近年来，人工智能（AI）领域取得了惊人的进展，能驾轻就熟的任务范围已越来越广泛。我们不得不承认，在许多方面，人工智能已超越人类，例如在视频游戏、国际象棋、蛋白质折叠等科学问题和语言建模方面。然而，还有一些关键方面“不尽人意”。
譬如，在“常识”方面。与总能对未知事物表现出惊讶的婴儿相比，当前的人工智能仍然相形见绌。即使是最先进的人工智能系统仍在努力捕捉指导人类日常场景中的预测、推理和行动的"常识"性知识。
年7月11日，发表在《NatureHumanBehaviour》上的一项新研究中，来自英国人工智能研究实验室DeepMind和普林斯顿大学的研究人员利用发展心理学来尝试解决人工智能与人类之间的差距。
在这项新研究中，研究人员专注于常识性知识的一个特定领域，即“直觉物理学”。直觉物理学使我们能够务实地参与物理世界，并构成思维。
为了在人工智能系统中追求更丰富的常识性物理直觉，研究人员从发展心理学中汲取灵感。首先，他们引入了一种名为柏拉图（PLATO）的人工智能，它受到了有关婴儿学习方式研究的启发。PLATO通过自动编码和跟踪对象的视频进行学习，这些视频涉及婴儿出生后几个月所拥有的相同基本知识，从而可以让PLATO像人类婴儿一样思考。
该研究通讯作者、DeepMind的神经科学家LuisPiloto说：“对我们来说，幸运的是，发展心理学家已经花了几十年时间研究婴儿对物理世界的认识，并对一系列概念进行分类。通过扩展他们的工作，我们构建并开源了一个物理概念数据集，并合成视频数据集，以用来评估模型中的物理概念。”
我们从很小的时候就能理解三个关键概念：永久性（物体不会突然消失）、坚固性（固体物体不能相互穿过），和连续性（物体在空间和时间中以一致的方式移动）。
研究人员建立的数据集涵盖了这三个概念，此外，再加上另外两个概念：不变性（物体属性不变，如形状），和定向惯性（物体以符合惯性原理的方式移动）。
这些概念是通过球落在地上、相互反弹、消失在其他物体后面然后重新出现的片段来表达的。
经过这些视频的训练之后，研究人员对PLATO进行了测试。
当向PLATO展示违背它所学习的物理学常识场景的视频时，PLATO就会像婴儿一样表现出惊讶。这表明，这种人工智能“聪明”多了，可以认识到发生了一些打破物理定律的奇怪事情。
这也是在相对较短的训练后期发生的，更具体地说，人工智能只训练了28个小时。从技术上讲，就像对婴儿研究一样，研究人员正在寻找违反期望（VoE）信号的证据，以表明人工智能理解所学习的概念。
Piloto说：“我们基于对象的模型在研究的所有五个概念中都表现出稳健的VoE效应。”
随后，研究人员进行了进一步的测试。这次使用的对象与训练数据中的对象不同。同样，PLATO对应该发生什么和不应该发生什么有着明确的理解，这表明它可以学习并扩展其基本训练知识。
然而，研究人员表示，即便如此，PLATO也还没达到三个月大婴儿的水平。当它看到不涉及任何对象的场景时，或者当测试和训练模型相似时，它就不会表现出惊讶了。
此外，训练PLATO的视频中包含了额外的数据，以帮助它识别物体和它们在三维空间的运动。
研究人员表示，人工智能还需要一些内在的知识来了解全貌，而“先天与后天”的问题是发育科学家们仍在研究的问题。这项新研究可以让我们更好地理解人类思维，并帮助科学家构建更好的人工智能表现。
总之，这项建模研究提供了概念验证证明，证明至少可以通过视觉学习获得直觉物理学中的一些核心概念。
研究人员表示，虽然对一些早熟物种的研究表明，某些基本物理概念可以在出生时就存在，但在人类中，数据表明直觉物理知识在生命早期就出现了，但会受到视觉经验的影响。
论文链接：