| 简而言之 |
|
人工智能（AI）领域的进步继续着迷和吸引人。在这些进步中，冲绳科学技术研究所的研究人员的倡议以其创新方法为特色。受到人类发展的启发，他们开发了一种能够以与孩子相似的方式学习的AI模型。这种方法虽然有限的词汇量有限，但使AI掌握了单词背后的概念，这是朝着对语言更深入理解的关键一步。这里的目的是通过将物理经验整合到语言学习中，使AI系统更接近人类的理解。
了解单词和概念之间的区别
当前的语言模型（例如ChatGpt）表现出令人印象深刻的对话能力，但它们受到了一个主要限制：他们并不真正理解他们使用的单词。这些系统主要与现实世界中的数据交互，而没有真正理解这个世界。另一方面，人类自然地将语言与他们的生活经历联系起来。例如，我们了解“热”一词的含义，因为在某个时候，我们都感到温暖，甚至燃烧。
因此，研究人员想知道是否有可能确保AI对与人类类似的语言达成理解。他们的答案是建立一个由人脑启发的AI模型，该模型由多个神经网络组成。尽管该AI最初仅限于学习五个名字和八个动词，但它表现出令人惊讶的能力，可以吸收这些单词的概念。这代表了对能够以更人性的方式理解语言的AI的重大进步。
学习婴儿：受发展心理学启发的模型
研究人员开发的模型受到发展心理学的启发，更确切地说是婴儿学习和发展语言的方式。正如研究的主要作者Prasanna Vijayaraghavan所解释的那样，尽管教授AI的想法与我们教给婴儿并不是什么新鲜的想法，但它们的方法通过应用于将单词与视觉效果相关联的网络标准神经而有所不同。
研究人员还使用与人类婴儿的GoPro相机拍摄的视频进行了AI教学。但是，他们很快意识到，婴儿不仅仅是将物体与单词相关联。他们通过触摸，操纵和投掷对象来探索世界，这使他们能够为与语言有关的反思和计划行动发展能力。为了模仿AI的这种身体经验，Vijayaraghavan团队在机器人内形成了一个AI，能够与环境互动，这种方法使学习AI的学习成为可能更接近人类的方法。
继续自由能：一种受大脑启发的方法
Vijayaraghavan团队的起点是自由能源的原则。这个概念假设大脑不断根据内部模型对世界进行预测，然后根据收到的感官信息来调整这些预测。我们的想法是，我们首先考虑一个行动计划以实现所需的目标，然后我们根据执行过程中的经验实时调整该计划。
这种方法与语言密切相关。来自帕尔马大学的神经科学家发现，当参与者聆听与行动相关的句子时，大脑的运动区域被激活。为了在机器人中重现这一点，Vijayaraghavan使用了四个相互连接的神经网络。第一个网络负责从相机处理视觉数据。它紧密整合到了管理本体感受的第二个网络中，也就是说，使机器人能够意识到其位置及其身体运动的过程。
| 神经网络 | 功能 |
|---|---|
| 总理 | 视觉数据处理 |
| 第二 | 本体感受管理 |
| 第三 | 语言处理 |
| 第四 | 关联层 |
第二个神经网络还建立了操纵表上块所需的动作的内部模型。这两个神经网络还连接到视觉和注意记忆的模块，这使它们可以可靠地集中在所选对象上，并将其与图像与背景分开。
构图的诞生
▶
2016年，心理学与数据科学教授布伦登·莱克（Brenden Lake）发表了一篇文章，其中他的团队确定了一套技能，机器必须掌握像人类一样真正学习和思考的技能。其中一个在那里组成：在可重复使用的零件中构成或分解一个的能力。这种重用使他们能够概括在新任务和情况下获得的知识。
这个组成阶段是儿童语言发展的关键步骤。最初，他们学习对象的名称和动作的名称，但这些只是孤立的单词。一旦他们学习了这种组成性的概念，他们的交流能力就会爆炸。Vijayaraghavan团队开发的AI旨在查看是否能够发展这种能力，并且成功了。
一旦机器人了解了某些命令和行动是如何联系的，他还学会了将这些知识推广到执行他从未听说过的命令。他认识到他没有采取的行动的名字，然后以他从未见过的块组合进行了努力。 Vijayaraghavan的AI了解将某物向右或向左移动或将对象放在另一个物体上的概念。她还能够将单词结合起来，以命名从未见过的动作，例如将蓝色块放在红色块上。
在机器人的概念学习中提出了进步，但它们也提出了新的问题。如何改进这些系统以整合更大的语言复杂性？
你喜欢它吗？4.6/5（27）
