Building machinesthat learn and think like people
搭建像人一样思考和学习的机器
出版源: 《Behavioral& Brain Sciences》, 2017, 40:1
被引量: 159
一、 文章内容简介
人工智能领域的最新进展重新构建了像人一样学习和思考的系统。许多进步来自使用端到端的深度神经网络来完成诸如物体识别、视频游戏和棋盘游戏等任务，从而在某些方面达到甚至超过人类水平。尽管他们具有生物学上的灵感和成就，但这些系统在关键方面不同于人类智能。
这篇文章回顾了认知科学的进展，认为真正类人的学习和思维机器在学习内容和如何学习方面必须超过当前的工程趋势。具体而言，作者认为这些机器应该：
（1）构建支持解释和理解的世界因果模型，而不仅仅是解决模式识别问题;
（2）用直观的物理学和心理学理论进行学习，以支持和丰富所学知识;
（3）利用组合性和学习如何学习来快速获取知识，并将学到的知识推广到新的任务和情境中。
本文提出了实现这些目标的面临的具体挑战和有希望的解决途径，作者认为可以将近期神经网络发展的优势与更多结构化的认知模型相结合。
二、 人类智能的核心组成要素：
1) 开发启动软件：直观物理学、直觉心理学
2) 学习快速建模：组合性、因果关系、学习如何学习
3) 快速思考：结构化模型的近似推理、基于模型和无模型的强化学习
三、 展望
1) 发展方向：①将心理成分与深度神经网络相结合，特别是选择性注意力，增强工作记忆和经验回放；②将模式识别和基于模型的搜索结合起来
2) 应用领域：场景理解、自主代理和智能设备、自动驾驶、创意设计