論文地址：https://www.nature.com/articles/s41562-022-01394-8

不過(guò)，在聊這個(gè)項(xiàng)目之前，我們需要先舉一個(gè)例子便于大家理解。

假如我拿著一根筆站在你面前，然后我把筆藏在身后，你是不是就看不見這支筆了？

但筆肯定還存在，對(duì)吧。

這么簡(jiǎn)單的道理，不光你懂，就連兩個(gè)月大小的嬰兒都明白。

但背后的原因就很耐人尋味了?？茖W(xué)家很好奇，為什么人會(huì)天生就懂這個(gè)道理？

DeepMind的故事就從這點(diǎn)簡(jiǎn)單的好奇講起。

你以為嬰兒什么都不懂？

我們把「筆放身后看不見但筆還在」叫做萬(wàn)千物理學(xué)常識(shí)中的一個(gè)，而DeepMind的科學(xué)家就是要讓AI和小嬰兒比一比物理學(xué)常識(shí)。

普林斯頓大學(xué)的Luis Piloto和他的同事開發(fā)了一個(gè)深度學(xué)習(xí)AI系統(tǒng)，這個(gè)系統(tǒng)可以理解一些物理學(xué)世界的常識(shí)性規(guī)律。

通過(guò)這種方式，未來(lái)的計(jì)算機(jī)模型就可以更好的模仿人類思維，用一個(gè)有著和嬰兒相同認(rèn)知的模型來(lái)解決問(wèn)題。

通常意義上，任何AI模型一開始都是白紙一張，然后用各種各樣的例子來(lái)訓(xùn)練這個(gè)模型。通過(guò)輸入的數(shù)據(jù)和例子，模型產(chǎn)生了知識(shí)。

然而科學(xué)家指出，嬰兒卻不是這么個(gè)模式。

嬰兒學(xué)東西并不是從零開始，而是一降生就帶著一些對(duì)客觀事物的預(yù)判。

還是拿上面那個(gè)藏筆舉例子。嬰兒天生就知道，筆就算藏起來(lái)了也還在。

這是接下來(lái)實(shí)驗(yàn)的底層邏輯。即：嬰兒在出生時(shí)就有一些核心的假設(shè)，而這些假設(shè)會(huì)讓他們?cè)谥蟪砷L(zhǎng)的過(guò)程中朝著正確的方向發(fā)展，而他們的知識(shí)也會(huì)隨著時(shí)間的推移、經(jīng)驗(yàn)的增多變得越來(lái)越精煉。

這給了Piloto團(tuán)隊(duì)以啟示。

Piloto想，一個(gè)模仿嬰兒行為模式的深度學(xué)習(xí)人工智能，是不是要比一個(gè)一開始白紙一張，單純靠經(jīng)驗(yàn)學(xué)習(xí)的人工智能模型表現(xiàn)要好？

研究人員進(jìn)一步比較了這兩種不同的模式。

他們首先進(jìn)行的是傳統(tǒng)的辦法（簡(jiǎn)稱白紙一張）。他們給了AI模型一些物體的視覺動(dòng)畫，讓AI進(jìn)行學(xué)習(xí)，比方說(shuō)一個(gè)方塊從斜坡上滑下來(lái)，或者是一個(gè)球彈向墻壁。

AI模型檢測(cè)了這些動(dòng)畫中的運(yùn)動(dòng)模式，然后研究人員就開始著手測(cè)試，模型能不能預(yù)測(cè)一些其它物體的運(yùn)動(dòng)結(jié)果。

而另一邊，模仿嬰兒的人工智能模型在一開始就有了一些「原則」，而這些「原則」的來(lái)源就是嬰兒對(duì)物體之間運(yùn)動(dòng)、交互的一些先天的假設(shè)。

舉個(gè)簡(jiǎn)單的例子，嬰兒知道兩個(gè)物體不可能穿過(guò)彼此，一個(gè)物體不可能憑空升起來(lái)等等。

模仿嬰兒認(rèn)知的AI——「柏拉圖」

而實(shí)際上，嬰兒先天就知道的物理學(xué)常識(shí)不止上面提到的這兩點(diǎn)。完整版是以下五點(diǎn)：

1. 連續(xù)性：物體不會(huì)從一個(gè)地方傳送到另一個(gè)地方，而是在時(shí)間和空間中有一定的連續(xù)路徑。

2. 對(duì)象持久性：物體在看不見時(shí)不會(huì)消失。

3. 固體性：物體不會(huì)相互滲透。

4. 不變性：對(duì)象的屬性（如形狀）不會(huì)更改。

5. 定向慣性：物體運(yùn)動(dòng)的路徑與慣性原理一致。

基于這五點(diǎn)認(rèn)知，如果你給嬰兒表演個(gè)魔術(shù)啥的，然后發(fā)生了違背他們預(yù)設(shè)認(rèn)知的現(xiàn)象，他們是能知道你在整花活的，他們也知道反常識(shí)的現(xiàn)象并不是事物本來(lái)的樣子。

