你打算購買的新房附近有幾個公園？某餐廳最好的配餐酒是什么？回答這些日常問題需要進行關(guān)系推理，但人工智能（AI）很難掌握這種思維方式。據(jù)美國《科學》雜志官網(wǎng)14日消息，谷歌“深度思維”（DeepMind）團隊日前研發(fā)出一種簡單的算法，不僅能解決此類推理問題，而且在復雜的圖像理解測試中能超過人類。

人類天生擅長關(guān)系推理，但AI的兩種主要模式——基于統(tǒng)計和基于符號計算的算法，在發(fā)展關(guān)系推理方面一直進展緩慢。基于統(tǒng)計的機器學習在模式識別方面表現(xiàn)優(yōu)異，但不善于使用邏輯；而基于符號計算的AI可使用預先設(shè)定的規(guī)則推理關(guān)系，但不擅長學習。

新研究用一種能進行關(guān)系推理的人工神經(jīng)網(wǎng)絡(luò)來解決上述問題。該神經(jīng)網(wǎng)絡(luò)將小程序結(jié)合在一起，共同發(fā)現(xiàn)數(shù)據(jù)中的模式。它們擁有專門的架構(gòu)來處理圖像、描述語言甚至學習游戲，從而可對某個場景中的每對物體進行比較。

新神經(jīng)網(wǎng)絡(luò)接受了多重考驗，且表現(xiàn)突出。在回答圖像中物體之間的關(guān)系時，科學家們讓它與另外兩個神經(jīng)網(wǎng)絡(luò)（分別用于識別圖像中的物體和解釋問題）合作。結(jié)果顯示，其他機器學習算法的正確率為42%到77%，人類的正確率為92%，而新神經(jīng)網(wǎng)絡(luò)的正確率為96%。

在處理語言任務(wù)的考驗中，新神經(jīng)網(wǎng)絡(luò)的正確率為98%，而其他AI算法的正確率僅為45%。此外，新算法還對動畫片內(nèi)運動的球之間的關(guān)系進行了分析，結(jié)果正確率達到90%以上。

該論文合著者蒂莫西·李烈克萊普稱，新方法非常簡單，其精華可用一個簡單的方程式表示，這使它能與其他網(wǎng)絡(luò)結(jié)合，共同解決問題。

未參與此項研究的波士頓大學計算機科學家凱特·薩延科說，新神經(jīng)網(wǎng)絡(luò)未來能幫助研究社交網(wǎng)絡(luò)、分析監(jiān)控錄像、引導自動駕駛汽車。斯坦福大學計算機科學家賈斯汀·約翰遜則認為，這套系統(tǒng)要像人類那樣靈活，還必須學會回答更富挑戰(zhàn)的問題，例如比較三個物體之間的關(guān)系等。（記者 劉霞）

總編輯圈點

“弱人工智能”時代之所以還沒結(jié)束，是因為人腦功能研究尚未取得突破性重大進展。在腦科學一步一個腳印向前探索時，以人工神經(jīng)網(wǎng)絡(luò)為代表的類腦人工智能卻突飛猛進。判斷和推理事物間的關(guān)系，是人類社會化行為的最基礎(chǔ)本領(lǐng)，若本文中的新神經(jīng)網(wǎng)絡(luò)最終成熟，必然在一切需要處理“關(guān)系”的領(lǐng)域，幫助人類做決定。到時候，“能理解、會思考”的“強人工智能”才有望到來。

新神經(jīng)網(wǎng)絡(luò)使計算機像人一樣推理 圖像理解力更勝人類一籌

圖文簡介