編譯 陸默

嬰兒天生具有幫助我們學(xué)習(xí)常識(shí)的本能，但迄今為止，開(kāi)發(fā)人工智能算法的這種本能離我們還有些遙遠(yuǎn)

二月里的一個(gè)周六上午，克洛伊，一個(gè)身穿條紋襯衫和打底褲的3歲孩子，正好奇地探索新玩具的種種可能玩法。她的父親加里·馬庫(kù)斯（Gary Marcus）是紐約大學(xué)的一名發(fā)展認(rèn)知科學(xué)家，他帶回家一些可以用來(lái)粘住樂(lè)高積木的膠帶。積木玩得很熟練的克洛伊對(duì)這種膠帶很感興趣，以前她都是將積木往上搭，堆得越高越好，但如果用了這些膠帶，她能否將積木向水平方向，或顛倒過(guò)來(lái)搭建呢？馬庫(kù)斯建議她可以從桌子側(cè)面向外搭建。10分鐘后，克洛伊開(kāi)始用膠帶把積木粘到墻上。“我們最好在媽媽回來(lái)之前做好這件事，”馬庫(kù)斯用一種平淡的聲調(diào)說(shuō)，“她會(huì)不高興的?！保▌⊥福耗z帶會(huì)令墻上油漆受損。）

在馬庫(kù)斯與女兒的游戲中隱含著一個(gè)科學(xué)實(shí)驗(yàn)。克洛伊能把她學(xué)到的某種知識(shí)應(yīng)用到一個(gè)新的環(huán)境中嗎？幾分鐘后，她就成功搭建了一個(gè)從墻體向外延伸的樂(lè)高積木雕塑?！鞍职?，我做到了！”她大聲叫道。在對(duì)新獲得知識(shí)的靈活應(yīng)用中，克洛伊展現(xiàn)了一種常識(shí)能力，到目前為止計(jì)算機(jī)科學(xué)家一直在努力想要讓人工智能（AI）復(fù)制的人類(lèi)的一種智力，一種本能。馬庫(kù)斯認(rèn)為人工智能將從像克洛伊這樣的小小思想家這里學(xué)會(huì)這些能力。

機(jī)器學(xué)習(xí)研究人員認(rèn)為，通過(guò)海量數(shù)據(jù)訓(xùn)練的計(jì)算機(jī)幾乎不需要多少編程指令，就能學(xué)會(huì)包括人類(lèi)常識(shí)在內(nèi)的任何東西。馬庫(kù)斯認(rèn)為這些專(zhuān)家存在認(rèn)識(shí)上的“盲點(diǎn)”，常識(shí)是一種社會(huì)性的東西，“物理嫉妒”的一種形式，在這方面人們認(rèn)為越簡(jiǎn)單越好。他認(rèn)為計(jì)算機(jī)科學(xué)家忽視了幾十年來(lái)認(rèn)知科學(xué)和發(fā)展心理學(xué)方面的研究成果，這些研究表明，人類(lèi)在出生時(shí)或在幼年時(shí)表現(xiàn)出來(lái)的一些與生俱來(lái)的能力，能夠幫助我們抽象地、靈活地思考，就像克洛伊那樣。他認(rèn)為人工智能研究者應(yīng)該將這種本能納入他們的AI編程計(jì)劃中。

然而，許多為機(jī)器學(xué)習(xí)取得的一些成功洋洋自得的計(jì)算機(jī)科學(xué)家們，正在急不可耐地探索人工智能的極限。俄勒岡州立大學(xué)的計(jì)算機(jī)科學(xué)家托馬斯·迪特里奇（Thomas Dietterich）說(shuō)道，“我認(rèn)為，大多數(shù)機(jī)器學(xué)習(xí)研究者，在為人工智能提供大量背景知識(shí)上，都有方法論上的偏見(jiàn)，因?yàn)樵谀撤N意義上，我們將這種做法視為一種失敗?！彼€補(bǔ)充說(shuō)道，計(jì)算機(jī)科學(xué)家也欣賞簡(jiǎn)潔，不喜歡調(diào)試復(fù)雜的代碼。麻省理工學(xué)院心理學(xué)家喬?！ぬ┠硝U姆（Josh Tenenbaum）說(shuō)道，像臉書(shū)和谷歌這類(lèi)大公司是推動(dòng)人工智能向那個(gè)方向發(fā)展的另一個(gè)因素，這些公司最感興趣的是定義狹窄的短期問(wèn)題，如網(wǎng)絡(luò)搜索和面部識(shí)別，在這些領(lǐng)域內(nèi)，像一張白紙一樣單純的AI系統(tǒng)可以通過(guò)海量數(shù)據(jù)集的訓(xùn)練，非常出色地完成許多工作。

