人類的大腦，不管處在哪一個(gè)發(fā)展階段，都是被設(shè)計(jì)通過(guò)一系列的感覺(jué)系統(tǒng)，包括視覺(jué)、聽(tīng)覺(jué)、嗅覺(jué)、味覺(jué)、觸覺(jué)、空間取向和平衡從而進(jìn)入物理世界。當(dāng)一個(gè)人只有有限的數(shù)據(jù)時(shí)，大腦就會(huì)填補(bǔ)空白，這是一種被稱為「退化（degeneracy）」的神經(jīng)結(jié)構(gòu)現(xiàn)象。盡管嬰兒的大腦缺乏一個(gè)或多個(gè)感知，但是他們還是尤其擅長(zhǎng)處理信息。

 

　　Tenenbaum說(shuō)：「為了理解世界，孩子們會(huì)像科學(xué)家一樣學(xué)習(xí)，這包括形成理論、進(jìn)行試驗(yàn)、玩耍并且看看到他們可有所發(fā)現(xiàn)的東西，積極思考什么是正確的方法來(lái)測(cè)試他們的理論或者應(yīng)對(duì)一些他們沒(méi)有想到的東西，并試圖找出什么是錯(cuò)，什么是對(duì)。」

 

　　采取孩子的措施

 

　　Tenenbaum和來(lái)自紐約大學(xué)和多倫多大學(xué)的研究人員團(tuán)隊(duì)合作設(shè)計(jì)了一種能夠以更有效和更復(fù)雜的方式捕獲新知識(shí)的人工智能軟件。在2015年12月，他們的研究論文《Human-level concept learning through probabilistic programinduction》指出用于創(chuàng)建計(jì)算機(jī)的機(jī)器學(xué)習(xí)算法接近我們所處理信息的方式；該論文已發(fā)表在Science雜志上。

 

　　新的人工智能程序可以在看到一個(gè)樣本之后就像人類一樣準(zhǔn)確地識(shí)別手寫字符。使用貝葉斯程式學(xué)習(xí)框架，軟件能夠?yàn)槊總€(gè)至少看到一次的手寫字符生成一個(gè)獨(dú)特的指令。但是，當(dāng)機(jī)器面臨一個(gè)不熟悉的特性的時(shí)候，這種算法的獨(dú)特功能就發(fā)揮了作用。它從數(shù)據(jù)搜索轉(zhuǎn)換到尋找匹配，使用概率程序并通過(guò)組合已經(jīng)見(jiàn)過(guò)的字符的部分和子部分來(lái)創(chuàng)建一個(gè)新的字符以此檢測(cè)其假設(shè)——即當(dāng)嬰兒面對(duì)他們從未見(jiàn)過(guò)的角色和對(duì)象時(shí)，他們?nèi)绾螐挠邢薜臄?shù)據(jù)中學(xué)習(xí)到豐富的概念。

 

　　然而，軟件仍然無(wú)法通過(guò)形成原始假設(shè)自主學(xué)習(xí)方式模仿孩子學(xué)習(xí)的方式。當(dāng)研究人員能夠設(shè)計(jì)具有原始假設(shè)和真實(shí)的目標(biāo)的軟件時(shí)（例如產(chǎn)生識(shí)別字符的愿望而非遵循研究者的指令），人工智能系統(tǒng)的潛力將會(huì)有里程碑式的轉(zhuǎn)變。沒(méi)有自我驅(qū)動(dòng)的目標(biāo)，人工智能系統(tǒng)就限制了他們自主運(yùn)作的潛力。

 

　　Tenenbaum說(shuō)：「使用越來(lái)越多的數(shù)據(jù)進(jìn)行的持續(xù)性學(xué)習(xí)是任何人工智能系統(tǒng)都想要做到的，但自主學(xué)習(xí)卻是棘手的，因?yàn)榭倳?huì)有人來(lái)操控整件事情，數(shù)據(jù)的數(shù)量與類型也由他們給出。嬰兒是自主選擇的，但是要讓人工智能系統(tǒng)能夠更自主地構(gòu)建自己學(xué)習(xí)過(guò)程仍舊是一個(gè)眾所周知的挑戰(zhàn)。目前的人工智能系統(tǒng)并沒(méi)有建立任何目標(biāo)，應(yīng)此它們也無(wú)法為自己的學(xué)習(xí)負(fù)責(zé)。當(dāng)一個(gè)機(jī)器人按指示拿起一個(gè)盒子時(shí)，看著它們做著和人類一樣的事情是非常令人欣喜的，然而它們并不會(huì)擁有像孩子那樣復(fù)雜的思維水平?！?/div>