一旦計算機“理解”一個主題或遊戲，它們就能以驚人的速度計算出解決方案，遠遠快於我們大腦中的“溼件”。英國公司DeepMind的AlphaGo Zero透過與自己對弈數百萬次來積累經驗，從而掌握了圍棋，現在已經超越了人類圍棋專家的技能。這相對於第一個版本AlphaGo來說是一項了不起的成就，AlphaGo 曾挖掘了大量人類對弈的資料。但這仍然是一項有限的成就，因為即使是古老的圍棋也有清晰、有限的規則。
相比之下，嬰兒能夠快速適應和學習如何在不斷變化的環境中生存，並且在任何努力中（即使對於成人而言）成功的標準也幾乎不明確。他們的大腦會對情況中將要發生的事情做出預測，從輕拍小狗到將拼圖碎片放入拼圖中。然後，他們用自己的身體和物體進行實驗，觀察和分析周圍的世界。數百萬年的進化造就了一個卓越的學習系統——今天的機器人專家希望部署該系統來改進人工智慧或人工智慧控制的機器。在我們的封面故事“自學機器人”中，記者戴安娜·權探討了如何對演算法進行程式設計以像兒童一樣學習，這既在改變機器人技術，又為兒童發育提供了一些見解。繼續閱讀，瞭解機器人“兒童”正在教給我們成年人什麼。
為您的筆記型電腦備份檔案是很常見的想法，但是為傳粉媒介備份呢？在“培育備用蜜蜂”中，作者佩奇·埃姆布里寫道，世界上最大的杏仁種植商正在開發一種替代蜜蜂的物種，稱為藍色果園蜂，或BOB。近年來，蜜蜂經歷了毀滅性的損失，它們是害蟲、疾病、營養不良、農藥暴露以及為了給不同的開花作物授粉而被卡車運輸的壓力的受害者。與群居蜜蜂不同，BOB是獨居的——而且效率驚人。假設將這些昆蟲變成可管理的傳粉媒介的挑戰可以克服，那麼幾百只BOB就可以完成10,000只蜜蜂的工作。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的有影響力的故事的未來。
更多科學前沿的冒險等待著您：閱讀格雷戈裡·M·埃裡克森撰寫的“最強咬合力”，瞭解鱷魚及其親屬進化成功的秘密。約翰·加布裡埃利在“內視”中介紹了可以找到治療我們大腦中抑鬱症和成癮的最佳方法的成像技術。克里斯托夫·E·杜爾曼和邁克爾·布洛克撰寫的“超重元素探索與穩定島”描述了尋找世界上最重元素的競賽以及化學中的“穩定島”，在那裡，新型元素可以持續數分鐘甚至數年。我們希望您享受這段旅程。