DeepMind比较了儿童和人工智能探索的方式

　　Alphabet旗下DeepMind和加州大学伯克利分校(University of California, Berkeley)的研究人员提出了一个框架，用于比较儿童和人工智能学习世界的方式。这项研究的动机是，研究表明儿童的学习能力有助于日后的行为，这可能有助于缩小人工智能与人类在获取新能力方面的差距。例如，它可能导致机器人能够挑选和包装数百万种不同的产品，同时避免各种障碍。
　　探索是人类行为的一个关键特征，最近的证据表明，儿童比成年人更经常地探索周围的环境。这被认为可以转化为更强的学习能力，从而实现强大的、抽象的任务归纳——一种归纳型人工智能智能体可以从中明显受益。例如，在一项研究中，玩玩具的学龄前儿童发展了一种关于玩具如何运作的理论，比如根据颜色来判断积木是否工作，他们利用这一理论来推断他们以前从未见过的新玩具或积木。人工智能可以近似于这种领域和任务适应，但它在没有一定程度的人类监督和干预的情况下挣扎。
　　DeepMind的方法整合了一个建立在DeepMind实验室之上的实验装置，DeepMind基于quaker的学习环境包括导航和为学习主体解决难题的任务。这些任务需要物理或空间导航技能，并模仿孩子们玩的游戏。在该设置中，孩子们可以通过自定义的基于arduino的控制器与DeepMind Lab进行交互，该控制器公开了代理将使用的相同的四种操作:前进、后退、向左和向右移动。
　　在加州大学伯克利分校的机构审查委员会批准的实验中，研究人员试图确定两件事:
　　在一个测试中，孩子们被要求完成两个迷宫——一个接着一个——每个迷宫都有相同的布局。他们在第一个迷宫中自由探索，但在第二个迷宫中，他们被告知要寻找＂橡皮糖＂。
　　研究人员表示，在＂无目标条件＂下——第一个迷宫——儿童的策略与深度优先搜索(DFS)人工智能代理非常相似，后者会寻找一条未探索的路径，直到到达一个死胡同，然后转身去探索它看到的最后一条路径。与目标条件(第二个迷宫)相比，儿童做出符合DFS 89.61%的选择，其中儿童做出符合DFS 96.04%的选择。此外，探索次数少的孩子达到目标的时间最长(平均95步)，而探索次数多的孩子达到目标的时间最短(66步)。
　　该团队注意到，这些行为与用于训练AI代理的技术形成了对比，后者通常依赖于让代理偶然发现一个有趣的区域，然后鼓励它重新访问该区域，直到它不再＂有趣＂。＂不像人类是未来的探索者，人工智能代理人是有追溯力的。
　　在另一项测试中，4至6岁的儿童被要求分三个阶段完成两个迷宫。在第一阶段，他们在无目标的情况下探索迷宫，在有目标但没有即时奖励的＂稀疏＂情况下探索迷宫，在有目标和奖励的＂密集＂情况下探索迷宫。在第二阶段，孩子们的任务是再次找到目标物品，它和探险时的位置相同。在最后阶段，他们被要求找到目标物品，但是通往目标物品的最佳路径被阻塞了。
　　研究人员称，最初的数据表明，在＂奖励密集＂的情况下，孩子探索某个区域的可能性较小。然而，缺乏探索并没有影响孩子们在最后阶段的表现。这并不适用于AI代理——通常，密集的奖励会降低代理探索的动机，并导致糟糕的泛化。
　　＂我们提出的范例[允许]我们识别代理人和孩子已经有相似行为的领域和他们没有有相似行为的领域，＂合著者总结道。＂这项工作只是开始触及一些有关儿童和代理人如何探索的深层问题……在提出(新的)问题时，我们将能够对儿童和代理人探索新环境的方式以及如何缩小他们之间的差距有更深入的理解。＂