2020年终于接近尾声了。不知不觉，我们在这不寻常的一年中竟然录制了21期基智一点的正式节目，远远超过我们一开始制定的6期的小目标。在这一年中，我们跟17位来自不同研究领域的朋友讨论了横跨十几个研究领域的32篇文献，算是一个不错的开始。在2020年的最后一天，我们三位主创一起回顾总结了这一年的录制经历。希望在即将到来的2021年，继续跟大家一起分享和讨论更多关于智能的研究和思考。 大家新年快乐！ 【本期音乐】 New Day - Patrick Patrikios New Year's Anthem - Quincas Moreira 【关注我们】 官网：mindabit.chat Telegram订阅：@mindabit Telegram群：@mindabitchat 设计师H.S.J. (Instagram)：@hsj.doodle

15分钟听懂《小数与大数，一眼辨多少！》 欢迎大家收听《基智一点》的自栏目《设计师有问题呀》#002。在这期节目中，我们和设计师H.S.J.同学一起总结和概括了《EP21｜小数与大数，一眼辨多少！》的内容。当然，更多专业和细节的讨论都在《EP21｜小数与大数，一眼辨多少！》中了，欢迎大家收听！ 【本期音乐】 Numbers - R.LUM.R 【关注我们】 官网：mindabit.chat Telegram订阅：@mindabit  Telegram群：@mindabitchat 设计师H.S.J. (Instagram)：@hsj.doodle

很多时候，不用数，一眼看过去，我们往往就能知道前面有几个人、几辆车。在数量很小的情况下，譬如只有1到4个人，我们往往一下就能知道精确的人数。而数量在5及以上的时候，我们虽然也能很快得出一个数量，但这个数量往往是一个粗略的估计，并不精确。识别数量的能力不只是成年人才有，不会说话的小婴儿和小动物也能区分数量的不同，这说明我们感知数量的能力并不来自于语言和数数。那么，我们的认知系统是怎样加工数量信息的呢？我们在识别1、2、3这样小的数量和更大的数量时有什么不同？小数量和大数量的识别来自于不同的数量感知系统还是同一个数量感知系统？在这一期节目中，我们和嘉宾Jenny Wang老师一起聊聊人的数量感知和这方面的有趣研究。 【核心文献】 Cheyette, S. J., & Piantadosi, S. T. (2020). A unified account of numerosity perception. Nature Human Behaviour, 4(12), 1265-1272. Feigenson, L., Dehaene, S., & Spelke, E....

一串阿拉伯数字，在你的大脑中激发起了一系列的神经活动，可是你看到的只是横七扭八的笔触，明明学过数学知道数字的概念，却认不出它们是什么数字。大多数人很难想象这种体验是什么样，那么不妨跟我们一起了解一下这期节目的主角，一位无法识别阿拉伯数字2到9的病人。这位病人有着正常的视力和识别能力，也认得出0和1，却偏偏看不到2到9，甚至连这些数字附近的文字和图像也会受到波及。在这一期节目中，我们通过这个特殊的病例，与嘉宾一起讨论视觉、意识和神经活动之间的关系，了解实实在在的视觉信号和神经活动为什么没能成为视觉意识，以及脑损伤的病人在认知研究中的重要作用。 【核心文献】 Schubert, T. M., Rothlein, D., Brothers, T., Coderre, E. L., Ledoux, K., Gordon, B., & McCloskey, M. (2020). Lack of awareness despite complex visual processing: Evidence from event-related potentials in a...

不用的语言用不同的词汇描述这个世界。说到颜色，中文有黑、白、红、绿、黄、蓝，英文有black, white, red, green, yellow, blue。不同的语言和文化对颜色的描述有何异同呢？同样的颜色在不同语言的使用者眼里一样吗？我们的认知和感知觉，会受到语言的影响吗？这一期，我们从不同语言的基本颜色名词开始，讨论不同颜色名词演化的历史和可能的原因，以及语言与颜色感知和认知的关系。 【核心文献】 Kay, P., & Regier, T. (2006). Language, thought and color: recent developments. Trends in cognitive sciences, 10(2), 51-54. Gibson, E., Futrell, R., Jara-Ettinger, J., Mahowald, K., Bergen, L., Ratnasingam, S., ... & Conway, B. R. (2017). Color naming across languages reflects...