但從長(zhǎng)遠(yuǎn)來(lái)看，計(jì)算機(jī)科學(xué)家預(yù)計(jì)，AI們將要承擔(dān)需要靈活性和常識(shí)的更艱巨任務(wù)。他們需要?jiǎng)?chuàng)造出能夠?yàn)槿藗兘庹f(shuō)新聞的聊天機(jī)器人，可以在混亂的城市交通中安全行駛的自動(dòng)出租車(chē)以及能夠照顧老人的機(jī)器人。泰南鮑姆說(shuō)，“如果我們想要制造出能在機(jī)器人C3PO所處的人類(lèi)世界中真正互動(dòng)的機(jī)器人，我們就需要在更一般的環(huán)境中解決所有這些問(wèn)題。”

一些計(jì)算機(jī)科學(xué)家已經(jīng)在進(jìn)行這方面的嘗試。2018年2月，麻省理工學(xué)院?jiǎn)?dòng)了“智力探索”（Intelligence Quest）研究計(jì)劃，目前正在籌集數(shù)億美元用于探索通過(guò)編程語(yǔ)言理解人類(lèi)智力的途徑。研究人員希望，這類(lèi)研究將產(chǎn)生介于純粹的機(jī)器學(xué)習(xí)和純粹的人類(lèi)本能之間的某種人工智能。他們將從嵌入式規(guī)則開(kāi)始啟動(dòng)，讓機(jī)器一邊發(fā)展一邊學(xué)習(xí)。“從某種意義上說(shuō)，這就像由來(lái)已久的先天與后天的辯論，只是如今被翻譯成編程語(yǔ)言而已。”特南鮑姆說(shuō)道。

部分探索將發(fā)現(xiàn)嬰兒知道些什么，以及從什么時(shí)候開(kāi)始知道的，并將這些發(fā)現(xiàn)應(yīng)用到機(jī)器學(xué)習(xí)上。位于華盛頓西雅圖的艾倫人工智能研究所（AI2）的首席執(zhí)行官奧倫·艾齊奧尼（Oren Etzioni）說(shuō)道，這需要時(shí)間。AI2最近宣布了一項(xiàng)1.25億美元的研究項(xiàng)目，目的是開(kāi)發(fā)和測(cè)試人工智能的常識(shí)能力?！拔覀兿Ｍ⒃谌祟?lèi)大腦固有的代表性結(jié)構(gòu)上，”艾齊奧尼說(shuō)，“但我們不理解大腦是如何處理語(yǔ)言、推理和知識(shí)的?！?/p>

最后，特南鮑姆說(shuō)，“我們正試圖認(rèn)真對(duì)待人工智能最古老的夢(mèng)想之一：開(kāi)發(fā)一種像人類(lèi)嬰兒一樣成長(zhǎng)的智能機(jī)器人，像嬰兒一樣開(kāi)始，像孩子一樣學(xué)習(xí)?！?/p>

在過(guò)去的幾年中，人工智能已經(jīng)證明它可以翻譯語(yǔ)音，診斷癌癥，并在撲克游戲中擊敗人類(lèi)。但在獲得的每一次勝利中，它們也都會(huì)犯一個(gè)大的錯(cuò)誤。例如，圖像識(shí)別算法現(xiàn)在可以比人類(lèi)更好地分辨狗的不同品種，但它們有時(shí)卻會(huì)把一只吉娃娃誤認(rèn)為藍(lán)莓松餅。在經(jīng)典的電腦游戲《太空入侵者》中，人工智能擁有超人般的游戲技能，但如果移除掉游戲中幾乎所有的外星人，只留下一個(gè)外星人，人工智能就會(huì)莫名其妙地陷入不知所措的困境。

