为什么对婴儿的“混乱探索”“准确算法”？

我已经研究了很长时间的这个概念来自计算机科学，这是不同类型的智能之间的权衡 - 称为“情报剥削”和“探索情报”。我认为童年本质上是“探索性情报”，它与成年人的“功利主义智力”完全不同。 当我第一次提出这一点时，我只是向这位35岁的哲学家和心理学家提出了一些抱怨，他说了最受欢迎的智慧。随着我的孩子长大和孙子，我的观点完全是。直到今天，我感到：“与35岁的孩子和祖母相比，那些真正喜欢有趣的人类活动的孩子。” 青春期前后的人 这是完整的人。 青春期前后的人 这是完整的人。 公民时代只能改善灵长类动物，我们所做的就是所有灵长类动物 - 忙于寻找位置，婚姻，争夺资源等。拱门。只有在童年和老年，我们才能开展真正的“人道”活动，例如心理理论，探索世界，推理的原因，文化交流和伟大的叙事。因此，“祖母和孩子应该是低调的，毕竟，我们是喜欢这个乐趣的人。让这位35岁的老人能做这份工作。” 肖恩·卡罗尔（Sean Carroll）：原因是在传统的背景下或名义上的“黄金时代” - 我们更加专注，实施更强大，但我们缺乏灵活性和创造力。 艾莉森·戈普尼克（Alison Goupnik）：计算机科学认为，在解决“高维活动”时，问题有许多不同的解决方案，而这些解决方案在许多不同的方面都会有所不同。您可以修复您的工作，以查看它是否会使事情变得更好。这是尝试解决问题的非常有效的方法。如果此更改有效，请尝试此调整。这是主要的“使用方法”，这是dults。 当然，这一领域可能还有另一个解决方案，这远非我们今天的解决方案。如果您只是继续进行这些小调整，就无法实现自己的目标。您还可以跳跃并尝试许多事情，无论是否有效，都可以看到世界的运作方式。在计算机科学中，这是低温搜索和高温搜索之间的区别。 想一想风分子的运动，阿林曼在太慢或在太空中随机弹跳时移动。计算机解决方案是平衡两种技术。如果两者不能同时进行，那么我该怎么办？ 事实证明，最好的方法是从大型，随机的野生搜索开始（当然，这是更长的时间，并且花了很多时间思考并不是真的不好的事情。），然后逐渐冷静下来，开始更加集中的发现。计算机科学家称这种方法为“模拟退火”。这就像加热金属然后冷却使其更坚固。我认为童年是Essen从“模拟退火”方法的进化中。 “集中和以输出为导向”和“嘈杂，跳跃，随机行为”，您不必考虑哪种描述更适合4岁。 MG会说怪异，疯狂的话语，经常玩奇怪的假装游戏，做似乎毫无意义的事情，从某种程度上看来这似乎是一个缺陷，但这正是您在探索模式中要做的事情。这意味着至少在某些情况下，孩子比成人更具创造力。 我们通过实证研究展示了这一观点。例如，为儿童和成人设定相同类型的问题是明显的解决方案，或者需要非常规的假设。正如预期的那样，当解决方案清晰时，成年人可以更快地找到答案。但是，当面对需要非直觉假设的问题时，四岁的孩子比大学生好，他们会找到正确的答案。 这样，4岁（在某些方面）比成年人更具创造力。但是问题在于，当我们谈论成人创造力时，它包含两个级别：第一层是提出大量可能性，第二层是过滤最佳的解决方案 - 将其关注于重要选择上，而不是毫无意义的中断。两者不容易直接比较。前者做出了许多解决方案，并认为很多可能性。在这个地方，孩子们很好，而后者需要使用成人高管。 伟大的哲学家约翰·洛克（John Locke）曾经建议人类的智力分为两类：“机智”和“判断”。见证人是提出新想法的能力，而判断是筛选质量想法的能力。这样，孩子们似乎具有非常强烈的幽默和相对较弱的判断力。 ▷约翰·洛克（John Locke）是一位著名的英国哲学家，并在17世纪被认为是“自由主义之父”。他带来了进口诸如“自然人权”和“权力下放和平衡”之类的蚂蚁思想为现代民主政治和自由理论奠定了基础。他的作品“在政府中”和其他作品对后代和社会思想的政治哲学家产生了深远的影响。 02从进化的角度来看，孩子的进化逻辑 肖恩·卡罗尔（Sean Carroll）：如果我们同意演变已经使这种独特的“时间分裂”对人们的生活循环，为什么我们必须处理这样一个事实，即婴儿如此依赖他人，并且花了很长时间才能独立。您可以和其他物种谈论这种现象的情况吗？这是巧合还是某些优化技术的结果？ Alison Goupnik：是的，这很有趣。