当我连最简单的家务都做不完时，我妻子甚至懒得翻白眼。“你分心了吗？”她会问，尽管她知道答案。谢天谢地，现在我有了掩护，因为如果家里有一个人更有可能在穿鞋或刷牙中途停下来，因为他突然想起他想读、看或听的东西，那就是我 13 岁的儿子。当他们把“分心”变成一项奥运会运动时，我打赌他将成为奖牌的争夺者。
当然，我的妻子对他比对我更宽容。
“他因为好奇心太强而分心，”她说。这句话一直萦绕在我的脑海里，部分原因是我从设计大师唐纳德·诺曼那里读到了几乎一模一样的东西，他写道：“我的好奇心经常让我获得对我的职业生涯有帮助的见解。那么，为什么好奇心这种美妙而富有创造力的特质会被冠以负面的术语‘分心’呢？”这些都是值得深思的想法。然而，好奇心的本质特征与其邪恶的孪生兄弟——分心之间肯定存在着区别。
Janelle Shane 的探索 人工智能，你看起来很像一个东西，我爱你 （2019）通过观察好奇且容易分心的人工智能系统的行为，在受控条件下阐明了这个问题。正如 Shane 所解释的那样，人工智能系统通常通过某种形式的反复试验进行训练，并由“奖励函数”决定哪些实验应被视为成功，哪些实验应被视为失败。例如，您可以通过奖励踩踏距离并惩罚自行车翻倒的次数来教计算机在模拟的 3D 环境中学习骑虚拟自行车。
当奖励函数没有达到人类程序员的真正期望时，挑战就来了。也许人工智能会通过将自行车放在地板上来避免摔倒的风险，或者通过摇晃自行车绕一个大圈，甚至将自行车倒置并踩踏板来最大化骑行距离。这些不仅仅是理论上的可能性。一种算法被设计用来对数字列表进行排序，然后简单地删除列表，立即确保没有一个数字错位。
这些都是相当简单的问题。期望的行为越复杂，就越容易意外地奖励错误的东西。但有一种聪明而有效的方法可以训练计算机解决相当广泛的问题：奖励好奇心。更准确地说，当计算机遇到结果不可预测的情况时，就奖励它。它会去寻找它以前没有见过的东西。
肖恩写道：“好奇心驱动的人工智能会学习如何穿越电子游戏关卡，这样它就可以看到新的东西，避开火球、怪物和死亡坑，因为当它被这些东西击中时，它会看到同样无聊的死亡序列。”避免死亡不是为了死亡本身，而是因为死亡太容易预测了。
这一切本身就令人着迷，并暗示了为什么人类本身可能进化出了好奇心。但人工智能系统就像 13 岁的男孩一样，好奇心也会达到让人分心的程度。例如，让一个好奇心驱动的人工智能教自己玩 吃豆人式游戏，其中幽灵在迷宫中随机移动，你会感到很吃力：人工智能不需要做任何事情来满足它的好奇心，因为不可预测的幽灵总是令人着迷。或者，正如 Shane 解释的那样，好奇心机器人会很快学会在迷宫中导航，除非迷宫的一面墙上有一台电视，上面显示一系列随机图像。“一旦人工智能发现电视，它就会被迷住。”就像我儿子一样。或者，就此而言，我就是这样。
这个问题对人工智能研究人员来说非常熟悉，它有一个名字：“嘈杂的电视问题”。对于一个聪明的程序员来说，这个问题是可以解决的。唉，我们的现代世界充满了干扰，就像一台充满静电的电视机是为了吸引好奇机器人的注意力而设计的一样，我们无法简单地重新编程自己以避免这些智力空洞的热量。
一种解决方案是防御性的：避免电视噪音。删除您的社交媒体帐户（或者至少从手机中删除该应用程序并安装两步验证，让登录变得烦人）。不要把手机放在卧室睡觉。关闭所有非必要的通知。我们都知道这些，如果你能强迫自己这样做，那就有效了。但第二种方法更注重积极的一面。除了努力消除单纯的新奇感之外，我们还应该寻找值得好奇的事物。这比人们想象的要容易，因为深思熟虑的好奇心会积累知识，而知识会积累深思熟虑的好奇心。
正如伊恩·莱斯利在他的书中解释的那样 好奇：求知欲以及你的未来为何取决于它 （2014），人类的好奇心通常需要合理的事实基础来支撑。“好奇心区域就在你已经知道的东西旁边，”他写道。
看起来是对的。我对一些我已经了解的领域的新想法（比如经济学、桌上游戏或健美操）的好奇心远大于对一些我还没有涉猎的学科（比如人类学、编织或曲棍球）的好奇心。
因此，对于哈福德家这两个容易分心的成员来说，计划必须是相同的：不断学习。你知道的越多，你就越喜欢深入的东西，而不是 YouTube 推荐的下一个缩略图。
蒂姆·哈福德的儿童读物《真相侦探》（Wren & Rook 出版社）现已上市
跟随 @FTMag 了解我们的最新故事并订阅我们的播客 生活与艺术 无论您在哪里聆听
关键词：
