谷歌人工智慧已經能利用內存進行自主學習了

　作者：夏夜夜夜/編譯來源：蝌蚪五線譜發布時間：2016-10-21

　　人類是將開始享受機器人驅動的烏托邦，還是會陷入技術敵托邦，就見仁見智了。

　　

　　谷歌旗下的DeepMind公司正在研發的人工智慧系統現已能以其內存為基礎進行自主學習，該系統的程序員宣稱。

　　這種名為可微分神經計算機（DNC）的混合系統將傳統計算機的海量數據存儲和神經網路相結合。這種人工智慧很聰明，能訪問外部資料庫並進行學習。DNC能有效整合外部存儲器（比如存有你所有照片的外接硬碟）和人工神經網路演演算法，該演演算法能通過大量互連節點的互動來模擬人腦。DeepMind公司研究人員亞歷山大·格雷夫斯（Alexander Graves）和格雷格·韋恩（Greg Wayne）在一篇博文中寫道：「這些模型能像神經網路一樣從例子中學習，也能像計算機一樣存儲複雜信息。」

　　位於DNC核心的控制器能對DNC給出的結果和正確理想的結果進行對比，不斷優化DNC的反應。假以時日，DNC的反應會越來越準確，還能學會運用自己的資料庫。以家譜為例，如果將某些家庭成員的關係輸入DNC，它就能獨立推斷出其他成員之間的關係。在此過程中，DNC將信息寫入內存、改寫內存、優化內存，並及時輸出了準確信息。

　　再舉個例子，如果研究人員將某個公共交通系統（比如倫敦地鐵）的信息輸入DNC中，DNC在掌握相關基礎知識后，就能在沒有外界幫助的情況下，靠自己已存儲的信息理清更複雜的關係和線路。

　　換句話說，DNC的運行方式和人類大腦一樣，即從記憶中提取信息（地鐵站位置）並處理新信息（還有多少站下車）。的確，所有智能手機上的地圖應用都能為你提供兩個地鐵站之間用時最短的路線。但DNC和應用程序的不同之處在於，DNC給出的路線不是根據預先設定好的地鐵時間表推斷的，而是在一瞬間檢索了內存中的海量數據后得出的結果。

　　這種演演算法意味著，DNC系統能夠從倫敦地鐵中自主學習，並且可以將學到的部分知識應用到其它交通線路上，例如紐約地鐵。DNC系統為我們勾勒出了這樣一種未來——人工智慧不需要事先知道所有可能的答案，就能根據以往的經驗回答和全新話題相關的問題。

　　DeepMind公司就是通過讓人工智慧預先研究數百萬種圍棋走法戰勝人類圍棋冠軍的。但DNC的發明者稱，DNC和外部存儲器連接后，就可以完成比下圍棋複雜得多的任務，並提出更好的全局戰略。

　　研究人員在《自然》雜誌上解釋道：「DNC能像普通計算機一樣利用內存顯示並處理複雜的數據結構，也能像神經網路一樣從已知數據中學習如何完成這種任務。」

　　在另一項測試中，研究人員向DNC中輸入「約翰在操場上」和「約翰撿起了足球」這兩條信息，並提問：「足球在哪裡？」DNC通過將內存和深度學習相結合得出了正確答案。（如果你還沒想到答案，足球在操場上。）建立起這樣的聯繫對於強大的人腦來說似乎是小菜一碟，但對Siri等虛擬助手來說卻要困難得多。

　　研究人員稱DeepMind公司取得的進步讓我們離製造出能獨立思考的計算機又近了一步。在這之後，人類是將開始享受機器人驅動的烏托邦，還是會陷入技術敵托邦，就見仁見智了。