快速概念映射：人工神经网络在具身与自监督学习时人类能力的涌现

大多数用于物体检测与识别的人工神经网络在完全监督的设置下训练。这不仅非常消耗资源，因为需要大量带标签样本的数据集，而且与人类的学习方式非常不同。我们引入一种设置，其中人工智能体首先在模拟世界中通过自监督探索进行学习。此后，通过与世界交互学习到的表征可用于关联语义概念，例如不同类型的门。为此，我们使用一种称为快速概念映射的方法，它利用神经元的相关放电模式来定义和检测语义概念。这种关联以极少带标签样本瞬时完成，类似于我们在人类中观察到的称为快速映射的现象。引人注目的是，该方法仅用一个带标签样本就能识别物体，这突出了通过具身使用好奇心驱动探索自监督学习到的编码质量。因此它提出了一种无需大量监督即可学习概念的可行策略，并表明通过纯粹与世界的互动可以学习到环境的有意义表征。