“最近一段時(shí)間，AI行業(yè)的思考重點(diǎn)開始轉(zhuǎn)移：以前大家試圖設(shè)計(jì)出一套系統(tǒng)，讓它可以做成人能做的事，現(xiàn)在大家意識到如果想開發(fā)系統(tǒng)，讓它靈活強(qiáng)大，可以做成人做的事情，首先要開發(fā)出可以像嬰兒、孩子一樣學(xué)習(xí)的系統(tǒng)。”加州大學(xué)伯克利分校發(fā)展心理學(xué)家阿里森·高普尼克（Alison Gopnik）說，“如果將現(xiàn)在電腦所能做的事與10年前對比，就會發(fā)現(xiàn)電腦取得了很大的進(jìn)步，如果將它與4歲的孩子對比，就會發(fā)現(xiàn)差距還很大。”

 

　　嬰兒與孩子會構(gòu)建與世界有關(guān)的理論，科學(xué)家用同樣的方法構(gòu)建科學(xué)理論。嬰兒與孩子會不斷努力，這種努力是系統(tǒng)性、實(shí)驗(yàn)性的，它對學(xué)習(xí)至關(guān)重要，孩子用這種方式探索自己所處的環(huán)境，了解環(huán)境中的人。

 

　　最近，高普尼克與一個(gè)研究團(tuán)隊(duì)攜手合作，發(fā)現(xiàn)在相同的統(tǒng)計(jì)數(shù)據(jù)條件下，15個(gè)月大的嬰兒比年長的孩子更容易理解因果效應(yīng)。嬰兒和年輕孩子的學(xué)習(xí)能力更強(qiáng)，因?yàn)樗鼈兊拇竽X更具彈性，可塑性更強(qiáng)，他們沒有被預(yù)先存在的知識所污染，因此在接受信息時(shí)更加開放。大腦并不是一成不變的，每學(xué)習(xí)一次就會改變一點(diǎn)。

 

　　將發(fā)展心理學(xué)、計(jì)算機(jī)科學(xué)結(jié)合起來，人類也許可以搞清世界上那些最棒的大腦是如何運(yùn)行的，并將這種計(jì)算能力放進(jìn)機(jī)器。就目前而言，AI需要龐大的數(shù)據(jù)來提取模式、獲得結(jié)論。

 

　　孩子對周圍世界的了解很少，他們用統(tǒng)計(jì)評估方式學(xué)習(xí)——也就是所謂的“貝葉斯學(xué)習(xí)”。換言之，孩子的理解并不是根據(jù)結(jié)果的已知頻率做出的，相反，它以現(xiàn)有知識推斷可能性，當(dāng)接受到新信息時(shí)，孩子會不斷調(diào)整。

 

　　高普尼克說：“孩子第一次看到新東西時(shí)，或者第一次聽到新單詞時(shí)，他們已經(jīng)對新單詞的意思有了不錯(cuò)的理解，對單詞的使用也有了不錯(cuò)的理解，這才是最驚人的地方。即使沒有太多的數(shù)據(jù)，孩子也可以有效學(xué)習(xí)，貝葉斯方法能夠很好解釋原因。”

 

　　孩子用概率性模型形成各種假設(shè)，這些假設(shè)將概率、可能性結(jié)合在一起，得出結(jié)論。當(dāng)大腦越來越成熟，為了執(zhí)行復(fù)雜的任務(wù)，大腦越來越專業(yè)化，結(jié)果導(dǎo)致大腦的敏捷性下降，隨著時(shí)間的推移越來越難改變。當(dāng)人漸漸長大，對世界的理解加深，某些神經(jīng)連接會更強(qiáng)，大腦就會形成基本觀點(diǎn)，此時(shí)大腦形成假定的能力、從少量信息提取理論的能力會受到壓制。一般來說，5歲以下的嬰兒和孩子都會經(jīng)歷這一轉(zhuǎn)變過程。

 

　　“有得必有失，你知道得越多越難考慮新的可能性。”高普尼克表示，“你知道越多，你對已知知識的依賴也就越大，不再那么開放。從進(jìn)化的角度來看，嬰兒知道的東西不多，所以學(xué)習(xí)新東西的能力更強(qiáng)。”

 

　　在孩子出生的前幾年，每幾秒鐘就會有700個(gè)新的神經(jīng)結(jié)形成，大腦極富彈性，可以處理迅速增加的信息，這些信息來自環(huán)境、社會互動(dòng)。大腦早期的可塑性很強(qiáng)，與成人相比，小孩重新構(gòu)建大腦架構(gòu)更容易一些。在孩子的成長過程中，貝葉斯學(xué)習(xí)已經(jīng)成為一種強(qiáng)有力的工具，計(jì)算機(jī)科學(xué)家現(xiàn)在用它重新設(shè)計(jì)智能學(xué)習(xí)機(jī)器。

