AI不如婴儿聪明？婴儿大脑启发AI新突破

在人工智能领域，一个长期被忽视的事实是：现在的AI系统尽管能写诗、画画、编程，但在理解世界的基本规律方面，甚至不如一个婴儿。婴儿只需几个月就能明白物体恒存、重力作用、因果关系，而训练最强大的语言模型需要消耗千万亿级别的文本数据，却依然无法避免低级常识错误。这种鲜明对比促使越来越多研究者回归原点——从婴儿认知中寻找AI突破的关键。

婴儿：天生的学习机器

婴儿的大脑并非一张白纸。发育心理学研究表明，新生儿已经具备一些先天偏好：对人脸的兴趣、对声音节奏的敏感、以及对物理世界因果关系的直觉。比如，一个4个月大的婴儿看到玩具车被遮挡后还能出现，会表现出惊讶——他们早已内化了“物体不会凭空消失”这一规则。这种无需明确教学、仅靠少量观察就能提炼出抽象规律的能力，正是当前AI最欠缺的。

“婴儿是世界上最强大的学习系统，他们用最少的能耗和最少的样本就能完成最复杂的推论。”——麻省理工学院认知科学教授Josh Tenenbaum

Tenenbaum的实验室一直致力于将婴儿认知原理转化为计算模型。他们的工作表明，婴儿眼中的世界并非原始像素流，而是被分割为有因果关系的“事件”和“对象”。这种结构化的表征方式使得婴儿能高效地预测未来。相比之下，深度学习模型通常只在像素层面做模式匹配，缺乏高层语义结构，因此出现“见过千万张椅子图片，但换个奇怪角度就认不出”的窘境。

从认知原型到神经网络架构

近年来，一些研究开始将婴儿发展规律融入AI设计。例如，强化学习中的“好奇心机制”模拟了婴儿探索新事物的本能；生成式模型中的“因果推理模块”则试图复现婴儿对因果关系天然的敏感性。2025年，DeepMind公布了一项实验：他们让一个虚拟智能体在模拟环境中像婴儿一样通过移动、抓取、观察来学习，最终该智能体在物理推理测试中的表现超过了传统监督学习方法训练的模型。

另一条路线来自神经科学领域。婴儿大脑的“突触修剪”现象——出生后大量突触被选择性删除以优化效率——启发了一种新的神经网络剪枝算法。该算法在视觉任务上获得了相当的准确度提升，同时将计算开销降低了40%。研究者认为，婴儿大脑的学习效率部分源于这种“先乱后精”的发育策略。

编者按：AI婴儿梦，距离尚远

尽管这些进展令人鼓舞，但必须承认，目前没有任何AI系统具备一个真正婴儿的智力水平。婴儿不仅有先天的结构，还有漫长的、由社会交互和情感纽带支撑的学习过程——父亲的笑脸、母亲的声音、跌倒后的疼痛，这些都是无法被压缩成训练数据的丰富信号。此外，婴儿的每一个动作都会立即获得环境的反馈，这种闭环交互也是当前离线训练所缺乏的。

不过，AI研究者已经开始触碰问题的核心：如何让系统拥有“直觉物理学”和“朴素因果推理”。也许再过五年，我们会在某些特定领域（如机器人操作）看到类婴儿智能的突破。到那时，我们或许会感慨：原来智慧最大的秘密，一直藏在婴儿的咿呀学语之中。

本文编译自WIRED