用孩子的视角释放人工智能的潜力
幼儿在天生的认知中拥有真正的奇迹。虽然依赖于他们的照顾者，但这些小家伙对物理学有着固有的理解能力，并且能够迅速从有限的信息中吸收新语言和概念。现代人工智能系统，如ChatGPT，尚未捕捉到孩子们展示出的这种深刻常识，他们能轻松地预测周围世界。
像孩子一样学习：AI的突破
纽约大学的研究人员开展了一项非同寻常的实验，可能会改变人工智能学习的方式。他们引入了一种形式的AI，这种AI从一个大大更小的数据集中学习——类似于一个小孩在学着说话时所感知到的。这种方法让AI取得了重大进展，反映了一个名叫Sam的儿童学习过程。
从Sam六个月大开始到他两岁生日的将近一年半时间里，研究人员为他配戴了一个头戴式摄像机。收集到的录像记录了Sam与周围环境的交互，包括他的家人、宠物、婴儿床、玩具、家庭和用餐等，总计61小时。纽约大学的认知科学家Brenden Lake将这个数据集形容为对一个孩子世界的前所未有的窗口。通过这些录像中的60万帧和孩子环境中的3.75万次的口头词语配对，他们教授神经网络将词语与物体相关联。
从幼儿数据中获得的启迪性发现
这项实验的鼓舞人心结果可能为更复杂和更直觉的AI系统铺平道路。儿童快速学习语言并理解环境物理规律的能力挑战了复杂内建知识是必要的观念。相反，对世界的适度暴露可能就足够了，就像Sam戴着摄像机的实验所展示的那样。参与该研究的发展心理学家杰斯·沙利文发现这项实验具有深远的启发意义。
AI走向直觉物理学
受到幼儿通过观察和互动学习的示例的启发，Google DeepMind的科学家们致力于赋予AI同样的“直觉物理学”感知。通过关注移动物体而不是单个像素，并使用成千上万的视频进行训练，AI被教授如何预测物体的行为——这一努力与心理学期望违背理论和儿童心理学相一致。
对AI未来的愿景：心智中的全球模型
图灵奖得主、Meta AI的AI主管杨·勒昆支持训练AI从一个孩子的眼睛看世界的观点，这可能会导致AI系统’世界模型’的发展。他假设这些模型将使AI能够直观理解三维现实并预测未来结果，从而使AI更接近人类的推理和规划，为通向人工通用智能（AGI）铺平道路。
尽管当代AI在专业任务方面表现出色，但其雄心仍在于解开与我们这个不可预测世界和谐互动的常识智能之锁，推动AI大幅造福人类的能力。像孩子那样看和学习可能是释放AI潜力的关键。
最重要的问题和答案:
在AI中尝试复制孩子的视角有什么重要性？
在AI中尝试复制孩子的视角的重要性在于，它旨在赋予AI系统人类孩子自然发展的‘常识’形式。这包括对物理学的直觉理解、语言习得和能够从有限数据中学习的能力。在AI中复制这些功能可能导致使AI更具适应性、灵活性和更具人类样式的推理能力的进步。
教导AI理解世界像一个孩子会遇到哪些挑战？
挑战包括创建能够复制幼儿复杂认知过程的算法，获取代表孩子经历的适当和道德收集的数据，以及确保AI系统能够从有限数据中泛化知识而无需大量监督或预定义规则。此外，从孩子那里收集数据涉及隐私和同意的伦理考虑。
复制幼儿视角在AI中是否存在任何争议？
涉及使用儿童数据进行AI研究可能存在有关隐私、同意以及潜在利用此类数据的担忧。人工智能的实际思维过程模仿长期打造，包括安全、自主性和智能系统的道德待遇。
像孩子一样教导AI有哪些优势？
优势包括潜在发展出AI能够迅速从稀疏数据中学习的潜力，这与儿童如何学习自己的环境类似。这可能创造出更高效的AI系统，它们可以在无需大量重新训练的情况下适应新的和多样化的任务。它也使AI更接近AGI，这可能执行各种领域的任务，正如人类一样。
这种方法可能带来哪些缺点？
缺点可能包括年幼儿童学习的复杂和不可预测性，这可能难以在AI算法中编码。此外，在AI中复制类似人类的学习不保证AI将充分地发展出类似人类的理解或道德推理能力，可能导致意外和潜在危险行为的发生。
优势和劣势:
优势:
– 潜力发展出具有类似孩童快速学习能力的AI。
– 对训练的大型数据集的依赖较少，可能减少资源需求。
– 朝着具有人类推理和规划能力的AGI的进步。
– 通过更直观地理解AI系统，提升了人与AI之间的互动。
劣势:
– 围绕使用儿童数据的复杂伦理问题。
– 准确建模儿童学习过程中微妙之处的困难。
– 机器学习结果与人类价值观之间的可能不一致和安全问题的关切。
获取更多关于人工智能研究的信息，您可以访问以下主要领域：
– 纽约大学（NYU）
– Google DeepMind
– Meta AI（前Facebook AI）
这些链接指向所述文章中提及的组织的主要领域，与人工智能研究和开发相关。
The source of the article is from the blog kunsthuisoaleer.nl