木积木，方块地毯，半成品的果汁盒忙三英尺高的人类 — — 这是什么今天的幼儿园教室 （部分） 而成。我们寄给我们五岁掉到环境，致力于帮助他们学习和成长他们的想法，那么为什么我们不一样与我们的机器人？

乍一看，这可能看起来像一个牵强的想法。机器人不了解自己;他们给与算法，编程的知识，然后我们人类观察它们的行为，并确定是否他们执行的方式，我们打算。如果不是这样，我们调整我们的构造，并再试一次。这是传统观念的编程”智能化”的机器人，但它的唯一途径吗？

丹尼科利奇，马克斯 · 普朗克大脑研究所的研究员认为，未来的机器人学习可能涉及教育，这是类似于我们的孩子在小学低年级的学。在”AI 幼儿园”与人类训练者和教育工作者，机器人将学习在游戏室，同时传感真实的世界，开始与更简单的操作，如我们使用我们的海马，当我们学习电机控制和内耳当我们学习平衡的方式行使校准的相互作用。最终，机器人会创建其自己的学习新的信息，智能化的关键特征的规则集。例如，当学习破译绘图的一只猫，AI 不会塞入数千幅图像的一只猫它的内存;相反，它可以花大部分的其天一系列的问题问的一只猫的形象上，如”那是一只猫？它可能是一只猫吗？猫是什么样的？还有什么该图像会不会？

他想象与机器人看，工作同样的问题在这游戏室环境下，机器人交互老师

“原则上，这应该是可能。这是基本上类似于如何我们转移我们的文明到下一代的儿童，”尼科利奇告诉主板。”新的一代没有从头开始创建整个文明社会，我们花了数千年; 的东西我们可以用同样基因组中存储的知识，它还没被完成的演化，但没有理由我们不应该能够做到这一点我们自己的一旦我们了解这些过程，他们的工作。”

我们习惯于人工智能可以打败一个人下棋，或者更近一些，在去，计算机作为思维，但一些研究者们考虑的更多一般人工智能 (AGI) 或强的人工智能，可以适用于任何任务，像人类一样做底层的情报。

大多数研究人员着手强人工智能在新兴领域的”深入学习，”使用一套算法来创建表示形式的人工智能的一个分支，通过大量的数据筛选的世界模式。

但是一些科学家，包括尼科利奇，相信当前的深度学习模型是有限的创造一个真正的智能，可以从错误中学习并适应基于其环境的相互作用及其知识的时候。今天的 AI 系统比以往任何时候更聪明但尼科利奇注意到，因为他们不能调整或人或任何动物都不会这限制了系统的能力，采取它已学会的方式适应并将它应用于新的和更具挑战性的上下文。

尼科利奇认为，工程这种自适应知识的秘诀在于系统如何组织的。他想要一步进一步与 practopoiesis，描述了生物体的功能和行为的理论基于他们的系统，从他们到器官，他们整个集合的基因如何组织的深度学习方法。

不同的自适应系统，从一个人向潜在的 AI，分为不同自适应。这些自适应的类别定义的组织的系统环境，从接收反馈的水平，这也被称为导线数。导线是衡量多少能力系统不得不调整其现有的知识，是不同于其原始的计算能力。以下具体的事例，从尼科利奇，借来的可以帮助我们包装我们围绕着这个理念的思想 ︰

• 一本书 ︰ 不聪明;零遍历
• 一台电脑 ︰ 有点聪明;每条导线
• AI 系统 ︰ 聪明得多;两导线
• 人或动物 ︰ 最聪明的;三导线

有助于可视化三人类导线或层次的组织，如 ︰ 我们的基因;我们潜意识和长期记忆的形成;和我们有意识的积极的决策，在我们的感官系统配合工作。三导线使它能够做出知情的推论，并确定在任何给定的情况，一些国内的猫能做，但，即使是最先进的人工智能不能接下来做什么。

要匹配的人，说，尼科利奇，强大的 AI 系统必须有三导线，而当今最先进的人工智能系统仍处于两个级别。三导线系统 — — 也称为 T3 系统 — — 能够从错误中学习，在一种抽象的形式，可用于更有效率和自适应的方式，比两个遍历系统中存储其过去的经验。

AI 系统尤其缺少知识的构建块，东西人类儿童和动物都配有形式的基因。一个孩子是出生时带有基因，使其能够理解的语言，基本原则为例;同样，一只老鼠是与生俱来的能力，学会如何导航迷宫。尼科利奇说，”我们需要一个机器人，它有这种低级的知识，”。

他设想，他称之为”机基因组，”这将使机器人具有一整套的学习规则。”来加速这一进程，削减下来的几个或几十年，我想我们能做什么与 AI 幼儿园是种偷这方面的知识 （的基因），这辛苦的工作，通过亿万年，做了演化和已译成了我们的机器人，到它们的基因组，”他说。

本周的播客为您带来了两个关于人类与人工智能的互动故事。广播电台主板是在 iTunes 和所有播客应用程序可用。

在这一点上，机基因组是只是一种理论，而是他正在努力理解在他的研究方面的潜力。

在 AI 幼儿园机器人配备只有几个简单的算法，和不尚未将接近人类水平 AI。作为”婴儿，”他们可能与学习一级原始的动物，像基本的反射和本能行为进行编程。

“而不是给如何做人，确切的规则我们可以举例说明什么是应该做的我们可以给机器我们自己的直觉，对什么是正确的事情要做在给定的情况;儿童的大脑不得不弄清楚如何举这些例子，把它们变为新知识和新技能，如何为了下一次更好地做事情，我们必须用机器人做类似的事情，但我们必须开始得更早，”尼科利奇说。

他想象与机器人看和工作就同一问题，作为人类的教练在这游戏室环境下，机器人互动的老师。例如，未来的 AI 教育家可能模型如何导航周围固体物体而不会遇到他们或如何看待遥感噪声方向听见它是从整个房间。

这一进程可能类似于基本的脚手架在实际幼儿园环境中，教师在指导学生的学习建模行为和提供大量的实践机会。从这些简单的教训，机器人可以逐渐学会”如何学”，为更复杂的算法，反过来应用这些产生更复杂的行为和更复杂的人工大脑，最终成长为我们所谓的”强”或”一般”的人工智能。

从本质上说，机器可能会知道这个世界不是通过不可能包罗万象的程序，但从把握、 牙牙学语、 尝试，摸索他们的方式去得到它的权利。项目实施这种方式无疑将昂贵的和长期的承诺，但至少我们不用买他们的果汁盒。