如果您查看各种物种，您会发现从昆虫（甚至植物）到灵长类动物和哺乳动物，智力，学习能力和脑使用效率的水平都与C与Childhood（从人的角度来衡量）（从人的角度衡量）。 它首先在鸟类中看到。如果您注意到Corvids或Crow，这些鸟很聪明，一到两年，需要始终照顾；家鸡长了几周。尽管这种说法可能会伤害鸡肉爱好者，但Thechickens确实并不聪明。更确切地说，他们只擅长做诸如在谷物中啄食之类的事情，自从出生以来，它们做得很好，但他们不擅长学习。 从“使用”的角度来看，这种差异是合乎逻辑的。对于生活在需要适应新事物的不断变化的环境中的生物，他们必须经过一段探索，然后才能进入发展阶段。在此期间，个人的灵活性差，需要依靠是同一物种的成年成员的护理，以获得足够的营养供应来满足高强度的教育能源需求。这似乎是一种进化方法。 卡路里的燃烧非常鼓舞人心。事实证明，人类大脑的能量是惊人的 - 尽管大脑消耗了人体的20％的卡路里，这意味着大脑可以称为高能消耗的装置。对于四年 - 这个比例，该比例高达60％，甚至接近70％。从这个角度来看，一个普通的四岁男孩就像是与Who Doctor的Interstellare生物一样 - 他们正在带着未造成的“饥饿”大脑在世界各地旅行，这不仅驱使我们继续喂食花生酱三明治以满足他们的能量需求，还需要大量的数据来改善他们的发展。 肖恩·卡罗尔（Sean Carroll）：这种观点很有趣，因为它不是纯粹的物理解释 - 它与诸如大脑容量之类的直观污染物无关。如果我们允许自己将自然设计的动机与诗意展望的特定智能设计联系起来，我们将看到故意确定具有深刻意义的生存，迫使孩子们在探索中发展创造力，而这种能力最终将在未来的生活奖励中获得良好的回报。 Alison Goupnik：是的。这种观点的核心是生物学，进化本身很复杂，并且与其他动物特征有关。例如，某些智能动物的童年不长，例如头足类动物的章鱼。 不同的物种似乎已经改变了不同的“探索”解决方案：通过劳动群体划分的某些昆虫，例如蚂蚁和蜜蜂，例如工人的蜜蜂，负责其制造和和解的重点关注探索。尽管特定的方法差异很大，但这种机制在从昆虫到脊椎动物的广泛物种中具有令人惊讶的均匀性，仅证实了它带有的大量Agpang。 肖恩·卡罗尔（Sean Carroll）：这种作品分裂是普遍的现象吗？我重新Michael Muthukrishna在节目中提到了一个经典的心理学实验的Mber：在盒子里有孩子和黑猩猩插入棍棒以获得奖励；当发现其中一根棍子无效时，孩子们不知道问题，而黑猩猩可能会调整他们的技术。它可能来自向成年人送儿童的信任机制。 Alison Goupnik：是的。它来自另一个规模，它揭示了人类童年与独特的智力之间的密切联系 - 我们不仅在研究社会，而且还在研究文化继承。世代相传的人信息传播的大小大于其他物种。尽管这主要是在父母保护子女的场景中，但建议记住这种机制背后的平衡法则：简单地模仿他人的行为是毫无意义的，只会导致文明的丧失。因此，在代际链中，总是有一个人可以继承同样的知识DGE并破坏了更改的规则。 许多研究表明，孩子会在模仿过程中权衡“此事的实际逻辑是什么？” “您的kapani是如何表现的？”有一个可爱的实验：当实验宣布“我将展示操作方法”时，孩子们更倾向于拥有您提到的“过度模拟”现象，即完全复制演示行动。但是，如果实验已经提出了一个公开的问题：“哇，看看它！我不知道发生了什么，你知道吗？”孩子们更倾向于探索，包括看似不合理的方式，反之亦然。 ▷图像来源：yzhu.io 我们还进行了一些实验。如果儿童接触到机器，我们经常使用“吹气检测器”。当他们发现红色块可以激活机器，而成年人声称“蓝色块是正确的选择”时，孩子们将准确地在自己的观察结果和成人的划痕之间找到平衡。他们也是不要完全依靠自己的发现或盲目遵循权威，而是根据两种解决方案的重量的可能性提出妥协。 因此，我承认我们确实是社交人，但是在文化和社会进化过程的过程中，我们需要平衡模仿和改变 - 这样做很复杂，我认为在儿童的特殊智慧中起作用。 肖恩·卡罗尔（Sean Carroll）：这让我想起了指导毕业生的情况，您会警告他们“是创新的，但也要学习文学”，在那里保持平衡，您不仅可以考虑对他人所做的事情的盲目服从。 