在伊索寓言中曾讲述过这样一则故事：一只口渴的乌鸦低空盘旋着找水喝，后来它发现一只瓶子里有少量的水，但它的嘴够不着。在尝试了多种办法都未果的情况下，细心的乌鸦突然发现石子投入瓶底，水面好像就会上升一点，于是乌鸦就把鹅卵石一个一个地扔进去，直到水瓶里的水快升到瓶口了，乌鸦总算可以喝水。

这则伊索寓言向我们传达了这样一个哲理：智慧胜过蛮力的优越性。

2500年后的今天，我们可能有机会会看到人工智能是否能通过伊索寓言中古老的智力测试。今年6月，研究人员将训练算法掌握一系列传统上用于测试动物认知能力的任务。而这就是“动物-人工智能奥运会”，参赛者将追逐1万美元(约人民币67000万元)的奖金。

通常情况下，人工智能的标准测试一般包括掌握一项单一任务，比如在围棋大赛中击败特级大师，或者从零基础开始研究如何学习一款电子游戏。人工智能在上述这些领域取得了非凡的成就。但当你把同样的人工智能系统应用到完全不同的任务上时，通常这些系统宛如失灵，毫不起作用。这就是为什么在动物-人工智能奥运会上，同一个智能体将面临100项未知的任务。

将在这次奥运会上测试的不是一种特殊类型的智能，而是单个智能体适应不同环境的能力。也就是说将展示的是一种有限形式的通用智能――如果人工智能要成功地融入我们的家庭或日常生活，它将需要被赋予常识。同时比赛组织者承认，没有一种人工智能系统能够完美地适应每一种环境，或者在单一场景中表现得毫无瑕疵。但是他们希望最好的系统能够处理他们所面临的不同问题。

动物-人工智能奥运会是由英国剑桥莱弗休姆未来智能中心(leverhulme centre for the future of intelligence)的一组研究人员以及总部位于布拉格的goodai共同创建的。这场比赛属于莱弗休姆未来智能中心创建的一个名为“各种智力(kinds of intelligence)”项目下的小分支。这个项目汇集了一个由动物认知研究人员、计算机科学家和哲学家组成的跨学科团队，主要研究人类、动物和机械思维方式之间的异同。虽然大多数任务通常被用作动物的智力测试，但有些也会潜移默化地进入人类领域:一些任务被用来测试婴儿和幼儿的认知能力。

该组织的负责人marta halina和她的团队没有要求研究人员建造实体机器人，而是开发了一个由视频游戏开发软件unity创建的虚拟环境。该装置模拟了一个动物认知的实验室测试环境，包括食物奖励、墙壁和可移动的物体。参与者毋须建造实体机器人，组织比赛的团体开了一种由视频游戏开发软件unity创建的虚拟环境。该装置模拟了一个动物认知的实验室测试环境，包括食物奖励、墙壁和可移动的物体。本月晚些时候，这个被称为“游乐场”的虚拟环境将被发布到人工智能社区，研究人员将被邀请训练能够成功导航该虚拟环境的人工智能系统。

这些人工智能系统将是能够在这种环境中自主行动的计算机系统，就像openai和deepmind为在dota和星际争霸等游戏中竞争而开发的人工智能机器人一样。竞赛组织者欢迎任何类型的方法来构建这些系统，并希望大部分人会选择强化学习。但他们也希望研究人员能尝试新的方法――尤其是他们所称的“认知方法”，比如麻省理工学院的乔希・特南布阿姆等研究人员所倡导的方法，该方法包括在计算机模型中模拟人类(或者，在本例中是动物)解决问题和心理处理。

今年6月，研究人员将提交他们训练的ai系统，剑桥大学的研究小组将对这些系统进行100项测试，测试分为10个类别。莱弗休姆中心的博士后研究员matthew crosby表示，在这个阶段，测试是保密的，所以参与者不能在比赛开始前教授系统任何特定的技能。