機(jī)器學(xué)習(xí)是人工智能的一種，但成是它們，敗也是它們。從廣義上講，人工智能已經(jīng)從依賴于許多編程規(guī)則（也稱為老式人工智能，簡(jiǎn)稱為GOFAI）的軟件轉(zhuǎn)移到通過(guò)反復(fù)試驗(yàn)而學(xué)習(xí)的系統(tǒng)。得益于強(qiáng)大的計(jì)算機(jī)、大數(shù)據(jù)和被稱為神經(jīng)網(wǎng)絡(luò)的算法上的進(jìn)步，機(jī)器學(xué)習(xí)已開(kāi)始啟動(dòng)。這些網(wǎng)絡(luò)是由簡(jiǎn)單的計(jì)算元素組成的集合，這些元素在某種意義上模擬了人類(lèi)大腦中的神經(jīng)元，在它們攝取訓(xùn)練數(shù)據(jù)時(shí)，會(huì)產(chǎn)生更強(qiáng)或更弱的“神經(jīng)元”連接。

自Alpha的成功之后，谷歌旗下的“深度思維”（Deep-Mind）項(xiàng)目一直在推動(dòng)深度學(xué)習(xí)的發(fā)展。每次去掉一些規(guī)則，軟件似乎一直在改進(jìn)。2016年，機(jī)器人阿爾法圍棋（AlphaGo）擊敗了人類(lèi)圍棋冠軍李世石，圍棋是源自中國(guó)的一種經(jīng)典戰(zhàn)略游戲。在接下來(lái)的一年里，AlphaGo Zero以更少的編程指令輕而易舉地?fù)魯×薃lphaGo，幾個(gè)月后，一個(gè)更簡(jiǎn)潔的Alpha Zero系統(tǒng)在擊敗AlphaGo的同時(shí)，還掌握了國(guó)際象棋的玩法。

1997年，一個(gè)經(jīng)典的、基于規(guī)則的人工智能，IBM的深藍(lán)擊敗了國(guó)際象棋冠軍加里·卡斯帕羅夫（Garry Kasparov），但事實(shí)證明，真正的國(guó)際象棋技巧在于知道例外的例外，即通過(guò)經(jīng)驗(yàn)收集到的信息。Alpha Zero通過(guò)不斷地下棋來(lái)學(xué)習(xí)，可以打敗深藍(lán)這個(gè)如今最好的象棋程序，以及每一個(gè)人類(lèi)冠軍。

然而，像Alpha這樣的系統(tǒng)顯然并沒(méi)有從中汲取到有關(guān)常識(shí)的知識(shí)。如果改用21x21的圍棋棋盤(pán)，而不是標(biāo)準(zhǔn)的19x19的棋盤(pán)，人工智能將不得不重新學(xué)習(xí)游戲規(guī)則。20世紀(jì)90年代末，馬庫(kù)斯培訓(xùn)了一個(gè)人工智能網(wǎng)絡(luò)，讓它輸入某個(gè)數(shù)字，再輸出這個(gè)數(shù)字，這是可以想象得到的最簡(jiǎn)單的任務(wù)，但他只訓(xùn)練它輸入輸出偶數(shù)，因此當(dāng)他再用奇數(shù)對(duì)這個(gè)人工智能網(wǎng)絡(luò)進(jìn)行測(cè)試時(shí)，網(wǎng)絡(luò)就會(huì)陷入困境。它不能將學(xué)習(xí)到的知識(shí)從某個(gè)領(lǐng)域應(yīng)用到另一個(gè)領(lǐng)域，就像克洛伊開(kāi)始將她的樂(lè)高積木向側(cè)面搭建那樣。

答案不是再回到基于規(guī)則的人工智能設(shè)計(jì)模式（GOFAIs）。一個(gè)孩子認(rèn)識(shí)狗并不是從基本規(guī)則開(kāi)始的，比如“有四條腿、有一條尾巴，大小像貓”那樣的動(dòng)物是“狗”，孩子的識(shí)別方式更加微妙，哪怕是只長(zhǎng)了3條腿的一只吉娃娃，一個(gè)3歲的孩子也不會(huì)認(rèn)不出它是一條狗。人類(lèi)的認(rèn)知不是一塊空白的白板，也不是固定不變的。相反，有證據(jù)表明，我們擁有一些可以幫助我們學(xué)習(xí)和思考這個(gè)世界的特質(zhì)。大自然賦予我們的不是一個(gè)技能庫(kù)，而是為我們搭建了一個(gè)如何認(rèn)識(shí)世界的框架。

