人类如何以新奇的方式使用物体来解决问题

人类天生就是创造性工具的使用者。当我们需要钉钉子但没有锤子时，我们很容易意识到我们可以用一个沉重的、平坦的物体，比如石头来代替它。当我们的桌子摇晃时，我们很快发现我们可以在桌腿下面放一叠纸来稳定它。但是，虽然这些行为对我们来说是如此自然，但它们被认为是高智商的标志——只有少数其他物种以新颖的方式使用物体来解决问题，没有人能像人类一样灵活地这样做。是什么为我们提供了以这种方式使用对象的强大功能?

一篇新论文发表在美国国家科学院院刊研究人员凯尔西·艾伦、凯文·史密斯和约书亚·特南鲍姆描述了麻省理工学院大脑、思想和机器中心的工作，他们研究了这种即兴工具使用背后的认知成分。他们设计了一个新的任务，虚拟工具游戏人们必须从一组“工具”中选择一个对象，然后将这些“工具”放在二维计算机化的场景中，以完成一个目标，比如把一个球放进某个容器里。解决这款游戏中的谜题需要推理许多物理原理，包括发射、阻挡或支撑物体。

研究团队假设，人们在解决这些谜题时依赖三种能力:一种引导人们采取行动的先验信念，这种信念会在场景中产生不同的效果，一种想象自己行动效果的能力，以及一种快速更新他们对哪些行动可能提供解决方案的信念的机制。他们建立了一个实例化这些原则的模型，称为“采样、模拟、更新”或“SSUP”模型，并让它与人玩相同的游戏。他们发现，SSUP以与人类相似的速度和方式解决每个谜题。另一方面，一个流行的深度学习模型可以很好地玩雅达利游戏，但却没有同样的能力对象物理结构无法将其知识推广到没有直接训练过的谜题上。

这项研究为研究和形式化支持人类工具使用的认知提供了一个新的框架。该团队希望扩展这一框架，不仅研究工具的使用，还研究人们如何为新问题创造创新的新工具，以及人类如何将这些信息从简单的物理工具构建为计算机或飞机这样的复杂物体，这些物体现在是我们日常生活的一部分。

麻省理工学院计算认知科学实验室的博士生凯尔西·艾伦(Kelsey Allen)对虚拟工具游戏如何支持其他感兴趣的认知科学家感到兴奋工具的使用:“在这个领域还有很多东西需要探索。我们已经开始与多个不同机构的研究人员合作，从研究游戏有趣的意义，到研究化身如何影响无实体的物理推理。我希望认知科学界的其他人会把这个游戏作为一个工具为了更好地理解物理模型如何与决策和规划相互作用。”

麻省理工学院(MIT)计算认知科学教授约书亚·特南鲍姆(Joshua Tenenbaum)认为，这项工作不仅有助于理解人类认知和文化的一个重要方面，还有助于理解如何在机器中构建更像人类的智能形式。特南鲍姆说:“人工智能研究人员一直对强化学习(RL)算法从试错经验中学习的潜力感到非常兴奋，就像人类一样，但人类从中受益的真正的试错学习只需要少数几次试验，而不是像今天的RL系统那样需要数百万或数十亿次经验。”“虚拟工具游戏让我们能够研究人类这种非常快速、更自然的试错学习形式，而SSUP模型能够捕捉我们在人类身上看到的快速学习动态，这一事实表明，它也可能为新的人工智能强化学习方法指明道路，可以像人类一样快速、灵活地从他们的成功、失败和差点失败中学习。”

---

---

本文转载自麻省理工学院新闻(web.mit.edu/newsoffice/)，这是一个很受欢迎的网站，涵盖有关麻省理工学院研究、创新和教学的新闻。