十个月的婴儿确定了某人努力实现它的目标的价值

根据麻省理工学院和哈佛大学的一项新的研究，婴儿可以评估某人通过观察他们愿意如何努力实现努力实现特定目标。

这种能力需要集成关于获取a的成本的信息目标寻求它的人获得的福利，建议婴儿获得关于人们如何做出决定的热情。

该研究的第一作者莎莉·刘(Shari Liu)说:“婴儿对世界的体验远不是一种‘盛开的、嗡嗡作响的困惑’。”她指的是哲学家和心理学家威廉·詹姆斯(William James)关于婴儿对世界的首次体验的描述。“他们解释人民行动在隐藏的变量方面，包括努力[人们]支出制定这些行动，以及目标的目标的价值。“

“这项研究是试图了解对别人行为的常识理解根源的重要一步。它表现出相当惊人的是，在某种意义上，经济学家如何考虑理性选择的基本数学是非常直观的对于婴儿不了解数学的婴儿，不要说话，并且可以几乎无法理解几句话，“麻省理工学院和认知科学系教授，毕业部的核心哈佛中心联合哈佛中心核心成员，思想和机器（CBMM）和其中一位作者的作者。

Tenenbaum帮助哈佛大学和CBMM核心成员的心理学教授与伊丽莎白Spelke指导研究团队，在该研究中进行了谁的实验室。刘先生的领先作者是哈佛大学的研究生。CBMM Postdoc Tomer Ullman也是本文的作者，它出现在11月23日在线版本科学。

计算价值

先前的研究表明，成年人和年龄较大的孩子可以通过观察某人为实现目标付出的努力来推断某人的动机。

哈佛大学和麻省理工学院的研究团队想了解更多关于这种能力是如何以及何时发展的。之前的研究发现，婴儿期望人们在他们的偏好上保持一致，并且在如何实现他们的目标上更有效率。这项研究提出的问题是，婴儿是否能把他们对一个人的目标的了解和实现这个目标所需要的努力结合起来，来计算这个目标的价值。

要回答这个问题，研究人员发现动画影片中的“代理人”，形状像一个反弹球，卡通人物，试图达到一定的目标（另一种卡通人物），10个月大的婴儿。在其中一个视频中，该代理必须跨越不同高度的墙壁来实现目标。首先，婴儿看到代理商跳过低墙，然后拒绝跳过中高墙。接下来，代理商跳过中高墙，达到不同的目标，但拒绝跳过高墙以达到该目标。

然后，婴儿被示出了一个场景，其中代理人可以在两个目标之间选择，没有障碍。成年人或年长的孩子将假设代理人会选择第二个目标，因为代理人努力努力在更早看到的视频中达到该目标。研究人员发现，10个月大婴儿也达到了这样的结论：当被显示的座席选择的第一个进球，看着现场更长的婴儿，这表明他们被这一结果感到惊讶。（寻找时间的长度通常用于衡量婴儿的研究中的惊喜。）

研究人员发现，当婴儿看到代理用两种不同的努力完成相同的一组动作时，他们得到了相同的结果:爬不同坡度的斜坡和跳过不同宽度的缝隙。

“在我们的实验中，我们发现，当代理选择了它付出较少努力的东西时，婴儿看东西的时间更长，这表明他们从代理为目标付出的努力中推断出代理给予目标的价值，”刘说。

研究结果表明，婴儿能够根据别人为得到某件东西付出的努力来计算别人对它的重视程度。

这篇论文并不是第一个提出这一观点的，但它的新颖之处在于，它表明这在比任何人见过的都小的婴儿身上是正确的。特南鲍姆说，他同时也是麻省理工学院计算机科学和人工智能实验室的成员。

Spelke认为，对婴儿的研究可以揭示我们一生中思考方式的深层共性。“抽象的、相互关联的概念，比如成本和价值——在我们的直觉心理学和哲学和经济学的效用理论中都处于中心地位的概念——可能起源于一个早期出现的系统，通过这个系统，婴儿能够理解他人的行为，”她说。

建模的情报

在过去的10年里，科学家们已经开发了计算机模型，接近复制成年人和旧儿童如何纳入不同类型的输入，以推断其他人的目标，意图和信仰。对于这项研究，研究人员建立在这项工作之上，特别是Julian Jara-Ettinger Phd'16的工作，他在学龄前儿童中研究了类似的问题。研究人员开发了一种计算机模式，可以预测在观察代理人的行为后，可以预测10个月大的婴儿会推断出代理人的目标。这种新模型也有能力计算“工作”（或在远程中施加的总力），作为研究人员认为婴儿在某种直观水平上能够做的行动成本的衡量标准。

“这个时代的婴儿似乎了解牛顿力学的基本思想，在他们可以谈论之前，在他们可以算之前，”Tenenbaum说。“他们汇集了对力量的理解，包括重力等事物，他们也对另一个人的目标有所了解。”

研究人员表示，建立这种类型的模型是开发人工智能开发人工智能的重要一步，使人为智能更准确地复制人类行为。

特南鲍姆说:“我们必须认识到，我们还远远没有创造出具备哪怕是10个月大婴儿常识的人工智能系统。”“但如果我们能从工程学的角度理解甚至是这些婴儿似乎都有的直觉理论，那就有希望成为建造具有更类似人类智能的机器的基础。”

仍然未答复是婴儿出现的直观能力的完全和何时何种问题。

“做婴儿从一片空白开始，他们就能造出这么复杂的机器?还是他们从对目标和信念的基本理解开始，然后建立起复杂的机制?还是说这一切都是与生俱来的?”Ullman说。

研究人员希望研究更年轻的婴儿，也许只有3个月大的年龄，以及学习直观理论的计算模型也是该团队也在开发的，可能有助于阐明这些问题。

---

---