機(jī)器學(xué)習(xí)的勝利：AlphaGo在2017年擊敗了圍棋冠軍柯潔

哈佛大學(xué)心理學(xué)家伊麗莎白·斯波克（Elizabeth Spelke）認(rèn)為，我們至少擁有4種“核心知識(shí)”系統(tǒng)，讓我們?cè)诶斫馕矬w、動(dòng)作、數(shù)字和空間方面擁有一個(gè)良好的開(kāi)端。我們是憑直覺(jué)獲得知識(shí)的物理學(xué)家，例如，快速理解物體及其相互作用。根據(jù)一項(xiàng)研究，出生只有3天的嬰兒能夠?qū)⒁桓鶙U子隱藏部分的兩頭理解為整個(gè)實(shí)體的一部分，這表明我們的大腦可能傾向于感知有緊密結(jié)合關(guān)系的物體。我們還是直觀的心理學(xué)家，在2017年的一項(xiàng)科學(xué)研究中，斯波克實(shí)驗(yàn)室的研究生莎麗·劉（Shari Liu）發(fā)現(xiàn)，10個(gè)月大的嬰兒可以推斷出，當(dāng)一個(gè)動(dòng)畫(huà)人物爬上一座高山拿取某個(gè)模型而不是另一個(gè)時(shí)，這個(gè)動(dòng)畫(huà)人物一定更喜歡前者。馬庫(kù)斯證明7個(gè)月大的嬰兒已開(kāi)始學(xué)習(xí)一些語(yǔ)言規(guī)則，當(dāng)包含三個(gè)單詞的句子（“wo fe fe”）打破了之前聽(tīng)到句子的語(yǔ)法模式（“ga ti ga”）時(shí)，他們會(huì)感到驚訝。根據(jù)后來(lái)的研究，新生兒也表現(xiàn)出類(lèi)似的行為。

馬庫(kù)斯列出了他認(rèn)為應(yīng)該被納入人工智能的包括10種人類(lèi)本能的最小清單，其中包括因果關(guān)系、成本效益分析以及類(lèi)型與實(shí)例等概念，如，狗的概念與我的狗的概念。2017年10月，他在紐約大學(xué)一場(chǎng)關(guān)于人工智能是否需要“更多先天機(jī)制”的辯論中，面對(duì)紐約大學(xué)計(jì)算機(jī)科學(xué)家、Facebook首席人工智能科學(xué)家揚(yáng)·勒坎（Yann LeCun），他提出了自己的論證觀點(diǎn)。為證明他關(guān)于直覺(jué)的觀點(diǎn)，馬庫(kù)斯展示了一頭剛出生不久的小野山羊在懸崖絕壁上往下跑的幻燈片，他說(shuō)，“它們不可能通過(guò)反復(fù)試驗(yàn)來(lái)學(xué)會(huì)這種生存技能，它只要犯一次錯(cuò)誤，就有可能導(dǎo)致致命的后果?！?/p>

勒坎并不認(rèn)同許多發(fā)展心理學(xué)家的觀點(diǎn)，他認(rèn)為嬰兒有可能在幾天時(shí)間內(nèi)學(xué)會(huì)這種能力，如果是這樣的話，機(jī)器學(xué)習(xí)算法也可以。他的信念來(lái)自于經(jīng)驗(yàn)，他從事的是圖像識(shí)別研究工作，早在20世紀(jì)80年代他就提出，沒(méi)有必要通過(guò)手工編碼算法來(lái)進(jìn)行圖片特征識(shí)別，30年后他被證明是正確的。有批評(píng)者問(wèn)他，“既然可以通過(guò)編碼來(lái)建立算法，你為什么要讓機(jī)器通過(guò)學(xué)習(xí)來(lái)識(shí)別呢？”他的回答是：建立某種算法并不容易，如果你不能完全理解某件事是如何運(yùn)作的，那么你所設(shè)計(jì)的規(guī)則很有可能會(huì)是錯(cuò)誤的。

但是馬庫(kù)斯指出，勒坎自己已將10個(gè)關(guān)鍵本能中的一個(gè)嵌入到了他的圖像識(shí)別算法中：平移不變性，即：某個(gè)物體，無(wú)論它出現(xiàn)在視野中的某個(gè)地方，都能將其識(shí)別為同一個(gè)物體的一種能力。平移不變性是卷積神經(jīng)網(wǎng)絡(luò)背后的原理，卷積神經(jīng)網(wǎng)絡(luò)是為勒坎帶來(lái)最大名聲的研究成果。在過(guò)去5年里，卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)成為圖像識(shí)別和其他人工智能應(yīng)用的核心，并從而開(kāi)啟了當(dāng)前對(duì)人工智能深度學(xué)習(xí)研究的狂熱。