 

　　MIT大腦認(rèn)知科學(xué)教授、計(jì)算機(jī)認(rèn)知科學(xué)家約書亞·泰拉貝爾（Joshua Tenenbaum）表示：“貝葉斯數(shù)學(xué)努力理解孩子學(xué)習(xí)的秘訣。”他與高普尼克攜手合作，將計(jì)算機(jī)與心理學(xué)融合在一起。泰拉貝爾說：“孩子進(jìn)入一個(gè)新世界，那里已經(jīng)有基本建造塊，這些塊可以幫助我們理解一些復(fù)雜的概念，然后我們還要學(xué)習(xí)獲得最初建造塊的機(jī)制和原理，根據(jù)零散數(shù)據(jù)做推斷，得出因果推論。”

 

　　AI軟件有多聰明？

 

　　不論處在怎樣的發(fā)展階段，人腦都需要通過一系列感知系統(tǒng)了解世界：視覺、聽覺、嗅覺、味道、觸覺、空間方位、平衡。如果獲得的數(shù)據(jù)有限，大腦會填充空白區(qū)。雖然嬰兒的大腦可能會缺少一種或者幾種感知功能，但是它們在處理信息時(shí)更加敏捷。

 

 

　　泰拉貝爾說：“孩子像科學(xué)家一樣學(xué)著理解世界，比如形成理論、做實(shí)驗(yàn)、玩耍、看看自己能發(fā)現(xiàn)什么，積極思考，尋找驗(yàn)證理論的最佳方法，對預(yù)料之外的事情做出反應(yīng)，努力搞清什么是錯(cuò)誤的什么是正確的。”

 

　　泰拉貝爾與一個(gè)研究團(tuán)隊(duì)合作，這個(gè)團(tuán)隊(duì)的成員來自紐約大學(xué)、多倫多大學(xué)，他們攜手設(shè)計(jì)AI軟件，該軟件可以用更高效、更復(fù)雜的方式獲得新知識。2015年12月，團(tuán)隊(duì)的研究成果發(fā)表在《科學(xué)》雜志上，論文談到了如何編寫機(jī)器學(xué)習(xí)算法，讓計(jì)算機(jī)可以像人一樣處理信息。

 

　　看了一個(gè)范例之后，新的AI程序可以識別手寫字符，精準(zhǔn)度和人類一樣。通過貝葉斯程序?qū)W習(xí)框架，凡是之前看過至少一次的手寫字符，軟件都會為它們生成一套獨(dú)特的程序。當(dāng)機(jī)器面對不熟悉的字符時(shí)，算法的獨(dú)特功能才真正顯露出來。

 

　　此時(shí)算法不會查找自己的數(shù)據(jù)庫，看看有沒有匹配的，相反，它會將字符（之前看過的字符）的部件和子部件結(jié)合起來，形成一種新的字符，然后用概率程序測試假定的正確性。嬰兒也是這樣學(xué)習(xí)的，雖然數(shù)據(jù)有限，當(dāng)嬰兒看到的字符或者對象是之前沒有看到過的，他會從有限數(shù)據(jù)中提取豐富的概念。

 

　　孩子可以形成原假設(shè)，并在形成的過程中自動(dòng)學(xué)習(xí)，目前軟件還無法模擬這種能力。一旦科學(xué)家設(shè)計(jì)出軟件，可以生成原假設(shè)和真正目標(biāo)，例如，程序自己產(chǎn)生“欲望”，渴望識別手寫字符，而不是在研究人員的指引下進(jìn)行，此時(shí)AI就會出現(xiàn)巨大的飛躍。如果不能用自己生成的目標(biāo)驅(qū)動(dòng)，AI系統(tǒng)的自動(dòng)化能力始終會受到限制。

 

　　“用越來越多的數(shù)據(jù)持續(xù)學(xué)習(xí)，這是每一個(gè)AI系統(tǒng)都想達(dá)成的目標(biāo)。”泰拉貝爾表示，“問題在于自動(dòng)學(xué)習(xí)很困難?？倳幸粋€(gè)人掌控一切，他決定給予系統(tǒng)多少數(shù)據(jù)，給予哪類數(shù)據(jù)。”

 

