仅根据口头或书面指令执行一项新任务，然后将其描述给他人，以便他们能够复制，这是人类交流的基石，但仍然抵制人工智能
日内瓦大学（UNIGE）的一个团队成功地建立了一个具有这种认知能力的人工神经网络模型。在学习并执行了一系列基本任务后，该人工智能能够向“姐妹”人工智能提供对这些任务的语言描述，而“姊妹”人工智能又执行这些任务。这些有希望的结果，尤其是对机器人来说，发表在《自然神经科学》上
在没有事先培训的情况下，仅根据口头或书面指示执行新任务，是一种独特的人类能力。更重要的是，一旦我们学会了任务，我们就能够描述它，以便另一个人能够复制它。这种双重能力将我们与其他物种区分开来，因为其他物种要学习一项新任务，需要大量的试验，并伴随着积极或消极的强化信号，而无法将其传达给它们的同类
人工智能（AI）的一个子领域&mdash；自然语言处理&mdash；试图通过理解和响应语音或文本数据的机器来重建这种人类能力。这项技术基于人工神经网络，其灵感来自我们的生物神经元以及它们在大脑中相互传输电信号的方式。然而，人们对实现上述认知壮举的神经计算仍知之甚少
“目前，使用人工智能的会话代理能够整合语言信息来产生文本或图像。但是，据我们所知，他们还不能将口头或书面指令转化为感觉运动动作，更不用说向另一个人工智能解释它，使其能够复制它了，”Alexandre Pouget解释道，UNIGE医学院基础神经科学系正教授
模型大脑
研究人员和他的团队已经成功地开发出具有这种双重能力的人工神经元模型，尽管事先进行了训练。“我们从现有的人工神经元模型S-Bert开始，该模型有3亿个神经元，经过预先训练可以理解语言。我们将其‘连接’到另一个由几千个神经元组成的更简单的网络，”该研究的第一作者、UNIGE医学院基础神经科学系的博士生Reidar Riveland解释道
在实验的第一阶段，神经科学家训练这个网络来模拟韦尼克区，韦尼克区是我们大脑中使我们能够感知和解释语言的部分。在第二阶段，网络被训练成再现布罗卡区域，在韦尼克区域的影响下，布罗卡区域负责产生和表达单词。整个过程是在传统的笔记本电脑上进行的。然后将英文书面指示发送给AI。
例如：指向位置&mdash；left或right&mdash；其中感知到刺激；以刺激的相反方向作出反应；或者，更复杂的是，在两个对比度略有差异的视觉刺激之间，显示出更亮的一个。然后，科学家们评估了模型的结果，该模型模拟了移动的意图，或者在这种情况下是指向
“一旦学会了这些任务，网络就能够将它们描述给第二个网络，即第一个网络的副本，这样它就可以复制它们。据我们所知，这是两个人工智能首次能够以纯粹的语言方式相互交谈，”领导这项研究的Alexandre Pouget说
对于未来的类人类
两位研究人员总结道：“我们开发的网络非常小。在这个基础上，现在没有什么能阻碍开发更复杂的网络，这些网络将集成到能够理解我们但也能理解彼此的人形机器人中。”
"The network we have developed is very small. Nothing now stands in the way of developing, on this basis, much more complex networks that would be integrated into humanoid robots capable of understanding us but also of understanding each other," conclude the two researchers.
想要了解更多关于脑机接口技术的内容，请关注脑机网，我们将定期发布最新的研究成果和应用案例，让您第一时间了解脑机接口技术的最新进展。