勒坎告訴《科學(xué)》雜志說(shuō)，平移不變性也可能最終通過(guò)更好的一般性學(xué)習(xí)機(jī)制而自行出現(xiàn)。他說(shuō)，“很多這樣的東西會(huì)在了解世界運(yùn)作的過(guò)程中自發(fā)地出現(xiàn)?！奔幽么蠖鄠惗啻髮W(xué)的“深度學(xué)習(xí)”先驅(qū)杰弗里·辛頓（Geoffrey Hinton）也認(rèn)同這一觀點(diǎn)，“大多數(shù)相信先天知識(shí)的人都有一種毫無(wú)根據(jù)的信念，即很難從頭開(kāi)始學(xué)習(xí)數(shù)十億個(gè)參數(shù)。但我認(rèn)為，最近在深度學(xué)習(xí)方面取得的進(jìn)展表明，這實(shí)際上是非常容易的?！?/p>

關(guān)于人工智能在純學(xué)習(xí)和純本能之間的定位的爭(zhēng)論還將繼續(xù)下去。但爭(zhēng)論忽略了一個(gè)更為實(shí)際的問(wèn)題：如何設(shè)計(jì)和編碼這種混合型的人工智能機(jī)器，如何將機(jī)器學(xué)習(xí)——它的數(shù)十億神經(jīng)網(wǎng)絡(luò)參數(shù)——與規(guī)則和邏輯結(jié)合起來(lái)，目前還不清楚，而如何確定最重要的本能并對(duì)其進(jìn)行靈活編碼，目前也還不清楚。但這些挑戰(zhàn)都未能阻止一些研究人員和公司進(jìn)行這方面的嘗試。

位于澳大利亞悉尼的新南威爾士大學(xué)的機(jī)器人實(shí)驗(yàn)室，布置得就像客廳和廚房，冰箱里貯藏著一瓶瓶高級(jí)啤酒。計(jì)算機(jī)科學(xué)家邁克爾·蒂爾舍爾（Michael Thielscher）解釋說(shuō)，這里實(shí)際上是家用機(jī)器人的一個(gè)測(cè)試實(shí)驗(yàn)室，他的團(tuán)隊(duì)正在嘗試賦予一款豐田人類(lèi)輔助機(jī)器人（HSR）兩種類(lèi)似人類(lèi)的本能，這款人類(lèi)助手機(jī)器人有一個(gè)手臂和一個(gè)作為臉部的屏幕。他們希望通過(guò)為HSR編程，將一些具有挑戰(zhàn)性的問(wèn)題分解為更小、更容易解決的問(wèn)題，就像人們將一道食譜分解成幾個(gè)步驟一樣。其次，他們想賦予機(jī)器人對(duì)信念和目標(biāo)的推理能力，即人類(lèi)本能地考慮他人想法的一種能力。如果一個(gè)人想要機(jī)器人為他去拿一只紅色的杯子，但它發(fā)現(xiàn)只有一個(gè)藍(lán)色的杯子和一個(gè)紅色的盤(pán)子，它會(huì)如何做出選擇？

到目前為止，他們?cè)O(shè)計(jì)的軟件已顯示了一些類(lèi)似于人類(lèi)的能力，包括決定拿藍(lán)色杯子而不是去拿紅色盤(pán)子的這種良好的判斷能力，但是需要被編入系統(tǒng)的規(guī)則比蒂爾舍爾計(jì)劃的要多得多。因此，他的團(tuán)隊(duì)不得不告訴AI，杯子通常比紅色更重要，在理想的情況下，機(jī)器人會(huì)有一種社會(huì)本能，可以快速地自動(dòng)學(xué)會(huì)人類(lèi)的喜好。

