DeepMind今天的官博發(fā)文，介紹他們的新工作Psychlab，這是一個建立在DeepMind Lab之上的平臺，旨在構(gòu)建可控環(huán)境，從心理認(rèn)識的角度，更好地研究和理解AI。具體說，Psychlab有助于讓研究人員了解，AI在完成一項復(fù)雜任務(wù)時，其中涉及的每一種特定行動分別起到了什么作用。

想象一下購物這個簡單的任務(wù)。如果你忘記去拿名單上的某樣物品，這說明了你大腦功能的什么？這可能表示，在搜索列表中的項目時，你無法將注意力從一個對象轉(zhuǎn)移到另一個對象。這也可能表明記住購物清單很難，或者兩者皆有。

看上去就是單一的一個任務(wù)，實際上取決于多種認(rèn)知能力。我們在人工智能研究中也面臨類似的問題，在這種情況下，任務(wù)的復(fù)雜性往往會使智能體取得成功所需的單個技能難以分離。但是，了解智能體特定的認(rèn)知技能，可能有助于改善其整體表現(xiàn)。

在人類身上，為了解決這個問題，心理學(xué)家花了近150年的時間來設(shè)計嚴(yán)格控制的實驗，目的是分離出每個特定的認(rèn)知能力。例如，他們可能會使用兩個單獨的測試來分析超市場景——一個是“視覺搜索”測試，需要被測者在一個圖案中定位某個特定的形狀，這可以用來檢測注意力。同時，心理學(xué)家可能會要求被測者背誦一份清單，從而測試他們的記憶力。

我們相信，有可能使用類似的實驗方法來更好地理解AI的行為。這就是為什么我們開發(fā)了Psychlab，Psychlab這個平臺建立在DeepMind Lab之上，使我們能夠直接運(yùn)用認(rèn)知心理學(xué)等領(lǐng)域的方法，研究受控環(huán)境下智能體的行為。今天，我們也將這個平臺開源，供其他人使用。

Psychlab在虛擬的DeepMind Lab環(huán)境中，重建了通常用于人類心理學(xué)實驗的典型設(shè)置。例如，讓參與者坐在計算機(jī)顯示器前，使用鼠標(biāo)來響應(yīng)屏幕上的任務(wù)。同樣，我們的環(huán)境允許虛擬AI在虛擬計算機(jī)監(jiān)視器上執(zhí)行任務(wù)，使用它的注視方向進(jìn)行響應(yīng)。這樣，人類和AI都采取相同的測試方法，最大限度地減少了實驗差異。這也使結(jié)果更容易與認(rèn)知心理學(xué)的現(xiàn)有文獻(xiàn)聯(lián)系起來，并從中獲得見解。

隨著Psychlab的開源版本的發(fā)布，我們構(gòu)建了一系列在虛擬計算機(jī)監(jiān)視器上運(yùn)行的經(jīng)典實驗任務(wù)，并且具有靈活且易于學(xué)習(xí)的API，方便其他人能夠構(gòu)建自己的任務(wù)。

視覺搜索（Visual search）- 測試搜索項目數(shù)組的能力。

持續(xù)識別（Continuous recognition）- 為不斷增長的物品列表測試內(nèi)存。

任意視覺運(yùn)動測試（Arbitrary visuomotor mapping）- 測試對刺激-響應(yīng)配對的記憶。

變化檢測（Change detection）- 測試檢測延遲后重新出現(xiàn)的對象數(shù)組中有所更改的能力。

視敏度和對比敏感度（Visual acuity and contrast sensitivity）- 測試識別小和低對比度刺激的能力。

玻璃圖案檢測（Glass pattern detection）- 測試全局形式感知。

隨機(jī)點運(yùn)動判別（Random dot motion discrimination）- 測試相干運(yùn)動的能力。

多對象跟蹤（Multiple object tracking）- 測試隨著時間的推移跟蹤移動對象的能力。

所有這些任務(wù)都已被驗證，表明人類結(jié)果反映了認(rèn)知心理學(xué)文獻(xiàn)中的標(biāo)準(zhǔn)結(jié)果。

以“視覺搜索”任務(wù)為例。在復(fù)雜的刺激陣列中定位對象，比如在超市貨架上選擇一個商品，作為理解人類選擇性注意力的方法，已經(jīng)得到深入的研究。

當(dāng)要求人類“在水平線段中找出豎直線段”和“在其他顏色的線段中找出粉條的線段”的任務(wù)時，人類的反應(yīng)時間不會根據(jù)屏幕上的線段數(shù)量的改變而改變。換句話說，他們的反應(yīng)時間與“數(shù)據(jù)大小”是相互獨立的。然而，當(dāng)任務(wù)改為在不同形狀和不同顏色的線段中找出粉色線段時，每增加一個線段，人的反應(yīng)時間會增加大約50ms。當(dāng)人類在Psychlab上完成這個任務(wù)時，我們也復(fù)現(xiàn)了這個結(jié)果。

這張圖片說明了在Psychlab的視覺搜索任務(wù)上人類和人工因素之間反應(yīng)時間的差異

當(dāng)我們對一個最先進(jìn)的AI進(jìn)行同樣的測試時，我們發(fā)現(xiàn)它雖然可以執(zhí)行任務(wù)，但并沒有顯示出與人類相似的反應(yīng)時間模式。在上述三種情況下，AI都用了相同的時間來應(yīng)對。在人類的情況下，這些數(shù)據(jù)表明了并行關(guān)注和串聯(lián)關(guān)注的區(qū)別。而AI似乎只有并行的機(jī)制。識別出人類與我們目前的AI之間的這種差異，能夠為我們改善未來AI設(shè)計提供途徑。

我們設(shè)計Psychlab是作為認(rèn)知心理學(xué)、神經(jīng)科學(xué)和AI之間的橋接工具。通過開源，我們希望更廣泛的研究團(tuán)隊能夠在自己的研究中利用它，并幫助我們進(jìn)一步發(fā)展。