当一台AI机器人在训练中突然开始"玩"起来——反复尝试与指令完全不同的动作，并且因此学得更快时，冲绳科学技术大学院大学的研究团队意识到：他们可能无意中触碰到了人类语言习得的核心秘密。

这项发表在《科学进展》上的研究，用一个具有类脑神经网络的虚拟机器人，揭示了儿童语言能力迅速习得的关键机制：丰富多样的语言环境，加上与生俱来的好奇心。

▍好奇心驱动的"黑巧克力实验"

研究采用的PV-RNN模型基于人脑信息处理理论，以"自由能最小化"为训练目标——在追求预测准确性和保持信念系统稳定之间寻找平衡。研究团队在模型中引入了强化学习，同时对完成任务给予外部奖励，对满足好奇心给予内部奖励。

由此产生了两股相互竞争的驱动力：机器人既希望保持对世界的现有认知，又会因采取迫使其更新信念的行动而获得奖励。第一作者西奥多·廷克用"巧克力实验"解释了这一机制：你从未试过白巧克力，但好奇心驱使你尝了一口——即使黑巧克力更符合你的口味预期，你也因此更新了对巧克力的整体认知。

▍"玩闹行为"加速语言理解

机器人在训练中展示了令人惊讶的行为：即使已经能熟练完成任务，它仍会故意碰倒或推动与任务无关的物体。"这是我最喜欢的部分，"廷克说，"我们没有让机器人像孩子一样玩耍，但它却主动产生了玩耍般的行为——这种由好奇心驱动的行为，反而帮助它更快地理解语言。"

实验数据显示：接触过48种动词-形容词-宾语组合的"好奇机器人"，泛化准确率为25%；而接触过180种组合的同类机器人，准确率飙升至85%。语言的丰富多样性，是解锁理解能力的关键变量。

▍意外的"U型曲线"

最令团队惊讶的是，机器人复现了幼儿语言习得中著名的U型性能曲线——在动词变位等语言任务中，儿童的表现会先提升、再下降（过度泛化规则导致错误）、最终再次回升。当研究人员交换两个任务的含义时，机器人经历了完全相同的性能起伏。

廷克说："机器人能够像儿童一样处理异常情况，这完全出乎意料，因为模型中没有针对过度泛化或异常处理的设计——它们似乎自己学会了。"

▍透明的大脑，可观测的认知

与拥有万亿参数、训练于天量数据集的大语言模型不同，这类神经网络架构透明——其"隐藏状态"（编码对未来的预测）可被研究者自由访问，实时追踪机器人完成任务时的"心理计划"。这为研究人类认知提供了宝贵窗口。

研究团队表示，这个平台未来将用于观察和研究更多人类行为。当AI开始用"好奇心"和"玩耍"来学习语言时，它或许正在接近一个比单纯"预测下一个词"更接近"真正理解"的路径——而那条路径，恰好是人类婴儿早已走过的。