其他研究人員正致力于為他們的AI們注入類(lèi)似于嬰兒似乎與生俱來(lái)的同樣的能力，即直觀理解物質(zhì)世界的能力。倫敦“深度思維”（DeepMind）項(xiàng)目的計(jì)算機(jī)科學(xué)家開(kāi)發(fā)出了他們所稱的“互動(dòng)網(wǎng)絡(luò)”，包含了關(guān)于物質(zhì)世界的假設(shè)：離散物體是客觀存在的，并有其獨(dú)特的相互作用。就像嬰兒快速地將世界解析為相互作用的一個(gè)個(gè)實(shí)體一樣，這些人工智能系統(tǒng)也很容易地學(xué)會(huì)了對(duì)象的屬性和相互之間的關(guān)系。他們的研究結(jié)果表明，交互網(wǎng)絡(luò)能夠比一般的神經(jīng)網(wǎng)絡(luò)更準(zhǔn)確地預(yù)測(cè)自由落體時(shí)線繩和和球體在盒子里彈跳的行為軌跡。

位于加州舊金山的機(jī)器人軟件公司Vicarious目前正在利用其所稱的圖式網(wǎng)絡(luò)進(jìn)一步拓展這一理念。他們開(kāi)發(fā)的這些系統(tǒng)假設(shè)了物體和其相互作用的存在，但同時(shí)還試圖推斷出它們之間的因果關(guān)系。隨著時(shí)間的推移，這個(gè)公司開(kāi)發(fā)的軟件通常學(xué)習(xí)可以像人類(lèi)一樣，從期望達(dá)到的結(jié)果向后倒推計(jì)劃，就像人們通過(guò)讓鼻子停止發(fā)癢的結(jié)果得知，撓癢可能會(huì)有所幫助一樣。研究人員將他們的方法與美國(guó)電腦游戲機(jī)廠商雅達(dá)利公司開(kāi)發(fā)的最先進(jìn)的神經(jīng)網(wǎng)絡(luò)進(jìn)行了比較，在雅達(dá)利公司開(kāi)發(fā)的游戲中，玩家可以通過(guò)滑動(dòng)球拍讓一個(gè)球發(fā)生偏轉(zhuǎn)，然后擊倒一堆磚塊。而因?yàn)閳D式網(wǎng)絡(luò)可以學(xué)會(huì)因果關(guān)系，例如，無(wú)論球的速度如何，都能擊倒磚墻，因此，它不需要新的訓(xùn)練就能學(xué)會(huì)有所改變的游戲規(guī)則。例如，你可以移動(dòng)目標(biāo)磚塊的位置，或者讓玩家同時(shí)玩三個(gè)球，圖式網(wǎng)絡(luò)仍然能在游戲中應(yīng)付裕如，表現(xiàn)出色，卷積神經(jīng)網(wǎng)絡(luò)則無(wú)法做到。

除了我們天生的一些能力外，人類(lèi)還得益于大多數(shù)人工智能所沒(méi)有的東西：身體。為幫助軟件理解和解釋世界，Vicarious公司給它嵌入了“具體的身體”，這樣它就可以在虛擬環(huán)境中探索，就像嬰兒通過(guò)推倒一組積木來(lái)學(xué)習(xí)重力一樣。2018年2月，Vicarious推出的一個(gè)系統(tǒng)可在二維場(chǎng)景中尋找有界區(qū)域，讓一個(gè)小小的虛擬人物在這個(gè)區(qū)域中活動(dòng)，在它的探索過(guò)程中，系統(tǒng)學(xué)會(huì)了包含的概念，這有助于它比標(biāo)準(zhǔn)圖像識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)更快地理解一些新的場(chǎng)景，后者只能被動(dòng)地對(duì)每個(gè)場(chǎng)景進(jìn)行全面探查。概念是適用于許多情況的一種知識(shí)，它對(duì)于常識(shí)來(lái)說(shuō)至關(guān)重要?！霸跈C(jī)器人技術(shù)中，機(jī)器人能夠?qū)π虑闆r進(jìn)行推理是極為重要的一環(huán)?！盫icarious公司的創(chuàng)始人之一迪利普·喬治（Dileep George）說(shuō)道。今年晚些時(shí)候，該公司將在倉(cāng)庫(kù)和工廠中測(cè)試其軟件，這一軟件將幫助那里的機(jī)器人在包裝和運(yùn)輸之前，對(duì)產(chǎn)品或貨物進(jìn)行收集、組裝等工作。

