根据三一神经科学家及其同事的说法，婴儿可以帮助解锁下一代人工智能（AI），他们刚刚发布了改进AI的新指导原则。
这项研究发表在今天的《自然机器智能》杂志上，研究了婴儿学习的神经科学和心理学，并提炼出三条原则来指导下一代人工智能，这将有助于克服机器学习最紧迫的限制。
Lorijn Zaadnoordijk博士，三一学院的玛丽·斯科洛多斯卡·居里（MarieSklodowskaCurie）研究员解释道：“人工智能（AI）在过去十年中取得了巨大的进步，为我们提供了智能扬声器、汽车自动驾驶仪、更加智能的应用程序和增强的医疗诊断。人工智能的这些令人兴奋的发展是通过机器学习实现的，机器学习使用大量数据集来训练人工神经网络模型。
“然而，许多领域的进步都停滞不前，因为机器学习的数据集必须由人类精心管理。但我们知道，学习可以更有效地完成，因为婴儿不是这样学习的。他们通过体验周围的世界来学习，有时甚至只看一次。”
三一学院神经科学研究所（TCIN）的Lorijn Zaadnoordijk博士和Rhodri Cusack教授以及荷兰TU Eindhoven的Tarek R.Besold博士在他们的文章《无监督机器学习的婴儿学习经验》中认为，需要更好的方法从非结构化数据中学习。他们第一次就婴儿学习中的哪些特殊见解可以有效地应用于机器学习以及如何准确地应用这些知识提出了具体的建议。
他们说，机器需要内在的偏好来从一开始就塑造他们的学习。他们需要从更丰富的数据集中学习，这些数据集能够捕捉世界的外观、声音、气味、味道和感觉。而且，像婴儿一样，他们需要有一个发展轨迹，随着他们的“成长”，经验和网络会发生变化
塔里克·R·贝索尔德博士，图埃因霍温大学哲学与伦理小组研究员，赛义德说：“作为人工智能研究人员，我们经常在我们的系统和人类婴儿和儿童的心理发展之间进行隐喻性的类比。现在是时候更认真地对待这些类比，并从心理学和神经科学中研究婴儿发展的丰富知识，这可能有助于我们克服机器学习最紧迫的限制。”
罗德里库萨克教授，托马斯·米切尔认知神经科学教授，三一学院神经科学研究所所长，补充道：“人工神经网络的部分灵感来自大脑。与婴儿类似，它们依赖于学习，但目前的实现与人类（和动物）的学习非常不同。通过跨学科研究，婴儿可以帮助解锁下一代人工智能。”