兒童的玩耍居然比人工智慧還高級？人腦比機器高級在哪裡？

「原創文章，​首發於公眾號「小小神經元」，未經許可，請勿轉載」

近年來，人工智慧，即AI（artificial intelligence）這個話題非常火。在大量的電影作品中，人工智慧屢見不鮮，比如很多80、90後很熟悉的電影《終結者》、《黑客帝國》系列，威爾史密斯演的《我是傳奇》和近兩年來也非常熱門的美劇《西部世界》，無不描繪出人工智慧強大而令人震撼的學習能力。

最開始，計算機還沒有達到自主進行學習的程度，只是按照人類輸入的算法進行運作，致使很多人覺得計算機只是做出規律的運算，沒辦法呈現和創意相關的運算。

但近幾年，計算機的發展還是讓人讚嘆不已。比如作為圍棋國家二級運動員的柯潔，輸給了叫做阿爾法Go（圍棋的英文單詞也是「Go」）的機器人。不僅僅會下圍棋，人工智慧還在撲克和Atari Arcade Classics等複雜遊戲中已達到超人類水平。

這些AI成功故事的背後都有一個稱為「深度強化學習」的算法（algorithm），該算法將神經網絡建模與從獎勵和懲罰中學習的過程結合起來。在遊戲中訓練過程中，機器在不斷學習，每當機器贏一局，獲得積分或到下一輪時，便會獲得獎勵。

「人工智慧」這個概念分為「人工」和「智能」，人工就是人類創造的硬體、軟體等，而智能就複雜的多，包括了思維、意識、自我，這些關乎人類心理學的內容，本來就很抽象和神秘，更別提現在我們要把這些東西裝進鋼和鐵的大腦中了。

現實世界中的人類一直在解決複雜環境中的問題。比如從遠古時期，學習打獵，到後來的農業耕種，再是藝術的產生，人類無不用其智慧去產生文明的結晶。

雖然人工智慧AI已經在某些比賽中贏了人類，可是，人工智慧和真正的人類智能還有不少距離。而兒童的玩耍比人工智慧要高級的得多，在玩耍過程中兒童的快速發展和學習也是人工智慧所無法想像的，這是為什麼呢？

孩子能更好的處理「不確定性」

我們先來看看人類大腦在出生的頭幾年經歷了什麼。剛出生的那幾年，我們從簡單的模仿到給出自己自發性的反應，到底是什麼激勵了孩子們互相玩耍、在實驗室和真實世界探索？

我們世界的某些方面將永遠無法預測，而相比機器，兒童能更好地在這無法預測的環境下學習。許多實驗室研究發現孩子們會基於環境中最不確定的內容，從而引導自己的探索。但是，在現實世界中，AI永遠是在確定性的結果上進行學習，一個程序式的AI以不確定性為導向的探索可能會失敗。

例如，讓一個被動輸入程序和代碼的機器人解讀環境中的不確定因素，很有可能會陷入困境，比如無法解讀破碎電視上的雪花屏幕，被一系列始終無法預測和令人出奇的模式所困擾。即使現在機器翻譯已經不足為奇了，但是機器人還是沒辦法像人工翻譯一樣掌握不同語言中的精髓。當機器人聽到人類的所謂的笑話時，運算核就會嘀咕，「這個梗到底是什麼」。

而人類的小孩不會在新的情境中卡住，相反，孩子們甚至可以主動和複雜的外部刺激互動。雖然情境並非完全可預測，但孩子還能從中學習、提問，來得到反饋。

孩子的內在動力是關鍵

除了天生有動力去了解他們的不確定環境外，孩子們還非常有動力，通過控制他們自己的行為來控制環境，所以你能看到孩子們十分熱衷於弄出很大的聲響。這些聲響在他們看來，都是環境給予他們反饋的聲音。

比如，嬰幼兒在玩耍時通常會做出一些看起來似乎毫無目的的行為：將手指或腳趾放在嘴裡，將物體撞在桌子上，或者堆放或撞倒障礙物。然而，通過上述玩耍行為，嬰兒可以從他們自己的動作和他們看到、聽到和感受到的變化中學習如何控制和改變環境中。

實驗室研究表明，嬰幼兒偏愛那些依自己行為而變化的玩耍情景。孩子會被可以施加控制的玩具所吸引，比如用自己的手拿起一個玩偶，這讓他們體會到了「控制」感，加強了孩子們玩耍的內在動力。這樣投入-產出模式的學習和目標導向的行為，都為至關重要的認知過程提供了基礎。

這就是為什麼每個家長都會經歷孩子一天問「十萬個為什麼」的階段，問出的問題都是孩子內在動力的體現。內在動力也是孩子成長和學習的關鍵，因此保留孩子的好奇心對他們的成長是非常重要的。

對於AI人工智慧而言，這種「控制」感，以及隨之而來的內在動力，則難以探究和定義，也是計算機領域的學者們特別關注的問題。

將人類的內在動力植入AI

發展心理學家提出人類學習受到內在動機的支撐，內在動機（intrinsic motivation）是指做某事的內心驅動力，與獎勵無關，是人類從出生就自帶的。同時對好奇心和主動性的研究——理解和影響自己環境的驅動力，能夠為指導兒童玩耍和探索提供理論方向，並且加速他們的學習。

近些年，越多越多的AI科學家發現，發展科學對兒童學習方式的深入研究可能是建立AI處理器的關鍵，這樣AI處理器就可以在沒有明確獎勵的情況下學習。

研究發現也表明，探索內在動力，比如好奇心、孩子玩耍中的情境處理驅動力，是發展人工智慧的關鍵過程。除了內在動力外，研究兒童認知能力發展的其他特徵，例如重新激活睡眠中的先前經歷、靈活運用不同的學習策略以及監測和推斷他人目標和意圖的能力，也可能促進機器學習的速度和靈活性。

所以，研究孩子的思維成長、思考過程和回應，真的能助於發展人工智慧。人工智慧的最新進展表明，當將預測和控制環境的驅動力植入控制人工行為的算法中時，類似的內在動機也可能促進機器學習，它們學習速度更快並且可以解決更廣泛和複雜的問題。

由於在AI領域取得了飛速發展的許多算法創新都與人類學習發展的過程具有很強的相似性，因此發展性科學（developmental science）很有可能是人工智慧起源的關鍵。

畢竟人類是世界上最有智慧的生物，在千百萬年的進化過程中，地球漫長的歲月把智能的種子撒在了我們的基因裡面，別小看家裡玩泥巴的小人啦，這或許是人工智慧苦苦追逐卻永遠無法達到的高度了。

21/ 50

哈佛腦科學海歸團隊創立的自閉症康復教育平臺