谷歌人工智能已经能利用内存进行自主学习了
该系统的程序员宣称,由谷歌的深度思维公司开发的人工智能系统现在能够基于其记忆进行自主学习。
这种称为微分神经计算机(DNC)的混合系统将传统计算机的海量数据存储与神经网络相结合。这种人工智能非常智能,可以访问外部数据库并进行学习。DNC可以有效地集成外部存储器(如带有您所有照片的外部硬盘)和人工神经网络算法,通过大量相互连接的节点的相互作用来模拟人脑。深度思维研究人员亚历山大·格雷夫斯和格雷格·韦恩在博客中写道:“这些模型可以从神经网络这样的例子中学习,也可以像计算机一样存储复杂的信息。”
位于DNC核心的控制器可以将DNC给出的结果与正确和理想的结果进行比较,并不断优化DNC的响应。随着时间的推移,DNC的反应将变得更加准确,它将学会使用自己的数据库。以族谱为例,如果某个家庭成员之间的关系被输入到DNC中,它可以独立地推断出其他成员之间的关系。在这个过程中,DNC将信息写入内存,重写内存,优化内存,并及时输出准确的信息。
再举一个例子,如果研究人员将公共交通系统(如伦敦地铁)的信息输入到DNC中,DNC在掌握相关基础知识后,将能够在没有外界帮助的情况下,通过其存储的信息来整理更复杂的关系和路线。
换句话说,DNC的运作方式与人脑相同,即从记忆中提取信息(地铁站位置)并处理新信息(还有多少站下车)。事实上,智能手机上的所有地图应用都能为你提供两个地铁站之间的最短路线。然而,DNC和应用程序的区别在于,DNC给出的路线不是根据预设的地铁时刻表推断的,而是在瞬间从内存中搜索到大量数据后得到的结果。
该算法意味着DNC系统可以从伦敦地铁中自主学习,并且可以将所学的一些知识应用于其他交通路线,例如纽约地铁。DNC系统为我们描绘了这样一个未来——人工智能可以根据过去的经验回答与新主题相关的问题,而无需事先知道所有可能的答案。
深度思维通过让人工智能提前研究数百万个围棋动作打败了人类围棋冠军。然而,DNC的发明者说,当DNC连接到外部存储器后,它可以完成比围棋复杂得多的任务,并提出更好的整体策略。
研究人员在《自然》杂志上解释道:“DNC可以像普通计算机一样使用内存显示和处理复杂的数据结构,还可以像神经网络一样从已知数据中学习如何完成这些任务。”
在另一个测试中,研究人员将“约翰在操场上”和“约翰捡起了足球”输入到DNC,并问:“足球在哪里?”DNC通过结合记忆和深入学习得到了正确的答案。(如果你还没有想到答案,足球就在操场上。建立这样的联系对一个强大的人脑来说似乎是小菜一碟,但对Siri这样的虚拟助手来说就困难多了。
研究人员表示,深度思维的进步让我们离制造能够独立思考的电脑更近了一步。在这之后,人类将开始享受机器人驱动的乌托邦,还是落入技术敌人托宾的手中,这是一个不同的观点。
蝌蚪工作人员从科学警报,翻译夏季夜以继日,转载必须得到授权。