如果有人拿著一張鱷魚的照片，問你它是不是一隻鳥，那麼你可能會嘲笑他的無知。但如果對方是一個機器人呢？根據最新的一項科學研究，如果人工智慧提出的蠢問題獲得更多的正確答案，那麼人工智慧或許會變得更加聰明。
這種方法可以幫助人工智慧研究人員更快地設計程式，這些程式可以完成從診斷疾病到引導機器人或其他裝置自行在家中進行的所有工作。
來自 Google 的電腦科學家娜塔莎·雅克（Natasha Jaques）表示：“這真的是非常酷的工作”。他雖然沒有參與到本次研究中，但卻是機器學習領域的大拿。
很多人工智慧實現“更聰明”的途徑往往簡單粗暴，主要依靠機器學習，培訓大量資料並從中找到某種模式。例如，想要讓人工智慧知道什麼是椅子，那麼就向其展示數千張椅子圖片，然後識別椅子。
但即使是巨大的資料集也存在空白區的。例如，如果圖像中的某個物體可以標記為一把椅子，但人工智慧不會去瞭解這把椅子是由什麼製成的？人能坐在上面嗎？
為了幫助 AI 擴展他們對世界的理解，研究人員現在正試圖開發一種方法，讓電腦程式不僅能夠定位其認知中的空白區，而且還能向陌生人詢問這些知識空白的內容，這有點像是孩子問父母為什麼天空是藍色的。這項新研究的最終目標是讓人工智慧能夠正確回答有關它以前從未見過的圖像的各種問題。
這種“主動學習”也有相關的研究，只不過在這些研究中人工智慧會評估自己的知識盲區並要求獲得更多資訊，通常要求研究人員支付線上工作人員提供此類資訊的費用。因此這種方式無法大規模擴展。
由蘭傑·克里希納帶領的史丹佛科研團隊在其發佈的最新論文中表示，現在在西雅圖華盛頓大學培訓了一個機器學習系統，不僅能夠自己定位自己的知識盲區，並且會以多張圖片的方式來描述問題，以希望從耐心的陌生人處獲得答案。例如“水槽的形狀是什麼？”，回答是“方形”。
北卡羅來納大學教堂山分校的社會心理學家庫爾特·格雷（Kurt Gray）表示：“這種情況下，人工智慧有點像個孩子”。雖然他沒有參與這個計畫，但是他是人機互動方面的資深專家。
該團隊“獎勵”了它的人工智慧寫出可理解的問題：當人們真正回答了一個問題時，系統會收到反饋，告訴它調整其內部運作，以便在未來表現出類似的行為。隨著時間的推移，人工智慧隱含地學習了語言和社會規範方面的課程，磨練了它提出有意義且易於回答的問題的能力。
新的人工智慧有幾個組成部分，其中一些是神經網路，受大腦結構啟發的複雜數學函數。 “有許多動人的部分......都需要一起發揮，”克里希納說。一個元件在 Instagram 上選擇了一張圖片（比如日落），第二個元件詢問了有關該圖片的問題，例如，“這張照片是在晚上拍攝的嗎？”其他元件從讀者的反應中提取事實並從中瞭解圖像。
該團隊今天在《美國國家科學院院刊》上報告說，在 8 個月和超過 200,000 個 Instagram 問題中，該系統回答與其提出的問題類似的問題的精準性提高了 118%。一個在 Instagram 上發佈問題但未經過明確培訓以最大化響應率的比較系統僅將其精準性提高了 72%，部分原因是人們更頻繁地忽略了它
Jaques 說，主要的創新是獎勵讓人類做出反應的系統，“從技術角度來看，這並不瘋狂，但從研究方向的角度來看非常重要。” Instagram 上的大規模真實部署也給她留下了深刻的印象。 （人類在發佈之前檢查了所有 AI 生成的問題是否有冒犯性材料。）
請注意！留言要自負法律責任，相關案例層出不窮，請慎重發文！