英國《自然》雜志12日發(fā)表了一項人工智能重要成果，描述了一種集神經(jīng)網(wǎng)絡與計算機優(yōu)點于一身的混合型學習機器，既能像神經(jīng)網(wǎng)絡那樣學習，又能像計算機那樣處理復雜數(shù)據(jù)。
傳統(tǒng)計算機可以處理復雜的數(shù)據(jù)形式，但是需要手工編程來執(zhí)行這些任務。而人工神經(jīng)網(wǎng)絡（ANN）一直用來模擬像人腦一樣的學習能力。早在20世紀80年代，ANN就成為人工智能領域的研究熱點，它可以從信息角度對人腦神經(jīng)元網(wǎng)絡進行抽象處理，建立某種簡單模型，按不同連接方式組成不同網(wǎng)絡。但就現(xiàn)階段而言，人工神經(jīng)網(wǎng)絡仍然缺乏處理結(jié)構(gòu)化數(shù)據(jù)所需的存儲架構(gòu)。
在位于英國倫敦的谷歌“深度思維”公司，研究人員艾利克斯·格拉夫、格里格·韋恩、戴密斯·哈薩比斯及同事們，此次開發(fā)了被稱為“可微分神經(jīng)計算機”（Differentiable neural computer）的學習機器。其能將神經(jīng)網(wǎng)絡和外部存儲結(jié)構(gòu)結(jié)合在一起，前者可以通過示例或反復試驗進行學習，后者與傳統(tǒng)計算機內(nèi)的隨機存取存儲器相似。因此，“可微分神經(jīng)計算機”既能學習，又能處理復雜數(shù)據(jù)。
研究顯示，“可微分神經(jīng)計算機”能夠成功理解圖形結(jié)構(gòu)，譬如家譜圖或是交通網(wǎng)絡。實驗中，它可以在沒有現(xiàn)成知識的情況下，規(guī)劃出最佳的倫敦地鐵線路，或根據(jù)符號語言所描述的目標來解決方塊拼圖問題。
“深度思維”公司此前因開發(fā)“阿爾法圍棋”（AlphaGo）程序而聲名大噪，該圍棋程序在神經(jīng)網(wǎng)絡經(jīng)過深度訓練后，可以利用價值網(wǎng)絡計算局面，用策略網(wǎng)絡選擇下子。而此次“可微分神經(jīng)計算機”的研發(fā)者之一，正是被稱為“AlphaGo之父”的哈薩比斯，他和另兩位聯(lián)合創(chuàng)始人于2010年成立了“深度思維”公司，目前正在幫助谷歌展開一場全新的人工智能革命。
