我們知道計(jì)算機(jī)在計(jì)算數(shù)字方面比我們快。然而，機(jī)器在模仿人類時(shí)還會(huì)在某些地方遇到困難，這就是我們“天生的和直覺的數(shù)字感”。與電腦不同的是，當(dāng)人類看到四只貓、四個(gè)蘋果和“4”的符號(hào)時(shí)，他們甚至不用數(shù)，就知道它們都有一個(gè)共同點(diǎn)——“四個(gè)”的抽象概念。
這說明了人類思維和機(jī)器之間的差異，并有助于解釋為什么我們甚至還沒有接近開發(fā)具有人類所擁有的廣泛智能的人工智能。
研究人員在一個(gè)由虛擬腦細(xì)胞或神經(jīng)元組成的計(jì)算機(jī)模型中發(fā)現(xiàn)了這種“數(shù)字感”，這個(gè)模型采用的是人工神經(jīng)網(wǎng)絡(luò)。僅僅通過被訓(xùn)練識(shí)別圖像中的物體(這是人工智能的一項(xiàng)常見任務(wù))之后，該網(wǎng)絡(luò)就發(fā)展出了對(duì)特定數(shù)量做出反應(yīng)的虛擬神經(jīng)元。
這些人工神經(jīng)元讓人聯(lián)想到“數(shù)字神經(jīng)”，人們認(rèn)為“數(shù)字神經(jīng)”賦予人類、鳥類、蜜蜂和其他生物能力來估計(jì)一組物品的數(shù)量，這種直覺也被稱為數(shù)字感。
《科學(xué)進(jìn)展》(Science Advances)網(wǎng)站上的這篇報(bào)告稱，在數(shù)字判斷任務(wù)中，人工智能表現(xiàn)出了與人類和動(dòng)物類似的數(shù)字感。這一發(fā)現(xiàn)有助于我們了解人工智能在沒有明確指令的情況下可以學(xué)習(xí)什么，而且對(duì)于研究動(dòng)物對(duì)數(shù)字的敏感度如何產(chǎn)生的科學(xué)家來說，這可能會(huì)很有趣。
德國圖賓根大學(xué)(University of Tubingen)的神經(jīng)生物學(xué)家安德里亞斯·尼德(Andreas Nieder)和同事們利用一個(gè)包含約120萬張標(biāo)記圖像的圖書館，教人工神經(jīng)網(wǎng)絡(luò)識(shí)別圖片中的動(dòng)物和車輛等物體。然后，研究人員向人工智能展示了包含1到30個(gè)點(diǎn)的圓點(diǎn)圖案，并記錄了各種虛擬神經(jīng)元的反應(yīng)。
一些神經(jīng)元在觀察特定數(shù)量的圓點(diǎn)圖案時(shí)更加活躍。例如，一些神經(jīng)元在看到兩個(gè)點(diǎn)而不是20點(diǎn)時(shí)表現(xiàn)出強(qiáng)烈的激活，反之亦然。這些神經(jīng)元對(duì)某些數(shù)字的偏好程度，與猴子神經(jīng)元先前的數(shù)據(jù)幾乎相同。
一個(gè)新的人工智能程序查看了之前給猴子看的點(diǎn)的圖像，包括一個(gè)點(diǎn)的圖像和從2到30的偶數(shù)點(diǎn)的圖像(如圖)。就像猴子大腦中的數(shù)字敏感神經(jīng)元一樣，人工智能中的數(shù)字敏感虛擬神經(jīng)元在顯示特定數(shù)量的點(diǎn)時(shí)優(yōu)先被激活。與猴子的大腦一樣，人工智能包含了更多的神經(jīng)元，這些神經(jīng)元對(duì)較小的數(shù)字更加敏感，而不是較大的數(shù)字。
為了測(cè)試人工智能的數(shù)字神經(jīng)元是否具有類似動(dòng)物的數(shù)字感，尼德的團(tuán)隊(duì)展示了成對(duì)的圓點(diǎn)圖案，并詢問這些圖案是否包含相同數(shù)量的圓點(diǎn)。人工智能在81%的情況下是正確的，在類似的匹配任務(wù)中表現(xiàn)得和人類和猴子差不多。就像人類和其他動(dòng)物一樣，人工智能也很難區(qū)分圓點(diǎn)數(shù)量非常相似的圖案和圓點(diǎn)數(shù)量非常多的圖案。
哥倫比亞大學(xué)(Columbia University)的神經(jīng)學(xué)家埃利亞斯?伊薩(Elias Issa)表示，這一發(fā)現(xiàn)“非常好地證明了”人工智能如何能夠在為特定任務(wù)進(jìn)行訓(xùn)練時(shí)學(xué)習(xí)多種技能。伊薩并未參與這項(xiàng)工作。
他表示，數(shù)字感是如何以及為何在這個(gè)人工神經(jīng)網(wǎng)絡(luò)中產(chǎn)生的，目前仍不清楚。
尼德和他的同事們認(rèn)為，人工智能中數(shù)字感的出現(xiàn)可能有助于生物學(xué)家理解人類嬰兒和野生動(dòng)物在不學(xué)習(xí)數(shù)數(shù)的情況下是如何獲得數(shù)字感的。也許基本的數(shù)字敏感度“已經(jīng)被連接到我們的視覺系統(tǒng)架構(gòu)中，”他說。
但是，位于帕多瓦的意大利國家研究委員會(huì)(Italian National Research Council)的計(jì)算神經(jīng)學(xué)家伊夫林?斯托亞諾夫(Ivilin Stoianov)并不認(rèn)為，這種人工智能中的數(shù)字感與動(dòng)物大腦中的數(shù)字感存在如此直接的平行關(guān)系。
這臺(tái)人工智能通過研究許多貼有標(biāo)簽的圖片學(xué)會(huì)了“看”，而嬰兒和野生動(dòng)物卻不是這樣學(xué)會(huì)理解這個(gè)世界的。
斯托亞諾夫說，未來的實(shí)驗(yàn)可能會(huì)探索，在更接近于模仿生物大腦學(xué)習(xí)方式的人工智能系統(tǒng)中，是否會(huì)出現(xiàn)類似數(shù)量的神經(jīng)元，就像那些使用強(qiáng)化學(xué)習(xí)的系統(tǒng)一樣。
