智东西（公众号：zhidxcom）

　　文｜海中天

　　机器已经可以理解语音，可以识别面部图像，感知汽车安全性，看起来最近一段时间技术取得了很大突破，已经变得相当强大。如果AI希望获得革命性的突破，制造出像人类一样的机器人，首先AI必须像孩子一样学习。

　　“最近一段时间，AI行业的思考重点开始转移：以前大家试图设计出一套系统，让它可以做成人能做的事，现在大家意识到如果想开发系统，让它灵活强大，可以做成人做的事情，首先要开发出可以像婴儿、孩子一样学习的系统。”加州大学伯克利分校发展心理学家阿里森·高普尼克（Alison Gopnik）说，“如果将现在电脑所能做的事与10年前对比，就会发现电脑取得了很大的进步，如果将它与4岁的孩子对比，就会发现差距还很大。”

　　婴儿与孩子会构建与世界有关的理论，科学家用同样的方法构建科学理论。婴儿与孩子会不断努力，这种努力是系统性、实验性的，它对学习至关重要，孩子用这种方式探索自己所处的环境，了解环境中的人。

　　孩子越小学习能力越强

　　最近，高普尼克与一个研究团队携手合作，发现在相同的统计数据条件下，15个月大的婴儿比年长的孩子更容易理解因果效应。婴儿和年轻孩子的学习能力更强，因为它们的大脑更具弹性，可塑性更强，他们没有被预先存在的知识所污染，因此在接受信息时更加开放。大脑并不是一成不变的，每学习一次就会改变一点。

　　将发展心理学、计算机科学结合起来，人类也许可以搞清世界上那些最棒的大脑是如何运行的，并将这种计算能力放进机器。就目前而言，AI需要庞大的数据来提取模式、获得结论。

　　孩子对周围世界的了解很少，他们用统计评估方式学习——也就是所谓的“贝叶斯学习”。换言之，孩子的理解并不是根据结果的已知频率做出的，相反，它以现有知识推断可能性，当接受到新信息时，孩子会不断调整。

　　高普尼克说：“孩子第一次看到新东西时，或者第一次听到新单词时，他们已经对新单词的意思有了不错的理解，对单词的使用也有了不错的理解，这才是最惊人的地方。即使没有太多的数据，孩子也可以有效学习，贝叶斯方法能够很好解释原因。”

　　孩子用概率性模型形成各种假设，这些假设将概率、可能性结合在一起，得出结论。当大脑越来越成熟，为了执行复杂的任务，大脑越来越专业化，结果导致大脑的敏捷性下降，随着时间的推移越来越难改变。当人渐渐长大，对世界的理解加深，某些神经连接会更强，大脑就会形成基本观点，此时大脑形成假定的能力、从少量信息提取理论的能力会受到压制。一般来说，5岁以下的婴儿和孩子都会经历这一转变过程。

　　“有得必有失，你知道得越多越难考虑新的可能性。”高普尼克表示，“你知道越多，你对已知知识的依赖也就越大，不再那么开放。从进化的角度来看，婴儿知道的东西不多，所以学习新东西的能力更强。”

　　在孩子出生的前几年，每几秒钟就会有700个新的神经结形成，大脑极富弹性，可以处理迅速增加的信息，这些信息来自环境、社会互动。大脑早期的可塑性很强，与成人相比，小孩重新构建大脑架构更容易一些。在孩子的成长过程中，贝叶斯学习已经成为一种强有力的工具，计算机科学家现在用它重新设计智能学习机器。

　　MIT大脑认知科学教授、计算机认知科学家约书亚·泰拉贝尔（Joshua Tenenbaum）表示：“贝叶斯数学努力理解孩子学习的秘诀。”他与高普尼克携手合作，将计算机与心理学融合在一起。泰拉贝尔说：“孩子进入一个新世界，那里已经有基本建造块，这些块可以帮助我们理解一些复杂的概念，然后我们还要学习获得最初建造块的机制和原理，根据零散数据做推断，得出因果推论。”

　　AI软件有多聪明？

　　不论处在怎样的发展阶段，人脑都需要通过一系列感知系统了解世界：视觉、听觉、嗅觉、味道、触觉、空间方位、平衡。如果获得的数据有限，大脑会填充空白区。虽然婴儿的大脑可能会缺少一种或者几种感知功能，但是它们在处理信息时更加敏捷。