面向 AI 对象理解核心能力的认知科学方法评估

我们世界模型的核心组成部分之一是'直观物理'——对对象、空间和因果关系的理解。这种能力使我们能够预测事件、计划行动和导航环境，所有这些都依赖于对对象本质的综合感知。尽管其重要性不言而喻，但目前尚无单一的、统一的'对象本质'观。尽管多个理论框架提供了见解，但本文第一部分概述了对象理解研究中的主要理论框架——Gestalt 心理学、enactive 认知和发展心理学——并确定了每个框架归因于对象理解的核心能力，以及这些能力在塑造生物主体世界模型中所发挥的功能角色。鉴于对象本质在世界建模中的根本作用，理解对象本质对 AI 同样至关重要。本文第二部分评估了当前 AI 范式如何处理和测试对象本质能力，与认知科学中的情况进行比较。我们将 AI 范式定义为对象本质概念化方式、用于研究对象本质的方法、所利用的数据以及评估技术的组合。我们发现，尽管基准测试可以检测到 AI 系统是否建模了对象本质的孤立方面，但基准测试无法检测到 AI 系统是否缺乏这些能力之间的功能性整合，未能完全解决对象本质挑战。最后，我们探讨了与本文所述对象本质集成愿景相符的新型评估方法。这些方法是从孤立对象能力向通用人工智能迈进、实现真正对象理解的有前景的候选方法，特别是在真实世界情境中。