在人类智慧的宝库中，有一种独特的技能熠熠生辉，那就是我们仅凭口头或书面指令就能迅速执行新任务，并通过语言描述引导他人精准复现这一过程。这种强大的沟通能力不仅是人类社会协作的基石，更是我们在生物界中独树一帜的标志。然而，复制并赋予人工智能（AI）同样的认知能力，一直是科研人员面临的重大挑战。如今，日内瓦大学（UNIGE）的研究团队在这个前沿领域取得了开创性的进展，他们成功地模拟了一个能够理解、执行并用语言传授任务的人工神经网络，研究成果已在权威期刊《自然-神经科学》上发表。
人类独有的双重能力：遵循与下达指令
人类的独特之处在于，我们无需预先训练，仅凭口头或书面指令就能准确无误地完成未曾接触过的任务。更令人称奇的是，一旦掌握任务，我们还能通过语言详细描述，使得他人能如法炮制。这种快速学习与传授的双重能力，是我们与其他生物显著的区别所在。其他物种往往需要反复试错、依赖正负强化反馈才能习得新技能，并且无法将知识有效地传递给同种个体。相比之下，人类的语言能力无疑是我们主宰地球、推动文明进步的核心竞争力之一。
AI模拟语言交流：从理论到实践
为了模拟人类的语言交流能力，UNIGE的研究人员以预训练的大型语言模型S-Bert为基础，构建了一个包含3亿个神经元的复杂网络。他们巧妙地将其与一个更简洁的几千神经元网络相连接，形成了一种具备双重功能的AI系统。首先，该系统模拟了韦尼克区（负责语言理解）和布洛卡区（负责语言生成）的功能，分别对应于大脑中处理语言理解和产出的部分。在笔记本电脑上进行的实验中，AI接受了如指向特定位置、根据刺激作出反应以及从视觉对比中进行判断等一系列英文指令，并成功完成了这些心理物理任务。
划时代突破：AI间的语言教学
最引人瞩目的创新在于，这个AI在学会各项任务后，能够以语言形式向另一个AI“姐妹”传授这些任务，使得后者也能准确执行。这是首次实现了人工智能间通过纯语言方式进行任务的传授与学习，尽管当前的模型仍需预先训练。这意味着AI不仅能够理解指令并转化为感觉运动行为，还能够将这种学习成果以语言指令的形式传达给另一个AI，从而实现知识的复制与扩散。
实验成果的深远影响
这一研究的实验意义深远，它不仅揭示了大脑中语言区域与感觉运动区域如何通过神经表征整合语言信息以控制行为，还对未来人工智能的发展提供了重要启示：
1. 层次化的指令理解与执行：模型显示，人类在处理一组相关指令时，会按照语义层次进行任务泛化，这一发现有助于设计更高效的人工智能系统，使其能更好地处理复杂指令序列。
2. 语言与动作的动态关联：研究预测，参与感觉运动映射的神经单元应随指令语义动态调整，这一机制对于理解人类如何执行多步骤任务至关重要，为优化AI执行复杂任务的策略提供了理论依据。
3. 语言指导下的运动规划：当模型的语言描述包含任务所需的感觉运动信息时，其性能显著提升，暗示语言处理的高级阶段可能受到运动规划等具身过程的影响，这一发现有助于提升AI对语言指令的精细化解读与响应。
4. 开启机器人学新纪元：这项研究对机器人学领域具有重大意义。通过开发能相互交流的AI技术，未来的仿人机器人不仅能理解人类的语言和意图，还能在群体内部进行有效的沟通，极大地提升了协同工作的可能性。这将推动机器人技术向更高层次的自主性和协作性迈进。
展望未来：从实验室到现实世界的跨越
尽管当前的网络模型规模相对较小，但这一研究成果已为后续研究奠定了坚实基础。未来的研究者有望在此基础上构建更为复杂的神经网络，集成更先进的自然语言处理技术和感觉运动模型，实现从单词预测、句法分析到高级语言控制的全链条智能化。这样的发展将使机器人不仅能精确执行人类口头或书面指令，还能通过语言交流相互传授技能，甚至在新情境中创造性地应用所学知识。
日内瓦大学的研究团队成功模拟了人类的语言交流能力，为人工智能领域开辟了新的路径，也为机器人学开启了前所未有的可能性。这一突破不仅深化了我们对人类语言与行为交互机制的理解，更预示着一个机器人能够高效协作、自主学习与传播知识的新时代即将到来。随着科技的进步，我们有理由期待，未来的机器人将更紧密地融入人类社会，成为我们生活、工作中的得力伙伴，共同塑造一个充满无限可能的智能未来。