艾莉森·戈普尼克（Alison Goupnik）：我们目前正在关注护理护理中的专用大小，尤其是当人们承担育儿责任时所表现出的“护理智慧”。这种智慧的核心是如何为护理人员建立自主权的阶梯。 作为教育者，治疗师或父母，他们不想效仿BL坦率或看到他们坚持旧的方式，也不会离开它。在各种护理情况下，这种平衡的艺术是普遍的。无论是两岁孙子的祖母还是指挥博士后研究员的主管，重要的是要解决相同的认知问题，以平衡文明继承的模仿和变化。可以肯定的是，照顾者的存在可以真正实现文明的继承。 最近，我在研究和写作中发现了一个有趣的奇迹 - 祖父母（尤其是祖父母）在Pamathat中发挥了重要作用。许多人类学证据表明，在文化交流方面，老年人而不是父母倾向于承担发射机的主要作用。父母勤奋地处理一天 - 至日的工作，并保持孩子的温暖，安全，而祖父母则专注于完成这种文化的传播精心设计的文化仪式，例如与孙子孙女一起阅读纳尼亚系列和培养百老汇经典。当然，由于我们的童年特别漫长，我们的更年期（成人）也很长，只有杀戮鲸的人口显示出类似的进化奇迹。 杀手鲸是绝经后很长一段时间内可以生存的少数哺乳动物之一，其祖母的鲸鱼将为拯救智慧带来智慧。当食物稀缺时，是老鲸鱼会导致鲸鱼发现活力 - 我记得这种现象发生在二十年前的某个海洋地区。这种跨代智力机制显示了一种独特的认知模型，与传统的成人智能不同。 肖恩·卡罗尔（Sean Carroll）：真是太好了，它听起来并没有。杀手鲸真的给祖母一个巨大的责任吗？ Alison Goupnik：嗯，我喜欢这个示例的原因表明，通过食谱很重要，我是为祖父母设计的进化。 03对婴儿和婴儿的积极探索和教育 肖恩·卡洛尔（Sean Carroll）：人类婴儿如何建立世界观？ 艾莉森·戈普尼克（Alison Goupnik）：在20-25岁的纳卡利帕斯（Nakalipas）中，我们认为孩子的发展与孩子的发展非常相似。乍一看，这很有趣，毕竟，孩子们并不是真正聪明的科学家，但是当您仔细观察他们了解世界的方式时，您会发现它与重复科学理论几乎相同。从计算的角度来看，这是获取世界上信息的好方法。婴儿和幼儿从小就探索了关系的原因，这对于发展世界前景很重要。 使用具有意外原因属性的“ Blickert检测器”设备，也可以证明，即使是婴儿也可以正确参考此类系统的操作。他们似乎已经建立了这个“因果模型”（有时CA在输入新数据时，它继续纠正其理论系统。例如，我们可以系统地验证这一点，例如，在显示探测器与儿童合作的原则时，其推理模式与良好的科学家非常一致。 当然，了解机制的原理仍然是第二，更重要的是，它解释了您周围的人的工作方式。早在1980年代，我和我的同事就开发了旨在揭示婴儿如何理解他人思想的研究“思维理论”。我们发现，对婴儿的最初理解超出了我们的期望，婴儿将继续学习。例如，从1至2岁开始，“其他人可能有不同的需求”，并且在3至6岁时逐渐掌握了“其他人可能有不同的信念”。这都是非常深的事情。 最近，已经开发了一项非常友好的作品 - 孩子的直觉社会学。他们还考虑了更深的问题，就像当他们是盟友时一样，他们以某种方式行事，当他们是敌人时，它们以不同的方式行事。如果生物体更大且占主导地位，他或她将获得他或她想要的东西。 回到护理的主题，我们现在正在尝试找出婴儿如何理解谨慎的护理。有证据表明，婴儿可以识别“什么样的人可以成为合格的护理人员”。因此，当我谈论他们的无助时，这里确实有一个有趣的孩子。如果您是无助的生物，认识他人，认识爱，了解别人是什么，那么您的安全确实很重要。当然，作为成年人，这仍然是我们学到的最重要的东西。 肖恩·卡罗尔（Sean Carroll）：我希望观众更直观地了解“布克探测器”，并且显然在您的心理实验中起着重要作用。 Alison Goupnik：我们20年前开始了这项实验，当时所有装置都是由我们自己制作的。在此期间，我们在心理学系举办了一个研讨会Y（现在不再存在）。我们会对店员说：“我们需要一个简单的盒子，放置物品时，他用光了，播放音乐。”当按下开关时，我们设计了其他变体，例如齿轮变体，齿轮将转弯，然后发生了其他事情，例如累积的Rube Goldberg机器。 the Booker探测器和使用的蝴蝶/花刺激装置。