根据定义，“人类直觉”似乎意味着我们和人工智能之间的障碍。这就是为什么我们会有直觉和反射——有时是冲动——的反应，无法用逻辑解释，因此不能简单地转移到电脑上。我的意思是，我们几乎无法解析我们自己的本能行为的推理，所以我们如何开发算法来编码它?

但如果我们要进入一个逼真的人工智能世界，我们需要弥合这一差距。我们需要弄清楚如何赋予机器人系统直觉的力量。在周一的《自然》杂志上，科学家们宣布他们已经推动了这项探索。

在与英国人工智能研究实验室DeepMind的合作中，该团队开发了一个人工智能系统，可以像人类婴儿一样学习“直观物理”，即对我们的宇宙机制如何工作的常识性理解。

它被命名为“通过自动编码和跟踪对象的物理学习”(Physics Learning Through auto encoding and Tracking Objects，简称PLATO)，这无疑是向这位以洞穴寓言闻名的希腊哲学家致敬，这是一个探索知识和意义微妙本质的思想实验。

该研究的作者在他们的论文中写道:“与非常年幼的儿童相比，天辰注册目前的人工智能系统在对直观物理的理解方面显得苍白无力。”“在这里，我们利用发展心理学领域来解决人类和机器之间的差距。”

直观的物理是什么?

如果你给一个婴儿看一个红球，然后用一本大书把它挡住，孩子一开始可能会有点震惊。她可能会想，“呃，那个红球……消失了吗?”但如果她看到这种情况发生了足够多次，她最终会意识到，“哦，它仍然在那里，尽管我看不到它。东西不会随机消失。我们有物理!”

这就是所谓的物体恒常性，在出生到两岁之间，它开始融入我们的直觉。

快进到成年期，当一件东西挡在我们视线之外时，我们从来不会考虑它还在那里的事实。我们只知道。这项新研究的团队希望帮助PLATO达到只知道这样的物理物质的地步。直观的物理。

事情是这样的。

基本上，研究团队首先仔细研究了几十年来关于婴儿如何学习直觉物理的发展心理学研究。慢慢地，在通读了这些文献之后，一个共同的主题开始出现——“把世界分解成一系列离散的物体，以支持物理理解，”来自DeepMind的路易斯·皮洛托(Luis Piloto)在周一的新闻发布会上说。

换句话说，婴儿似乎是通过观察物体的移动、摔倒、互动、出现和消失来学习直观的物理。天辰注册你可能会说，只有亲眼所见才会相信。基于这一原则，研究人员开发了一个深度学习模型，这是一个基于大量数据集的系统，可以随着时间的推移获得技能，从而调整自己的代码。这是柏拉图。

然后，该团队向PLATO展示了长达28小时的动画视频，内容是涉及许多物体的简单物理。

例如，PLATO观察到一个球落地或在其他物体后面滚动——甚至是违反物理定律的“不可能”场景。比如物体之间的运动。你可能会在魔术师手册中找到这些场景。

在直观的物理训练视频中看到的彩色物体。

这是给PLATO看的一个视频例子。

DeepMind

最后，一个问题仍然存在:柏拉图最终会像你我还是婴儿时那样学会直觉物理吗?

先天与后天

经过28个小时的训练后，研究人员发现它做到了。

据皮洛托说，柏拉图通过了所有直观的物理学习测试——就团队提出的基准而言——并理解了人类婴儿随着年龄增长开始的许多模式。它消化了连续性，即物体必须沿着轨迹从a点到达B点，而不是瞬间移动，以及固体性，这意味着两个物体不可能同时出现在同一个物理空间。这只是两个这样的发现。

该团队认识到PLATO真正学会这些常识性物理概念的方法是通过测量它对视频中接下来发生的事情的预测的准确性。随着时间的推移，柏拉图的预测开始变得越来越好。此外，Piloto和他的同事们还可以测量出某种程度的“惊讶”，这意味着柏拉图的猜测与柏拉图的观察非常不同。

果不其然，当PLATO看到一些奇怪的魔术般的视频时，它表现出了“惊讶”，这些视频的内容并不符合逻辑。当球相交并打破物理定律时，它就知道出了问题。如果它是人类的话，它会像我们看魔术表演时一样目瞪口呆。

但还有更多。