最具挑戰(zhàn)性的任務(wù)之一是對(duì)本能進(jìn)行靈活編碼，這樣一來(lái)，AI們就能應(yīng)付一個(gè)不總是遵循規(guī)則的混亂世界。例如，自動(dòng)駕駛汽車(chē)不能指望其他司機(jī)都像它一樣嚴(yán)格遵守交通法規(guī)。為了應(yīng)對(duì)這種不可預(yù)測(cè)性，加州斯坦福大學(xué)的心理學(xué)家和計(jì)算機(jī)科學(xué)家諾亞·古德曼（Noah Goodman）幫助開(kāi)發(fā)了概率編程語(yǔ)言（PPLs）。據(jù)他描述，該編程語(yǔ)言將計(jì)算機(jī)代碼的剛性結(jié)構(gòu)與概率數(shù)學(xué)相結(jié)合，與人們遵循邏輯方式、但也允許不確定性存在的方式相呼應(yīng)，例如，如果草地是濕的，有可能是因?yàn)椴畔逻^(guò)雨，但也有可能是因?yàn)橛腥碎_(kāi)了灑水器。至關(guān)重要的是，PPL可以與深度學(xué)習(xí)網(wǎng)絡(luò)相結(jié)合，形成更廣泛的學(xué)習(xí)能力。

在優(yōu)步公司工作時(shí)，古德曼和其他人發(fā)明了這樣一種“深度學(xué)習(xí)PPL”，叫作Pyro。一家共享租車(chē)公司正在探索Pyro的應(yīng)用，例如，如何在道路建設(shè)和有比賽的日子里對(duì)司機(jī)和路線規(guī)劃的適應(yīng)性進(jìn)行安排等。古德曼說(shuō)，PPLs不僅可以解釋推斷物質(zhì)世界和物流的一些現(xiàn)象，還可以理解人們之間是如何交流的，例如如何應(yīng)對(duì)諸如夸張、反語(yǔ)和諷刺等棘手的表達(dá)方式。

克洛伊可能要等到她成長(zhǎng)到十幾歲的時(shí)候才能掌握語(yǔ)言中的諷刺現(xiàn)象，但她天生的語(yǔ)言能力已經(jīng)很明顯了。在馬庫(kù)斯公寓里的一個(gè)場(chǎng)景中，她拿著一對(duì)被卡住的樂(lè)高積木說(shuō)，“爸爸，你能幫我untach這個(gè)嗎？”她按自己的想法創(chuàng)造了一個(gè)新詞，意思是讓父親幫她弄開(kāi)卡住的兩塊積木，但她的父親忍住了想要糾正她錯(cuò)誤用詞的想法。語(yǔ)言和思想就像樂(lè)高積木一樣，它們的部件很容易被混合搭配使用，并熱切地想要在世界上進(jìn)行實(shí)際測(cè)試。

在克洛伊厭倦了在墻上搭建積木后，一個(gè)比她年齡更大、更有經(jīng)驗(yàn)的智能系統(tǒng)有機(jī)會(huì)嘗試一下：她5歲的機(jī)器人“兄弟”亞歷山大，它很快在墻上搭建了一個(gè)比克洛伊向外伸出更遠(yuǎn)的樂(lè)高積木建筑?！澳憧梢钥闯?，它做的事情是建立在克洛伊所做事情的基礎(chǔ)之上的。”馬庫(kù)斯說(shuō)。當(dāng)問(wèn)及這個(gè)墻上結(jié)構(gòu)向外延伸多遠(yuǎn)才會(huì)倒下時(shí)，亞歷山大的估計(jì)很準(zhǔn)確?！盀榱嗽u(píng)估結(jié)構(gòu)的完整性，它對(duì)可粘在墻上的樂(lè)高積木進(jìn)行了1000萬(wàn)次的反復(fù)試驗(yàn)，它結(jié)合了它所知道的所有關(guān)于物質(zhì)世界的知識(shí)，并進(jìn)行了一些推理和推斷?！瘪R庫(kù)斯說(shuō)。

馬庫(kù)斯看起來(lái)很自豪，他自豪的不僅是他后代的能力，同時(shí)也為這種能力支持了他關(guān)于我們?nèi)绾瘟私膺@個(gè)世界，以及人工智能應(yīng)該如何學(xué)習(xí)的理論而自豪。在完成了他們的樂(lè)高建筑后，克洛伊和亞歷山大投入了他們父親的懷抱，當(dāng)他抱著他們轉(zhuǎn)圈的時(shí)候，他們高興地尖叫起來(lái)，給他們另一個(gè)機(jī)會(huì)來(lái)調(diào)整他們對(duì)物質(zhì)世界的直覺(jué)，并感受到其中的樂(lè)趣。