在量子概念大火的今天，我们来科学地聊聊量子计算及量子计算对于人工智能的意义。在谷歌等公司宣布实现了量子霸权的新闻中，你是否也会好奇到底什么是量子计算和量子霸权呢？量子计算机与我们日常用的计算机有什么不同？量子计算能够让人工智能获得更好的发展吗？ 【核心文献】 Arute, F., Arya, K., Babbush, R., Bacon, D., Bardin, J. C., Barends, R., ... & Burkett, B. （2019）. Quantum supremacy using a programmable superconducting processor. Nature, 574（7779）, 505-510. Shi, Y., Gokhale, P., Murali, P., Baker, J. M., Duckering, C., Ding, Y., ... & Schuster, D. I. （2020）. Resource-Efficient Quantum Computing by Breaking Abstractions....

在生活和人际交往中，理解他人的意图和想法十分重要，除了对方说的话和表现出来的行为，我们也经常通过TA的表情和语音语调判断对方的真实想法和意图。小孩子的社会化程度通常比成年人要低，儿童乃至婴幼儿是否也能读懂他人的情绪反应呢？他们可以通过察言观色得到什么样的信息呢？研究者又是如何知道小孩子能够利用他人的情绪反应推测他人的内心状态的呢？ 这一期我们就来聊聊小孩子如何通过情绪反应了解世界和他人的想法。 【核心文献】 Wu, Y., Muentener, P., & Schulz, L. E. (2017). One-to four-year-olds connect diverse positive emotional vocalizations to their probable causes. Proceedings of the National Academy of Sciences, 114(45), 11896-11901. Wu, Y., & Schulz, L. E. (2019). Understanding social...

作为视觉动物，人类的很多活动和行为都非常依赖眼睛，眼睛为大脑提供了大量的信息，甚至在很多感知觉上，出现了视觉主导的现象。同时，眼睛也是非常脆弱的器官，会出现各种各样的病变，有的病变甚至会造成失明。2010年世界卫生组织公布的数据表明，全球有近3亿人有视觉障碍，有近四千万的盲人。为了让患者恢复视力，提高生活质量，研究者们提出了各类解决方案。比如，部分盲人可以通过植入人工视网膜，依靠仿生眼重获光明。目前，已经有人工视网膜产品通过了美国和欧盟的卫生部门批准，进入临床应用。 仿生眼（人工视网膜）到底是怎么工作的呢？它能让盲人看到什么呢？它离普通人还有多远呢？今天我们就来聊一聊视觉重塑和人工视网膜。 【核心文献】 Yue, L., Weiland, J. D., Roska, B., & Humayun, M. S. (2016). Retinal stimulation strategies to restore vision: Fundamentals and systems. Progress in Retinal and Eye Research....

人类的心理可以被科学地研究吗？那些内在的不可直接观察的心理过程是否可以被纳入科学研究的范畴？是否只有可观察的外在行为才可以被科学系统地研究？上世纪20年代，行为主义（behaviorism）开始兴起，试图用自然科学的手段和标准革新心理学研究，带领当时可谓是新兴学科的心理学走向科学的康庄大道。行为主义主张只能研究外在环境和个体行为之间的关系，不应该涉猎不可观察、只能靠推测的内心活动。这一期，我们将走进行为主义旗手斯金纳的视角，通过他的著作Science and Human Behavior，来讨论和反思行为主义。 Skinner, B. F. (1965). Science and human behavior (No. 92904). Simon and Schuster. 【嘉宾】 Zekun，约翰霍普金斯大学心理与脑科学系博士生，研究人类的认知系统，特别是视知觉系统如何处理信息。 YF，芝加哥大学哲学系硕士，主要研究认识论和社会认识论。 【支持我们】 欢迎大家在Patreon和爱发电上支持我们的节目。 Patreon:...

上个世纪50年代，计算机刚刚发展之际， Alan Turing, Alan Newell, Herbert Simon, John McCarthy和Marvin Minsky等先驱, 就已经开始思考如何设计具备人类智能的机器。他们受到了数理逻辑的深远影响，在设计智能系统的过程中大量使用符号逻辑，人为寻找和设计智能系统的决策规则，史称符号派(Symbolism)。 虽然这类设计的人工智能系统与当下火热的神经网络系统有很大的差别，也很少运用脑科学和神经科学的研究洞见，但是因为嵌入了大量的人类智慧，往往更具备常识，能解决一些日常知识推理的问题。即便是现在，符号派的智能系统设计也仍然在某些领域和一些大型智能系统的内部占有很重要的地位。 今天，我们一起阅读McCarthy在1960年写的Program with Common Sense，讨论古早味的符号派人工智能以及人工智能如何获得常识。 - McCarthy, J. (1960). Programs with common sense (pp. 300-307). RLE and MIT computation...

