人工智能可以產(chǎn)生與我們自己相似的數(shù)字感

人工智能可以分享我們進(jìn)行數(shù)字快速判斷的自然能力。

研究人員在由虛擬腦細(xì)胞或神經(jīng)元組成的計(jì)算機(jī)模型中觀察到這種數(shù)字的訣竅，稱為人工神經(jīng)網(wǎng)絡(luò)。在僅僅為識別圖像中的對象(AI的常見任務(wù))進(jìn)行訓(xùn)練之后，網(wǎng)絡(luò)開發(fā)了響應(yīng)特定量的虛擬神經(jīng)元。這些人工神經(jīng)元讓人想起“數(shù)字神經(jīng)元”，它被認(rèn)為可以為人類，鳥類，蜜蜂和其他生物提供估計(jì)一組物品數(shù)量的先天能力。這種直覺被稱為數(shù)感。

研究人員在5月8日的“科學(xué)進(jìn)展”雜志網(wǎng)絡(luò)版上報(bào)告說，在數(shù)字判斷任務(wù)中，人工智能表現(xiàn)出與人類和動物類似的數(shù)字感。這一發(fā)現(xiàn)有助于深入了解人工智能在沒有明確指導(dǎo)的情況下可以學(xué)到什么，并且對于研究如何在動物身上產(chǎn)生數(shù)字敏

德國蒂賓根大學(xué)的神經(jīng)生物學(xué)家Andreas Nieder及其同事使用了大約120萬張標(biāo)記圖像的圖書館來教授人工神經(jīng)網(wǎng)絡(luò)，以識別圖片中的動物和車輛等物體。然后研究人員向AI展示了包含1到30個點(diǎn)的點(diǎn)圖案，并記錄了各種虛擬神經(jīng)元的反應(yīng)。

當(dāng)觀察具有特定點(diǎn)數(shù)的圖案時，一些神經(jīng)元更活躍。例如，當(dāng)顯示兩個點(diǎn)但不顯示20個時，一些神經(jīng)元強(qiáng)烈激活，反之亦然。這些神經(jīng)元偏愛某些數(shù)字的程度與以前來自猴子神經(jīng)元的數(shù)據(jù)幾乎相同。

點(diǎn)探測器

一項(xiàng)新的人工智能程序查看了之前向猴子顯示的點(diǎn)的圖像，包括帶有一個點(diǎn)的圖像和帶有偶數(shù)個點(diǎn)的圖像，從2到30(底部)。與猴腦中的數(shù)字敏感神經(jīng)元非常相似，當(dāng)顯示特定數(shù)量的點(diǎn)時，AI中數(shù)字敏感的虛擬神經(jīng)元優(yōu)先激活。與猴子大腦一樣，AI包含的神經(jīng)元數(shù)量調(diào)整為較小的數(shù)字而不是較大的數(shù)字。

為了測試AI的數(shù)量神經(jīng)元是否具有類似動物的數(shù)字感，Nieder的團(tuán)隊(duì)展示了成對的點(diǎn)圖案并詢問圖案是否包含相同數(shù)量的點(diǎn)。人工智能在81%的時間都是正確的，表現(xiàn)與人類和猴子一樣，在類似的匹配任務(wù)上也是如此。像人類和其他動物一樣，AI努力區(qū)分具有非常相似數(shù)量的點(diǎn)的圖案和具有許多點(diǎn)的圖案之間。

哥倫比亞大學(xué)的神經(jīng)科學(xué)家伊萊亞斯伊薩(Elias Issa)表示，這項(xiàng)研究結(jié)果是人工智能如何在為特定任務(wù)進(jìn)行培訓(xùn)時獲得多種技能的“非常好的演示”。但他說，究竟如何以及為什么在這種人工神經(jīng)網(wǎng)絡(luò)中出現(xiàn)數(shù)感仍然不清楚。

Nieder及其同事認(rèn)為，人工智能中數(shù)字意義的出現(xiàn)可能有助于生物學(xué)家了解人類嬰兒和野生動物如何在不被教導(dǎo)的情況下獲得多種感覺。Nieder說，也許基本的數(shù)字靈敏度“與我們視覺系統(tǒng)的架構(gòu)相關(guān)聯(lián)”。

Ivilin Stoianov是帕多瓦研究委員會的計(jì)算神經(jīng)科學(xué)家，他不相信這種人工智能中的數(shù)字意義與動物大腦中的數(shù)字意義之間存在這種直接的平行關(guān)系。這個人工智能通過研究許多標(biāo)記的圖片來學(xué)習(xí)“看”，這不是嬰兒和野生動物學(xué)會理解世界的方式。未來的實(shí)驗(yàn)可以探索相似數(shù)量的神經(jīng)元是否出現(xiàn)在人工智能系統(tǒng)中，它們更接近地模仿生物大腦的學(xué)習(xí)方式，就像那些使用強(qiáng)化學(xué)習(xí)的那樣，Stoianov說