日本沖繩科學技術研究所認知神經(jīng)機器人團隊開發(fā)了一種具有新穎架構(gòu)的具身智能模型。它允許科學家訪問神經(jīng)網(wǎng)絡的各種內(nèi)部狀態(tài)，並且能夠以與人類兒童相似的方式學習泛化，揭曉了神經(jīng)網(wǎng)絡中認知發(fā)展和信息處理的關鍵信息。該成果發(fā)表在新一期《科學·機器人學》雜志上。

對人工智能（AI）至關重要的大型語言模型（LLM）主要依賴於大規(guī)模數(shù)據(jù)集，但其無法像人類那樣有效地從有限信息中進行泛化。而具身智能是一種基於物理實體進行感知和行動的智能系統(tǒng)。它可以通過智能體與環(huán)境的交互來獲取信息、理解問題、做出決策並執(zhí)行行動。

此次的具身智能模型基於預測編碼啟發(fā)，變分遞歸神經(jīng)網(wǎng)絡框架，通過集成視覺、本體感覺和語言指令三種感官輸入進行訓練。具體來說，該模型處理了以下輸入：觀看機械臂移動彩色塊的視頻﹔感知人體四肢運動的感覺及機械臂移動時的關節(jié)角度﹔以及語言指令如“把紅色物體放在藍色物體上”。

該模型的靈感，是大腦不斷根據(jù)過去的經(jīng)驗預測感官輸入，並採取行動將預測與觀察之間的差異降至最低。因為大腦的工作記憶和注意力有限，所以必須按順序處理輸入並更新其預測，而不是像LLM那樣一次性處理所有信息。

研究表明，新模型隻需更小的訓練集和更少的計算資源就可實現(xiàn)泛化學習。盡管它比LLM犯錯更多，但這些錯誤類似於人類的錯誤。

這意味著，將語言與行為相結(jié)合可能是兒童快速語言學習的重要因素。這種具身智能不僅提高了透明度，還能更好地了解AI的行為效果，為未來更安全、更合乎道德的AI發(fā)展指明了方向。

這項研究為理解和模擬人類認知提供了一個新的視角，展示了如何通過整合多種感官輸入來實現(xiàn)高效的泛化能力。這不僅有助於開發(fā)更加智能和靈活的AI系統(tǒng)，也為認知科學提供了寶貴見解。（記者張夢然）

分享讓更多人看到