圖丨DeepMind論文配圖，機(jī)器學(xué)習(xí)對(duì)各項(xiàng)物理系統(tǒng)的預(yù)測在第二篇論文中，研究人員展示了系統(tǒng)預(yù)測簡單物體行為的能力。研究人員使用了一個(gè)類似的、被修改過的機(jī)器學(xué)習(xí)系統(tǒng)，演示系統(tǒng)如何學(xué)習(xí)在二維空間中預(yù)測簡單物體的行為。

 

　　人類通常在三維空間做這樣的實(shí)驗(yàn)，比如抓住一個(gè)球或者開車。但心理學(xué)實(shí)驗(yàn)表明，當(dāng)預(yù)測動(dòng)作對(duì)物體的影響時(shí)，人類大腦會(huì)使用“直覺物理”引擎，這比簡單地識(shí)別場景中的物體要復(fù)雜得多。

 

　　雖然論文中的這一進(jìn)步并不新奇，但卻正是研究人員所需要的。今天的很多機(jī)器學(xué)習(xí)系統(tǒng)都令人印象深刻，但其中大部分其實(shí)都只涉及狹義的機(jī)器學(xué)習(xí)任務(wù)。因此，如果設(shè)計(jì)者沒有新的創(chuàng)意，器學(xué)習(xí)系統(tǒng)就很難像人類一樣進(jìn)行真正的對(duì)話或解決困高難度問題。

 

　　圖丨機(jī)器的認(rèn)知表現(xiàn)

 

　　研究人類智慧的哈佛大學(xué)心理學(xué)教授Sam Gershman說，如果我們想讓人工智能的表現(xiàn)接近我們自己，我們需要考慮的是，模仿人類智慧來設(shè)計(jì)人工智能機(jī)器。

 

　　他說：“我們的大腦以對(duì)象，代理（agent）和事件之間的關(guān)系代表世界，這種方式在很大程度上限制了我們從數(shù)據(jù)中得出的推論，使得我們很難學(xué)習(xí)一些東西，而很容易學(xué)習(xí)另一些東西。所以在這個(gè)意義上，DeepMind是朝著正確方向邁出了一步：模仿人類大腦受到的制約因素，使機(jī)器能夠?qū)W習(xí)那些對(duì)于人類來說容易學(xué)習(xí)的任務(wù)。“然而，Gershman也警告說不要夸大DeepMind工作的意義。他說：“任何特定機(jī)器學(xué)習(xí)任務(wù)的超人表現(xiàn)都不意味著超人類的智慧。”

 

　　關(guān)系推理也只是人類智慧的一個(gè)要素。Gershman在他去年發(fā)表的一篇論文中，探討了目前人工智能所缺失的人類智慧。例如，人類有語意組合的能力，有從現(xiàn)有知識(shí)中構(gòu)建新的想法來解決問題的能力，而這些人工智能都沒有。

 

　　Gershman說：“對(duì)于人類智慧來說，關(guān)系推理是必要條件但不是充分條件。”