写于 2017-01-02 10:33:31| 新开户送58体验金| 体育

这篇文章最初出现在国际商业时代的机器上,它能够理解言语,识别人脸并安全地驾驶汽车,使得最近的技术进步看起来非常强大

但是,如果人工智能领域将推动人类机器的变革性飞跃,它首先必须掌握婴儿学习的方式

“相对最近的AI,人们已经从思考设计可以做成人能做的事情的系统转变为实现如果你想让系统灵活强大的和做成年人所做的各种事情,你需要有能够学习婴儿和儿童方式的系统,“发展心理学家加州大学伯克利分校研究员Alison Gopnik告诉国际商业时报”如果你比较10年前计算机现在可以做什么和他们可以做什么,他们肯定取得了很大的进步,但我如果你把它们与4岁的孩子做比较,仍然有很大的差距

“在这些幻灯片中查看本周所有最好的照片婴儿和儿童使用科学家使用的相同方法构建关于他们周围世界的理论构建科学理论他们通过对学习至关重要的系统和实验性努力来探索和测试他们的环境及其中的人们Gopnik最近与一个研究小组一起工作,以展示15个月大的孩子如何学习因果关系使用统计数据比年龄较大的儿童更好婴儿和幼儿可能是更好的学习者,因为他们的大脑更灵活或“塑料”;他们不那么受现有知识污染,这使他们更开放头脑大脑并非不变,而是根据每个学习经验进行修改通过结合发展心理学家和计算科学家的专业知识,人类可能能够解锁h掌握世界上最好的学习者的大脑并将计算能力转化为一台机器目前,人工智能需要大量的数据来提取模式和结论但是关于周围世界的数据相对较少的婴儿使用统计评估所谓的贝叶斯学习就是说,一种解释不是基于婴儿没有的结果的已知频率 - 而是基于当前知识推断概率,随着新信息被接收而不断调整“惊人的关于婴儿的事情是他们可以看到一次或者第一次听到一个新单词,他们已经对这个新单词可能意味着什么以及他们如何使用这个新单词有了一个好主意,“Gopnik说

”所以这些贝叶斯方法很好地解释了为什么孩子们甚至在他们甚至没有太多数据的情况下如此擅长学习“婴儿使用概率模型来创造各种各样的短语通过结合概率和可能性来得出结论随着大脑成熟,它变得更加专业化,以执行复杂的功能,结果变得越来越敏捷,越来越难随时间改变老年人学习者在学习更多关于并加强某些神经联系,这妨碍了他们根据少量信息形成开箱即用的假设和抽象理论的能力

这就是5岁以下的婴儿和儿童茁壮成长“权衡是,你知道的越多,更难以考虑新的可能性,“戈普尼克说,”你越了解,越倾向于依赖你所知道的,而不是对新事物开放从进化的角度来看,婴儿的整个观点是, t知道的很多,所以他们会更好地学习新的东西“宝宝生命头几年的每一秒都会形成700个新的神经连接,使灵活的大脑整体以处理来自环境和社会交互的信息的快速积累早年的可塑性使得从头开始构建大脑结构比在成年期重新布线成为容易贝叶斯学习已被证明是童年发展中如此强大的工具,即计算机科学家现在正在使用模型来设计智能学习机器 “贝叶斯数学试图捕捉婴儿的学习方式,”计算认知科学家Joshua Tenenbaum是麻省理工学院脑与认知科学系的教授,他告诉IBT他目前正在与Gopnik合作进一步研究他们混杂的计算机领域,心理学“他们进入世界准备基本构建模块,以帮助他们理解一些最复杂的概念然后他们有学习机制,采取这些最初的构建模块,并尝试从稀疏的数据进行推论,并创建因果理论”Tenenbaum和一个团队来自纽约大学和多伦多大学的研究人员合作设计了能够以更高效和更复杂的方式捕捉新知识的人工智能软件2015年12月,他们在科学杂志上发表的研究成果揭示了用于创建计算机的机器学习算法,接近我们处理信息的方式新的AI程序可以重新使用在看到一个例子后,就可以像手写人物一样精确地识别手写字符

使用贝叶斯程序学习框架,该软件能够为每个手写字符生成一个独特的程序,它至少可以看到一次

但是,当机器遇到问题时具有一种不熟悉的特性,即该算法的独特功能发挥作用它通过搜索其数据以找到匹配进行切换,使用概率程序通过组合已经见过的角色的部分和子部分来创建新角色来测试其假设 - 婴儿在面对一个他们以前从未见过的角色或对象时,如何从有限的数据中学习丰富的概念然而,该软件仍然无法模仿儿童通过形成原始假设自主学习的方式AI潜力的巨大转变将在研究人员能够设计出具有原始低能力的软件时发生其他内容和真正的目标,如产生识别手写字符的愿望,而不是遵循研究人员的指示如果没有自我驱动的目标,AI系统限制了他们自主工作的潜力

