事件总结：丹科·尼科利奇博士，马克斯 - 普朗克研究所的脑研究科学家，询问并努力回答关于我们的身体神经元连接如何创造一种心灵的感知问题。在AI的境界，在新生儿的人学习和丹科区比较了一个机器人。他问我们如何能以人的经验教训，有什么根植于我们的基因组，并应用来构建一个更一般的智能AI，在今天不是正在做的方式。
客人：丹科·尼科利奇
专业知识：神经科学和人工智能
识别简讯：Nikolic在脑生理学方面的工作导致了两种理论的产生，即观念(感知概念)和实践(动作创造)。他的想法和作品曾在TechCrunch、TED、《卫报》、《新科学家》、《自然》等杂志上发表。他在神经、认知和行为科学领域发表了许多文章。
当前的关系：马克斯 - 普朗克研究所的脑研究，恩斯特Strüngmann研究所研究员法兰克福高级研究所和教授萨格勒布大学
回到基础知识
我们通常会建议从基础开始是一个好主意。当定义一个孩子和机器人之间的学习差异，丹科尼克里奇博士评论说，最大的区别是，生物孩子来天生一大套的知识。孩子们似乎知道学什么，在这里要注意，他们的基因编程的本能帮助他们通过自己的发展阶段。机器人，在另一方面，会作为一个白板。
一个是同样聪明到人类，那就是“生”与同类型的低层次的知识，建设需要超过编程 - 它需要一套基本知识的机器人，在几乎相同的方式作为婴儿。事实上，丹科相信 - 至少在目前 - 这种类型的原始知识的编程变成机器人是不可能的。
“这太复杂了人类心中明白......我们甚至不知道这是发挥作用的一切......那么，我们该怎么办？我认为，我们可以通过使用AI幼儿园，然后我们就可以基本上以类似的方式，我们做实时幼儿园的孩子，但让机器人学会在较低的水平......在一个层面上，我们称之为机器基因组机器人互动。”
尼科利奇设想建立一个机器人，将有这种类型的反身性知识预先编程，然后你可以把你做一个孩子。“我们基本上是在一个点，变阵是数十亿年前，”丹科说，“来加速这一进程。我认为我们可以做什么用AI幼儿园......偷这方面的知识，借此辛勤工作，进化经历了亿万年完成，并将它转化为我们的机器人，进入它们的基因组“。
Nikolic指出，这个过程在原则上应该是可能的。他把这种转变比作我们把我们的文明规则、法律和文化传给下一代的方式。作为一个整体，我们不可能从零开始建立一种全新的文化，而花了1000年才创造出来的东西可以在几十年的时间里完成。
支架式教学
一个主要的障碍是我们还没有真正理解这个理论背后的过程，即基因组水平的知识是如何产生和存储的。为了塑造这一现实，我们应该遵循什么样的实验和研究途径?
首先，Nikolic认为我们应该做一些不同于标准编程方法的事情。丹科并没有给出确切的规则，而是泛泛地建议我们给出应该做什么的例子，让机器凭我们自己的直觉来判断什么是应该做的——机器必须自己找出规则，这正是孩子们所做的。
在开始阶段，这一教学过程中仍然会看起来比它确实孩子太大的不同，我们将不得不与机器人更早开始，在一个阶段，当孩子们会已经知道行为的基础知识。丹科建议教导机器人的行为，你会教在基因水平的错误或蠕虫做的，原始的，反思和本能的行为。从那里，机器人可以逐步提高到更复杂的行为，更复杂的人工大脑，并最终发展就是我们所说的“强”或“一般”的情报。
难道这种类型的方法在十年内可以实现吗？预测是有风险的，但它总是一个有趣的心灵探索。丹科姿势与预构建学习机制婴儿大约需要20年（也有例外）达到成人的智力水平。“我不知道我们如何能希望更快地到达那里，我想基于这样的说法这是不可能的，”他指出。
然而，如果研究人员追求AI幼儿园的办法，投入足够的资源，尼科利奇认为，我们可以开发出一种“生物样”机器人的机器人。这些机器人仍不会是接近人类AI，但你可能会认为他们是很聪明的动物，在他们的言行举止方面。
动物，即使是简单的动物，在面对新情况时也能解决基本问题，并具有一定程度的灵活性和适应性——这比我们今天的机器人要多得多。“拿今天的任何一个机器人，把它们留在丛林里，两年后，你会发现它们只是一堆铁锈;拿起任何一只老鼠，把它们留在丛林里，两年后，你可能会发现更多同样的老鼠，”丹科解释说。
他的任务是建立一个基于生活的生物系统，用不同的方式来组织AI系统不是编程的复杂信息无尽位的性质，这些适应性更强的机器人。
