心理学和数据科学研究团队的一项新研究发现，婴儿在检测他人行为的动机方面比人工智能表现得更好。研究结果突出了认知和计算之间的根本差异，指出了当今技术的不足之处，以及人工智能需要在哪些方面进行改进才能更全面地复制人类行为。
纽约大学心理学系助理教授莫伊拉·狄龙(Moira Dillon)解释说:“成年人甚至婴儿都能很容易地推断出他人行为的驱动因素纸该研究发表在《认知》杂志上。“目前的人工智能很难做出这些推断。”
她补充说:“让婴儿和人工智能直接完成相同的任务，这一新颖的想法让研究人员能够更好地描述婴儿对他人的直觉知识，并提出将这些知识整合到人工智能中的方法。”
这篇论文的作者之一、纽约大学数据科学中心和心理学系助理教授布伦登·莱克(Brenden Lake)说:“如果人工智能的目标是培养像成年人一样灵活、有常识的思考者，那么机器应该利用婴儿在探测目标和偏好方面拥有的相同核心能力。”
众所周知，婴儿会被其他人吸引——这可以从他们花多长时间看着别人，观察他们的行为，并与他们进行社交活动来证明。此外，先前的研究集中在婴儿的“常识心理学”——他们对他人行为背后的意图、目标、偏好和合理性的理解——已经表明，婴儿能够将目标归因于他人，并期望他人理性有效地追求目标。做出这些预测的能力是人类社会智力的基础。
相反，由机器学习算法驱动的“常识性人工智能”直接预测行动。这就是为什么，例如，当你读到一篇关于新当选的城市官员的新闻报道后，一个宣传旧金山是一个旅游目的地的广告就会弹出在你的电脑屏幕上。然而，人工智能缺乏的是识别指导人类行为的不同背景和情况的灵活性。
为了对人类和人工智能能力之间的差异有一个基本的了解，研究人员对11个月大的婴儿进行了一系列实验，并将他们的反应与最先进的学习驱动神经网络模型得出的反应进行了比较。
为了做到这一点，他们部署了之前建立的“婴儿直觉基准”(BIB)——六项探究常识心理学的任务。BIB的设计允许测试婴儿和机器智能，允许比较婴儿和机器之间的性能，重要的是，为构建类人AI提供了经验基础。
具体来说，Zoom上的婴儿观看了一系列简单的动画形状在屏幕上移动的视频，类似于电子游戏。这些形状的动作通过检索屏幕上的物体和其他动作来模拟人类的行为和决策。同样，研究人员建立并训练了学习驱动的神经网络模型——帮助计算机识别模式和模拟人类智能的人工智能工具——并测试了模型对完全相同的视频的反应。
他们的研究结果表明，即使是在动画形状的简化动作中，婴儿也能识别出类似人类的动机。婴儿预测这些行为是由隐藏但一致的目标驱动的——例如，无论物体在什么位置，他们都会在屏幕上检索相同的物体，即使周围环境发生变化，他们也会有效地移动该物体的形状。婴儿通过长时间观察违背他们预测的事件来证明这种预测——这是衡量婴儿知识本质的一种常见的、几十年前的测量方法。采用这种“惊奇范式”来研究机器智能，可以直接比较算法对惊奇的定量测量和人类对惊奇的成熟心理测量——婴儿的注视时间。这些模型没有显示出理解这些行为背后动机的证据，这表明它们缺少婴儿拥有的常识心理学的关键基本原则。
“人类婴儿的基础知识是有限的，抽象的，反映了我们的进化遗传，但它可以适应婴儿可能生活和学习的任何环境或文化，”狄龙观察到。
参考: stojniic G, Gandhi K, Yasuda S, Lake BM, Dillon先生人类婴儿和机器的常识心理学。认知．2023; 235:105406。doi:10.1016 / j.cognition.2023.105406
本文已从以下地方重新发布材料．注:材料的长度和内容可能经过编辑。如需进一步信息，请联系所引用的来源。
