想建类人式机器人？还得从婴儿学起

• 类人式机器人
• 婴儿
• 学习

驱动中国 2016年 11月 21日消息  当下我们看到的机器人虽然更加灵巧机智，且在各个领域大放异彩。不过论智能层面，他们的突破却举步维艰。这不仅是机器人发展亟待突破的方面，也是其走出初级化阶段的必经之路。

“在相对最近的人工智能中，人们从想直接设计一个可以完成成人做的事情的系统转变成一种认识——即如果想要有一个灵活和强大的系统来完成成人做的事情，这个系统需要能够学习婴儿和孩子做事情的方式”，加州大学伯克利分校的发展心理学家Alison Gopnik这样说道。纵然相较它的发展历程而言，计算机已经取得了很大进步，不过，如果将所取得的这些进步与一个4岁儿童可以做的事相比较，则相差远矣。

其实不难理解，机器人或人工智能更多的停留在执行任务的层面，而对于好奇心及学习能力的编程是很难掌握的。这个“动机”何在，怎么模拟？以及如何用算法去实现程序化？这一步实现相当有难度。所以好奇心是人类智慧的源泉，切勿扼杀孩子的好奇心及可能性。

Gopnik最近和一组研究人员一起研究揭示了15个月大的孩子相比年龄更大的孩子是如何使用统计数据来更好地学习因果关系的。婴幼儿也许是更好的学习者，因为他们是真正完成从0到1这个过程，我们能够感受到环境对他们影响的重要性。周围的细节方面影响都会驱使他们的好奇心去探索以及给出相应的反馈。

“令人震惊的是，婴儿可以只看到一次或听到一个新单词的时候，他们就已经对这个新词的可能意思和可能的使用方法等有了一个很好的认识了；”Gopnik说。然而随着大脑的成熟，它变得更加专业化以便执行复杂的功能，因此也变得不那么灵活，越来越难以随着时间而改变。就像一句俗语说的：“小时候看山是山，看水是水，长大后看山不是山，看水不是水，老了看山还是山，看水还是水”。这也说明了更多地了解世界会加强某些神经连接。正所谓知道的越多不知道的也就越多。

从Sagar人工智能观来看，他更注重生物学的启发，致力于将每个算法都控制神经系统从而令机器人能够模仿、建立反馈系统还有通过互动和演示学习新的信息。这个研究方向将从本质上推动机器人的智能化进程。