海归学者发起的公益学术平台
分享信息，整合资源

交流学术，偶尔风月
下图，是研究人员在日本发现与跟拍的一只野生乌鸦，他无法获得坚果内的果肉，从空中抛下也不能解决问题。在这个过程中，它发现，飞驰而过的车辆，可以碾碎坚果（图b）！但车辆対它自身也是一种威胁，于是他在高空中观察（图c）。而后它意识到斑马线＋行人指示灯变绿，可以让车辆停下（图d、e）。那么，将坚果放在人行横道，待车辆碾碎坚果，行人灯变绿再去取食果肉的一系列行为模式。
本期视频，聪明的乌鸦，在没有任何人为干预的条件下，通过将多个小棍组合，成功取到了盒中的食物。
如果把乌鸦当做智能体，在借车碾果的例子中，乌鸦无法进行大数据训练，因为失败即送命，没有第二次机会。在视频中的结论，乌鸦可能会对问题进行模拟，在脑中预演几种可能的行动，这个发现可为今后AI与机器人研究带来帮助。本例中，乌鸦学习的过程无人类的监督，来告诉它几种方案的对错，来进行利弊取舍。
那么，当前极度依赖“大数据训练”以及“监督学习”的人工智能，有一个很贴切的形象——鹦鹉。在安全，舒适的家养条件下，鹦鹉重复的接收言语信息，高准确率的模仿意味着，获得食物奖励，从而形成条件反射。若将鹦鹉放到现实环境之中，若将这类人工智能直接对接现实决策，结果往往不尽人意。
Ulf Grenander 对人工智能的一大贡献，即提出analysis-by-synthesis。想要识别、分析的目标模式的选定→数理模型的建立与数据拟合（即当前的机器学习）→模型初始化采样评估。
这意味着机器学习过程，而 不是把别人的模型（机）直接拿来调试，不管过程公式的研究，实验结果提高了几个百分点就大功告成，从头到尾，缺乏自己构建新模型、新算法的能力。
扩展阅读
凭空消失的“量子雕塑”——艺术如何成为科学的喉舌？【知社视频】第40期
汪星人和喵星人，到底谁更聪明？【知社视频】第41期
如何徒手攀上900m高的岩墙【知社视频】第42期
媒体转载联系授权请看下方
继续阅读
阅读原文