一場讓AI和動物比拼覓食能力的「奧運會」

1950年，艾倫·麥席森·圖靈提出了圖靈測試。他認為，如果機器人和人類在相互隔開的情況下進行溝通，經過多次提問交流後，如果有超過三成的人類不能確認對方是否為機器人，那麼這台機器就會被認為具有人類智能。但遺憾的是，迄今為止，沒有一台機器完成了這個任務。

儘管我們已經知道Alpha Go擊敗了頂尖職業圍棋選手，Open AI在Moba比賽中戰勝了電競冠軍，但這些AI，都是基於大量的數據錄入、計算運行，遵循一套規則的專項機器人。AI缺乏自主思考、沒有認知能力，目前依然是該領域無法跨越的難關。

最近，英國的研究人員們組織了一場特別的AI競賽，這場競賽便是源於動物認知領域。賽事取名為「動物-AI奧運會」，顧名思義，就是讓AI與動物們一較高下。

比賽的目標非常簡單：讓AI與動物比拼覓食能力。官方提供了一個明確定義的虛擬場景平台，並給出在該平台上進行測試的認知能力的列表。參賽選手可以根據這些列表在賽前模擬海量的場景和障礙，訓練出具備比賽要求的AI。為了保證公平性，賽場的真實布局和變數並沒有事前公開，但從官方放出的幾十篇動物智能研究中，能夠窺見一些可供學習的案例。

比如從《伊索寓言》中產生靈感的《烏鴉喝水》，烏鴉可以投入石子，促使瓶中的水位升高來獲取水分。當環境中出現石子和軟木塞時，烏鴉或智能體必須學會從這兩者中分辨出正確的工具。又如小狗咬住一根長木棍，通過寬度窄於木棍的障礙時，他必須學會側身讓木棍和自己，同時穿越障礙。

這些問題有可能會同時出現在一個場景中，這次奧運會的比賽方式，並不是提供一個確切問題交由選手解決，而是創造了一個虛擬的競技場，讓AI們在其中自由發揮。比賽的難度分為了十個等級，隨著比賽進行，官方會不斷加入對AI研究領域來說，十分困難的障礙因素，以此來測試AI通過學習後，在認知領域不同層面的能力值。

最簡單的等級是覓食測試，在這個環境中沒有設置任何障礙物， AI們只需要在規定的時間裡，儘可能多的尋找到食物。較為困難的是諸如目標存在持續性的測試，人和動物其實都具備一個簡單的意識：當事物離開自己的視線時，它依然存在。但大部分的AI系統還不具備這樣的能力，在這個測試中，AI只有明白這個道理才能夠成功尋覓到食物。不過，最為棘手的還是關卡的未知性，和被測試的動物一樣，所有AI都沒有事先熟悉場地的機會，一切阻撓因素都是首次出現且隨機放置的，機器必須是個擅長適應環境的智慧體，才可能在這次選拔中脫穎而出。

可一個機器能夠成長到熟練處理意外變化，是一件十分困難的事情。預先計劃、執行複雜決策、因果推理，每一項對於AI來說，都需要很長的路要走。因此，即便是與最簡單的動物對決，這似乎也是一場必敗的比賽。不過無論勝利與否，這場奧林匹克競賽帶來的意義，遠比製造出像動物一樣找到食物的AI大得多。尋找在這類場景中更好的學習演算法，可能更為重要。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！