Tenenbaum 说：「为了理解世界，孩子们会像科学家一样学习，这包括形成理论、进行试验、玩耍并且看看到他们可有所发现的东西，积极思考什么是正确的方法来测试他们的理论或者应对一些他们没有想到的东西，并试图找出什么是错，什么是对。」

采取孩子的措施

Tenenbaum 和来自纽约大学和多伦多大学的研究人员团队合作设计了一种能够以更有效和更复杂的方式捕获新知识的人工智能软件。在 2015 年 12 月，他们的研究论文《Human-level concept learning through probabilistic program induction》指出用于创建计算机的机器学习算法接近我们所处理信息的方式；该论文已发表在 Science 杂志上。

新的人工智能程序可以在看到一个样本之后就像人类一样准确地识别手写字符。使用贝叶斯程式学习框架，软件能够为每个至少看到一次的手写字符生成一个独特的指令。但是，当机器面临一个不熟悉的特性的时候，这种算法的独特功能就发挥了作用。它从数据搜索转换到寻找匹配，使用概率程序并通过组合已经见过的字符的部分和子部分来创建一个新的字符以此检测其假设——即当婴儿面对他们从未见过的角色和对象时，他们如何从有限的数据中学习到丰富的概念。

然而，软件仍然无法通过形成原始假设自主学习方式模仿孩子学习的方式。当研究人员能够设计具有原始假设和真实的目标的软件时（例如产生识别字符的愿望而非遵循研究者的指令），人工智能系统的潜力将会有里程碑式的转变。没有自我驱动的目标，人工智能系统就限制了他们自主运作的潜力。

Tenenbaum 说：「使用越来越多的数据进行的持续性学习是任何人工智能系统都想要做到的，但自主学习却是棘手的，因为总会有人来操控整件事情，数据的数量与类型也由他们给出。婴儿是自主选择的，但是要让人工智能系统能够更自主地构建自己学习过程仍旧是一个众所周知的挑战。目前的人工智能系统并没有建立任何目标，应此它们也无法为自己的学习负责。当一个机器人按指示拿起一个盒子时，看着它们做着和人类一样的事情是非常令人欣喜的，然而它们并不会拥有像孩子那样复杂的思维水平。」

Tenenbaum 和他的同事采用了在神经元的虚拟网络上建模的深度学习算法。它建造了一个非常初步模仿人脑的工作方式。当机器处理一个对象时，它搜索其巨大的数据库来获取与机器匹配的像素以进行识别。而人类依赖于更高形式的认知功能来解释对象的内容。

「我们正在试图编写像大脑的软件一样的计算机程序，这通常被称之为思维。思维是程序且运行于大脑这个硬件上，我们就是试图在对准软件层面。神经网络在人工智能中就像计算机程序的软件层面一样。」

在 2013 年，美国国家科学基金会拨款 2500 万美元资助了麻省理工学院一项为期五年的项目，用于建立脑、思维和机器中心。为了解大脑如何执行复杂计算，不同领域的科学家和工程师共同合作，希望构建更类似于人类智能的智能机器。

Tenenbaum 说：「近期我们才建立出一个能够做到这一点的数学与计算机模型，我们将需要更多的资源、人才、公司、技术和公司的利益以及更快的计算机。我们可能需要等待或依靠其他工程进展，然后才能赶上即使是非常幼小孩子的智力。」

构建第一个婴儿大脑

新西兰的奥克兰大学生物工程研究所正在试图通过一个动画制作的可互动的婴儿来弥合大脑和机器之间的差距。Mark Sagar 是该研究所动画技术实验室的导演和创始人，其动画作品《阿凡达》和《金刚》获多项奥斯卡奖。他在实验室和一个叫做 BabyX 的 3D 电脑屏幕上的金发碧眼宝宝玩躲猫猫，这个 BabyX 是一个能够学习、思考并可以产生面部表情，能够自己做出反应的实时系统。

通过在麻省理工学院建立身体部位的医学模拟，Sagar 开始了他的职业生涯。在那里他致力于实现数字面孔，并使用这些技能开发 BabyX。动画人工智能能够模仿他的面部表情、朗读简单的字、识别对象和播放经典的视频游戏 Pong，这使它每天都变得更聪明。BabyX 不仅是 Sagar 的「大脑宝宝」，也是在他的女儿 Francesca 在不同年龄阶段的模型。

为了构建 BabyX，Sagar 在他的女儿 6 个月、12 个月、18 个月和 24 个月时进行了扫描，并将数据上传到了系统中。他选择通过动画技术来复制他女儿的行为、面部表情和声音，作为人工智能初生的隐喻。Sagar 亲切地将 BabyX 称为「她」，并解释她如何使用光纤电缆：由她的模拟神经活动所驱动，如同脊髓连接到大脑。与之前的系统不同，由于 BabyX 是一个具有人工智能的交互式化身，故它具有学习和保留信息的能力。