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，如果人工智能提出的蠢問題獲得更多的正確答案，那麼人工智能或許會變得更加聰明。

這種方法可以幫助人工智能研究人員更快地設計程序，這些程序可以完成從診斷疾病到引導機器人或其他設備自行在家中進行的所有工作。

來自Google 的計算機科學家娜塔莎·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。

很多人工智能實現“更聰明”的途徑往往簡單粗暴，主要依靠機器學習，培訓大量數據並從中找到某種模式。例如，想要讓人工智能知道什麼是椅子，那麼就向其展示數千張椅子圖片，然後識別椅子。

但即使是巨大的數據集也存在空白區的。例如，如果圖像中的某個物體可以標記為一把椅子，但人工智能不會去了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，讓計算機程序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能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能會評估自己的知識盲區並要求獲得更多信息，通常要求研究人員支付在線工作人員提供此類信息的費用。因此這種方式無法大規模擴展。

由蘭傑·克里希納帶領的斯坦福科研團隊在其發布的最新論文中表示，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，人工智能有點像個孩子”。雖然他沒有參與這個項目，但是他是人機交互方面的資深專家。

該團隊“獎勵”了它的人工智能寫出可理解的問題：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，人工智能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。

新的人工智能有幾個組成部分，其中一些是神經網絡，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。一個組件在Instagram 上選擇了一張圖片（比如日落），第二個組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？”其他組件從讀者的反應中提取事實並從中了解圖像。

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準確性提高了118%。一個在Instagram 上發布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準確性提高了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。（人類在發布之前檢查了所有AI 生成的問題是否有冒犯性材料。）