深层心灵该系统的程序员宣布，由谷歌母公司 Alphabet 开发的人工智能（AI）现在可以在其内存中已有的内容上进行智能构建。
他们的新混合动力系统？ 称为差分神经计算机（DNC）？ 将神经网络与传统计算机的海量数据存储相结合，人工智能足够聪明，可以从这个外部数据库中导航和学习。
DNC 正在做的是将外部存储器（例如存储所有照片的外部硬盘）与人工智能的神经网络方法有效地结合起来，其中大量互连的节点动态工作以模拟大脑。
DeepMind 研究人员 Alexander Graves 和 Greg Wayne 写道：“这些模型可以从神经网络等例子中学习，但它们也可以像计算机一样存储复杂的数据。”在一篇博文中。
DNC 的核心是一个控制器，它不断优化其响应，将其结果与所需的正确结果进行比较。 随着时间的推移，它能够变得越来越准确，同时弄清楚如何使用其内存数据库。
以家谱为例：在被告知某些关系之后，民主党全国委员会能够自行找出其他家庭关系？ 一路书写、重写和优化其记忆，以便在正确的时间提取正确的信息。
研究人员给出的另一个例子是公共交通系统，例如伦敦地铁。 一旦掌握了基础知识，民主党全国委员会就可以依靠其记忆库中已有的内容，在没有任何额外帮助的情况下找出更复杂的关系和路线。
换句话说，它的功能就像人脑一样，从内存中获取数据（例如地铁站位置）并计算出新信息（例如要停留多少站）。
当然，任何智能手机地图应用程序都可以告诉您从一个地铁站到另一个地铁站的最快路线，但不同之处在于，民主党全国委员会并没有从预先编程的时间表中提取这些信息？ 它自己处理信息，并同时处理内存中的大量数据。
这种方法意味着 DNC 系统可以利用其对伦敦地铁的了解，并将其部分知识应用于另一个交通网络，例如纽约地铁。
该系统预示着未来人工智能可以通过从以前的经验中推断出答案来回答有关新主题的问题，而无需事先了解所有可能的答案。
图片来源：DeepMind
当然，这就是 DeepMind 能够做到的在围棋比赛中击败人类冠军？ 通过研究数百万围棋动作。 但其创建者表示，通过添加外部记忆，民主党全国委员会能够承担更复杂的任务并制定出更好的整体战略。
“像传统计算机一样，[DNC] 可以使用其内存来表示和操作复杂的数据结构，但是，像神经网络一样，它可以从数据中学习这样做，”研究人员在论文中解释道。自然。
在另一项测试中，民主党全国委员会收到了两条信息：“约翰在操场上”和“约翰拿起了足球”。 有了这些已知的事实，当被问到“足球在哪里？”时，它能够通过结合记忆和深度学习来正确回答。 （如果你被困住了，足球就在操场上。）
对于我们强大的人类大脑来说，建立这些联系似乎是一项简单的任务，但到目前为止，对于 Siri 等虚拟助手来说，要弄清楚这一点要困难得多。
研究人员表示，随着 DeepMind 取得的进步，我们在生产能够独立推理的计算机方面又向前迈出了一步。
然后我们就可以开始享受机器人驱动的乌托邦了吗？ 还是技术反乌托邦？ 取决于你的观点。
