Mind a Bit | 基智一点

上个世纪50年代，计算机刚刚发展之际， Alan Turing、Alan Newell、Herbert Simon、John McCarthy和Marvin Minsky等先驱, 就已经开始思考如何设计具备人类智能的机器。他们受到了数理逻辑的深远影响，在设计智能系统的过程中大量使用符号逻辑，人为寻找和设计智能系统的决策规则，史称符号派。

虽然这类设计的人工智能系统与当下火热的神经网络系统有很大的差别，也很少运用脑科学和神经科学的研究洞见，但是因为嵌入了大量的人类智慧，往往更具备常识，能解决一些日常知识推理的问题。即便是现在，符号派的智能系统设计也仍然在某些领域和一些大型智能系统的内部占有很重要的地位。

今天，我们一起阅读McCarthy在1960年写的Program with Common Sense，讨论古早味的符号派人工智能以及人工智能如何获得常识。

【嘉宾】

【支持我们】

欢迎大家在Patreon和爱发电上支持我们的节目。

【关注我们】

大家可以在y2intelligences.com看到我们的最新消息、文献链接和相关资料，也可以关注我们的微信公众号《午后的笛卡尔》。我们的节目目前可以在Apple Podcasts, Google Podcasts, Spotify, Castbox, Pocket Casts, AnchorFM等平台收听到。相关平台的登录页面也可以在我们的网站首页的链接找到。

自由能原则（Free Energy Principle）与预测加工理论（Predictive Processing Theory）是当下在大脑与智能研究领域大一统理论的热门候选人。这一理论指出大脑在与环境互动的过程中，通过优化神经结构或采取具体行动，来降低本身的熵，同时提高对环境的预测能力，减小预测错误。这一理论不但能够很好地解释人类的感知觉，而且试图解释人类的所有行为。

如果人类只是个预测机器，那么在小黑屋的人还会想走出来吗？在小黑屋的环境中，人对外在环境的预测不会产生错误，人有什么动力采取走出小黑屋的行为呢？预测加工理论又如何解释人类主动寻找刺激、创造惊喜之类的行为呢？

这一期我们就来讨论预测加工理论会不会被关在小黑屋里。

【嘉宾】

【支持我们】

欢迎大家在Patreon和爱发电上支持我们的节目。

【关注我们】

大家可以在y2intelligences.com看到我们的最新消息、文献链接和相关资料，也可以关注我们的微信公众号《午后的笛卡尔》。我们的节目目前可以在Apple Podcasts, Google Podcasts, Spotify, Castbox, Pocket Casts, AnchorFM等平台收听到。相关平台的登录页面也可以在我们的网站首页的链接找到。

近年来，随着科学技术的发展，越来越多的神经科学研究开始探索人类和其他动物的认知功能。心理学领域也出现了越来越多的神经成像研究，认知神经科学的兴起更是将心理学和神经科学结合在了一起。媒体的报道也常常聚焦于神经科学领域的新进展。比如，多巴胺的分泌常被说成是快乐源泉，神经放电规律试图否定自由意志。不少心理学爱好者开始疑惑：是不是心理学会被神经科学取代？

【嘉宾】

【支持我们】

欢迎大家在Patreon和爱发电上支持我们的节目。

【关注我们】

大家可以在y2intelligences.com看到我们的最新消息、文献链接和相关资料，也可以关注我们的微信公众号《午后的笛卡尔》。我们的节目目前可以在Apple Podcasts, Google Podcasts, Spotify, Castbox, Pocket Casts, AnchorFM等平台收听到。相关平台的登录页面也可以在我们的网站首页的链接找到。

“嘿Siri/Google/Alexa，帮我定个时吧！” “多长时间？”“15分钟。”“好的，15分钟计时开始。”

日常生活中，我们开始越来越多地与机器对话。苹果Siri、谷歌助手和亚马逊Alexa随着智能移动设备和家居产品逐渐进入我们的生活，微软小冰、天猫精灵也给很多人带来了很多快乐。我们跟不同的AI聊天，让虚拟助手帮助我们完成各种各样的任务。网购和打客服电话时，在你明确要求“人工客服”之前，机器客服会“尝试”提供相关的解决方案。语音助手会听取我们的目的地，选择合适的线路进行导航，甚至能帮我们订餐厅和机票。已经融入我们生活的对话系统正是我们这一期节目的主角。它们为何而生？经历了怎样的发展过程？是如何被创造出来的呢？

【嘉宾】

小达哥，互联网公司机器学习工程师

【支持我们】

欢迎大家在Patreon和爱发电上支持我们的节目。

【关注我们】

大家可以在y2intelligences.com看到我们的最新消息、文献链接和相关资料，也可以关注我们的微信公众号《午后的笛卡尔》。我们的节目目前可以在Apple Podcasts, Google Podcasts, Spotify, Castbox, Pocket Casts, AnchorFM等平台收听到。相关平台的登录页面也可以在我们的网站首页的链接找到。

在生活中，我们对很多东西都有下意识的判断。铅笔从桌子上滚落抬手去哪儿接，队友踢出的足球会朝哪儿行进，在没有交通指示灯的路口怎么过马路，小朋友抬手放的新积木会让整个积木大厦坍塌……在这些日常生活的场景中，我们时时刻刻都在预测接下来会是怎么样，而这些体验似乎都需要物理知识进行计算。可是，我们也并没有不断停下来，运用物理公式计算每一个物理现象，我们的判断和行为都发生得非常快。这种无处不在的对物理现象的直觉是什么呢？我们的直觉和实际的物理计算相符吗？拥有直觉物理与在学校学习的物理有什么联系呢？大脑是如何在短时间内快速计算出符合物理现象的判断呢？

