数觉作为操作大脑的涌现特性

理解和操作数字与数量的能力在童年时期出现，但人类获取并发展这种能力的机制仍知之甚少。我们通过一个模型来探索这个问题，假设学习者能够从其选择的位置拾取并放置小物体，并且会自发地进行这种无导向的操作。我们进一步假设学习者的视觉系统将监控场景中物体排列的变化，并通过将感知与来自运动系统的监督信号进行比较，学会预测每个动作的效果。我们使用用于特征提取和分类的标准深度网络以及梯度下降学习来对感知进行建模。我们的主要发现是，从学习动作预测任务中，涌现出一种意想不到的图像表示，表现出预示数字和数量感知与表示的规律性。这些规律包括零和前几个自然数的不同类别、数字的严格排序，以及与数值量相关的一维信号。因此，我们的模型获得了估计数感（numerosity，即场景中物体数量）的能力，以及瞬间识数（subitization，即一眼认出小场景中物体确切数量）的能力。值得注意的是，瞬间识数和数感估计可以外推到包含许多物体的场景，远远超出了训练期间使用的三个物体。我们得出结论，数字和数量能力的重要方面可以通过简单的预训练任务在监督下学习。我们的观察表明，跨模态学习是一种强大的学习机制，可以在人工智能中加以利用。