人工智能可以培養(yǎng)出類似人類的“數(shù)字感”。一直以來研究人員希望了解人們的數(shù)學(xué)技巧來自哪里，“數(shù)字感”是否人類獨有。一項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有明確指導(dǎo)的情況下可以學(xué)到什么，或許也會有助于研究動物如何產(chǎn)生數(shù)字感。

“數(shù)學(xué)能力是一個非常復(fù)雜的概念，有許多因素起作用?！泵绹笨_來納州杜克大學(xué)心理和神經(jīng)系統(tǒng)學(xué)系研究生Ariel Starr說。

研究發(fā)現(xiàn)如果一個嬰兒，在6個月大的時候就已經(jīng)能夠?qū)?0個圓點和10個圓點區(qū)分開，那么到幼兒園時期，ta可能會更擅長數(shù)學(xué)。這個結(jié)果非常有意思，它表明人類對數(shù)字的感覺，可能是與生俱來的。

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)運算。

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

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

雖然計算機擁有人類無法企及的運算能力，但我們很難說它具有數(shù)字感。計算機執(zhí)行運算的時候，需要提前指定數(shù)字類型，整型？浮點？布爾？它們并不具備“數(shù)”這個概念。

AI也出現(xiàn)了“數(shù)字感”？

一直以來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，似乎為這個謎底揭開了一線光芒。

研究人員通過訓(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)出與人類和動物類似的數(shù)字感！

德國蒂賓根大學(xué)的神經(jīng)生物學(xué)家Andreas Nieder及其同事，使用了大約120萬張標(biāo)記圖像的數(shù)據(jù)來訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，以識別圖片中的動物和車輛等物體。然后研究人員向AI展示了包含1到30個點的點圖案，詢問圖案是否包含相同數(shù)量的點，并記錄了各種虛擬神經(jīng)元的反應(yīng)。

當(dāng)顯示特定數(shù)量的點時，AI中對該數(shù)字敏感的虛擬神經(jīng)元優(yōu)先激活。例如，當(dāng)顯示兩個點而不顯示20個時，一些神經(jīng)元更加活躍；反之，則另一些神經(jīng)更加活躍。

像人類和其他動物一樣，AI努力區(qū)分具有點數(shù)相同的圖案，在81％的時間都是正確的。這些神經(jīng)元對某些數(shù)字的偏愛程度，與之前研究來自猴子神經(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有明確指導(dǎo)的情況下可以學(xué)到什么，或許也可能解開對研究如何在動物身上產(chǎn)生數(shù)字感的謎團。

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)是基于視覺系統(tǒng)固有的機制。視覺系統(tǒng)的運作似乎足以達到視覺上的數(shù)字感。數(shù)值選擇性可以簡單地作為暴露于自然視覺刺激的副產(chǎn)品而出現(xiàn)，而不需要對數(shù)量估計進行任何明確的訓(xùn)練。

基礎(chǔ)數(shù)字感可能不依賴于某個特定領(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、野生動物等雖然完全沒有接觸過數(shù)字這個概念，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，來更好地理解它們在不同任務(wù)中進行概括的能力。

專家對此結(jié)論有爭議

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，這項研究結(jié)果是人工智能如何在為特定任務(wù)進行培訓(xùn)時，獲得多種技能的“非常好的演示”。但他說，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物如何在不被教導(dǎo)的情況下獲得多種感覺。 Nieder說，也許基本的數(shù)字靈敏度“與我們視覺系統(tǒng)的架構(gòu)相關(guān)聯(lián)”。

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

未來的實驗可以探索相似數(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。