doi：10.3389/fpsyg.2020.02210 值得注意的是，即使我们认为“最好用触摸屏实施这些功能”，但在电子化实验设备之后，孩子们完全不感兴趣。他们确实需要一些真实的东西。但是我们发现，三到四岁的儿童今天可以理解互动屏幕。对于年幼的孩子来说，身体设备仍然是首选，并且年龄较大的孩子已经接受了“屏幕设备也是造成的”。 肖恩·卡罗尔（Sean Carroll）：正如您所说：“ 1岁以下的婴儿没有心理理论，但他们只是STArtting拥有一个年龄之一。“那么，这是否意味着有一些里程碑或分阶段的认知发展变化？ Alison Goupnik：是的。正如我一开始说的那样，从出生开始，参考文献表明了对人脸的特别关注和解释，并以其他灵长类动物没有的方式模仿它们，这表明理解他人确实很重要。 9个月大的婴儿正在用手指聊天，如果您不回应他们的指示，他们渴望重复“啊！在那里！”表明他们意识到他人可以视觉上关注自己。 传统的观点，即“心理理论”直到4-5岁才形成，但它们不准确。儿童仅在不同领域（例如物理系统）中建立不同的认知框架。值得注意的是，您可以观察到特定年龄点的这些变化，例如为我们提供了将近9个月的革命，这可能与生理时期有关。但更重要的是，e不要点燃，即使婴儿和孩子也很活跃并积极学习。他们的行为不仅要观察统计定律，而且是通过实验探索世界。 想象一下，甚至新生儿，他们都会看着您，微笑并观察其行为的影响。当婴儿和儿童在婴儿的舞台上成长时，这种对探索的探索会产生他们完整的生活经验。他们继续探索，尽管我们经常将其称为“到处都是问题”。当物理学家做这些事情时，他被称为“伟大的实验医生”。 近年来，我们试图将儿童研究与AI（如大型语言模型）进行比较。 AI和孩子们做什么之间的关系是什么？ 我认为，主要存在的孩子正在积极探索世界，以获取信息并更新他们的系统，以放弃-Change -New知识；不仅像大型模型一样模仿。我认为大语言模型本质上只是从现有的人类知识中获取模式（其本质是文明遗产的模仿链接），而孩子们可以闯入现有框架，发现新法律并通过积极的实验证明新的假设。我们认为这确实很重要，使孩子比AI学习更多，学习速度和消耗少的卡路里。 肖恩·卡罗尔（Sean Carroll）：这就像“简单搜索相关性”和“与事物的干预”之间的区别。从数据集中反弹，“如果要这样做，接下来会发生什么？” Alison Goupnik：是的。我们已经与科学家和计算机的哲学家合作了二十年，试图解决理解科学领域原因的问题。主要观点是，仅依靠统计关系并不能实现推理的真正原因。 ▷大卫·休姆（David Hume，1711-1776）是苏格兰E期间著名的哲学家，经济学家和历史学家18世纪的灯。他是一个经验性的，他认为所有知识都来自轰动的经历，并提出了著名的“休ume fork”，将“先验”和“后验”的知识分开。休ume对事业的评论特别受欢迎。他认为，我们不会直接认识原因，而是基于习惯和关联的因素较小。此外，他探索了自我意识，他认为自己是一组感知而不是固定生物的变化。资料来源：digital.nls.uk 那么，推理和关系的原因有什么区别？这是休ume*期间的传统哲学问题。学术界的当前后果是建立造成的可靠关系，有必要通过积极的干预实验。只有通过施加变量和现实世界中观察结果的差异才能在事件之间的原因和效果。 实际上，我们做了一些woRK在这方面。我认为，即使婴儿和孩子也可以通过独立操作与“繁忙盒子”等设备进行互动时建立对物理世界的理解。 Bybreast Brease引起的许多可能性可用于执行各种实验。它比标准的回旋子便宜，但可以为婴儿和儿童发挥相同的作用。这种实验方法使您真正知道世界就像是什么。 正如我们所说，心理理论和直觉心理学在认知发展中非常重要，护理人员确实是婴儿的“实验主题”。从某种意义上说，“小心理”婴儿继续与护理人员作为观察样本进行社会认知实验。例如，在“可怕的两人”阶段，婴儿和儿童能够通过主动行为触发护理人员的反应，然后观察。 04儿童的认知模式Andrevolution的原因 肖恩·卡罗（Sean Carro）LL：我们的播客邀请了犹太珍珠*，他直言不讳地说：“保姆正在触摸事物并绘制地图原因。”我没有意识到这实际上是什么意思。 