谷歌增强了人工智能的逻辑推理能力

被称为神经网络的人工智能系统可以识别图像、翻译语言,甚至掌握古老的围棋游戏。但它们处理复杂的数据或变量之间关系的能力依然很有限,这使得它们还无法胜任需要逻辑推理的任务。

《自然》杂志发表的一篇论文中,谷歌独资子公司DeepMind宣布,该公司已经创造了一个具有外部存储器的神经网络,从而迈出了克服这个障碍的第一步。这个组合不仅允许神经网络进行学习,而且允许其使用存储器来存储和读取数据,从而可以像传统算法一样进行推断。这反过来又使它能够在没有任何先验知识的情况下解决逻辑难题,例如在伦敦地铁网中进行导航的问题。解决这些问题对专门设计用来解决这类问题的算法来说并不新奇,其意义是在没有任何预定义规则的前提下使用该混合系统来完成目标。

加拿大蒙特利尔大学的计算机科学家Yoshua Bengio表示:“尽管这种方法并不完全是新的—DeepMind公司曾在2014年发表过类似的成果—此次所取得的进展仍然是惊人的。”

神经网络通过加强虚拟神经元单元之间的连接进行学习。如果没有存储器,这样的神经网络可能需要上千次查看详细的伦敦地铁地图来找到最佳路线,从而实现导航。DeepMind公司开发的新系统—被称为“可区分神经计算机”—可以理解一份它从未见过的地图。它首先在随机生成的地图结构上(可以表示通过线连接起来的站点,或其他关系)训练其神经网络,在这个过程中学习如何将对这些关系的描述存储到其外部存储器,并回答与其相关的问题。面对一份新地图,DeepMind的系统可以将这些新关系—在论文中的一个例子是地铁站之间的联系—写入存储器,并通过读取这些关系来规划路线。

DeepMind的人工智能系统使用相同的技术来解决需要推理过程的难题。在使用20种不同类型的问题和相应答案进行培训后,系统学会了进行准确的推导。例如,在被告知“约翰拿起了足球”和“约翰在操场上”之后,系统能够正确推导出“操场上有一个足球”。该系统能够在超过96%的时间内对这种问题做出正确推断,其表现优于“回归神经网络”。这种网络也有一个存储器,但其存储器存在于本身网络结构内部,因此不如外部存储器灵活。

DeepMind公司的计算机科学家、论文作者之一Alex Graves表示:虽然DeepMind的技术只证明了其在人工智能问题上的有效性,它也可以被用于在真实世界的海量数据中进行推断的任务。这能解决那些无法从数据集中找到明确答案的问题。例如,确定两个人是否同时住在同一个国家,该系统可能会从他们各自的维基百科页面中寻找证据。

虽然DeepMind的人工智能解决的问题很简单,Yoshua Bengio将其看作一个信号,即神经网络正在向超越模仿人类模式识别任务(如推理)的阶段发展。“如果我们想创造人类水平的人工智能,这种扩展是非常重要的。”

原文发布于微信公众号 - 人工智能快报(AI_News)

原文发表时间:2016-11-25

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

学界 | 谷歌提出机器对话Self-Play框架M2M,提高自动化程度

2877
来自专栏灯塔大数据

塔秘 | 应用 AI 之前,你必须了解的 10 项准备工作

导读 不是每一个问题都可以通过机器学习来解决,且不是每一个公司都准备应用人工智能。本文会告诉你,你的公司是否有利用人工智能的条件,以及在那之前如何才能实现它。 ...

3765
来自专栏新智元

2016:深度学习统治人工智能?附深度学习十大顶级框架

2015 年结束了,是时候看看 2016 年的技术趋势,尤其是关于深度学习方面。新智元在 2015 年底发过一篇文章《深度学习会让机器学习工程师失业吗?》,引起...

3396
来自专栏新智元

【重磅】谷歌第二代深度学习系统TensorFlow首次解密(70PDF下载)

Google资深系统专家Jeff Dean在最近的湾区机器学习大会做了 Large-Scale Deep Learning for Inelligent Com...

2365
来自专栏AI研习社

用两万篇论文告诉你:机器学习在过去五年中发生了什么

arXiv.org 很多人都知道,是一个专门收集物理学、数学、计算机科学与生物学论文预印本的网站。数据显示,截至 2014 年底的时候,arXiv 已经达到了一...

39516
来自专栏企鹅号快讯

深度学习的核心:掌握训练数据的方法

Hello World! 今天我们将讨论深度学习中最核心的问题之一:训练数据。深度学习已经在现实世界得到了广泛运用,例如:无人驾驶汽车,收据识别,道路缺陷自动检...

1838
来自专栏PPV课数据科学社区

学习了哪些知识,计算机视觉才算入门?

有感于大家对计算机视觉研究的热情,同时对计算机视觉研究认知的局限性,或者说是基本研究方法和思路上的局限性。华刚博士根据最近计算机视觉领域国际权威、加州大学洛杉矶...

802
来自专栏华章科技

人工智能大拿解答机器学习30个问答

这次参加的是 Yoshua Bengio,计算机科学家,毕业于麦吉尔大学,在MIT和AT&T贝尔实验室做过博士后研究员,自1993年之后就是蒙特利尔大学任教,与...

511
来自专栏PPV课数据科学社区

【译文】统计建模的24种应用(上)

在这里,我们讨论统计模型的一般应用情况。不管他们是否源自数据科学,运筹学,工程学,机器学习或统计学,如决策树,logistic回归,贝叶斯模型,马尔可夫模型,数...

3204
来自专栏AI科技大本营的专栏

Google Brain去年干了太多事,Jeff Dean一篇长文都没回顾完

编译 | AI科技大本营(rgznai100) 参与 | Reason_W 从AutoML、机器学习新算法、底层计算、对抗性攻击、模型应用与底层理解,到开源数据...

3358

扫描关注云+社区