●秋菊 譯 琳達(dá) 編

實(shí)驗(yàn)室里的老鼠可以學(xué)會識別復(fù)雜的模式，剛出生的嬰兒也可以學(xué)會識別母親的面孔，但I(xiàn)BM的沃森實(shí)現(xiàn)了最令人印象深刻的壯舉：它在美國著名智力節(jié)目《危機(jī)邊緣》中與真正的人類同場競技，最終贏得了比賽，成為冠軍。

1.在你出生前，你就已經(jīng)在學(xué)習(xí)了：通過在子宮里偷聽母親的聲音，嬰兒就能掌握他們母語的聲音模式。研究發(fā)現(xiàn)，胎兒的聽覺在32周到35周時(shí)就迅速敏銳起來，此時(shí)，它會把頭轉(zhuǎn)向某一個(gè)聲源。對胎兒最有吸引力的是媽媽的聲音。胎兒會在醒著的大部分時(shí)間里傾聽這種特殊的“節(jié)奏”。

2.與其他語言的聲音相比，嬰兒在出生后能夠識別這些聲音節(jié)奏，并更加注意這些節(jié)奏，為最終流利地說出這些語言做好準(zhǔn)備。

3.但是，嬰兒出生后的第一個(gè)老師是母親的面孔：嬰兒可以在出生后數(shù)小時(shí)內(nèi)將母親與其他女性區(qū)分開來，表現(xiàn)出對母親的臉的偏好，相較于其他女性的臉，他們會更喜歡母親的臉，也更喜歡和母親進(jìn)行“臉對臉”的視線接觸。并在幾天內(nèi)就能辨別出自己的情緒。

4.這種能力可以幫助嬰兒判斷一個(gè)新玩具是否安全，或者一個(gè)陌生人是否值得信任。

5.不過，對媽媽的這種關(guān)注是有代價(jià)的。隨著孩子對母親的面孔越來越熟悉，與母親不同的面孔會變得越來越模糊，尤其是那些屬于其他種族的面孔——這種效應(yīng)最好在孩子幼年時(shí)通過和不同種族的人的互動(dòng)來抵消。

6.人們曾通過死記硬背學(xué)過知識嗎？在印刷機(jī)發(fā)明之前，書籍如此稀少，以至于學(xué)者們將大量的內(nèi)容投入記憶中，通過將它們與他們可以想象在背誦時(shí)的文章中的段落聯(lián)系起來，從而使段落排列整齊，以至于他們在朗誦時(shí)可以想象到。

7.語言交流和學(xué)習(xí)之間的聯(lián)系很深。為了弄清楚早期的古人類是如何互相教會制作石器的，加州大學(xué)伯克利分校的心理學(xué)家和利物浦大學(xué)的考古學(xué)家讓學(xué)生們指導(dǎo)他們的同學(xué)制作燧石工具。

8.他們發(fā)現(xiàn)，與口頭解釋相比，沉默的模仿并沒有起到很好的作用。

9.這并不是說原始人類在250萬年前就開始使用這些新奇的詞匯。但基因-文化協(xié)同進(jìn)化理論認(rèn)為，語言的進(jìn)化可能是由于語言化在工具制造教學(xué)中的優(yōu)勢。

10.工具也是野生黑猩猩學(xué)習(xí)的一個(gè)關(guān)鍵部分：黑猩猩媽媽們會把特制的小樹枝給它們的孩子們，教它們?nèi)绾紊斓桨紫伕C里撿起美味的白蟻。黑猩猩還會用工具砸堅(jiān)果，各個(gè)黑猩猩部落流行的工具不一樣，有的部落用石頭，有的部落用木棍。

11.許多動(dòng)物都是很好的學(xué)習(xí)者——有些甚至比人還好。2014年，魯汶大學(xué)神經(jīng)生物學(xué)家教大鼠和人類識別復(fù)雜的模式。當(dāng)研究人員隨后改變圖案位置和方向時(shí)，老鼠能夠更好地識別圖案。