艾莉森·戈普尼克（Alison Goupnik）：这是完全正确的。我们的研究工作基于Pearl开发的正式框架，例如比较贝叶斯网络的原因，以使儿童可以解决原因的原因。我们发现，儿童建立原因原因的过程与图形原因的理论预测高度一致。具体而言，他们通过观察数据并根据它进行干预决策来构建图形的模型。 但是，珍珠和科学界都有一个尚未解决的问题：如何确定“最重要的实验”？ 犹太人的理论框架可以告诉您：“当获得实验的特定结果时，看起来像图的相应原因是什么？”但是如何决定首先尝试什么？我们找到了许多传统实验的黄金政策（例如必须维持相同的其他变量，只能同时更改一个变量）不适用于婴儿和儿童，甚至可能不是科学的最佳天堂。 它带来了一个很大的开放问题：实验设计的元标准到底是什么？ ▷在类似于世界的环境中比较成年人，儿童和强化研究剂的探索性行为，这些环境评估了内在目标，例如熵，信息，增强和人类探索的行为之间的关系。 Arxiv：2503.23631V1 [CS.AI] 2025年3月31日 我们开始在相同的实验环境中观察儿童和AI。我们要做的就是将儿童和AI特工分别放在Minecraft环境中，并让他们“知道发生了什么”。尽管幼儿会以合理的方式探索气氛，而不仅仅是休闲。他们以一种使他们知道如何知道的事情环境有效，它们比AI更好。 肖恩·卡罗尔（Sean Carroll）：很有趣。传统的科学研究范式要求其他变量保持相同，并且只有一个变量已更改，这是有道理的。但是，仅仅是因为更改单个变量很容易吗？它真的不如与干预合作的效果吗？ Alison Goupnik：是的。这是Talagain一个非常友好的技术问题 - 何时遵循某些规范指南（即一次更改）。毕竟，很难保持其他变量相同，并且只需更改变量。想象一下，在繁忙的盒子里争论但可以通过各种不同的方式进行探索和学习的孩子。对于人工智能，科学和发展心理学，这是一个有趣的问题，他们如何才能哦？ 肖恩·卡洛尔（Sean Carroll）：这个很小的孩子是贝叶斯主义的好追随者的准确性？ Alison Goupnik：我们所做的实际上是在贝叶斯推论的各种理论框架中，例如向儿童提供信息，思考基线的可能性，并提供新数据以更新它们，并且可以始终正确更新它们。 此外，我的实验室和1990年代的理查德·阿斯林（Richard Aslin）和珍妮·萨夫兰（Jenny Saffran）指出，孩子们非常擅长制作统计数据。毕竟，这是令人惊讶的，成年人通常不擅长计算。例如，当两个设备在10个设备A中显示了八个设备时，十分之四的设备将有效 - 18个月大的婴儿将选择具有更高有效性可能性的设备A。尽管将可能性调整为三分之二至八分的比较，但它们仍然可以做出同样的选择。他们似乎能够执行无所不能的操作自然而自然，无意间知道这种可能性是如何工作的。 这样，就会出现一个问题 - 儿童行为的模式似乎符合贝叶斯识别机制，但是从理论上讲，这种计算是不可能的。面对大规模的假设时，贝叶斯步骤需要验证每个假设的匹配级别，即存在一个数据，这将需要大量时间假设。这个问题称为搜索问题，无论是在统计，人工智能还是童年时，没有人能真正解决这个问题。 但是孩子们似乎解决了这个问题 - 他们成功地完成了了解世界法律的理解。他们如何做到这是一个非常友好的问题。我当前的猜测-HAKA是主动的Mekauntanding可能是关键要素。这不仅是接收数据和更新假设的被动过程，而且是通过主动实验探索的认知模型。在pHysics社区，理论家和实验之间总是有一些紧张关系。从发展中的角度来看，我们是团队实验。 05神经科学和生命周期的观点 肖恩·卡罗尔（Sean Carroll）：我们对这种机制的神经科学基础有多少了解？提高使儿童与大脑神经网络发展的能力是否相匹配？ Alison Goupnik：是的。最有趣的是，在早期神经科学发展中发现的是符合我们今天所看到的：在发展的早期阶段，大脑会开发出大量新的突触以获得新的联系；然后通过髓鞘形成加强连接和传导的效率，而未使用的连接则取消。因此，早期的大脑是超级塑料。它可以快速适应新的体验，但功能效率低。尽管大脑在另一个阶段表现良好，但它在变化方面不是很好，而且塑料较少。这种模式就像肛门进行“探索使用”的权衡显示。