深層心靈該系統的程式設計師宣布，由Google母公司 Alphabet 開發的人工智慧（AI）現在可以在其記憶體中已有的內容上進行智慧建構。
他們的新型混合系統——稱為差分神經電腦（DNC）——將神經網路與傳統電腦的大量資料儲存配對，並且人工智慧足夠聰明，可以從這個外部資料庫中導航和學習。
DNC 正在做的是將外部記憶體（例如儲存所有照片的外部硬碟）與人工智慧的神經網路方法有效地結合起來，其中大量互連的節點動態工作以模擬大腦。
DeepMind 研究人員 Alexander Graves 和 Greg Wayne 寫道：“這些模型……可以從神經網路等例子中學習，但它們也可以像電腦一樣儲存複雜的數據。”在一篇部落格文章中。
DNC 的核心是一個控制器，它不斷優化其響應，將其結果與所需的正確結果進行比較。 隨著時間的推移，它能夠變得越來越準確，同時弄清楚如何使用其記憶體資料庫。
以家譜為例：在被告知某些關係後，民主黨全國委員會能夠自行找出其他家庭關係——一路書寫、重寫和優化其記憶，以便在正確的時間提取正確的資訊。
研究人員給出的另一個例子是公共交通系統，例如倫敦地鐵。 一旦掌握了基礎知識，民主黨全國委員會就可以依靠其記憶庫中已有的內容，在沒有任何額外幫助的情況下找出更複雜的關係和路線。
換句話說，它的功能就像人腦一樣，從記憶體中獲取資料（例如地鐵站位置）並計算出新資訊（例如要停留多少站）。
當然，任何智慧型手機地圖應用程式都可以告訴您從一個地鐵站到另一個地鐵站的最快路線，但不同之處在於，民主黨全國委員會不會從預先編程的時間表中提取這些信息，而是自行計算出這些信息，並同時處理記憶體中的大量數據。
這種方法意味著 DNC 系統可以利用其對倫敦地鐵的了解，並將其部分知識應用於另一個交通網絡，例如紐約地鐵。
該系統預示著未來人工智慧可以透過從先前的經驗中推斷出答案來回答有關新主題的問題，而無需事先了解所有可能的答案。
圖片來源：DeepMind
當然，這就是 DeepMind 能夠做到的在圍棋比賽中擊敗人類冠軍– 透過研究數百萬圍棋動作。 但其創建者表示，透過添加外部記憶，民主黨全國委員會能夠承擔更複雜的任務並制定更好的整體策略。
「像傳統電腦一樣，[DNC] 可以使用其記憶體來表示和操作複雜的資料結構，但是，像神經網路一樣，它可以從資料中學習這樣做，」研究人員在論文中解釋道。自然。
在另一項測試中，民主黨全國委員會收到了兩個訊息：「約翰在操場上」和「約翰拿起了足球」。 有了這些已知的事實，當被問到「足球在哪裡？」時，它能夠透過結合記憶和深度學習來正確回答。 （如果你被困住了，足球就在操場上。）
對於我們強大的人類大腦來說，建立這些聯繫似乎是一項簡單的任務，但到目前為止，對於 Siri 等虛擬助理來說，要弄清楚這一點要困難得多。
研究人員表示，隨著 DeepMind 的進步，我們在生產能夠獨立推理的電腦方面又向前邁出了一步。
然後我們就可以開始享受機器人驅動的烏托邦——或科技反烏托邦——這取決於你的觀點。