自由能原则（Free Energy Principle）与预测加工理论（Predictive Processing Theory）是当下在大脑与智能研究领域大一统理论的热门候选人。这一理论指出大脑在与环境互动的过程中，通过优化神经结构或采取具体行动，来降低本身的熵，同时提高对环境的预测能力，减小预测错误。这一理论不但能够很好地解释人类的感知觉，而且试图解释人类的所有行为。 如果人类只是个预测机器，那么在小黑屋的人还会想走出来吗？在小黑屋的环境中，人对外在环境的预测不会产生错误，人有什么动力采取走出小黑屋的行为呢？预测加工理论又如何解释人类主动寻找刺激、创造惊喜之类的行为呢？ 这一期我们就来讨论预测加工理论会不会被关在小黑屋里。 - Friston, K. (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience, 1–13. http://doi.org/10.1038/nrn2787 - Clark, A. (2018). A...

近年来，随着科学技术的发展，越来越多的神经科学研究开始探索人类和其他动物的认知功能。心理学领域也出现了越来越多的神经成像研究，认知神经科学的兴起更是将心理学和神经科学结合在了一起。媒体的报道也常常聚焦于神经科学领域的新进展。比如，多巴胺的分泌常被说成是快乐源泉，神经放电规律试图否定自由意志。不少心理学爱好者开始疑惑：是不是心理学会被神经科学取代？ 试图用神经科学取代心理学，来解释所有的人类行为和认知现象，是一种还原论的取向。心理学是否能还原到神经科学？神经科学能否完全取代心理学，来描述和解释心理学所描述和解释的现象呢？心理活动就等于神经活动吗？ - Anderson, P. W. (1972). More is different. Science, 177(4047), 393-396. - Putnam, H. (1973). Reductionism and the nature of psychology. Cognition. - Barendregt, M., & van Rappard, J. H. (2004). Reductionism...

“嘿Siri/Google/Alexa，帮我定个时吧！” “多长时间？” “15分钟。” “好的，15分钟计时开始。” 日常生活中，我们开始越来越多地与机器对话。苹果Siri、谷歌助手和亚马逊Alexa随着智能移动设备和家居产品逐渐进入我们的生活，微软小冰、天猫精灵也给很多人带来了很多快乐。我们跟不同的AI聊天，让虚拟助手帮助我们完成各种各样的任务。网购和打客服电话时，在你明确要求“人工客服”之前，机器客服会“尝试”提供相关的解决方案。语音助手会听取我们的目的地，选择合适的线路进行导航，甚至能帮我们订餐厅和机票。已经融入我们生活的对话系统正是我们这一期节目的主角。它们为何而生？经历了怎样的发展过程？是如何被创造出来的呢？ - Chen, H., Liu, X., Yin, D., & Tang, J. (2017). A survey on dialogue systems: Recent advances and new frontiers. Acm Sigkdd Explorations Newsletter, 19(2), 25-35. -...

在生活中，我们对很多东西都有下意识的判断。铅笔从桌子上滚落抬手去哪儿接，队友踢出的足球会朝哪儿行进，在没有交通指示灯的路口怎么过马路，小朋友抬手放的新积木会让整个积木大厦坍塌……在这些日常生活的场景中，我们时时刻刻都在预测接下来会是怎么样，而这些体验似乎都需要物理知识进行计算。可是，我们也并没有不断停下来，运用物理公式计算每一个物理现象，我们的判断和行为都发生得非常快。这种无处不在的对物理现象的直觉是什么呢？我们的直觉和实际的物理计算相符吗？拥有直觉物理与在学校学习的物理有什么联系呢？大脑是如何在短时间内快速计算出符合物理现象的判断呢？ - Kubricht, J. R., Holyoak, K. J., & Lu, H. (2017). Intuitive physics: Current research and controversies. Trends in cognitive sciences, 21(10), 749-759 - McCloskey, M. (1983). Intuitive physics. Scientific...

人一生下来就会哭、会呼吸，男孩子到了青春期就会长胡子，这些能力和成长毫无疑问都是与生俱来的。那么其他一些重要的知识和能力是否也是先天就有的呢？譬如知道红色和蓝色是不同的，明白5块小饼干和10块小饼干不一样多，以及能区分行为的善恶，这些知识和认知能力从何而来呢？你或许会觉得这些都是需要学习的，人之初就如洛克所说的白板一样，什么都没有，一切都要靠后天学习和塑造。想要解决这些知识和认知能力的先天与后天之争，小婴儿是很好的研究对象，毕竟TA们刚刚来到这个世界。小婴儿看起来什么都不懂，什么也不会做，我们很难想象TA能明白数量的差异，育儿专家也会说如果小婴儿看不见妈妈就会以为妈妈消失了从而哭闹，甚至还有专门为“看不见颜色”的小婴儿设计的黑白色卡…… 但是小婴儿们真的什么知识和认知能力都没有吗？这种对婴儿的看法会不会是人类难以摆脱的偏见？抑或是我们缺乏了解婴儿心智的研究方式？ Wang, J., & Feigenson, L. (2019). Is empiricism innate? Preference for nurture over nature in...