从经验上讲，观察大脑发育，某些地区会看到早期扩散，而另一些区域则处于较晚的修剪模式。 肖恩·卡罗尔（Sean Carroll）：大约18个月内发生视觉系统发育的临界点。目前，视觉系统完成了初始体系结构并进入稳定的阶段 - 这就是为什么需要尽快纠正儿童出现婴儿的问题的原因。语言领域的发展点在5-6岁时被推迟，这是掌握语言后获得第二语言的效率的显着降低。前额叶执行功能区最新增长，在青年期间尚未完全确立。这种发展轨迹证实了一般规则：大脑的所有区域最初都会发展许多联系，然后在某个时间点加强和修剪。 主题回到学术界确实证明了是一种现象，即动态的思想创造者通常是年轻的老师和博士后，而不是几十年来成功的年长教授。 Alison Goupnik：是的。我认为许多人会问的一个问题是：“像孩子一样的成年人的IREMAIN创造者可以吗？”事实是，即使科学研究基金除外，实验室运营还需要研究人员，这些研究人员都非常适合系统政策和丰富的资金经验。 以医生为例，轻型实验是一个需要高集中和实施的巨大项目。因此，我们不希望该部门的董事成为整天都在幻想中爆炸的疯子，但他们必须保持专注。但是兴趣是，成年人已经开发了社会机制来平衡勘探和使用，我认为离开的制度是一个常见的情况。我们不会要求科学家在闭门造车后面工作。我们相信事情在ta，ta国王假期，参加学术会议可以将自己带到现有环境中，并以更大的规模探索。作为科学家，我们花费大量时间旅行，这确实很困难，但是能够在不同的地方，不同环境中进行跨学科，以不同的方式思考问题，所有这些似乎都是成年人使自己更具创造力的一种方式。 06 AI发展的认知含义 肖恩·卡洛尔（Sean Carroll）：我们可以利用开发从开发中学到的经验来生产更好的AI模型吗？操作怎么样？ Alison Goupnik：这正是我们伯克利AI研究小组前进的地方。我们尝试包括基本概念，例如积极研究，社会研究和模型构建系统设计NG AI中的原因。由于目前的大型模型在许多方面都非常有效，因此他们可能会认为“只要他们继续增加对计算能力的投资，它们就会变得更强大并消耗更多的能量，nd他们会变得越来越好。我们将有一个名为“通用人工智能”（AGI）的传奇。 但是，当我与AI研究团队交谈时，我了解到每次谈论“一无所有的一般情报，人造或自然”时，我总是被观众的强烈反应所吸引。他们认为有一个单一的，可以确定智力。有些人天生具有更多的智慧，而另一些人则非常困难，并且相信智能储备的持续积累将直接提高其有效性。 这不是认知科学理论或模型的右派。认知科学的真相确实是：人类认知系统的不同能力之间存在权衡，而当前的大语言模型（LLM）缺乏基本能力。他们没有积极地进行实验来探索世界，也无法建立抽象模型引起生成内容。差异很明显。孩子REN只能基于跟踪数据来实现跨筛查应用程序，而LLM需要大量的培训数据，但仍然很难实现。 那么，问题是：孩子们做了什么？可以用来使AI改善它吗？当前的情况在AI和儿童的认知水平之间存在巨大的差距，儿童的数量级比我们现在拥有的任何系统都要强。但这正是我们必须探索的。 肖恩·卡罗尔（Sean Carroll）：是的。对于AI乐观主义者来说，他们只能看到领先的人类玩家或游戏，而且很难与他们谈论好处。我们试图像今天一样在智能方面描述AI的限制，但是为其设定基准似乎有些模糊和困难。 艾莉森·戈普尼克（Alison Gopnik）：作为机器人领域的一个例子，AI在下棋方面表现良好，但对于实际扣押了国际象棋棋子，这是非常糟糕的。如果链接B链接设计为要求AI从地板上捡起分散的碎片并恢复T准确地说，他们的表现仍在失败。尤其是在使用一套全新的棋盘（例如通过寻找眼镜*的游戏）时，AOF这些部分将无法使用现有的培训数据识别它们。 ▷“爱丽丝冒险”中的棋盘是一个巨大的幻想世界，由田野，河流和森林组成。镜子中的整个世界都被设计为国际象棋板，国际象棋网格分为自然景观，而象棋的碎片是故事中的角色。作为白色国际象棋棋子，爱丽丝经历了第二个国际象棋的各种令人惊叹的冒险经历，并最终到达了第八个国际象棋并成为女王。该董事会不仅是游戏场景，而且还象征着爱丽丝的政策成长和探索。描述：约翰·泰尼尔（John Tenniel） 这是著名的“摩拉维克悖论”。