雖然但是，嬰兒還是沒大一點(diǎn)的孩子見識(shí)廣，嬰兒會(huì)長(zhǎng)時(shí)間觀察出現(xiàn)的反常識(shí)現(xiàn)象，然后和自己預(yù)設(shè)的認(rèn)知進(jìn)行比對(duì)，最終才能得出有人在變戲法的結(jié)論。

說(shuō)到這里不禁想起了一個(gè)之前熱度很高的視頻，爸媽躲在床單后面，上下晃動(dòng)床單幾次之后，藏在床單后面的同時(shí)，快速躲到身后的房間里。嬰兒在床單消失后沒看到爸媽的身影，就會(huì)站在那里思索一會(huì)兒，琢磨爸媽去哪兒了。

這里還有一個(gè)有意思的點(diǎn)。那就是嬰兒在看到反常識(shí)的現(xiàn)象之后，還會(huì)表示出「驚訝」，聽起來(lái)這是很顯然的事，但研究人員把這種獨(dú)特的表現(xiàn)也復(fù)刻到AI那里去了。

有了這些基礎(chǔ)，我們?cè)賮?lái)看實(shí)驗(yàn)結(jié)果。

Piloto設(shè)計(jì)的AI模型名叫PLATO（Physics Learning through Auto-encoding and Tracking Objects），也就是「柏拉圖」。

PLATO接受了差不多30個(gè)小時(shí)的視頻訓(xùn)練，這些視頻展示了物體是如何進(jìn)行一些簡(jiǎn)單運(yùn)動(dòng)的，然后訓(xùn)練模型來(lái)預(yù)測(cè)這些物體在不同情況下的運(yùn)動(dòng)。

有意思的是，模型最終習(xí)得了上述提到的五點(diǎn)物理學(xué)常識(shí)。

而當(dāng)觀看的視頻中出現(xiàn)了反常識(shí)的現(xiàn)象時(shí)，PLATO也能像嬰兒一樣，表現(xiàn)出一定程度的驚訝。

Piloto和他的同事們發(fā)現(xiàn)，傳統(tǒng)訓(xùn)練方法（白紙一張）的AI模型表現(xiàn)不錯(cuò)，但是不比不知道，一比嚇一跳。模仿嬰兒的AI模型PLATO的表現(xiàn)要好的多得多。

因?yàn)橛辛祟A(yù)設(shè)認(rèn)知的加持，后一種模型可以更精確地預(yù)測(cè)一個(gè)物體的運(yùn)動(dòng)，可以把預(yù)設(shè)的認(rèn)知應(yīng)用到新的物體運(yùn)動(dòng)動(dòng)畫中去，并且訓(xùn)練模型所用的數(shù)據(jù)集規(guī)模也會(huì)小一點(diǎn)。

Piloto團(tuán)隊(duì)總結(jié)到，雖然通過(guò)后天學(xué)習(xí)和經(jīng)驗(yàn)積累很重要，但這并不是全部。

他們的研究直指一個(gè)經(jīng)典的問(wèn)題——什么是人類與生俱來(lái)的，什么又是后天學(xué)習(xí)的。

而下一步，就是把這種關(guān)于人類的認(rèn)知應(yīng)用在AI的研究中。

Piloto已經(jīng)向我們展示了，新方法的卓越成績(jī)。

但是，Piloto強(qiáng)調(diào)，PLATO并不是要設(shè)計(jì)成嬰兒行為模型的，我們只是借用嬰兒認(rèn)知的一些方式來(lái)反哺人工智能。

PLATO的仿真系統(tǒng)：前饋感知模塊（左）和循環(huán)動(dòng)態(tài)預(yù)測(cè)器模塊（右）

溫哥華不列顛哥倫比亞大學(xué)的計(jì)算機(jī)科學(xué)家Jeff Clune也表示，把AI和人類嬰兒的學(xué)習(xí)方式相結(jié)合是一個(gè)比較重要的方向。

而此時(shí)此刻，Clune正和其他研究人員一道，開發(fā)獨(dú)屬于他們的理解物理世界的算法的方法。

作者介紹

Luis Piloto是論文的一作，也是通訊作者。

他于2012年獲得羅格斯大學(xué)計(jì)算機(jī)科學(xué)學(xué)士學(xué)位，隨后又去普林斯頓大學(xué)攻讀，并分別于2017年和2021年獲得神經(jīng)科學(xué)的碩士和博士學(xué)位。

2016年，他正式加入DeepMind，成為一名研究科學(xué)家。