人類嬰兒擁有令人羨慕的能力。 儘管他們必須長期完全依賴父母才能生存，但他們可以做一些令人驚奇的事情。
嬰兒對世界的物理定律有自己的理解，他們可以很快學習新的概念和語言，即使他們能吸收的資訊非常有限。
*：人工智慧生成）。
即使是我們今天擁有的最強大的人工智慧系統也缺乏這些能力。 例如，為 ChatGPT 等系統提供動力的大型語言模型非常擅長句子中的下乙個單詞，但在常識方面遠不如嬰兒。
但是，如果人工智慧可以像嬰兒一樣學習呢？ AI 模型通常在由數十億個資料點組成的大型資料集上進行訓練。
美國紐約大學的研究人員想看看這些模型在更小的資料集上訓練時能做什麼。
他們使用正在學習說話的孩子所經歷的視覺和聲音作為資料。 令人驚訝的是，人工智慧模型學到了很多東西。 這要歸功於乙個名叫山姆的好奇嬰兒。
當山姆六個月大時，研究人員開始偶爾將相機綁在他的頭上，在接下來的一年半里，他的日常活動都戴著它。
Cassandra Willyard說，他收集的材料使研究人員能夠教神經網路將單詞與它們所代表的物件相匹配。
嬰兒讓我們離教計算機像人類一樣學習更近了一步，而這項研究只是試圖建立和我們一樣聰明的人工智慧系統。 嬰兒是敏銳的觀察者和優秀的學習者，多年來一直激勵著研究人員。
嬰兒也通過反覆試驗來學習，隨著我們對世界的了解越來越多，人類會變得更聰明。 發展心理學家說，嬰兒對接下來會發生什麼有一種直覺。
例如，他們知道即使球被隱藏起來，它仍然在那裡。 他們也知道球是實心的，不會突然改變形狀，它會在沒有障礙物的道路上滾動，也不會突然傳送到其他地方。
谷歌 deepmind 的研究人員試圖通過訓練乙個模型來教給 AI 系統同樣的“物理直覺”，該模型通過關注 ** 中的物件（物件）而不是單個畫素來學習物件如何移動。 他們使用數十萬個訓練模型來理解物體的行為。
從理論上講，如果嬰兒對突然飛出窗外的球感到驚訝，那是因為物體的運動方式違背了嬰兒對物理學的理解。
谷歌Deepmind的研究人員還設法讓他們的人工智慧系統在物體“違背”它應該如何移動時表現出“驚訝”。
圖靈獎得主、Meta 首席 AI 科學家 Yann Lecun 認為，教 AI 系統像孩子一樣看世界可能是通往更智慧型系統的途徑。
他說，人腦有乙個世界模擬或“世界模型”，可以讓我們直觀地知道世界是三維的，物體在離開視野時並沒有真正消失。
它可以讓我們在彈跳球或超速自行車之後的幾秒鐘內出現。 Yang 目前正忙於構建受人類學習方式啟發的新 AI 架構。
如今的人工智慧系統擅長完成特定任務，例如下棋或生成看起來像是人類編寫的文字。 但與人腦相比，這些系統簡直太弱了。
他們缺乏常識，無法在混亂的世界中完美運作，無法進行更複雜的推理，也無法更好地幫助人類。 研究嬰兒如何學習可以幫助我們釋放這些能力。
作者簡介：梅麗莎·海基爾（Melissa Heikkil）是《麻省理工科技評論》的高階記者，她專注於人工智慧及其如何改變我們的社會。 此前，她曾在politico撰寫有關人工智慧政策和政治的文章。 她還曾在《經濟學人》工作，並擔任新聞主播。
技術支援：任
操作排版：何晨龍。