这些测试的难度分梯度。有些可能是最基本的，比如要求ai系统从没有障碍的环境中检索食物。更困难的任务将需要理解对象的客观存在性――即ai系统需要理解即使对象被隐藏起来暂时看不见，也应该知道这个对象也是存在的――以及为在黑暗中导航而创建一个环境的心理模型的能力。

根据莱弗休姆中心的博士后研究员matthew crosby的说法，竞争中最具挑战性的方面是，ai系统必须在所有的测试中都表现出色:获胜者将是平均表现良好的系统，而不仅仅是掌握艰巨任务的能力。目前正在测试的是快速适应新环境的能力，或将技能从一种任务转换到另一种任务的能力，这是衡量一般智力的一个很好的指标。crosby认为，这种灵活性对于让人工智能在现实世界中发挥作用至关重要。

兽工智能

动物-人工智能奥运会并不是第一个从动物智能中获得灵感的人工智能研究项目。哈佛大学计算机科学教授radhika nagpal研究了人工智能可能从研究鱼群和鸟群所显示的紧急智能中获得什么。

生物学家 slobodchikoff 创办了一家名为 zoolingua 的公司， 该公司开发了一种算法，可以将土拨鼠的声音转为英语。他认为对土拨鼠叫声的研究同样可以用到猫狗身上，原理很简单，即收集大量的狗狗视频，然后用这些素材来训练人工智能算法，用人工来标记每一种叫声和摇尾巴的动作表达什么意思，最终将其翻译出来。

去年，kiana ehsani带领华盛顿大学和艾伦人工智能研究所的一组研究人员训练神经网络能够在非常有限的任务范围内像狗一样思考。

我们对动物的了解，可能比我们知道的要少得多，因此，向它们学习，也许是现阶段人工智能的突破点。智能相对论(id:aixdlun)分析师雷宇将其称为“兽工智能”，那么“兽工智能”能起什么作用?

向动物学习可以帮助人工智能变得更聪明。比如说，狗能清楚地表现出视觉智能，能识别食物、障碍物、人类以及动物。这种不同反应我们在现实生活中也很常见，而既然狗能够这么聪明地识别出不同目标，那么神经网络也能够被训练成同样聪明。

向动物学习可以开拓全新的学习机制。比如我们在本文开头提及“乌鸦喝水”的故事，这个过程既没有大数据训练的，也没有所谓监督学习，但是乌鸦硬是解决了世界顶级科学家都解决不了的完全自主智能。这是与当前很多机器学习，特别是深度学习完全不同的机制。

虽然一些兽工智能项目取得了一定的成功，但在ai系统中复制动物智能仍然被认为是一个困难的问题。正如人工智能研究先驱朱迪亚珀尔所说，动物的认知能力――猫的导航能力、狗不可思议的嗅觉、蛇的敏锐视力――都大大超过了实验室里能够创造这些功能的能力。因为这种生物智能是数亿年进化的结果。

cold spring harbor laboratory神经科学教授anthony zador表示:“我认为，要让人工智能像动物一样聪明，就需要在系统中构建一些天赋结构。但如何做到这一点是一个很难回答的问题，目前还没有人知道答案。”

另一个让事情复杂的因素是，动物智力指标本身也存在争议。在埃默里大学耶克斯国家灵长类动物研究中心主任 frans de waal的《我们真的聪明到能够知道动物有多聪明?》(“are we smart enough to know how smart animals are?”)一书中争论道：许多测试只是通过它们与人类的相似性来判断动物的心理健康状况。因此动物并未进行自然行为极限，只是被训练用来完成类似人类的任务。

部分是因为经公认的动物认知科学实验都是在远离大自然环境的实验室中进行。通过在计算机上模拟实验室环境，动物-人工智能奥运会又增加了一层与现实世界的抽象，不仅消除了自然环境，还消除了动物生活的具体体验。

组织者承认，用动物智力测试来衡量人工智能能力是存在局限性的。但他表示，该项目更多的是探索思维之间的差异，而不是试图证明人工认知和生物认知之间的等价性。事实上，他希望它能揭示我们自己的大脑是如何工作的，以及测试人工智能中最好的部分。

实时动作捕捉设备

有线动作捕捉技术

全身动作捕捉

VR交互手套