这种讽刺在人工智能发展的历史上：对人AI来说很难的事情非常容易，而那些容易看到，行动和MOT的人则很容易对于AI来说，探索“桶探测器”时，ivate以及儿童推理的原因。 我认为有关AI智能的所有讨论最初都是误导的。这些系统之所以有效的主要原因是，他们使用互联网上成千上万的人向他们贡献文本，并通过一些强化机制向人类的反馈学习，最后训练这些系统。 您知道经典孩子的“石汤”的故事？故事是这样的：有时候，许多客人来村里说：“我们喜欢食物。”村民回答说：“对不起，我们没有额外的食物可分享。”游客说：“没关系，我们想煮摇滚汤。我们有神秘的石头。”因此，他们建立了一个大锅，放在一些岩石上并开始了木匠。访客说：“看，我们煮摇滚汤。尽管很美味，但最好有洋葱和胡萝卜。但是没有它，这并不重要。”一个村民们说：“似乎有洋葱D我家里的胡萝卜。“他们去捡起它们。访客说：“瞧，我们的汤就更好了！就像在国王煮汤时向国王添加鸡肉一样，效果很好。当然，你能...吗？我们只用一块石头做了一个美味的汤。” 如果我们将这个故事适应计算机科学版本，则可能是：“我们只需要三个算法就可以形成渐变，血统和变形金刚。技术人员说：“即使今天我们的情报水平是如此出色，如果我们能在立即工程上做得很好，并找到了黄金可以使系统更聪明的迅速词，您认为它会实现吗？”用户说：“我们可以考虑一下。因此，最终，技术人员宣称：“看，我们说只有一些算法才能创建AGI。” 但是，这种方法故意忽略了系统有效工作的真正原因 - 这不是算法本身，而是其背后的大量数据。数据源自一群人，他们产生了四年 - 戈德正在做的那种探索性创造性智能。 ▷尼尔森·普莱斯（Nelson Price）出版的儿童“石汤”儿童的照片米尔本出版：亚马逊 肖恩·卡洛尔（Sean Carroll）：我认为，开发AI系统的其他见解更加专注于开发世界原因的模型，甚至干预并将其派往AI。 Alison Goupnik：是的。这也是研究的方向之一，但正如我所说，非常困难。贝叶斯人尝试很难的原因是由于T的复杂性他搜索问题。此外，所谓的增强研究实际上是一个古老的心理概念，“通过行动证明了影响”。 就像在迷宫上奔跑的实验室中的老鼠一样，有时会获得奶酪的奖励，有时会受到电击惩罚，并最终学会寻求福利并避免伤害。该技术在国际象棋AI中起着重要作用，该系统通过游戏中的大量游戏探索了最佳方法。但是，强化教育的致命缺陷在于狭窄的视野。当代理只专注于“如果当前的行动带来直接利益”时，他或她将永远无法真正探索世界上深层的运营定律。 因此，我认为我们所探索的最有前途的概念确实与科学方法非常一致，也就是说，在研究过程中，我们不仅应该计算“如果效用得到改善”或“如果更多的奶酪可能会成为可能性”，而且还应该集中精力，我们也应该集中精力”。此操作比上次获得的信息更多？它加深了我们对世界或系统的理解吗？ “ 这意味着，即使我们在短期内无法获得直接利益，我们也应该选择揭示世界上运营定律的态度。我们正在努力产生一种内在的奖励机制，例如正在探索的科学家的纯粹乐趣。 解决这个问题的方法是拥有一个加强研究的代理商，但是奖励不是奶酪，实用程序或游戏获胜，而是发现新的奶酪，并更多地了解世界的运作方式。 在开发和AI中，我们尝试了许多有趣的方法来探索如何实现这一目标。我们目前正在研究一个非常友好的想法，称为“授权”，其主要理念是：当您的行为对世界产生不可预测的影响时，您将获得回报。 为此，您将尝试尽可能多的行动来观察世界上不同的变化。具体操作。这个过程充满了惊喜和乐趣，自然会激发重新解释的愿望，并希望尽可能多地执行不同类型的动作并建立相似的关系。如果您一段时间后感到无聊，您将尝试找到新的目标。 它与我前面提到的研究原因密切相关。所谓的授权奖励的本质是学习如何干预世界并了解自己的行为如何激发连锁反应。一些证据甚至散发出一个两个月的婴儿，当您在脚和手机之间放一条丝带，以便他们可以控制手机时，他们坐在那里，尝试不同的踢脚方式，以查看会影响手机的原因。像小型科学家一样，他们将咯咯笑并继续重复实验。这种探索似乎非常擅长。当然，他们还模仿母亲做同样的事情，他们做各种鬼脸，一个D然后看看他们的母亲是否会让他们鬼脸。 我认为这是解决方案的重要组成部分。我希望再次清楚它与科学研究有关。