在前两期节目中，我们了解到动物既可以学会事件之间的联系，似乎也能够从经验中抽象出通用的规律。那么同样不会说话的小婴儿呢？ 蝙蝠以其独特的回声定位能力，靠超声波感知世界。也正因为这种独特的能力，蝙蝠在人类城市的喧嚣和光鲜中，遇到了凭借自身能力可以适应和很难应对的挑战。在这期节目中，我们讨论的两篇文献分别探讨了蝙蝠在人类社会噪音下的捕食挑战，和拥有光滑外观的人类建筑给蝙蝠带来的难题。 Gomes, D. G., Page, R. A., Geipel, I., Taylor, R. C., Ryan, M. J., & Halfwerk, W. (2016). Bats perceptually weight prey cues across sensory systems when hunting in noise. Science, 353(6305), 1277-1280. Greif, S., Zsebők, S., Schmieder, D., & Siemers, B. M. (2017). Acoustic mirrors as...

在前两期节目中，我们了解到动物既可以学会事件之间的联系，似乎也能够从经验中抽象出通用的规律。那么同样不会说话的小婴儿呢？ 在这期节目中，我们围绕两篇关于婴儿学习的文献，讨论了婴儿与生俱来的两种学习方式——统计学习和规则学习。仅仅七八个月大的婴儿是如何快速捕捉到事件之间的概率联系？又是如何从所见所闻中归纳出抽象的规则的呢？ Marcus, G. F., Vijayan, S., Rao, S. B., & Vishton, P. M. (1999). Rule learning by seven-month-old infants. Science, 283(5398), 77-80. Saffran, J. R., Aslin, R. N., & Newport, E. L. (1996). Statistical learning by 8-month-old infants. Science, 274(5294), 1926-1928. 嘉宾 ...

在本期节目中，我们围绕关于动物学习的文献，探讨动物能不能从有限的经验中，提取出抽象的规则。在第五期节目中我们提到，动物是依靠刺激(Stimulus)与反应(Response)之间的联结(Association)来习得事物之间的关系的。但是这样的学习方式往往只能建立起特定的刺激与特定的反应之间的关系。那么其他动物能不能像人类一样，从有限的学习机会中提取出抽象的规则和通用的规律，并且做到举一反三呢？ 动物学习：Fitch, W. T., & Hauser, M. D. (2004). Computational constraints on syntactic processing in a nonhuman primate. Science, 303(5656), 377-380. 动物学习：Murphy, R. A., Mondragón, E., & Murphy, V. A. (2008). Rule learning by rats. Science, 319(5871), 1849-1851. 嘉宾 So...

在本期节目中，我们的嘉宾So Keke同学介绍了（灵长类）动物实验的操作，并同我们一起讨论了动物在学习实验任务的过程中到底学习了什么。从这一集出发，我们将会在接下来的两期节目中结合下述文献，从人类婴儿和动物的角度，对统计学习和规则学习这两大学习方式进行深入讨论。 动物学习：Fitch, W. T., & Hauser, M. D. (2004). Computational constraints on syntactic processing in a nonhuman primate. Science, 303(5656), 377-380. 动物学习：Murphy, R. A., Mondragón, E., & Murphy, V. A. (2008). Rule learning by rats. Science, 319(5871), 1849-1851. 婴儿学习：Marcus, G. F., Vijayan, S., Rao, S. B., & Vishton, P. M. (1999). Rule...

本期节目： 在这一期节目《图灵测试的批评与思考》中，我们讨论了对图灵测试的各种批评和反驳。 核心文献：Turing, A. （1950） Computing Machinery and Intelligence. Mind 49: 433-460. 嘉宾： 宋骥，某社交网络公司软件工程师 关注我们： 大家可以在y2intelligences.com看到我们的最新消息、文献链接和相关资料，也可以关注我们的微信公众号《午后的笛卡尔》。我们的节目可以在诸如Castbox, Pocket Casts等开放的泛用型客户端收听到，也可以在网易云音乐、喜马拉雅、Apple Podcasts等平台收听 下期预告： 我们将在2020年3月1日更新第5期节目。