DeepMind新AI系统初具逻辑推理能力 意义非凡

站长搜索讯 据外媒报道，Alphabet旗下的人工智能公司DeepMind开发出的最新AI技术可以利用外部记忆来解决需要逻辑推理才能完成的任务，这标志着人工智能技术又向前迈出了一大步。人工智能系统又被称作神经网络，它可以识别图像，翻译语言甚至下围棋

站长搜索讯 据外媒报道，Alphabet旗下的人工智能公司DeepMind开发出的最新AI技术可以利用外部记忆来解决需要逻辑推理才能完成的任务，这标志着人工智能技术又向前迈出了一大步。

人工智能系统又被称作神经网络，它可以识别图像，翻译语言甚至下围棋。但是它在表现数据或各种变体之间的复杂关系时的功能比较有限，因此人工智能系统很少被应用于需要逻辑推理的工作。

DeepMind本月12日在科学杂志《自然》上发表了一篇论文，宣称它在这方面取得了巨大进展，它利用外部记忆提高了人工智能系统的逻辑推理能力。将神经网络跟外部记忆结合在一起后，神经网络不但可以学习，而且可以利用记忆来存储和回忆一些信息，从而理清数据或各种变体之间的复杂关系。

这就使得神经网络能够解决更多复杂的问题，比如在伦敦地铁网络中导航和解开逻辑类谜题等。虽然解决这类问题并不能给人眼前一亮的感觉，因为编程算法也能做到这一点，但是这种混合系统却能在没有任何预设规则的前提下完成这样的任务，那就意义非凡了。

加拿大蒙特利尔大学的计算机科学家约书亚·本吉奥（Yoshua Bengio）称，虽然这并不是一种全新的方法，但是这篇论文所取得的进展却是非凡的。

记忆魔术

神经网络可以通过加强类似于虚拟神经元的组件之间的联系来学习新知识。如果没有记忆，这样的网络也许需要看几千遍伦敦地铁网络图才能学会规划最佳路线。

DeepMind将这个新AI系统称作“可微神经计算机”（Differentiable Neural Computer），它可以绘制它之前从未见过的地图。它会先用随机生成的、类似地图的结构图（由代表地铁站的点和地铁线路的线条组成）来训练神经网络，在这个过程中学会如何在外部记忆中存储关于这些关系的描述以及回答与它们有关的问题。遇到新的地图，DeepMind的AI系统会将新的关系写入记忆，如以论文中的伦敦地铁网络为例，这种新的关系就是不同地铁站之间的线路，以后需要规划线路时再将它调出来。

DeepMind的AI系统在解决需要推理才能解决的难题时使用的也是这样的技巧。经过20种不同类型的问答训练后，它就学会了准确地推论。例如，这个AI系统可以从“约翰捡起了足球”和“约翰在运动场上”这两个句子正确推断出“足球在运动场上”。这个AI系统回答这类问题的正确率超过了96%。在回答需要推理才能解决的问题时，DeepMind的AI系统表现得比同样配置了记忆的“循环神经网络”（Recurrent Neural Networks）更加优秀。循环神经网络的记忆位于网络自身结构之中，因此不如外部记忆灵活。

虽然DeepMind的AI系统只在研究员们假设的问题上证明了它的作用，它也能够被应用到需要在大量数据中建立关联关系的实际任务中。DeepMind的计算机科学家阿历克斯·格雷福斯（Alex Graves）称，这可以解决那些答案并未明确列入数据集的问题。例如，如果让这个AI系统来判断两个人是否同时居住在同一国家，它可能会从这两个人的维基页面上收集各种数据。

虽然DeepMind的新AI系统解决的问题都很简单，但是本吉奥认为这篇论文是神经网络从图案识别向逻辑推理迈进的重要标志。他说：“这种拓展非常重要，因为人类希望人工智能有朝一日能够达到跟人一样的水平。”（编译/林靖东）

推荐：关注“AI世代”微信号（tencentAI），回复“斯坦福”，可获取《斯坦福大学报告：2030年的人工智能与生活》报告下载链接。