　　嬰兒自己會做出選擇。讓AI自己為學(xué)習(xí)流程組建架構(gòu)，這是一個(gè)公開的挑戰(zhàn)。目前的AI系統(tǒng)沒有任何目標(biāo)，如果沒有任何目標(biāo)，就沒有辦法自己學(xué)習(xí)。在人類的指引下，機(jī)器人可以撿起盒子，看到他們完成任務(wù)，我們會贊嘆，因?yàn)樗隽巳祟愓谧龅氖?。盡管如此，機(jī)器人無法像孩子一樣進(jìn)行復(fù)雜的思考。

 

　　泰拉貝爾與同事在虛擬神經(jīng)網(wǎng)絡(luò)上部署機(jī)器學(xué)習(xí)算法，它可以深度模擬人類大腦的運(yùn)行原理。當(dāng)機(jī)器識別對象時(shí)，它需要搜索龐大的數(shù)據(jù)集，尋找匹配的數(shù)據(jù)，從而達(dá)到識別對象的目的。人類不同，人類依賴更高形式的感知功能解釋對象的內(nèi)容。

 

　　“我們正在嘗試編寫計(jì)算機(jī)程序，它相當(dāng)于大腦軟件，我們也可以管它叫意識。”泰拉貝爾表示，“意識就是軟件，它在大腦硬件上運(yùn)行，我們試圖在軟件層面上構(gòu)建它。AI中的神經(jīng)網(wǎng)絡(luò)相當(dāng)于軟件層面的計(jì)算機(jī)程序。”

 

　　2013年，美國國家科學(xué)基金會向MIT提供2500萬美元贊助資金，為期5年，讓它建立一個(gè)腦、意識和機(jī)器研究中心（Center for Brains, Minds and Machines）。來自不同領(lǐng)域的科學(xué)家、工程師攜手合作，深入研究大腦執(zhí)行復(fù)雜運(yùn)算的原理，他們希望能夠開發(fā)出智能機(jī)器，讓它接近人類智力。

 

　　“直到最近，我們才有了可以達(dá)成目標(biāo)的數(shù)學(xué)理論和計(jì)算機(jī)模型。”泰拉貝爾說，“我們需要更多的資源、聰明人、企業(yè)、技術(shù)，可能還需要更快的計(jì)算機(jī)。我們可能需要等待，或者依賴其它工程突破才能獲得年輕小孩一樣的智力。”

 

 

　　新西蘭奧克蘭大學(xué)生物工程研究所也在努力縮小大腦與機(jī)器的差距，它開發(fā)了一個(gè)模擬互動(dòng)?jì)雰?。馬克·塞格爾（Mark Sagar）是生物工程研究所動(dòng)畫技術(shù)實(shí)驗(yàn)室的主管、創(chuàng)始人，他曾為《阿凡達(dá)》、《金剛》等電影制作動(dòng)畫，獲得了許多獎(jiǎng)項(xiàng)。在實(shí)驗(yàn)室內(nèi)有一塊3D電腦屏幕，在屏幕上，塞格爾與一個(gè)金發(fā)孩子玩躲貓貓游戲，這套系統(tǒng)名叫BabyX，它可以學(xué)習(xí)、思考、生成面部表情、自主做出回應(yīng)。
 

　　最開始時(shí)，塞格爾在MIT工作，從事身體組件醫(yī)學(xué)模擬研究，在那里，他對數(shù)字面部技術(shù)深入研究，并利用該技術(shù)開發(fā)了BabyX。塞格爾開發(fā)的動(dòng)畫AI可以模擬他的面部表情，可以將簡單的單詞大聲讀出來，可以識別對象，可以玩一些經(jīng)典視頻游戲，隨著時(shí)間的推移，BabyX越來越聰明。事實(shí)上，BabyX不只是塞格爾的“大腦嬰兒”，它還是塞格爾女兒的模型。

 

　　為了構(gòu)建BabyX，在女兒6個(gè)月、18個(gè)月、24個(gè)月大時(shí)，塞格爾為女兒做了掃描，然后將信息上傳到系統(tǒng)。通過動(dòng)畫技術(shù)（相當(dāng)于早期AI技術(shù)），他復(fù)制了女兒的行為、面部表情、聲音。在談話過程中，塞格爾將BabyX稱為“她”，他還解釋了BabyX的能力，BabyX通過光纖線纜運(yùn)行，線纜由模擬神經(jīng)活動(dòng)驅(qū)動(dòng)，類似于連接大腦的脊髓。因?yàn)锽abyX是一個(gè)AI互動(dòng)替身，它可以學(xué)習(xí)，獲取信息，與之前的系統(tǒng)不太相同。

 

