日本沖繩科學技術研究所認知神經機器人團隊開發了一種具有新穎架構的具身智能模型。它允許科學家訪問神經網絡的各種內部狀態，并且能夠以與人類兒童相似的方式學習泛化，揭曉了神經網絡中認知發展和信息處理的關鍵信息。該成果發表在新一期《科學·機器人學》雜志上。

對人工智能（AI）至關重要的大型語言模型（LLM）主要依賴于大規模數據集，但其無法像人類那樣有效地從有限信息中進行泛化。而具身智能是一種基于物理實體進行感知和行動的智能系統。它可以通過智能體與環境的交互來獲取信息、理解問題、做出決策并執行行動。

此次的具身智能模型基于預測編碼啟發，變分遞歸神經網絡框架，通過集成視覺、本體感覺和語言指令三種感官輸入進行訓練。具體來說，該模型處理了以下輸入：觀看機械臂移動彩色塊的視頻；感知人體四肢運動的感覺及機械臂移動時的關節角度；以及語言指令如“把紅色物體放在藍色物體上”。

該模型的靈感，是大腦不斷根據過去的經驗預測感官輸入，并采取行動將預測與觀察之間的差異降至最低。因為大腦的工作記憶和注意力有限，所以必須按順序處理輸入并更新其預測，而不是像LLM那樣一次性處理所有信息。

研究表明，新模型只需更小的訓練集和更少的計算資源就可實現泛化學習。盡管它比LLM犯錯更多，但這些錯誤類似于人類的錯誤。

這意味著，將語言與行為相結合可能是兒童快速語言學習的重要因素。這種具身智能不僅提高了透明度，還能更好地了解AI的行為效果，為未來更安全、更合乎道德的AI發展指明了方向。

這項研究為理解和模擬人類認知提供了一個新的視角，展示了如何通過整合多種感官輸入來實現高效的泛化能力。這不僅有助于開發更加智能和靈活的AI系統，也為認知科學提供了寶貴見解。

總編輯圈點

何為泛化？人類就很擅長從少量示例中泛化知識。例如，給一個蹣跚學步的孩子展示紅球、紅色卡車和紅玫瑰后，他很可能也會正確識別出西紅柿是紅色的，即便這是他第一次看到西紅柿。這種能力的關鍵在于組合性——即將整體分解為可重復使用的部分的能力。而理解人類如何獲得這種能力，是發育神經科學和AI研究中的一個重要問題。本文的成果對研究AI決策過程的科學家們非常有用。借此，可以進一步探索人類認知和機器學習之間的復雜聯系，從而推動AI技術的進步。