泰拉贝尔说：“孩子像科学家一样学着理解世界，比如形成理论、做实验、玩耍、看看自己能发现什么，积极思考，寻找验证理论的最佳方法，对预料之外的事情做出反应，努力搞清什么是错误的什么是正确的。”

　　泰拉贝尔与一个研究团队合作，这个团队的成员来自纽约大学、多伦多大学，他们携手设计AI软件，该软件可以用更高效、更复杂的方式获得新知识。2015年12月，团队的研究成果发表在《科学》杂志上，论文谈到了如何编写机器学习算法，让计算机可以像人一样处理信息。

　　看了一个范例之后，新的AI程序可以识别手写字符，精准度和人类一样。通过贝叶斯程序学习框架，凡是之前看过至少一次的手写字符，软件都会为它们生成一套独特的程序。当机器面对不熟悉的字符时，算法的独特功能才真正显露出来。

　　此时算法不会查找自己的数据库，看看有没有匹配的，相反，它会将字符（之前看过的字符）的部件和子部件结合起来，形成一种新的字符，然后用概率程序测试假定的正确性。婴儿也是这样学习的，atv，虽然数据有限，当婴儿看到的字符或者对象是之前没有看到过的，他会从有限数据中提取丰富的概念。

　　孩子可以形成原假设，并在形成的过程中自动学习，目前软件还无法模拟这种能力。一旦科学家设计出软件，可以生成原假设和真正目标，例如，程序自己产生“欲望”，渴望识别手写字符，而不是在研究人员的指引下进行，此时AI就会出现巨大的飞跃。如果不能用自己生成的目标驱动，AI系统的自动化能力始终会受到限制。

　　“用越来越多的数据持续学习，这是每一个AI系统都想达成的目标。”泰拉贝尔表示，“问题在于自动学习很困难。总会有一个人掌控一切，他决定给予系统多少数据，给予哪类数据。”

　　婴儿自己会做出选择。让AI自己为学习流程组建架构，这是一个公开的挑战。目前的AI系统没有任何目标，如果没有任何目标，就没有办法自己学习。在人类的指引下，机器人可以捡起盒子，看到他们完成任务，我们会赞叹，因为它做了人类正在做的事。尽管如此，机器人无法像孩子一样进行复杂的思考。

　　泰拉贝尔与同事在虚拟神经网络上部署机器学习算法，它可以深度模拟人类大脑的运行原理。当机器识别对象时，j2直播，它需要搜索庞大的数据集，寻找匹配的数据，从而达到识别对象的目的。人类不同，人类依赖更高形式的感知功能解释对象的内容。

　　“我们正在尝试编写计算机程序，它相当于大脑软件，我们也可以管它叫意识。”泰拉贝尔表示，“意识就是软件，它在大脑硬件上运行，我们试图在软件层面上构建它。AI中的神经网络相当于软件层面的计算机程序。”

　　2013年，美国国家科学基金会向MIT提供2500万美元赞助资金，为期5年，让它建立一个脑、意识和机器研究中心（Center for Brains, Minds and Machines）。来自不同领域的科学家、工程师携手合作，深入研究大脑执行复杂运算的原理，他们希望能够开发出智能机器，让它接近人类智力。

　　“直到最近，我们才有了可以达成目标的数学理论和计算机模型。”泰拉贝尔说，“我们需要更多的资源、聪明人、企业、技术，可能还需要更快的计算机。我们可能需要等待，或者依赖其它工程突破才能获得年轻小孩一样的智力。”

　　模拟婴儿BabyX

　　新西兰奥克兰大学生物工程研究所也在努力缩小大脑与机器的差距，它开发了一个模拟互动婴儿。马克·塞格尔（Mark Sagar）是生物工程研究所动画技术实验室的主管、创始人，他曾为《阿凡达》、《金刚》等电影制作动画，获得了许多奖项。在实验室内有一块3D电脑屏幕，在屏幕上，塞格尔与一个金发孩子玩躲猫猫游戏，这套系统名叫BabyX，它可以学习、思考、生成面部表情、自主做出回应。

　　最开始时，塞格尔在MIT工作，从事身体组件医学模拟研究，在那里，他对数字面部技术深入研究，并利用该技术开发了BabyX。塞格尔开发的动画AI可以模拟他的面部表情，可以将简单的单词大声读出来，可以识别对象，可以玩一些经典视频游戏，随着时间的推移，BabyX越来越聪明。事实上，BabyX不只是塞格尔的“大脑婴儿”，它还是塞格尔女儿的模型。