他们也能很快地学会新概念和新语言。
（来源：AI 生成）
即使是我们今天拥有的最强大的人工智能系统也缺乏这些能力。例如，为 ChatGPT 等系统提供动力的大型语言模型非常善于预测句子中的下一个单词，但在常识性方面远远比不上婴儿。
但如果人工智能可以像婴儿一样学习呢？人工智能模型通常是在由数十亿个数据点组成的庞大数据集上训练的。
美国纽约大学的研究人员想看看，当这些模型在一个小得多的数据集上训练时，它们能做到什么。
他们用一个正在学习说话的孩子所经历的景象和声音作为数据。令人惊讶的是，人工智能模型学到了很多东西。而这要归功于一个名叫山姆的好奇宝宝。
在山姆六个月大的时候，研究人员就开始偶尔把相机绑在他的头上，在之后的一年半里，他经常戴着相机进行日常活动。
卡桑德拉威拉德（Cassandra Willyard）表示，他收集的材料使研究人员能够教会神经网络将单词与它们所代表的物体进行匹配。
婴儿让我们离教会计算机像人类一样学习又近了一步，这项研究只是一次尝试，最终目的是构建出和我们一样智能的人工智能系统。婴儿是敏锐的观察者和优秀的学习者，多年来一直启发着研究人员。
婴儿也会通过试错来学习，随着我们对世界的了解越来越多，人类也变得越来越聪明。发展心理学家说，婴儿对接下来会发生什么事情有一种直觉。
例如，即使球被藏起来，他们也知道球仍然存在。他们还知道球是实心的，不会突然改变形状，它会在没有障碍物的道路上滚动，不会突然传送到其他地方。
谷歌 DeepMind 的研究人员试图通过训练一个模型来教会人工智能系统具有同样的“直觉物理感”，该模型通过关注视频中的物体（对象）而不是单个像素来学习物体的运动方式。他们使用了数十万个视频训练模型，以了解物体的行为。
理论上，如果婴儿对突然从窗户飞出的球感到惊讶，那是因为物体的运动方式违背了婴儿对物理的理解。
谷歌 DeepMind 的研究人员也设法让他们的人工智能系统在物体“违背”其该有的移动方式时表现出“惊讶”。
图灵奖得主、Meta 首席人工智能科学家杨立昆（Yann LeCun）认为，教人工智能系统像孩子一样观察世界，可能是迈向更智能系统的途径。
他说，人类的大脑中有一个世界模拟或“世界模型”，使我们能够直观地知道世界是三维的，物体在离开视野时并不会真正消失。
它可以让我们预测几秒钟后一个弹跳的球或一辆超速行驶的自行车会出现在哪里。目前杨立昆正忙于构建全新的人工智能架构，这些架构的灵感来自于人类的学习方式。
今天的人工智能系统擅长于完成特定的任务，比如下棋或生成看起来像人类书写的文本。但与人类大脑相比，这些系统简直弱爆了。
它们缺乏常识，无法在混乱的世界中完美运行，无法进行更复杂的推理，也无法更好地帮助人类。研究婴儿的学习方式可以帮助我们释放这些能力。
作者简介：梅丽莎海基莱（Melissa Heikkil）是《麻省理工科技评论》的资深记者，她着重报道人工智能及其如何改变我们的社会。此前，她曾在 POLITICO 撰写有关人工智能政策和政治的文章。她还曾在《经济学人》工作，并曾担任新闻主播。
支持：Ren
运营/排版：何晨龙
