美国《科学日报》网站近日报道称，爱尔兰三一学院的神经学家们称，婴儿能够帮助解锁新一代人工智能。他们刚刚发布了用于改进人工智能的新指导原则。

　　6月23日发表在英国《自然·机器智能》杂志上的这篇研究论文探讨了婴儿学习过程的神经学和心理学机制，并总结了指导新一代人工智能的三条原则，或将有助于克服机器学习最紧迫的局限性。

　　三一学院的研究员洛丽恩·扎诺迪克博士解释说：“人工智能在过去10年里取得了巨大进展，人类拥有了智能扬声器、汽车自动驾驶系统、越来越智能的应用软件和更精确的医疗诊断工具。人工智能领域取得的这些令人兴奋的进展要归功于机器学习：机器利用大量数据来训练人工神经网络模型。然而，目前许多领域都处于停滞不前的状态，因为机器学习的数据必须由人类煞费苦心地进行管理。但我们知道，学习的效率其实是可以大幅提高的，因为婴儿学起来就轻松得多！他们通过体验周遭世界来学习，有时甚至只需看一眼就够了。”

　　在《从婴儿学习看无监督的机器学习》这篇论文中，扎诺迪克博士、三一学院神经科学研究所的罗德里·丘萨克教授和荷兰艾恩德霍芬理工大学的塔里克·R·贝佐尔德博士主张，我们需要用更好的方法来学习非结构化数据。他们首次就哪些对婴儿学习过程的见解可有效应用于机器学习领域，以及如何正确应用提出了具体建议。

　　他们说，需要从一开始就为机器内置偏好来塑造它们的学习方式。它们需要从更丰富的数据集中学习，这些数据集记录了周遭世界的样子、声音、气味、味道和感觉。而且，与婴儿一样，它们要有一个发展轨迹，即它们的经验和网络随“成长”而变化。

　　身为艾恩德霍芬理工大学哲学与伦理小组研究员的贝佐尔德博士说：“作为人工智能研究人员，我们经常会对自己的系统与人类婴儿和儿童的心理发育过程进行比较。现在，我们应该更认真地看待这些类比，从心理学和神经学的角度来研究婴儿发育过程的相关知识。这或许有助于我们克服机器学习最紧迫的局限性。”

　　身为三一学院神经科学研究所所长的丘萨克补充说：“人工神经网络一定程度上是在人类大脑的启发下产生的。与婴儿类似，它们依赖学习，但它们目前的学习方式与人类（和动物）的学习方式截然不同。在跨学科研究的助力下，婴儿或许可以帮助人类解锁新一代人工智能。”