12.盡管如此，老鼠還是無法與驚人的有學(xué)問的“神奇的豬”競爭。1785年，“神奇的豬”通過計(jì)算和拼寫人們的名字而成為倫敦的熱門話題。

13.這只會學(xué)習(xí)的豬對訓(xùn)練者的肢體語言進(jìn)行辨認(rèn)識別，以便“回答”問題。這種被稱為無意識提示的現(xiàn)象，使有關(guān)動(dòng)物認(rèn)知的合法研究復(fù)雜化。

14.2016年，微軟與另一種會學(xué)習(xí)的東西打交道，當(dāng)時(shí)該公司通過推特發(fā)布了名為Tay的人工智能聊天機(jī)器人，該機(jī)器人是通過挖掘網(wǎng)民對話而構(gòu)建的，起初它善解人意、活潑可愛，和網(wǎng)民聊得非常開心。然而，在發(fā)布16小時(shí)后被創(chuàng)造者關(guān)閉，因?yàn)樗瓉硎且粋€(gè)滿嘴臟話、充滿種族主義并說出“女權(quán)主義者都應(yīng)該死在地獄里燒死”的惡魔機(jī)器人。

15.人工智能算法往往決定你是否得到一份工作或者獲批一筆貸款，但這其實(shí)是有一定偏見的。目前的人工智能算法最本質(zhì)的規(guī)則就是它需要有大量的數(shù)據(jù)對其進(jìn)行訓(xùn)練——如果訓(xùn)練的數(shù)據(jù)本身就帶著偏見、錯(cuò)誤以及極端的思想，訓(xùn)練的結(jié)果就會偏離正常的結(jié)果。

16.但是，最初，機(jī)器學(xué)習(xí)是充滿樂趣和游戲的：20世紀(jì)50年代，阿瑟·塞繆爾在IBM公司對計(jì)算機(jī)進(jìn)行編程，他編寫了著名的跳棋程序，創(chuàng)造了“機(jī)器學(xué)習(xí)”一詞，從而開創(chuàng)了這一領(lǐng)域。機(jī)器學(xué)習(xí)也成為了人工智能領(lǐng)域里最為重要的研究分支之一。

17.塞繆爾基于其理論研究成果所編制的下棋程序是世界上第一個(gè)有自主學(xué)習(xí)功能的游戲程序，這臺機(jī)器自學(xué)了足以打敗人類玩家的策略，曾在西洋跳棋比賽中一舉奪魁。大約半個(gè)世紀(jì)后，另一臺IBM推出的超級計(jì)算機(jī)沃森在《危機(jī)邊緣》人類智力問答比賽中擊敗了人類！奪得冠軍。

18.以IBM創(chuàng)始人董事長的名字命名的沃森，通過存儲從《紐約時(shí)報(bào)》到《世界圖書百科全書》的各種原始資料來獲取知識儲備。

19.要參加這種智力比賽，擁有更多更快的核心計(jì)算是必須的，一塊單核CPU，要回答一道普通《危機(jī)邊緣》題需要的計(jì)算量大約要花2小時(shí)，而沃森平均只用3秒。硬件上的升級并不一定能戰(zhàn)勝人類，有時(shí)候?qū)τ谝慌_電腦來說，能聽懂題目也許是個(gè)更大的挑戰(zhàn)。

20.2013年，IBM與德克薩斯大學(xué)MD安德森癌癥中心合作開發(fā)沃森的癌癥機(jī)器人，它的目標(biāo)是識別并治愈癌癥，IBM的高管宣稱“沃森癌癥機(jī)器人的使命是讓臨床醫(yī)生能夠從癌癥中心豐富的患者和研究數(shù)據(jù)庫中發(fā)現(xiàn)寶貴的見解 ”。但是，沃森醫(yī)生有時(shí)候會給醫(yī)生提出錯(cuò)誤的、甚至是危險(xiǎn)的癌癥治療建議。