　　塞格爾表示：“我們的開發(fā)方法與大多數(shù)人不同。在神經(jīng)系統(tǒng)科學(xué)、感知科學(xué)中，有許多理論彼此競爭，我們目前掌握的知識只是冰山一角。一些方法受到了生物學(xué)的啟迪，在研究過程中最困難的部分（也是最有趣的部分）在于：按不同程度進(jìn)行交互作用，從中能夠生成多高程度的認(rèn)知能力？”

 

　　團(tuán)隊(duì)測試了BabyX對人類互動(dòng)的反應(yīng)。BabyX可以處理人類情緒，可以理解動(dòng)作背后的意義，過去BabyX與塞格爾有過互動(dòng)，它會從過往互動(dòng)中學(xué)習(xí)，然后給出正確的回應(yīng)。屏幕上面顯示的是BabyX的臉，臉的背后是腦部實(shí)時(shí)模擬系統(tǒng)，它可以提示面部模擬圖像，讓它向觀眾眨眼或者微笑。塞格爾相信，要開發(fā)出有效的互動(dòng)AI，面部是關(guān)鍵，因?yàn)樗梢苑磻?yīng)腦部和意識的狀態(tài)。例如，即使只是一個(gè)簡單的微笑，也是由復(fù)雜、互相編織的系統(tǒng)控制的，這些系統(tǒng)與大腦連接在一起。

 

　　“通過將用戶的動(dòng)作與BabyX的動(dòng)作聯(lián)系起來，BabyX不斷學(xué)習(xí)。”塞格爾解釋說，“例如，在學(xué)習(xí)過程中如果聽到嬰兒發(fā)出的咿啞聲，BabyX會控制引擎移動(dòng)臉部或者手臂。如果用戶給出的反應(yīng)很相似，代表BabyX動(dòng)作的神經(jīng)元就會與響應(yīng)用戶動(dòng)作的神經(jīng)元聯(lián)系起來，通過一種名叫Hebbian學(xué)習(xí)的方法聯(lián)系在一起。神經(jīng)元彼此交互，融為一體。”

 

　　流程不斷重復(fù)，新的神經(jīng)連接就會在BabyX的模擬大腦中構(gòu)建圖譜，將BabyX的動(dòng)作與用戶的動(dòng)作匹配，為更高層次的模擬奠定基礎(chǔ)。人類大腦的運(yùn)作形式與此類似。每完成一個(gè)動(dòng)作，大腦都會形成新的連接，這種連接會在重復(fù)過程中強(qiáng)化。

 

　　在處理環(huán)境的過程中大腦會生成信息，最終模擬嬰兒不斷學(xué)習(xí)，利用信息形成回應(yīng)。從本質(zhì)上講，BabyX就是在利用不斷改進(jìn)的代碼持續(xù)學(xué)習(xí)。

 

　　人類大腦處理信息，在大腦內(nèi)部產(chǎn)生化學(xué)反應(yīng)，比如生成多巴胺或者催產(chǎn)素，BabyX的算法需要模擬、解釋這一過程。當(dāng)BabyX無法理解某個(gè)詞匯或者動(dòng)作時(shí)，它會表達(dá)自己的困惑，如果正確讀出一個(gè)詞匯，它會愉快地笑起來。神經(jīng)系統(tǒng)由算法控制，在算法的支持下，BabyX可以模擬、形成一套獎(jiǎng)賞系統(tǒng)，通過互動(dòng)、演示學(xué)習(xí)新的信息。

 

　　“生物式行為、情緒、認(rèn)知運(yùn)算模式如何與動(dòng)畫整合，尤其是在面部整合，這是我們想探索的領(lǐng)域。”塞格爾說，“對于人類體驗(yàn)的許多方面來說，面部都是關(guān)鍵連接點(diǎn)。未來我們可能會與更復(fù)雜、更自主的技術(shù)互動(dòng)，使用它們，探索學(xué)習(xí)、心智發(fā)展的基本面對于這一目標(biāo)的實(shí)現(xiàn)相當(dāng)關(guān)鍵。”

 

　　面部是溝通的主要手段之一，塞格爾希望自己的“孩子”可以為未來的健康、教育應(yīng)用奠定基礎(chǔ)，程序可以與患有孤獨(dú)癥、存在社交障礙的孩子互動(dòng)。開發(fā)一套系統(tǒng)，它可以識別人類的情緒并進(jìn)行處理，理解人類的感受，這就是AI研究的目標(biāo)，我們渴望建造一個(gè)大腦，讓它可以自己思考，正如我們從出生那天起所做的一樣。