谷歌DeepMind的系统离创建一个神经网络的目标又近了一步，这个神经网络可以在没有任何人类编写的程序的情况下导航像伦敦地铁这样复杂的东西。
谷歌(google)旗下英国DeepMind的研究人员开发出了一种能够存储知识(如地图)的人工智能，并利用它来导航像伦敦地铁这样复杂的系统。
当然，你已经可以从谷歌地图上获得导航传输网络的方向，但DeepMind的新系统正逐步实现这样一个目标:建立一个无需任何人工编写的程序就能导航的神经网络，而不是利用知识来计算出一条路线。
它的最新成果是将深度学习算法与相当于人类工作记忆的机器结合起来。
奥巴马关于人工智能未来的报告
我们完整地阅读了奥巴马政府关于人工智能的报告。这里有一些值得思考的主题。
阅读更多
据DeepMind称，这台所谓的“微分神经计算机”(DNC)可以利用其记忆从零开始产生答案。它通过一个训练过程学会使用记忆，这个训练过程包括将它产生的答案与正确答案进行比较，随着时间的推移，正确答案会更接近预期的答案。
“我们想测试DNCs在数据结构构建和使用这些数据结构来回答问题方面的问题。图形数据结构对于表示可以任意连接到形成路径和循环的数据项非常重要，”DeepMind研究人员Alexander Graves和Greg Wayne解释道。
在《自然》杂志上发表的一篇新论文中，研究人员证明，DNC可以自己学会记录任意图形的描述，比如伦敦地铁的地图、家谱或故事片段，并回答有关它们的问题。
“当我们描述伦敦地铁的车站和线路,我们可以问一个DNC回答这样的问题,“在邦德街开始,采取中央的路线方向一站,地铁环线的方向四站,和银禧线方向两个停止,在你最终停止做什么?”。或者，DNC可以根据诸如“如何从Moorgate到皮卡迪利广场”这样的问题来规划路线。’”研究人员写道。
IEEE Spectrum指出，外部记忆的加入极大地提高了神经网络正确回答第二个问题的能力。在没有外部记忆的情况下，一个神经网络在200万个训练样本后的平均准确率为37%。民主党全国委员会的平均准确率达到了98.9%。
格雷夫斯告诉说，这项工作是迈向智能机器的一步，而不是突然离开。
“我不敢说现在我们有了一台可以推理的机器，”他说。“我们拥有一种改善了的记忆，一种不同的记忆，我们相信这是推理的必要组成部分。很难在沙子上划一条线。”