馬特雷諾茲稱(chēng)，世界是一個(gè)充滿困惑的地方，這一點(diǎn)在人工智能身上體現(xiàn)得尤為明顯。不過(guò)，英國(guó)人工智能公司DeepMind開(kāi)發(fā)了一種神經(jīng)網(wǎng)絡(luò)，這種神經(jīng)網(wǎng)絡(luò)可以賦予計(jì)算機(jī)理解不同物體之間錯(cuò)綜復(fù)雜關(guān)系的能力，這有助于后者理清所謂的世界困惑。

無(wú)論是在超市挑選最好的香蕉，還是拼湊犯罪現(xiàn)場(chǎng)收集的證據(jù)，人們總是習(xí)慣使用一種推理能力，即所謂的關(guān)系邏輯推理。這種推理把抽象關(guān)系（比如某種東西是否在另一種東西的左側(cè)；某種東西是否比另一種東西更大）從一個(gè)領(lǐng)域轉(zhuǎn)移到另一個(gè)領(lǐng)域，從而使人類(lèi)獲得一個(gè)強(qiáng)大的心理工具，來(lái)更好地了解這個(gè)世界。

哈佛大學(xué)的計(jì)算神經(jīng)科學(xué)家薩姆格什曼認(rèn)為，這種關(guān)系邏輯推理能力是我們智力的一個(gè)基本組成部分。不過(guò)，人類(lèi)的這種直觀產(chǎn)物對(duì)機(jī)器來(lái)說(shuō)是很難理解的。對(duì)于人工智能來(lái)說(shuō)，學(xué)習(xí)執(zhí)行像識(shí)別圖像這樣特定的任務(wù)是一回事。但是，要是讓它們通過(guò)圖像識(shí)別將學(xué)到的技術(shù)知識(shí)轉(zhuǎn)化為文本分析——或任何其他推理任務(wù)——?jiǎng)t是一個(gè)巨大的挑戰(zhàn)。

DeepMind開(kāi)發(fā)出的這款多功能的機(jī)器將使人工智能更接近與人類(lèi)一般智力水平，它所擁有的這種關(guān)系邏輯推理讓人類(lèi)在許多不同的活動(dòng)中脫穎而出。該公司建立了一個(gè)專(zhuān)門(mén)研究這種抽象推理的神經(jīng)網(wǎng)絡(luò)，這種神經(jīng)網(wǎng)絡(luò)還可以插入其他同類(lèi)網(wǎng)絡(luò)，從而幫助后者建立起一種關(guān)系推理的能力。

研究人員利用圖像描繪出不同大小和顏色的三維形狀對(duì)人工智能進(jìn)行了訓(xùn)練。訓(xùn)練過(guò)程中，人工智能會(huì)分析圖像中成對(duì)的物體，并試圖找出它們之間的關(guān)系。然后研究人員會(huì)對(duì)它們進(jìn)行提問(wèn)，比如“大球體右邊有個(gè)棕色金屬，棕色金屬右邊的圓柱有多大？”這些問(wèn)題都需要精確的答案。該系統(tǒng)回答這些問(wèn)題的正確率為95.5%——這個(gè)數(shù)據(jù)略優(yōu)于人類(lèi)。

為了證明它的多功能性，人工智能必須回答一些關(guān)于抽象推理的略帶小故事性質(zhì)的問(wèn)題，其正確率達(dá)到95%。不過(guò)，這項(xiàng)研究的負(fù)責(zé)人Adam Santoro表示，該系統(tǒng)的各項(xiàng)實(shí)際應(yīng)用距離真正投入使用仍有很長(zhǎng)一段路要走。

不過(guò)，它在計(jì)算機(jī)視覺(jué)方面已經(jīng)初見(jiàn)成效。Santoro表示：“你可以想象一個(gè)應(yīng)用程序，它能自動(dòng)地為視覺(jué)受損的用戶描述特定圖像中正在發(fā)生的事情，甚至是視頻。”Gershman則認(rèn)為，在一項(xiàng)小眾任務(wù)中的出色表現(xiàn)并沒(méi)有什么了不起。因?yàn)榫嚯x人工智能能真正在現(xiàn)實(shí)世界中發(fā)揮作用，我們還有很長(zhǎng)一段路要走。Santoro對(duì)這種看法也表示同意。

DeepMind的人工智能在理解大小、顏色和形狀方面的差異的突破只是一個(gè)開(kāi)端，需要抽象推理能力來(lái)完成的事情還有很多。Santoro說(shuō)：“要消化異常豐富的現(xiàn)實(shí)世界數(shù)據(jù)，我們?nèi)杂泻芏喙ぷ饕觥！?/p>

（本文由網(wǎng)易見(jiàn)外智能編譯平臺(tái)提供翻譯服務(wù)，英文來(lái)源：New Scientist ，作者：Matt Reynolds，審校：譚嘉琦）