英国研究人员称人工智能需要更多的动物感

对人脑的不完全理解以及如何赋予计算机常识是人工智能最持久的挑战之一。来自DeepMind London、伦敦帝国理工学院和剑桥大学的最新研究认为，人类的常识建立在许多其他动物也拥有的一系列基本能力的基础上，因此动物认知可以作为许多人工智能任务和课程的灵感来源。在本月发表在“认知科学趋势”杂志上的一篇论文中，研究人员确定了人工智能研究可能从动物认知领域获益多少。“常识”没有一个普遍接受的定义。虽然许多研究都把语言作为试金石，但这篇新论文暂时把语言放在一边，把重点放在非人类动物身上发现的其他常识能力上。他们认为，与理解日常概念(如物体、空间和因果关系)有关的能力也是人类的基线，而这一“常识基础层，这是人类水平智能的先决条件”，可能会提供当今人工智能系统所缺乏的一些东西。研究人员说，动物认知领域已经开发了许多实验方案来研究这些能力，而且由于深度强化学习(RL)-DeepMind非常关注的一个领域-的进展，现在可以直接应用这些方法来评估3D环境中的深度RL代理。他们认为，由于动物认知提供了一个广为人知的、非语言的、智能的行为纲要，动物认知领域的实验方案可以重新用于评估和基准，以评估和衡量代理人是否“理解”了常识概念或原则，从而可以指导环境和任务设计。

理想情况下，研究人员希望建立能够将相互关联的原则和概念作为一个系统整体来把握的人工智能技术，并将这种把握体现在人类层面的概括和创新能力上。虽然最终如何构建这样的人工智能技术仍然是一个悬而未决的问题，但该团队建议了一条涉及培训RL代理以通过与丰富虚拟环境的扩展交互来获取所需内容的路径。研究人员回顾了几个常识物理任务，重点放在固体物体上，以提出一些关于培训和评估RL试剂的方法论观点。他们观察容器和围栏，因为在人类和非人类行为中有大量的例子-通常与获得食物或其他奖励有关-一个物体包含另一个想要的物体，并对另一个物体构成障碍。就像松鼠打破榛子的壳，乌鸦用棍子从树洞里榨取食物一样，人类在榨取食物的过程中也会打开冰箱的门。对于RL代理来说，理解和概括容器的概念将是一个非常有用的常识。本文认为，物理学只是人工智能研究界在这方面一直忽视的一个常识领域。还有其他的，比如心理学概念中涉及的常识(如相信某事或不快乐)，以及常识社会概念的巨大而可变的领域(如与另一个代理人在一起，或给某人一些东西)，研究人员也可以从动物的灵感中研究RL代理。该团队相信，这种跨物种常识的探索可以有助于改进架构、环境、任务和课程，并有可能为居住在模拟3D世界中的RL代理配备一系列基本常识概念和原则。他们说，当那个时候到来时，我们可能终于可以解决语言问题了。论文“人工智能与动物常识”发表在“细胞新闻评论”(Cell Press Review)上。

这份报告让我们看到了中国在与新冠肺炎的战斗中是如何利用人工智能技术的。亚马逊Kindle上也有，在这份报告的同时，我们还推出了一个全球数据库，涵盖12个大流行场景的额外1428个人工智能解决方案。

我们知道你不想错过任何新闻或研究突破。我们订阅我们广受欢迎的时事通讯同步全球AI周刊，以获得每周的AI更新。