看到“雙節(jié)”期間中國有 5.5 億人出行的新聞，我不由得虎軀一震。想到了人會多，但沒想到會這么多！看來大家都充滿了探索欲，希望在難得的假期去往自己熟悉或未知的地方。

　　就算你選擇了“家里蹲”，也一定會通過網(wǎng)上沖浪、閱讀游戲等方式，來探索自己的內(nèi)心世界。

　　探索是人類的本能，從嬰兒時(shí)期開始，好奇心就驅(qū)動(dòng)著我們?nèi)ヌ剿鞑⒗斫庾约核诘氖澜纾?AI 的成長則離不開對人類的觀察與模仿，其中，就包括探索的能力。

　　這種能力被算法掌握之后，出現(xiàn)了阿爾法狗打敗人類棋圣，也出現(xiàn)了 OpenAIFive--在電子游戲領(lǐng)域完虐人類玩家。不過即便如此，人類的探索能力依然令最高級的 AI 都望塵莫及。

　　比如嬰兒可以從爬行和探索中學(xué)會認(rèn)知三維空間，而一些計(jì)算機(jī)視覺還總被曝出被平面照片所欺騙過去的新聞，上馬更高性能的 3D 視覺算法則需要耗費(fèi)巨大的算力資源，從這個(gè)角度看，人腦無疑在效果和效率上都碾壓了 AI。

　　那么，能不能引入兒童的學(xué)習(xí)能力，來實(shí)現(xiàn)更聰明的 AI 呢？這個(gè)猜測，就像是“把愛因斯坦的大腦給我我也能拿諾貝爾獎(jiǎng)”一樣，是一個(gè)有點(diǎn)鐵憨憨，又有點(diǎn)重要的問題。

　　5 歲小孩碾壓 AI，“玩”就夠了

　　大家不妨在假期做一個(gè)生活觀察，看看小孩子們是如何探索世界的？

　　如果一個(gè)玩具看起來有很多玩法，但他們不知道哪一個(gè)是正確的，小孩子們會進(jìn)行假設(shè)驅(qū)動(dòng)的探索，如果“假設(shè)”失敗了，他們就會轉(zhuǎn)向新的玩具。

　　有研究顯示，一個(gè) 11 個(gè)月大的嬰兒，在看到許多違反物理定律的現(xiàn)象時(shí)，會忍不住對其進(jìn)行更多的探索，甚至?xí)龀鲆恍┻`規(guī)行為來實(shí)踐自己的假設(shè)。

　　比如看到一輛漂浮在空中的汽車，有點(diǎn)顛覆以往的認(rèn)知了，你會怎么做？嬰兒會選擇將玩具砰地扔到桌子上，想知道這種“不合常理”的情況是怎么出現(xiàn)的（所以阻止熊孩子弄壞你手辦的唯一辦法，就是根本不要讓他們看到它們）。

　　這種“不見黃河心不死”式的自由探索，有時(shí)會令家長和大人們不堪其擾，但抽象化的“假設(shè)”能夠讓人類做出大量預(yù)測，想象出許多新的可能性，不僅是一種極為有意義的學(xué)習(xí)方式，更是人類創(chuàng)造力的由來。

　　不過就像小王子覺得枯燥的大人們看不到“蟒蛇肚子里的大象”一樣，令人遺憾的是，這種探索能力是幼兒的專長，大部分情況下只存在在 5 歲以前，這也讓他們成為宇宙中最好的學(xué)習(xí)者。

　　既然兒童行為如此有參考意義，科學(xué)家們自然也想得到。事實(shí)上，兒童發(fā)展學(xué)對 AI 的進(jìn)展起到了重要的方向牽引作用。

　　科學(xué)家們曾將好奇心引入神經(jīng)網(wǎng)絡(luò)，打造了深度增強(qiáng)學(xué)習(xí)，通過獎(jiǎng)勵(lì)反饋來鼓勵(lì)智能體（agent）主動(dòng)探索和理解環(huán)境，更新模型參數(shù)。這讓 AI 能夠自主獲得技能，在電子游戲等需要通用智能的復(fù)雜場景中能夠做出自己的決策，而不是人類預(yù)先通過龐大的標(biāo)注數(shù)據(jù)集給定答案。

