DeepMind的神经网络教导人工智能推理世界

日期:2017-08-06 10:27:04 作者:葛猗 阅读:

imageBROKER / REX / Shutterstock作者:Matt Reynolds这个世界是一个令人困惑的地方,尤其是人工智能但是英国人工智能公司DeepMind开发的神经网络使计算机能够理解不同物体之间的相互关系,这有助于将其引入焦点人类一直在使用这种类型的推理 - 称为关系推理 - 无论我们是在超市选择最好的香蕉串还是拼凑犯罪现场的证据将抽象关系(例如某事物是否在另一个人的左边或更大的地方)从一个域转移到另一个域的能力为我们提供了一个强大的心理工具集来理解这个世界哈佛大学计算神经科学家Sam Gershman说,这是我们情报的一个基本部分然而,对于人来说,直观的是机器很难掌握人工智能学习如何执行特定任务是一回事,例如识别图像中的内容但是将通过图像识别学习的技术知识转移到文本分析 - 或任何其他推理任务 - 是一项巨大的挑战具有这种多功能性的机器将更接近于一般情报,这种智能可以让人类在许多不同的活动中表现出色 DeepMind构建了一个专门用于这种抽象推理的神经网络,可以插入到其他神经网络中,为它们提供关系推理功能研究人员使用描绘不同大小和颜色的三维形状的图像训练AI它分析了图像中的对象对,并试图找出它们之间的关系然后团队问了一些问题,例如“大球体剩下的棕色金属物体留下的圆柱体大小是多少”系统在95.5%的时间内正确地回答了这些问题 - 比人类略好为了证明其多功能性,人工智能的关系推理部分必须回答有关一组非常短的故事的问题,95%的时间都能正确回答领导这项研究的DeepMind的Adam Santoro表示,该系统的任何实际应用还有很长的路要走然而,它最初可能对计算机视觉有用 “你可以想象一个应用程序可以自动描述特定图像中发生的事情,甚至是视障人士的视频,”他说 Gershman说,在一个利基任务中表现优于人类也不足为奇我们距离能够理解现实世界混乱的机器还有很长的路要走桑托罗同意 DeepMind的人工智能已经开始了解大小,颜色和形状的差异,但关键推理还不止于此 “解决更丰富的现实世界数据集需要做很多工作,”桑托罗说期刊参考文献:期刊参考文献:arxiv.org,DOI:arXiv:1706.01427v1阅读更多:人工智能之路:理论数据案例阅读更多:'我感到震惊!'AI如何击败世界上最好的人类在Go More关于这些主题: