人工智能可以培養(yǎng)出類似人類的“數(shù)字感”。一直以來(lái)研究人員希望了解人們的數(shù)學(xué)技巧來(lái)自哪里，“數(shù)字感”是否人類獨(dú)有。一項(xiàng)新的研究表明人工智能也能夠發(fā)展出所謂的“數(shù)字感”，以一種與人類大腦驚人相似的方式“數(shù)數(shù)”。這一發(fā)現(xiàn)有助于深入了解人工智能在沒(méi)有明確指導(dǎo)的情況下可以學(xué)到什么，或許也會(huì)有助于研究動(dòng)物如何產(chǎn)生數(shù)字感。

“數(shù)學(xué)能力是一個(gè)非常復(fù)雜的概念，有許多因素起作用。”美國(guó)北卡羅來(lái)納州杜克大學(xué)心理和神經(jīng)系統(tǒng)學(xué)系研究生Ariel Starr說(shuō)。

研究發(fā)現(xiàn)如果一個(gè)嬰兒，在6個(gè)月大的時(shí)候就已經(jīng)能夠?qū)?0個(gè)圓點(diǎn)和10個(gè)圓點(diǎn)區(qū)分開(kāi)，那么到幼兒園時(shí)期，ta可能會(huì)更擅長(zhǎng)數(shù)學(xué)。這個(gè)結(jié)果非常有意思，它表明人類對(duì)數(shù)字的感覺(jué)，可能是與生俱來(lái)的。

什么是人類的“數(shù)字感”

在數(shù)學(xué)教育中，數(shù)字感可以指人類對(duì)數(shù)字的直觀理解，包括數(shù)字的大小、相互關(guān)系以及數(shù)學(xué)運(yùn)算。

而在非人類動(dòng)物中，數(shù)字感不是計(jì)數(shù)的能力，而是能夠感知集合中事物數(shù)量的變化。比如所有哺乳動(dòng)物和大多數(shù)鳥(niǎo)類都會(huì)注意到附近幼仔的數(shù)量是否有變化。

猴子和人類都能識(shí)別20個(gè)圓點(diǎn)的圖片和30個(gè)圓點(diǎn)的圖片，然后選出50個(gè)圓點(diǎn)的圖片代表前兩張圖片圓點(diǎn)的總和。但是，只有人能夠利用阿拉伯?dāng)?shù)字進(jìn)行加法計(jì)算。研究人員懷疑，這種數(shù)字感可能在人類獨(dú)有的使用符號(hào)進(jìn)行算術(shù)的能力中發(fā)揮作用。

雖然計(jì)算機(jī)擁有人類無(wú)法企及的運(yùn)算能力，但我們很難說(shuō)它具有數(shù)字感。計(jì)算機(jī)執(zhí)行運(yùn)算的時(shí)候，需要提前指定數(shù)字類型，整型？浮點(diǎn)？布爾？它們并不具備“數(shù)”這個(gè)概念。

AI也出現(xiàn)了“數(shù)字感”？

一直以來(lái)研究人員都在試圖去了解人類的數(shù)學(xué)技巧到底是是天生的、后天習(xí)得的，或是兩者的兼具？最近發(fā)表在Science Advance上的一篇論文，似乎為這個(gè)謎底揭開(kāi)了一線光芒。

研究人員通過(guò)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，發(fā)現(xiàn)在數(shù)字判斷任務(wù)中，人工智能表現(xiàn)出與人類和動(dòng)物類似的數(shù)字感！

德國(guó)蒂賓根大學(xué)的神經(jīng)生物學(xué)家Andreas Nieder及其同事，使用了大約120萬(wàn)張標(biāo)記圖像的數(shù)據(jù)來(lái)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，以識(shí)別圖片中的動(dòng)物和車輛等物體。然后研究人員向AI展示了包含1到30個(gè)點(diǎn)的點(diǎn)圖案，詢問(wèn)圖案是否包含相同數(shù)量的點(diǎn)，并記錄了各種虛擬神經(jīng)元的反應(yīng)。

當(dāng)顯示特定數(shù)量的點(diǎn)時(shí)，AI中對(duì)該數(shù)字敏感的虛擬神經(jīng)元優(yōu)先激活。例如，當(dāng)顯示兩個(gè)點(diǎn)而不顯示20個(gè)時(shí)，一些神經(jīng)元更加活躍；反之，則另一些神經(jīng)更加活躍。

像人類和其他動(dòng)物一樣，AI努力區(qū)分具有點(diǎn)數(shù)相同的圖案，在81％的時(shí)間都是正確的。這些神經(jīng)元對(duì)某些數(shù)字的偏愛(ài)程度，與之前研究來(lái)自猴子神經(jīng)元的數(shù)據(jù)幾乎相同，在類似的匹配任務(wù)上也是如此。

科學(xué)家們相信，這一發(fā)現(xiàn)有助于深入了解人工智能在沒(méi)有明確指導(dǎo)的情況下可以學(xué)到什么，或許也可能解開(kāi)對(duì)研究如何在動(dòng)物身上產(chǎn)生數(shù)字感的謎團(tuán)。

數(shù)字感是這樣產(chǎn)生的嗎？

論文指出，數(shù)字感的自發(fā)出現(xiàn)是基于視覺(jué)系統(tǒng)固有的機(jī)制。視覺(jué)系統(tǒng)的運(yùn)作似乎足以達(dá)到視覺(jué)上的數(shù)字感。數(shù)值選擇性可以簡(jiǎn)單地作為暴露于自然視覺(jué)刺激的副產(chǎn)品而出現(xiàn)，而不需要對(duì)數(shù)量估計(jì)進(jìn)行任何明確的訓(xùn)練。

基礎(chǔ)數(shù)字感可能不依賴于某個(gè)特定領(lǐng)域的發(fā)展，但似乎利用已有的皮層網(wǎng)絡(luò)。這可以解釋為什么像新生兒、野生動(dòng)物等雖然完全沒(méi)有接觸過(guò)數(shù)字這個(gè)概念，但天生就具有數(shù)字感。

論文還指出，除了提供數(shù)字感的神經(jīng)科學(xué)的解釋外，該研究研究結(jié)果還表明，人工神經(jīng)網(wǎng)絡(luò)似乎從自然圖像中提取了比以前認(rèn)為的更多更高階的特征，可以利用神經(jīng)網(wǎng)絡(luò)的這些方面，來(lái)更好地理解它們?cè)诓煌蝿?wù)中進(jìn)行概括的能力。

專家對(duì)此結(jié)論有爭(zhēng)議

哥倫比亞大學(xué)的神經(jīng)科學(xué)家伊萊亞斯伊薩（Elias Issa）表示，這項(xiàng)研究結(jié)果是人工智能如何在為特定任務(wù)進(jìn)行培訓(xùn)時(shí)，獲得多種技能的“非常好的演示”。但他說(shuō)，究竟如何以及為什么在這種人工神經(jīng)網(wǎng)絡(luò)中出現(xiàn)數(shù)感仍然不清楚。

Nieder及其同事認(rèn)為，人工智能中數(shù)字意義的出現(xiàn)可能有助于生物學(xué)家了解人類嬰兒和野生動(dòng)物如何在不被教導(dǎo)的情況下獲得多種感覺(jué)。 Nieder說(shuō)，也許基本的數(shù)字靈敏度“與我們視覺(jué)系統(tǒng)的架構(gòu)相關(guān)聯(lián)”。

Ivilin Stoianov是帕多瓦意大利國(guó)家研究委員會(huì)的計(jì)算神經(jīng)科學(xué)家，他不相信這種人工智能中的數(shù)字感與動(dòng)物大腦中的數(shù)字感之間，存在這種直接的對(duì)等關(guān)系。這個(gè)人工智能通過(guò)研究許多標(biāo)記的圖片來(lái)學(xué)習(xí)“看”，但與嬰兒火野生動(dòng)物學(xué)會(huì)理解世界的方式不同。

未來(lái)的實(shí)驗(yàn)可以探索相似數(shù)量的神經(jīng)元是否出現(xiàn)在人工智能系統(tǒng)中，它們更接近模仿生物大腦的學(xué)習(xí)方式。