馬特雷諾茲稱，世界是一個充滿困惑的地方，這一點(diǎn)在人工智能身上體現(xiàn)得尤為明顯。不過，英國人工智能公司DeepMind開發(fā)了一種神經(jīng)網(wǎng)絡(luò)，這種神經(jīng)網(wǎng)絡(luò)可以賦予計算機(jī)理解不同物體之間錯綜復(fù)雜關(guān)系的能力，這有助于后者理清所謂的世界困惑。

無論是在超市挑選最好的香蕉，還是拼湊犯罪現(xiàn)場收集的證據(jù)，人們總是習(xí)慣使用一種推理能力，即所謂的關(guān)系邏輯推理。這種推理把抽象關(guān)系（比如某種東西是否在另一種東西的左側(cè)；某種東西是否比另一種東西更大）從一個領(lǐng)域轉(zhuǎn)移到另一個領(lǐng)域，從而使人類獲得一個強(qiáng)大的心理工具，來更好地了解這個世界。

哈佛大學(xué)的計算神經(jīng)科學(xué)家薩姆格什曼認(rèn)為，這種關(guān)系邏輯推理能力是我們智力的一個基本組成部分。不過，人類的這種直觀產(chǎn)物對機(jī)器來說是很難理解的。對于人工智能來說，學(xué)習(xí)執(zhí)行像識別圖像這樣特定的任務(wù)是一回事。但是，要是讓它們通過圖像識別將學(xué)到的技術(shù)知識轉(zhuǎn)化為文本分析或任何其他推理任務(wù)則是一個巨大的挑戰(zhàn)。

DeepMind開發(fā)出的這款多功能的機(jī)器將使人工智能更接近與人類一般智力水平，它所擁有的這種關(guān)系邏輯推理讓人類在許多不同的活動中脫穎而出。該公司建立了一個專門研究這種抽象推理的神經(jīng)網(wǎng)絡(luò)，這種神經(jīng)網(wǎng)絡(luò)還可以插入其他同類網(wǎng)絡(luò)，從而幫助后者建立起一種關(guān)系推理的能力。

研究人員利用圖像描繪出不同大小和顏色的三維形狀對人工智能進(jìn)行了訓(xùn)練。訓(xùn)練過程中，人工智能會分析圖像中成對的物體，并試圖找出它們之間的關(guān)系。然后研究人員會對它們進(jìn)行提問，比如“大球體右邊有個棕色金屬，棕色金屬右邊的圓柱有多大？”這些問題都需要精確的答案。該系統(tǒng)回答這些問題的正確率為95.5%這個數(shù)據(jù)略優(yōu)于人類。

為了證明它的多功能性，人工智能必須回答一些關(guān)于抽象推理的略帶小故事性質(zhì)的問題，其正確率達(dá)到95%。不過，這項研究的負(fù)責(zé)人Adam Santoro表示，該系統(tǒng)的各項實際應(yīng)用距離真正投入使用仍有很長一段路要走。

不過，它在計算機(jī)視覺方面已經(jīng)初見成效。Santoro表示：“你可以想象一個應(yīng)用程序，它能自動地為視覺受損的用戶描述特定圖像中正在發(fā)生的事情，甚至是視頻。”Gershman則認(rèn)為，在一項小眾任務(wù)中的出色表現(xiàn)并沒有什么了不起。因為距離人工智能能真正在現(xiàn)實世界中發(fā)揮作用，我們還有很長一段路要走。Santoro對這種看法也表示同意。

DeepMind的人工智能在理解大孝顏色和形狀方面的差異的突破只是一個開端，需要抽象推理能力來完成的事情還有很多。Santoro說：“要消化異常豐富的現(xiàn)實世界數(shù)據(jù)，我們?nèi)杂泻芏喙ぷ饕觥?rdquo;

登陸|注冊歡迎登陸本站，認(rèn)識更多朋友，獲得更多精彩內(nèi)容推薦！