定位城市:

这说明了人类思维和机器之间的差异，并有助于解释为什么我们甚至还没有接近开发具有人类所拥有的广泛智能的人工智能。

研究人员在一个由虚拟脑细胞或神经元组成的计算机模型中发现了这种“数字感”，这个模型采用的是人工神经网络。仅仅通过被训练识别图像中的物体(这是人工智能的一项常见任务)之后，该网络就发展出了对特定数量做出反应的虚拟神经元。

这些人工神经元让人联想到“数字神经”，人们认为“数字神经”赋予人类、鸟类、蜜蜂和其他生物能力来估计一组物品的数量，这种直觉也被称为数字感。

《科学进展》(Science Advances)网站上的这篇报告称，在数字判断任务中，人工智能表现出了与人类和动物类似的数字感。这一发现有助于我们了解人工智能在没有明确指令的情况下可以学习什么，而且对于研究动物对数字的敏感度如何产生的科学家来说，这可能会很有趣。

德国图宾根大学(University of Tubingen)的神经生物学家安德里亚斯·尼德(Andreas Nieder)和同事们利用一个包含约120万张标记图像的图书馆，教人工神经网络识别图片中的动物和车辆等物体。然后，研究人员向人工智能展示了包含1到30个点的圆点图案，并记录了各种虚拟神经元的反应。

一些神经元在观察特定数量的圆点图案时更加活跃。例如，一些神经元在看到两个点而不是20点时表现出强烈的激活，反之亦然。这些神经元对某些数字的偏好程度，与猴子神经元先前的数据几乎相同。

一个新的人工智能程序查看了之前给猴子看的点的图像，包括一个点的图像和从2到30的偶数点的图像(如图)。就像猴子大脑中的数字敏感神经元一样，人工智能中的数字敏感虚拟神经元在显示特定数量的点时优先被激活。与猴子的大脑一样，人工智能包含了更多的神经元，这些神经元对较小的数字更加敏感，而不是较大的数字。

2323

为了测试人工智能的数字神经元是否具有类似动物的数字感，尼德的团队展示了成对的圆点图案，并询问这些图案是否包含相同数量的圆点。人工智能在81%的情况下是正确的，在类似的匹配任务中表现得和人类和猴子差不多。就像人类和其他动物一样，人工智能也很难区分圆点数量非常相似的图案和圆点数量非常多的图案。

哥伦比亚大学(Columbia University)的神经学家埃利亚斯?伊萨(Elias Issa)表示，这一发现“非常好地证明了”人工智能如何能够在为特定任务进行训练时学习多种技能。伊萨并未参与这项工作。

他表示，数字感是如何以及为何在这个人工神经网络中产生的，目前仍不清楚。

尼德和他的同事们认为，人工智能中数字感的出现可能有助于生物学家理解人类婴儿和野生动物在不学习数数的情况下是如何获得数字感的。也许基本的数字敏感度“已经被连接到我们的视觉系统架构中，”他说。

但是，位于帕多瓦的意大利国家研究委员会(Italian National Research Council)的计算神经学家伊夫林?斯托亚诺夫(Ivilin Stoianov)并不认为，这种人工智能中的数字感与动物大脑中的数字感存在如此直接的平行关系。

这台人工智能通过研究许多贴有标签的图片学会了“看”，而婴儿和野生动物却不是这样学会理解这个世界的。

斯托亚诺夫说，未来的实验可能会探索，在更接近于模仿生物大脑学习方式的人工智能系统中，是否会出现类似数量的神经元，就像那些使用强化学习的系统一样。