　　其他類型的兒童行為亦有價(jià)值。前面提到的“不見黃河心不死”的探索，就被化作深度優(yōu)先搜索策略，DeepMind 和加州大學(xué)伯克利分校的研究人員，開發(fā)了一個(gè) 3D 導(dǎo)航和解謎環(huán)境。智能體（agent）沿著特定路徑進(jìn)行探索，如果遇到死胡同，那就回去找到下一條沒有探索過的道路，繼續(xù)前進(jìn)。

　　聽起來是不是很像小孩子走迷宮的游戲？這能讓智能體接觸到各種各樣的經(jīng)驗(yàn)，在信息較少的環(huán)境中工作；減少對數(shù)據(jù)量的依存，改變目前算力資源緊張的局面，讓許多小數(shù)據(jù)、少樣本的領(lǐng)域（如金融、醫(yī)療）也能實(shí)現(xiàn)智能化。

　　將兒童探索行為應(yīng)用于 AI，一切都能變得更好，理想層面上確實(shí)如此，但現(xiàn)實(shí)總喜歡跟科學(xué)家們開玩笑，也算是給人類保留了一個(gè)“殺手锏”吧。

　　AI 能力暴漲的當(dāng)下，人類為什么還能穩(wěn)坐智慧王座？

　　需要注意的是，這些類似兒童探索的策略，通常更多被用在訓(xùn)練期間提高代理人的經(jīng)驗(yàn)值，而不是在決策時(shí)支持快速學(xué)習(xí)和探索。用人話說就是“懂得了許多道理，卻不一定能過好這一生”，因?yàn)橐坏疥P(guān)鍵選擇時(shí)刻就會掉鏈子。

　　就拿前面提到的深度優(yōu)先搜索（DFS）來說，科學(xué)家們發(fā)現(xiàn)，如果讓孩子們自由探索，那么他們與智能體按 DFS 做出的行動(dòng)有 90%的相似，而以目標(biāo)為導(dǎo)向（找到橡皮糖）來探索的話，有 96%的路線都是相似的。但不同的是，探索越多的孩子，最后能花費(fèi)更少的時(shí)間完成任務(wù)，智能體卻相反。

　　如果智能體發(fā)現(xiàn)一個(gè)地方很有趣（能得到獎(jiǎng)勵(lì)），就會一直重新訪問該區(qū)域，直到它終于終于終于覺得那里不再有趣了，這會導(dǎo)致其概括性不佳（無法形成最佳策略）。

　　其中的差別就在于，孩子不是被動(dòng)地孤立學(xué)習(xí)或由目標(biāo)驅(qū)動(dòng)，而是在不斷實(shí)驗(yàn)和收集信息，將自己的認(rèn)知和經(jīng)驗(yàn)與獲得的信息結(jié)合起來，編織出一個(gè)豐富的世界模型。而即使最復(fù)雜的機(jī)器探索方法，也只能為特定的目標(biāo)服務(wù)，一時(shí)半會還無法完美匹配這個(gè)充滿了各種“意外”的真實(shí)世界。

　　為什么有了一定的探索能力，AI 智能體的表現(xiàn)還是不盡如人意呢？

　　首當(dāng)其沖就是實(shí)驗(yàn)室與現(xiàn)實(shí)環(huán)境的巨大不同。

　　深度強(qiáng)化學(xué)習(xí)過去都是“機(jī)上談兵”，不是跟人類在二維游戲里 PK，就是數(shù)字網(wǎng)格里下棋，而兒童的探索則是發(fā)生在信息豐富的三維現(xiàn)實(shí)世界之中，許多潛在因素很難被應(yīng)用到實(shí)驗(yàn)中。

