(資料圖片僅供參考)
神經網絡可以成為研究人類嬰兒學習方式的一條途徑。
受嬰兒學習方式研究的啟發，計算機科學家開發了一個程序，可以學習物體運動的簡單物理規則。該研究結果7月11日發表于《自然—人類行為》。
發育心理學家通過追蹤嬰兒的視線來測試他們是如何理解物體運動的。例如，當孩子們看到一個球突然消失的視頻時，他們會表現出驚訝。研究人員通過測量他們在特定方向上注視的時間來量化這一點。
位于英國倫敦的谷歌旗下公司DeepMind的計算機科學家Luis Piloto和合作者希望開發一種類似的人工智能（AI）測試。該團隊用立方體和球等簡單物體的動畫視頻，訓練了一個神經網絡—— 一種通過在大量數據中發現模式來學習的軟件系統。
這個名為“通過自動編碼和跟蹤物體進行物理學習”（PLATO）的軟件模型，從視頻中獲取原始圖像，同時還被提供了突出場景中每個物體的版本。PLATO被設計用來開發物體物理屬性的內部表征，比如它們的位置和速度。
該系統接受了大約30小時的視頻訓練，視頻中展示了簡單的機制，如一個球滾下斜坡或兩個球互相反彈，進而發展出預測這些物體在不同情況下會如何表現的能力。特別是它學會了一些模式，如連續性，在這種模式中，物體沿著不間斷的軌跡移動，而不是神奇地從一個地方傳送到另一個地方；堅固性，防止兩個物體相互穿透；以及物體形狀的持久性。
“視頻的每一步都在預測接下來會發生什么。隨著視頻的深入，預測會變得更加準確。”Piloto說。
當播放標有“不可能”事件的視頻時，例如一個物體突然消失，PLATO可以測量視頻和自己的預測之間的差異，從而提供一個驚訝的度量。
Piloto說，PLATO不是作為嬰兒行為的模型設計的，但它可能是邁向AI的第一步，可以驗證關于人類嬰兒如何學習的假設。“我們希望這最終能被認知科學家用來認真模擬嬰兒的行為。”
加拿大溫哥華英屬哥倫比亞大學的計算機科學家Jeff Clune表示，將AI與人類嬰兒的學習方式進行比較是“一個重要的研究方向”。Clune和其他研究人員正在研究一種方法，開發自己的算法來理解物理世界。（李木子）
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
