近似概率模拟与深度神经网络作为人类物理场景理解解释的对比评估

人类展示了在复杂场景中预测物理事件的卓越能力。最近提出了两类用于物理场景理解的模型：“直觉物理引擎”(IPEs)，它假设人们通过在本质上类似于视频游戏物理引擎的因果心理模型中运行近似概率模拟来进行预测；以及基于记忆的模型，其基于与先前遇到的场景和物理结果的存储经验的类比做出判断。后者的变体最近已在卷积神经网络(CNN)架构中实现。在此我们报告四个实验，据我们所知，这些实验是首次对基于模拟的模型和基于CNN的模型进行严格比较，其中两种方法都具体实例化为可在原始图像输入上运行并输出物理判断（例如一堆块是否会倒塌）的算法。两种方法都能达到超人的准确率水平，并能以相似程度定量预测人类判断，但只有基于模拟的模型能像人类一样泛化到新情况，并且在定性上与人类表现出的系统性感知错觉和判断不对称性一致。