伙伴们，快刀广播站又开始广播了。
大家经常会看到AI领域的文章说“拿某某数据进行训练”，但大部分时候我们对这个数据收集过程，缺少一个深刻的印象。最近我看到一个纽约团队的研究课题，觉得特别有意思，想和你分享一下。
这个科研团队发现人类婴儿在学习方面，比最好的大模型还要厉害，毕竟大模型为了学习英文，需要训练几千亿参数的数据，才能输出一些我们看起来还不错的内容。但是对于人类来说，儿童接触到的数据或者是语言，数量只是非常小的一部分，但是到了三岁，很多孩子就可以用很复杂的句式和理解力进行交流了。研究团队想知道，AI是否可以像婴儿一样，在非常小的数据集上，通过训练和学习，改进模型的能力。
这个实验是怎么做的呢？研究人员给一名叫作Sam的澳大利亚儿童，佩戴了一个头盔摄像机，从他6个月到两岁多，全程记录他所看到、所听到的事物。不过这头盔并不是一直戴着，要不这孩子也太遭罪了。他每天大概有1%的时间会戴上这个头盔，不过由于实验持续的时间长，最后拍摄的数据也超过了61个小时，要知道这61个小时记录的可是一个孩子每天的成长，所以会更加的宝贵。
拿到这几十个小时的视频，研究团队的负责人Lake做的是什么呢？他使用了60万个视频帧，记录当图像被捕捉时，Sam的父母或者身边人说的短语。其中一帧是Sam看一个球，身边人说的正好是球。类似这样的60万个视频画面，一共捕捉到了3.75万个短语。研究团队要做的，就是确保孩子看到的东西，和身边人正在说的东西是一致的，只有这样的实际例子多了，才能去推断出孩子是不是能真的理解这个短语。
该团队的作者之一、纽约大学的计算认知科学家莱克表示：“如果孩子在这个阶段里，接触到足够的数据量，其实是可以做到真正的基于词汇学习的。”这第一步的研究成果，就已经让很多发展心理学家吃惊了，因为之前普遍认为儿童是因为天生具备对语言运作方式的内在理解，才能迅速地学会，但是在这个研究中，我们发现孩子对语言的学习，是通过一小部分的经验和数据进行的。这个项目的参与者，发展心理学家沙利文表示这项目颠覆了他的世界观，因为如果婴儿没有创造出神经网络学习所需要的数据集，那么就不会有现在的研究结果。”
他们在论文发表在《科学》杂志上之后，列出了下一步的研究计划，就是尝试搞清楚怎么样让AI的学习更接近于儿童的早期语言学习，因为他们想做一个完全相当于2岁儿童能力的AI模型，就是2岁孩子应该会的东西都会，2岁孩子不应该会的东西都不会。
也许你要问了，现在的AI不就可以仿真模拟2岁的孩子吗？这里主要的问题是现在的AI既能模拟2岁的孩子，也能模拟一个啥都懂的爱因斯坦。现在AI的能力是一下子涌现出来的，这个系列实验想做的是让AI模型从学习方法到学习能力，更接近人类。所以他们接下来最重要的事情，就是收集更多的数据，负责人Lake的孩子现在18个月大，就是下一批提供数据的孩子之一，会每周戴那个头盔几个小时，用来收集人类如何一步步地学习语言和常识。我在文稿里放了一张Sam和一张Lake家孩子头戴摄像头的照片，感兴趣的话你可以看看，非常可爱。
其实在我们使用AI的背后，是大量的数据训练工作，只不过早期的人工智能，很多类似的数据标注工作都是人类完成的，特别是有一些非洲欠发达地区的人在干这项工作。但这两年，很多类似的比较枯燥和重复的工作，都是靠AI进行模仿练习。
例如2022年，OpenAI就有一个特别有趣的项目，就是找到一批玩家来玩热门游戏《我的世界》，在玩的过程中记录下他们键盘和鼠标的点击次数，然后训练一个小AI，先用2000小时的带有标记的玩家视频，来匹配键盘、鼠标动作和游戏里的关系。这个训练完成之后，再用70000小时的没有标记的视频，进行AI标记和训练。最后得出的结果是这个AI玩家的水平非常高，会打造各种工具，并且速度极快。
就像春节前，智影的创始人唐沐做客AI学习圈直播时，说到的他们的咖啡大师机器人，就是靠大量观察人类咖啡师的动作视频，来优化自己的流程与能力，所以未来在很多不同的行业里，只要拥有足够精准的数据，别管是文字、图像还是视频，都可能训练出一个对场景足够了解，能完成很多不同任务的机器人出来。
最后提醒同学们，今天咱AI学习圈又上了一门新的教程课，简单3步帮你用Suno AI零基础创作音乐。课程的主理人是小旭音乐创始人卢小旭老师，QQ斗地主的经典旋律就是由他创作的，课程链接我也为你放在文稿区了，推荐你一定要去看看。
点击查看教程课
好，今天的快刀广播站就到这里了。如果你觉得今天的内容对你有帮助，欢迎分享到朋友圈或者转发给你的朋友们。明天咱们接着聊AI。