【嘉宾】

Elsa, 毕业于北京大学物理学院，进行过高能物理的研究

【支持我们】

欢迎大家在Patreon和爱发电上支持我们的节目。

【关注我们】

大家可以在y2intelligences.com看到我们的最新消息、文献链接和相关资料，也可以关注我们的微信公众号《午后的笛卡尔》。我们的节目目前可以在Apple Podcasts, Google Podcasts, Spotify, Castbox, Pocket Casts, AnchorFM等平台收听到。相关平台的登录页面也可以在我们的网站首页的链接找到。

人一生下来就会哭、会呼吸，男孩子到了青春期就会长胡子，这些能力和成长毫无疑问都是与生俱来的。那么其他一些重要的知识和能力是否也是先天就有的呢？譬如知道红色和蓝色是不同的，明白5块小饼干和10块小饼干不一样多，以及能区分行为的善恶，这些知识和认知能力从何而来呢？你或许会觉得这些都是需要学习的，人之初就如洛克所说的白板一样，什么都没有，一切都要靠后天学习和塑造。想要解决这些知识和认知能力的先天与后天之争，小婴儿是很好的研究对象，毕竟TA们刚刚来到这个世界。小婴儿看起来什么都不懂，什么也不会做，我们很难想象TA能明白数量的差异，育儿专家也会说如果小婴儿看不见妈妈就会以为妈妈消失了从而哭闹，甚至还有专门为“看不见颜色”的小婴儿设计的黑白色卡……

但是小婴儿们真的什么知识和认知能力都没有吗？这种对婴儿的看法会不会是人类难以摆脱的偏见？抑或是我们缺乏了解婴儿心智的研究方式？

【嘉宾】

Jinjing(Jenny) Wang，Rutgers大学New Brunswick校区心理学系助理教授

【支持我们】

欢迎大家在Patreon和爱发电上支持我们的节目。

【关注我们】

大家可以在y2intelligences.com看到我们的最新消息、文献链接和相关资料，也可以关注我们的微信公众号《午后的笛卡尔》。我们的节目目前可以在Apple Podcasts, Google Podcasts, Spotify, Castbox, Pocket Casts, AnchorFM等平台收听到。相关平台的登录页面也可以在我们的网站首页的链接找到。

【内容提要】

【更多参考文献】

在这一期节目中，我们将目光放在了蝙蝠身上。尽管蝙蝠在城市中似乎很少见，但其实它们就生活在我们周围，与人类社会共享环境的蝙蝠，受到了哪些来自人类社会的影响呢？蝙蝠又是如何应对这些新的生存挑战的呢？

嘉宾：

罗金红，华中师范大学生命科学学院教授

关注我们：

大家可以在y2intelligences.com看到我们的最新消息、文献链接和相关资料，也可以关注我们的微信公众号《午后的笛卡尔》。我们的节目目前可以在Apple Podcasts, Google Podcasts, Spotify, Castbox, Pocket Casts, AnchorFM等平台收听到。相关平台的登录页面也可以在我们的网站首页的链接找到。

在前两期节目中，我们了解到动物既可以学会事件之间的联系，似乎也能够从经验中抽象出通用的规律。那么同样不会说话的小婴儿呢？

在这期节目中，我们围绕两篇关于婴儿学习的文献，讨论了婴儿与生俱来的两种学习方式——统计学习和规则学习。仅仅七八个月大的婴儿是如何快速捕捉到事件之间的概率联系？又是如何从所见所闻中归纳出抽象的规则的呢？

嘉宾：

So Keke，约翰霍普金斯大学博士生

关注我们：

大家可以在y2intelligences.com看到我们的最新消息、文献链接和相关资料，也可以关注我们的微信公众号《午后的笛卡尔》。我们的节目目前可以在Apple Podcasts, Google Podcasts, Spotify, Castbox, Pocket Casts, AnchorFM等平台收听到。相关平台的登录页面也可以在我们的网站首页的链接找到。

在本期节目中，我们围绕关于动物学习的文献，探讨动物能不能从有限的经验中，提取出抽象的规则。在第五期节目中我们提到，动物是依靠刺激(Stimulus)与反应(Response)之间的联结(Association)来习得事物之间的关系的。但是这样的学习方式往往只能建立起特定的刺激与特定的反应之间的关系。那么其他动物能不能像人类一样，从有限的学习机会中提取出抽象的规则和通用的规律，并且做到举一反三呢？

嘉宾：

So Keke，约翰霍普金斯大学博士生

关注我们：

大家可以在y2intelligences.com看到我们的最新消息、文献链接和相关资料，也可以关注我们的微信公众号《午后的笛卡尔》。我们的节目目前可以在Apple Podcasts, Google Podcasts, Spotify, Castbox, Pocket Casts, AnchorFM等平台收听到。相关平台的登录页面也可以在我们的网站首页的链接找到。

在本期节目中，我们的嘉宾So Keke同学介绍了（灵长类）动物实验的操作，并同我们一起讨论了动物在学习实验任务的过程中到底学习了什么。从这一集出发，我们将会在接下来的两期节目中结合下述文献，从人类婴儿和动物的角度，对统计学习和规则学习这两大学习方式进行深入讨论。

嘉宾：

So Keke，约翰霍普金斯大学博士生

关注我们：

大家可以在y2intelligences.com看到我们的最新消息、文献链接和相关资料，也可以关注我们的微信公众号《午后的笛卡尔》。我们的节目目前可以在Apple Podcasts, Google Podcasts, Spotify, Castbox, Pocket Casts, AnchorFM等平台收听到。相关平台的登录页面也可以在我们的网站首页的链接找到。