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的情況下可以學到什么，或許也會有助于研究動物如何產生數(shù)字感。

“數(shù)學能力是一個非常復雜的概念，有許多因素起作用。”美國北卡羅來納州杜克大學心理和神經系統(tǒng)學系研究生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能夠將20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。這個結果非常有意思，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、相互關系以及數(shù)學運算。

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數(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)學技巧到底是是天生的、后天習得的，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。

研究人員通過訓練神經網(wǎng)絡，發(fā)現(xiàn)在數(shù)字判斷任務中，人工智能表現(xiàn)出與人類和動物類似的數(shù)字感！

德國蒂賓根大學的神經生物學家Andreas Nieder及其同事，使用了大約120萬張標記圖像的數(shù)據(jù)來訓練人工神經網(wǎng)絡，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元的反應。

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

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。這些神經元對某些數(shù)字的偏愛程度，與之前研究來自猴子神經元的數(shù)據(jù)幾乎相同，在類似的匹配任務上也是如此。

科學家們相信，這一發(fā)現(xiàn)有助于深入了解人工智能在沒有明確指導的情況下可以學到什么，或許也可能解開對研究如何在動物身上產生數(shù)字感的謎團。

數(shù)字感是這樣產生的嗎？

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品而出現(xiàn)，而不需要對數(shù)量估計進行任何明確的訓練。

基礎數(shù)字感可能不依賴于某個特定領域的發(fā)展，但似乎利用已有的皮層網(wǎng)絡。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)字感的神經科學的解釋外，該研究研究結果還表明，人工神經網(wǎng)絡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，可以利用神經網(wǎng)絡的這些方面，來更好地理解它們在不同任務中進行概括的能力。

專家對此結論有爭議

哥倫比亞大學的神經科學家伊萊亞斯伊薩（Elias Issa）表示，這項研究結果是人工智能如何在為特定任務進行培訓時，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網(wǎng)絡中出現(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)可能有助于生物學家了解人類嬰兒和野生動物如何在不被教導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)的架構相關聯(lián)”。

Ivilin Stoianov是帕多瓦意大利國家研究委員會的計算神經科學家，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系。這個人工智能通過研究許多標記的圖片來學習“看”，但與嬰兒火野生動物學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習方式。