儿童学习为何碾压AI？效率之谜与太空代理

在科技日新月异的今天，一则来自MIT Technology Review的报道引发了广泛关注：孩子们竟然在“学习”这件事上碾压了人工智能，而科学家们至今仍未找到确切原因。与此同时，太空旅行代理的崭露头角，也为科技领域注入了新的想象空间。

儿童如何超越AI？——语言学习的效率之谜

大语言模型（LLM）的崛起曾让人们坚信，AI已经掌握了语言的钥匙。然而，一个看似矛盾的现象却让研究者们陷入沉思：一个顶尖的大语言模型要掌握人类语言，需要消耗数以十万计的训练数据，而一个三岁的孩子，却能在日常生活中轻松习得母语，甚至能灵活运用语义、语境和隐含的情感。这种“样本效率”的巨大差距，是当前人工智能领域最深奥的谜题之一。

研究者发现，儿童的大脑似乎天生具备一种“语言模块”，能够通过极少的输入快速形成语法规则和词汇网络。而AI则依赖于统计学习，需要在海量文本中寻找规律。更关键的是，儿童学习语言时的“反馈-纠正-互动”过程，是AI所缺乏的。尽管研究人员尝试将强化学习融入AI，但效果依然不理想。

“我们的大脑似乎并不需要一亿条语言样本才能理解‘狗’是什么，”一位认知科学家表示，“但AI不行，它需要成千上万张图片和描述才能建立基本概念。”

这种差异可能源于人类认知的先天结构，也可能与社会互动、具身认知（embodied cognition）有关。儿童不仅在学习语言，更在理解真实世界，他们的语言学习与视觉、听觉、触觉紧密交融，形成了AI难以企及的认知闭环。

太空旅行代理：AI的新边疆

如果说儿童学习之谜是基础科学的深井，那么太空旅行代理则代表AI应用的新高度。所谓“空间旅行代理”，是指能够自主规划、决策、执行任务的智能体，它们在深空探测、卫星管理、甚至商业太空飞行中承担起越来越重要的角色。随着人类重返月球和登陆火星的计划展开，AI代理正成为不可或缺的“数字宇航员”。

例如，NASA等航天机构正在研发能够处理突发故障的AI系统，它们可以独立分析星载传感器数据，自主调整轨道，甚至与地面控制中心进行有限度的协商。而商业太空公司则将AI代理用于资源调度、风险评估和乘客服务——这无疑将改变未来太空旅行的形态。

编者按：向人类学习，AI的下一课

从儿童语言学习到太空代理，这些新闻看似遥远，却共同指向一个深刻的命题：人类智能的卓越之处，恰恰在于它的“低成本、高效率”。当AI在数据和算力上持续堆砌时，我们也应回头审视那些属于人类的本能。也许，真正的通用人工智能，不是靠更大的模型，而是靠更懂“学习”的算法。

本文编译自MIT Technology Review