“随着越来越多的数据不断学习,任何AI系统都想要“Tenenbaum说道,”但是自主学习更加棘手总有一个人设置了整个事物,给了他们多少和什么样的数据但是婴儿为他们自己做出了选择AI对于更多人来说仍然是一个公开的挑战自主构建自己的学习过程当前AI系统根本没有任何目标,如果他们没有任何目标,他们就不能负责自己的学习

当指示机器人拿起一个盒子时,看到那个机器人并且说它正在做人类正在做的事情是非常诱人的但是他们没有像儿童那样的复杂思维水平“在2013年,国家科学基金会授予麻省理工学院五年2500万美元的资金用于建立大脑,头脑和机器中心不同领域的科学家和工程师共同努力,共同学习大脑如何执行复杂的计算,以期构建更接近人类智能的智能机器Tenenbaum说:“直到最近我们才建立了可以做到这一点的数学和计算模型”我们需要更多的资源,智慧,公司,专业知识和公司的利益以及更快的计算机我们可能需要等待或依赖于其他工程进展,然后才能捕捉到即使是非常幼儿的智力

“奥克兰大学新西兰生物工程研究院正在努力通过动画和交互式婴儿Mark Sagar缩小大脑与机器之间的差距,该研究所的动画技术实验室的主任和创始人以及他的动画的多学院奖得主在阿凡达和金刚工作的时候,他在实验室度过了一段时间,在一个叫做BabyX的3D电脑屏幕上和一个金发碧眼的婴儿一起玩偷窥,这是一个学习,思考和创建自己的面部表情和反应的实时系统自己的萨加尔在麻省理工学院开始他的职业生涯,他在麻省理工学院开设了医学模拟体部位,在那里他致力于将数字化的面部带入生活,并利用这些技能开发了BabyX 动画人工智能能够模仿他的面部表情,朗读简单的单词,识别物体,以及播放经典的电子游戏Pong,使其每天变得更加聪明BabyX不仅是萨加尔的大脑孩子,还是模仿他自己的女儿弗朗西斯卡在不同的年龄为了构建BabyX,Sagar在6个月,18个月和24个月时扫描了他的女儿,然后将其上传到他们的系统中

他选择通过动画技术复制他女儿的行为,面部表情和声音,作为隐喻人工智能的崛起Sagar亲切地将BabyX称为“她”,并解释了她如何使用光纤电缆进行功能,这是由她的模拟神经活动驱动的 - 就像连接到大脑的脊髓一样

因为它是一个具有人工智能的交互式化身,与之前的系统不同,BabyX有能力学习和保留信息

“在我们的案例中,我们并没有开发人工智能“Sagar告诉IBT”神经科学和认知科学中有许多有争议的理论,而当前的知识可能代表了冰山一角最困难的部分 - 也是最深刻的一部分部分 - 关于生物启发式方法是如何从不同规模的操作过程的相互作用中产生更高的认知水平“萨加和他的团队测试了BabyX与人类的交互作用BabyX能够处理人类情绪,了解他们行动背后的意义并根据她从过去人类与萨加尔之间的互动中学到的东西Behind BabyX的屏幕上的脸部是一个大脑的实时模拟,使其能够提示面部模拟眨眼并向观众微笑萨加相信脸部是开发有效的关键交互式人工智能,因为它反映了大脑并揭示了意识心灵的内部运作例如,一个简单的微笑就是大脑内部一个复杂而相互交织的连接系统的结果,“BabyX通过用户行为与宝宝行为之间的关联来学习,”萨加说

“在一种学习方式中,喋喋不休使BabyX探索她运动的空间,移动她的脸部或手臂如果用户的反应类似,那么代表BabyX行动的神经元开始通过一个称为Hebbian学习的过程响应用户行为的神经元相关联,神经元一起发射,连接在一起

“重复过程之后,新的神经连接开始在BabyX的模拟大脑内部创建一个映射,该映射将其行为与用户的行为相匹配,为高级模仿设置舞台人类大脑的工作方式大致相同通过完成一项行动,大脑形成了新的联系被重复加强最终,模拟婴儿学会使用她的大脑处理过程中的信息自行开发反应来自环境BabyX本质上是通过不断改进的代码来学习因为面部是沟通的主要手段,所以萨加希望他的宝宝将为将来的健康和教育应用奠定基础,例如旨在与患有自闭症或其他社会障碍一种观察人类情绪,处理它们并理解他们感受的系统:这就是驱动人工智能研究的目标 - 建立一个可以独立思考的大脑,就像我们从最早的日子开始一样

作者:别荤鸣