論文網址：https://www.nature.com/articles/s41562-022-01394-8
不過，在聊這個專案之前，我們需要先舉一個例子便於大家理解。
假如我拿著一根筆站在你面前，然後我把筆藏在身後，你是不是就看不見這支筆了？
但筆肯定還存在，對吧。
這麼簡單的道理，不光你懂，就連兩個月大小的嬰兒都明白。
但背後的原因就很耐人尋味了。科學家很好奇，為什麼人天生就懂這個道理？
DeepMind的故事就從這點簡單的好奇講起。
我們把「筆放身後看不見但筆還在」叫做萬千物理學常識中的一個，而DeepMind的科學家就是要讓AI和小嬰兒比一比物理學常識。
普林斯頓大學的Luis Piloto和他的同事發展了一個深度學習AI系統，這個系統可以理解一些物理學世界的常識性規律。
透過這種方式，未來的電腦模型可以更好的模仿人類思維，用一個有著和嬰兒相同認知的模型來解決問題。
通常意義上，任何AI模型一開始都是白紙一張，然後用各種各樣的例子來訓練這個模型。透過輸入的數據和例子，模型產生了知識。
然而科學家指出，嬰兒卻不是這麼個模式。
嬰兒學東西不是從零開始，而是一降生就帶著一些客觀事物的預判。
還是拿上面那個藏筆舉例。嬰兒天生就知道，筆就算藏起來了也還在。
這是接下來實驗的底層邏輯。即：嬰兒在出生時就有一些核心的假設，而這些假設會讓他們在之後成長的過程中朝著正確的方向發展，而他們的知識也會隨著時間的推移、經驗的增加變得越來越精煉。
這給了Piloto團隊以啟示。
Piloto想，一個模仿嬰兒行為模式的深度學習人工智慧，是不是要比一個一開始白紙一張，單純靠經驗學習的人工智慧模型表現要好？
研究人員進一步比較了這兩種不同的模式。
他們首先進行的是傳統的方法（簡稱白紙一張）。他們給了AI模型一些物體的視覺動畫，讓AI進行學習，比方說一個方塊從斜坡上滑下來，或者是一個球彈向牆壁。
AI模型偵測了這些動畫中的運動模式，然後研究人員就開始著手測試，模型能不能預測一些其它物體的運動結果。
而另一邊，模仿嬰兒的人工智慧模型在一開始就有了一些「原則」，而這些「原則」的來源就是嬰兒對物體之間運動、互動的一些先天的假設。
舉個簡單的例子，嬰兒知道兩個物體不可能穿過彼此，一個物體不可能憑空升起來等等。
而實際上，嬰兒先天就知道的物理學常識不只上面提到的這兩點。完整版是以下五點：
1. 連續性：物體不會從一個地方傳送到另一個地方，而是在時間和空間中有一定的連續路徑。
2. 物件持久性：物件在看不見時不會消失。
3. 固體性：物體不會互相滲透。
4. 不變性：物件的屬性（如形狀）不會改變。
5. 定向慣性：物體移動的路徑與慣性原理一致。
基於這五點認知，如果你給嬰兒表演個魔術啥的，然後發生了違背他們預設認知的現象，他們是能知道你在整花活的，他們也知道異識的現象並不是事物原本的樣子。
雖然但是，嬰兒還是沒大一點的孩子見識廣，嬰兒會長時間觀察出現的反常識現象，然後和自己預設的認知進行比對，最終才能得出有人在變戲法的結論。
說到這裡不禁想起了一個之前熱度很高的視頻，爸媽躲在床單後面，上下晃動床單幾次之後，藏在床單後面的同時，快速躲到身後的房間裡。嬰兒在床單消失後沒看到爸媽的身影，就會站在那裡思索一會兒，琢磨爸媽去哪了。
這裡還有一個有趣的點。那就是嬰兒在看到反常識的現象之後，還會表示出「驚訝」，聽起來這是很顯然的事，但研究人員把這種獨特的表現也復刻到AI那裡去了。
有了這些基礎，我們再來看實驗結果。
Piloto設計的AI模型叫做PLATO（Physics Learning through Auto-encoding and Tracking Objects），也就是「柏拉圖」。
PLATO接受了差不多30個小時的影片訓練，這些影片展示了物體是如何進行一些簡單運動的，然後訓練模型來預測這些物體在不同情況下的運動。
有趣的是，模型最終習得了上述提到的五點物理學常識。
而當觀看的影片中出現了反常識的現象時，PLATO也能像嬰兒一樣，表現出一定程度的驚訝。
Piloto和他的同事發現，傳統訓練方法（白紙一張）的AI模型表現不錯，但是不比不知道，一比嚇一跳。模仿嬰兒的AI模型PLATO的表現要好的多得多。
因為有了預設認知的加持，後一種模型可以更精確地預測一個物體的運動，可以把預設的認知應用到新的物體運動動畫中去，並且訓練模型所使用的資料集規模也會小一點。
Piloto團隊總結到，雖然透過後天學習和經驗累積很重要，但這並不是全部。
他們的研究直指一個經典的問題－什麼是人類與生俱來的，什麼又是後天學習的。
而下一步，就是把這種關於人類的認知應用在AI的研究中。
Piloto已經向我們展示了，新方法的卓越成績。
但是，Piloto強調，PLATO並不是要設計成嬰兒行為模型的，我們只是藉用嬰兒認知的一些方式來反哺人工智慧。
PLATO的模擬系統：前饋感知模組（左）和循環動態預測器模組（右）
溫哥華不列顛哥倫比亞大學的電腦科學家Jeff Clune也表示，把AI和人類嬰兒的學習方式結合是一個比較重要的方向。
而此時此刻，Clune正和其他研究人員一道，發展獨屬於他們的理解物理世界的演算法的方法。
Luis Piloto是論文的一作，也是通訊作者。
他於2012年獲得羅格斯大學電腦科學學士學位，隨後又去普林斯頓大學攻讀，並分別於2017年和2021年獲得神經科學的碩士和博士學位。
2016年，他正式加入DeepMind，成為研究科學家。
以上是讓AI像嬰兒一樣思考！ DeepMind「柏拉圖」模型登Nature子刊的詳細內容。更多資訊請關注PHP中文網其他相關文章！
