MIT认知科学视角下的AGI：让机器像人一样学习与思考

MIT教授Josh Tenenbaum在这场演讲中，系统阐述了他对通用人工智能的核心判断：真正的智能不来自海量数据，而来自结构化的认知模型。通过人类学习、直觉物理和常识推理的研究，他勾勒出一条不同于深度学习主流路径的AGI路线。

为什么人类能“以少胜多”：AGI问题的真正起点

理解人类智能的独特之处，是Tenenbaum整个演讲的出发点。开场他就提出一个看似简单却极其深刻的问题：为什么人类能够“learn so much from so little”（从极少的数据中学到极多的知识）？这不仅是认知科学的核心问题，也是构建通用人工智能（AGI）的关键瓶颈。

在他看来，当下许多成功的AI系统，依赖的是大规模数据和算力堆叠，而不是人类式的理解能力。这种方法在特定任务上很有效，但缺乏迁移性和常识。相比之下，人类儿童只需看几次、听几句，就能形成稳定而可泛化的概念模型。

这正是MIT计算认知科学（Computational Cognitive Science）研究的目标：不是简单模仿人类行为结果，而是反向工程人类心智的内部机制。Tenenbaum强调，认知模型本身就是一种“假设空间”，它决定了学习的效率上限。这一判断，直接挑战了“数据越多越智能”的工程直觉。

把认知当作程序：模型、假设与解释力

这一节中，Tenenbaum提出了他最具代表性的思想之一：把人类的认知过程看作一套“可组合的程序”。他并不满足于让模型在输入输出层面表现得像人，而是希望模型能够显式表示假设、因果关系和生成过程。

他提到，传统工程思路更关注性能指标，而科学视角则追问“系统为什么能工作”。正如他所说，这是在“doing science like an engineer”（像工程师一样做科学）。在这种框架下，模型不仅要给出答案，还要给出解释。

这种方法常以概率模型和程序化表示为基础（例如生成式模型），使系统能够在极少样本下进行推断。这也是为什么这些模型在概念学习、语言理解等任务中，往往比纯统计方法更接近人类表现。对Tenenbaum而言，可解释性不是附加属性，而是智能本身的一部分。

直觉物理与常识：机器最缺的那一课

为什么我们能一眼判断一个积木塔会不会倒？Tenenbaum用“直觉物理”这个概念，指出人类在日常生活中无时无刻不在进行隐性的物理模拟。我们并不会解方程，但却能快速预测结果。

演讲中他提到的实验表明，人类在理解物体、力量和因果关系时，依赖的是内在的生成模型，而不是表面模式匹配。这种能力让我们能够规划行动、理解他人意图，并在陌生环境中迅速做出合理决策。

他认为，常识推理正是当前AI系统的短板，而解决这一问题需要的不只是更深的网络，而是更合适的认知架构。这类模型往往以“世界如何运作”为核心假设，而不是单一任务的最优解。

从认知科学到工程落地：5到10年的现实路径

Tenenbaum并未把这些想法停留在理论层面。他明确表示，这些认知模型在未来5到10年内，将带来“actual real engineering payoffs”（真实可落地的工程回报）。尤其是在需要规划、理解和少样本学习的场景中，这类方法具备独特优势。

他强调，AGI并不是一蹴而就的突破，而是多种工具的融合：统计学习、符号表示、因果推理和认知启发的架构设计。关键在于找到合适的组合方式，而不是押注单一范式。

在演讲结尾，他再次回到初心：通过理解人类智能本身，来“build smarter more human-like machines”（构建更聪明、更像人的机器）。这既是科学问题，也是工程使命。

总结

这场演讲的价值，不在于给出一个现成的AGI方案，而在于提供了一套判断标准：真正的智能应当具备解释力、迁移性和常识。Tenenbaum提醒我们，若忽视人类认知中那些“看不见”的结构，AI就只能停留在表面成功。对研究者和工程师而言，这是一条更难、但也更可能通向通用智能的道路。

关键词： AGI， 认知科学， 少样本学习， 直觉物理， MIT

事实核查备注： Josh Tenenbaum：MIT教授，计算认知科学；演讲主题围绕人类如何从少量数据中学习；关键原话包括“learn so much from so little”“doing science like an engineer”“build smarter more human-like machines”；时间预测为5到10年；视频发布于2018-02-08，频道Lex Fridman。