AI人工智能 | 人工智能机器人【中国人工智能网】

滚动新闻

DeepMind开拓新型神经网络要让呆板具备推理本领

时间:2017-06-15 00:32来源:网络整理 作者:AI人工智能

DeepMind开辟新型神经网络要让机械具备推理本事
DeepMind开辟新型神经网络要让机械具备推理本事
DeepMind开辟新型神经网络要让机械具备推理本事
DeepMind开辟新型神经网络要让机械具备推理本事

马特雷诺兹称,世界是一个布满狐疑的处所,这一点在人工智能身上浮现得尤为明明。

不外,英国人工智能公司DeepMind开拓了一种神经网络,这种神经网络可以赋予计较机领略差异物体之间错综巨大干系的本领,这有助于后者理清所谓的世界狐疑。

无论是在超市挑选最好的香蕉,照旧拼凑犯法现场收集的证据,人们老是习惯利用一种推理本领,即所谓的干系逻辑推理。这种推理把抽象干系(好比某种对象是否在另一种对象的左侧;某种对象是否比另一种对象更大)从一个规模转移到另一个规模,从而使人类得到一个强大的心理东西,来更好地相识这个世界。

哈佛大学的计较神经科学家萨姆格什曼认为,这种干系逻辑推理本领是我们智力的一个根基构成部门。不外,人类的这种直观产品对呆板来说是很难领略的。对付人工智能来说,进修执行像识别图像这样特定的任务是一回事。可是,要是让它们通过图像识别将学到的技能常识转化为文天职析——或任何其他推理任务——则是一个庞大的挑战。

DeepMind开拓出的这款多成果的呆板将使人工智能更靠近与人类一般智力程度,它所拥有的这种干系逻辑推理让人类在很多差异的勾当中脱颖而出。该公司成立了一个专门研究这种抽象推理的神经网络,这种神经网络还可以插入其他同类网络,从而辅佐后者成立起一种干系推理的本领。

研究人员操作图像描画出差异巨细和颜色的三维形状对人工智能举办了练习。练习进程中,人工智能会阐明图像中成对的物体,并试图找出它们之间的干系。然后研究人员会对它们举办提问,好比“大球体右边有个棕色金属,棕色金属右边的圆柱有多大?”这些问题都需要准确的谜底。该系统答复这些问题的正确率为95.5%——这个数据略优于人类。

为了证明它的多成果性,人工智能必需答复一些关于抽象推理的略带小故事性质的问题,其正确率到达95%。不外,这项研究的认真人Adam Santoro暗示,该系统的各项实际应用间隔真正投入利用仍有很长一段路要走。

不外,它在计较机视觉方面已经初见成效。Santoro暗示:“你可以想象一个应用措施,它能自动地为视觉受损的用户描写特定图像中正在产生的工作,甚至是视频。”Gershman则认为,在一项小众任务中的精彩表示并没有什么了不得。因为间隔人工智能能真正在现实世界中发挥浸染,我们尚有很长一段路要走。Santoro对这种观点也暗示同意。

DeepMind的人工智能在领略巨细、颜色和形状方面的差此外打破只是一个初步,需要抽象推理本领来完成的工作尚有许多。Santoro说:“要消化异常富厚的现实世界数据,我们仍有许多事情要做。”

本文由网易见外智能编译平台提供翻译处事

点击阅读原文,寓目更多出色内容!

编辑 定西 审校 谭嘉琦

DeepMind开辟新型神经网络要让机械具备推理本事

    标签: