新闻

当前位置/ 首页/ 新闻/ 正文

10个月大的婴儿根据某人的努力程度来确定目标的价值

根据麻省理工学院和哈佛大学的一项新研究,年仅10个月的婴儿可以通过观察他们愿意努力实现这一目标的程度来评估某人对某一特定目标的重视程度。

这种能力需要整合有关获得目标的成本和寻求目标的人获得的利益的信息,这表明婴儿很早就获得了关于人们如何做出决定的直觉。

“婴儿远非经历过这种'开花,嗡嗡的混乱',”主要作者Shari Liu说道,他指的是哲学家和心理学家威廉詹姆斯关于婴儿第一次世界经历的描述。“他们用隐藏的变量来解释人们的行为,包括人们在制作这些行动时所付出的努力,以及这些行动所达到的目标的价值。”

“这项研究是尝试理解对其他人行为的常识理解的根源的重要一步。从某种意义上说,在某种意义上,经济学家如何看待理性选择的基本数学是非常直观的。麻省理工学院脑与认知科学系教授Josh Tenenbaum说,麻省理工学院 - 哈佛大学联合中心的核心成员Josh Tenenbaum说,对于那些不懂数学,不说话,几乎无法理解几个字的婴儿。 ,思想和机器(CBMM),以及该论文的作者之一。

Tenenbaum帮助指导研究团队与哈佛大学心理学教授和CBMM核心成员Elizabeth Spelke一起,在他的实验室进行了研究。刘的论文的主要作者是哈佛大学的研究生。CBMM博士后Tomer Ullman也是该论文的作者,该论文发表于11月23日的在线科学版。

计算价值

先前的研究表明,成年人和年龄较大的儿童可以通过观察该人为获得目标所付出的努力来推断某人的动机。

哈佛大学/麻省理工学院的团队希望更多地了解这种能力如何以及何时发展。以前的研究发现,婴儿期望人们的偏好保持一致,并且能够有效地实现目标。在这项研究中提出的问题是,婴儿是否可以将他们对一个人目标的了解与获得该目标所需的努力相结合,以计算该目标的价值。

为了回答这个问题,研究人员展示了10个月大的婴儿动画视频,其中一个“特工”,一个形状像弹跳球的卡通人物,试图达到某个目标(另一个卡通人物)。在其中一个视频中,代理人必须跳过不同高度的墙壁才能达到目标。首先,婴儿看到特工跳过矮墙,然后拒绝跳过中等高度的墙。接下来,经纪人跳过中高墙以达到不同的目标,但拒绝跳过高墙以达到目标。

然后,婴儿出现了一个场景,代理人可以在两个目标之间做出选择,没有任何障碍。成年人或年龄较大的孩子会认为代理人会选择第二个目标,因为代理人在前面看到的视频中更加努力地达到了目标。研究人员发现,10个月大的孩子也得出了这样的结论:当代理人选择第一个目标时,婴儿更长时间地观察现场,表明他们对这一结果感到惊讶。(观察时间长度通常用于测量婴儿研究中的惊喜。)

研究人员发现了同样的结果,当婴儿看着特工采用两种不同类型的努力进行相同的动作时:攀登不同倾斜的坡道并跳过不同宽度的缝隙。

“在我们的实验中,我们发现,当代理人选择了较少努力的东西时,婴儿看起来更长,这表明他们从他们为实现这些目标所付出的努力量中推断出代理人对目标的价值。”刘说。

研究结果表明,婴儿能够根据他们投入多少努力来计算另一个人对某事物的重视程度。

“这篇论文并不是第一个提出这个想法的人,但它的新颖之处在于它表明这种情况在年龄较小的婴儿中比任何人都看到的都要多。这些都是非语言的婴儿,他们自己并没有积极地做很多事,但他们似乎明白了其他人以这种复杂的,定量的方式行动,“Tenenbaum说,他也是麻省理工学院计算机科学和人工智能实验室的附属机构。

Spelke表示,对婴儿的研究可以揭示我们在整个生命中思考的方式的深刻共性。“抽象,相互关联的概念,如成本和价值 - 我们的直觉心理学和哲学和经济学中的效用理论的中心概念 - 可能起源于一个早期出现的系统,通过这个系统,婴儿了解其他人的行为,”她说。

建模智能

在过去的十年中,科学家开发出的计算机模型几乎可以复制成人和年龄较大的儿童如何结合不同类型的输入来推断其他人的目标,意图和信仰。在这项研究中,研究人员以这项工作为基础,尤其是Julian Jara-Ettinger博士16的工作,他在学龄前儿童中研究了类似的问题。研究人员开发了一种计算机模型,可以预测10个月大的婴儿在观察到代理人的行为后会推断出代理人的目标。这个新模型还具有计算“工作”(或在一定距离上施加的总力)作为行动成本的度量的能力,研究人员认为婴儿能够在某种直观的层面上做到这一点。

Tenenbaum说:“这个时代的婴儿似乎理解牛顿力学的基本思想,在他们可以说话之前和他们可以计算之前。” “他们正在整理对力量的理解,包括像引力这样的事情,他们也对目标对另一个人的有用性有了一些了解。”

研究人员表示,建立这种模型是朝着开发人工智能迈出的重要一步,人工智能可以更准确地复制人类行为。

Tenenbaum说:“我们必须认识到,即使是10个月大的人,我们也远远没有建立具有常识的人工智能系统。” “但如果我们能够从工程术语中理解即使是这些年幼的婴儿似乎也拥有的直观理论,那么这将成为构建具有更像人类智慧的机器的基础。”

仍然没有答案的问题是这些直觉能力如何以及何时出现在婴儿身上。

“婴儿从一个完全空白的板块开始,不知怎的,他们能够建立起这种复杂的机器吗?或者他们从对目标和信念的基本理解开始,然后建立复杂的机器?或者它们都是刚建成的在?” 乌尔曼说。

研究人员希望研究即使是年龄小到3个月的更年幼的婴儿,以及团队正在开发的学习直觉理论的计算模型,也可能有助于阐明这些问题。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。