一组科学家现在创建了一个计算机模型，该模型能够通过学习人们如何创造游戏来表示和生成类人目标。这项工作可能会导致更好地理解人类意图的人工智能系统，并更忠实地建模并与我们的目标对齐。它还可能会导致能够帮助我们设计更类人游戏的人工智能系统。
尽管我们在生成自己的目标方面非常有能力，从儿童游戏开始，一直延续到成年，但我们还没有理解这种人类能力的计算机模型。
然而，一组纽约大学的科学家现在创建了一个计算机模型，该模型能够通过学习人们如何创造游戏来表示和生成类人目标。这项工作在《自然机器智能》期刊上报道，可能会导致更好地理解人类意图的人工智能系统，并更忠实地建模并与我们的目标对齐。它还可能会导致能够帮助我们设计更类人游戏的人工智能系统。
“尽管目标对于人类行为至关重要，但我们对人们如何表示和形成这些目标知之甚少，并且缺乏捕捉人类生成目标的丰富性和创造性的模型，”论文的主要作者、纽约大学博士生盖·戴维森解释道。“我们的研究提供了一个新的框架，用于理解人们如何创造和表示目标，这可能有助于开发更具创造性、原创性和有效性的人工智能系统。”
尽管在目标和目标导向行为方面进行了相当多的实验和计算工作，但人工智能模型仍远未捕捉到日常人类目标的丰富性。为了填补这个空白，论文的作者研究了人类是如何创造自己的目标或任务的，以便潜在地阐明这两者是如何生成的。
研究人员首先通过一系列在线实验捕捉人类描述目标设定行为的方式。
他们将参与者放置在一个包含多个物体的虚拟房间中。要求参与者想象并提出与房间内容相关的各种有趣的目标或游戏，例如：通过先将球扔到墙上再反弹到箱子中，或通过用木块建造塔的叠加游戏。研究人员记录了参与者对这些与设定游戏相关的目标的描述，总共近100个游戏。这些描述形成了一个数据集，研究人员的模型从中学习。
尽管人类目标生成似乎无穷无尽，但研究参与者创造的目标受到了有限数量的简单原则的指导，这些原则包含常识（目标必须在物理上是合理的）和重组合（新目标由共享游戏元素创建）。例如，参与者制定了规则，其中球可以以现实的方式被扔入箱子或从墙上反弹（合理性），并结合基本的投掷元素来创建各种游戏（如从墙上扔球，上床，桌子上扔，无论是推倒积木还是不推倒积木等，作为重组合的例子）。
研究人员然后训练人工智能模型，使用人类参与者开发的规则和目标来创建目标导向的游戏。为了确定这些人工智能创建的目标是否与人类创建的目标一致，研究人员要求一组新参与者对多个属性（如乐趣、创造性和难度）对游戏进行评分。参与者对人类生成的游戏和人工智能生成的游戏进行了评分，如下例所示：
人类创建的游戏：
-
玩法：扔一个球，使其触碰墙壁，然后抓住它或触摸它
-
得分：每次成功投掷球，使其触碰墙壁后，您将获得1分，条件是您再次抓住它或在其飞行之后触摸它
人工智能创建的游戏：
-
玩法：扔飞镖球，使其落在上层架子上，并静止不动；游戏在30秒后结束
-
得分：在游戏结束时，您将获得1分，每个静止在上层架子上的飞镖球
总体而言，参与研究的人类参与者对人类创建的游戏和人工智能模型生成的游戏给出的评分相似。这些结果表明，该模型成功地捕捉到了人类开发新目标的方式，并生成了与人类创建的目标无法区分的有趣目标。
这项研究有助于进一步理解我们如何形成目标，以及如何将这些目标表示给计算机。它还可以帮助我们创建有助于设计游戏和其他有趣活动的系统。
论文的其他作者包括：Graham Todd，纽约大学博士生；Julian Togelius，纽约大学坦登工程学院副教授；Todd M. Gureckis，纽约大学心理学系教授；Brenden M. Lake，纽约大学数据科学中心和心理学系的副教授。
该研究得到了美国国家科学基金会（1922658，BCS 2121102）的资助。