　　這也是為什么，當(dāng)今最強(qiáng)大的 AI 智能機(jī)器人也達(dá)不到一個(gè)僅小學(xué)畢業(yè)的優(yōu)秀人類服務(wù)員的工作能力，能像他們一樣快速適應(yīng)環(huán)境、完成各種復(fù)雜任務(wù)。

　　此外，兒童的發(fā)展心理學(xué)研究很難在 AI 產(chǎn)業(yè)鏈中形成“閉環(huán)”。要真正激發(fā) AI 生長出服務(wù)現(xiàn)實(shí)的能力，不僅要構(gòu)建出具有更強(qiáng)探索能力的智能體，還要繼續(xù)學(xué)習(xí)人類的認(rèn)知能力，推進(jìn)人工智能自身的理論創(chuàng)新和軟硬件升級（比如搭建三維訓(xùn)練環(huán)境），這一系列鏈?zhǔn)酵黄?，才能最終將技術(shù)構(gòu)想轉(zhuǎn)化為現(xiàn)實(shí)生產(chǎn)力?！按罅Τ銎孥E”的深度學(xué)習(xí)，其高光時(shí)刻就是這么來的。

　　沿著這個(gè)方向，我們可以進(jìn)一步了解，怎樣才能彌合智能體與人類之間的差距。

　　下一代 AI，逐漸浮出迷霧的真實(shí)未來

　　在過去的數(shù)年里，深度學(xué)習(xí)做到了傳統(tǒng)算法所無法企及的進(jìn)度，催生了大量的工業(yè)界應(yīng)用，但其實(shí)，現(xiàn)在的深度學(xué)習(xí)還是很傻--舉個(gè)例子，大部分人都可以通過幾十個(gè)小時(shí)的學(xué)習(xí)學(xué)會開小汽車，而完全自動(dòng)的 L5 級無人汽車至今還是個(gè)遙遠(yuǎn)的夢。

　　圖靈獎(jiǎng)得主 Geoffrey Hinton 就一直非?？释业揭环N新的實(shí)現(xiàn)深度網(wǎng)絡(luò)的方法，認(rèn)為目前（最廣泛的反向傳播算法）根本不是大腦的工作機(jī)制。

　　另一位圖靈獎(jiǎng)得主 Yann Lecun，就認(rèn)為在某些游戲中，需要大量增加模型訓(xùn)練時(shí)間才能達(dá)到或超過專業(yè)人類玩家的水平。

　　通過兒童的學(xué)習(xí)模式，發(fā)現(xiàn)當(dāng)前最優(yōu)秀的 AI 也比不上 5 歲小孩的智力，或許我們可以回答“下一代 AI 應(yīng)該是什么樣”，這個(gè)神經(jīng)網(wǎng)絡(luò)最重要的未解難題之一。

　　至少要有兩重升級：

　　1. 有意識。目前公認(rèn)文字表達(dá)能力最高、模型最為龐大的 GPT-3 也曾被專家吐槽是“無腦作業(yè)”，其實(shí)并不真正理解自己寫出的句子。而具有自主探索、決策、推理能力的 AI，可以理解自己周圍的環(huán)境，才是真正的人工智能。

　　2. 能效比。為什么即使存在缺陷，依然沒有妨礙深度學(xué)習(xí)帶領(lǐng) AI 進(jìn)來發(fā)展熱潮呢？核心原因就在于深度神經(jīng)網(wǎng)絡(luò)大幅度降低了全社會處理、挖掘、應(yīng)用大數(shù)據(jù)的成本。相對人腦而言，現(xiàn)有的計(jì)算硬件功耗都很高，不斷提升 AI 性價(jià)比，是避免再次陷入寒冬的唯一方法，也在呼喚更高級的算法。

　　這兩個(gè)基本難題，只能交給科學(xué)家和工程師們在針尖上做大文章了。對于我們普通人來說，保有一顆如兒童般對世界的好奇心，觸碰充滿各種信息的大自然，由此得來的系統(tǒng)認(rèn)知與思維能力，或許才是機(jī)器永遠(yuǎn)無法企及，且彌足珍貴的。