回到我们之前提到的实验的系统上，我注意到那些当权者总是说：“您不能成为PA ExpeditionFisheries的目标（没有明确的目标或进行收集信息的捕鱼探险，并通过试图解决这些问题来解决问题。”通过测试某些程序，某些系统的法律是出乎意料的，这是一个真正的价值，这是一个更重要的法律。 07未来研究的哲学探究和方向 肖恩·卡洛尔（Sean Carroll）：卡尔·菲斯顿（Karl Fiston）建议的“能量的自由原理”和“贝叶斯大脑”，“大脑的本质是尽可能减少意外情绪。”如果遵循这种逻辑，人们应该在黑暗的房间里卷曲，什么也没有。但是他的观点是减少我们的意外感觉生活，我们应该立即开始积极地mo吟，并尝试各种非常规的行为，以预测将来会发生什么。 Alison Goupnik：是的，这是我前面提到的探索与使用之间的权衡。关键是您需要建立一个连贯的概述，以提供周围的世界，并且不仅可以专注于小说的随机对象，也可以重复旧事物。我们发现，当给儿童带有随机行为的“桶形检测器”时，儿童比“桶探测器”更有可能与行为结果有系统相关的设备相互作用。这种对系统惊喜的偏爱也适用于科学界。 肖恩·卡罗尔（Sean Carroll）：尽管我们利用了世界存在的某种自然结构，但哲学家，物理学家和AI研究人员也充分掌握了该系统的系统主义。 Alison Goupnik：是的。有一件事总是让我感到惊讶。我S也是我最初的目的是作为对哲学系的研究，知识本质的研究。它来自考虑柏拉图和亚里士多德讨论的深层哲学问题。 我们怎么知道外界的存在？它不仅包含某些结构，还包含争吵，思想和所有不直接遵循的事物。但是，从世界发送给我们的是一堆风，会干扰我们的耳膜和眼睛。 我们如何从这些数据中重建这个世界？我想回到柏拉图和亚里士多德的理论。 “看来我们通过数据理解世界。它总是在那里。”它本质上来自一些自然的进化结构 - 这是Piplato的嗜一次路径。亚里士多德的理论对应于当代大语言模型的范式。 “我们似乎了解世界的结构，但实际上，我们只采用光子和耳膜声音之间的统计关系。我们错误地等同于与认知结构的数据相关性，但缺乏支持这种理解的足够因素。” 发展的奇迹是，学习真正的婴儿的过程似乎并不符合两种情况。如果我知道我可能喜欢西兰花，不知道这个世界上的新事物，或者知道夸克和轻子，我们似乎不了解这个世界上的新事物。但是认识人不仅是数据相关性的统计数据。 尽管我们似乎能够发展出数据超出数据相关性的理论，但我们无法开发有效的Computati模型来阐明这一能力一千年。我认为观察孩子如何实现这一研究过程是解决这一哲学问题的主要途径。这正是我一生都在研究的话题。 肖恩·卡罗尔（Sean Carroll）：有时观察现实世界的实际功能可以帮助我们更好地理解它。 08翻译员的文章 p翻译这种对话的Rocess不仅是对削减认知科学的沉浸式研究，而且还引发了我对人类智力本质的深刻反映。艾莉森·戈普尼克（Alison Gopnik）将孩子比作“进化设计探险家”，而她的认知模式就像“模拟退火”中的高温搜索，试图以糟糕的方式发展世界模型。这种观点将对传统教育的“集中注意力不足”的负面评估减少了，而是将其视为发展文明的原始驱动力。相比之下，在当前AI领域，尽管大语言模型可以增加人类知识的外观，但它们缺乏主动干扰世界的创造力，并证明了像孩子一样的原因和影响。 翻译时，如何准确传达诸如“授权”之类的跨学科概念成为一个挑战 - 它们既是人类之间差异的技术术语和隐喻理解和机械逻辑。高普尼克（Gaopnik）指出了“祖母和杀手鲸之间的文化交付”，这是更加周到的：智力不仅在优化算法，而且在世代之间的经验与改变之间的动态平衡。 也许，为了通用人工智能，我们需要从婴儿那里知道：让我们对“效率”的痴迷并重新获得探索的纯粹乐趣。毕竟，文明的大火始于混乱中的第一个火花。 *为了确保阅读经验，本文将适当编辑听力脚本。回到Sohu看看更多 原始对话指南：https：//www.thetransmitter.org/brain-spired/dmitri-cklovskii-outlines-how-now-nurons-nurons-nurons-may-as-as-as-as-as-as-their-wo-wo-poptimal-timal-timal-feedback-ctrollers/