IT天空

 找回密码
 加入我们

手机验证码便捷登录

搜索

[八卦] 计算机开始像人类一样推理

[复制链接]
Lacy 发表于 2017-6-28 11:51:14 | 显示全部楼层 |阅读模式

本帖最后由 Lacy 于 2017-6-29 10:20 编辑

  你考虑购买的新家附近有多少个公园?一家餐厅里的最佳晚餐和酒的搭配是什么?回答这些日常问题需要进行关系推理,这种更高级思维的构成部分对于人工智能(AI)来说很难操控。现在,谷歌公司深度思维分公司下属的研究人员设计了一个简单的算式来处理类似的逻辑推理——而且它已经在一个复杂成像理解测试中战胜了人类。

149861250677f61770c2c134d1.png


  一种新型神经网络可推理复杂关系,包括不同物体的位置。图片来源:v_alex/iStockphoto

  人类在关系推理——用逻辑联系和对比位置、序列及其他实体的一种思维——方面通常较为擅长。但 AI 的两个主要种类——统计和符号发展出类似能力的速度却很缓慢。统计 AI 或机器学习擅长于模式识别,但却并不擅长使用逻辑。而符号 AI 能够利用已经决定的规则推理关系,但却不擅长动态学习。

  新研究提出了跨越这一沟壑的方法:一种进行关系推理的人工智能神经网络。类似于神经在大脑中连接的方式,神经网络会将微小的程序连在一起,通过协作在数据中寻找模式。它们可以拥有处理图像、剖析语言或者甚至是学习游戏的特别架构。在这种情况下,新的"关系网络"可以被连接以对比各个场景中的每一对物体。"我们正在明确地让这个网络发现事物之间存在的关系。"该论文共同作者、伦敦深度思维分公司计算机学家 Timothy Lillicrap 说。

  他和团队用若干任务验证了它们的关系网络。第一个网络是回答一个单一图像中事物之间的关系,如立方体、球和圆柱。例如:"蓝色物体前有一个物体,它的形状和灰色金属球右边蓝绿色的小物体形状相同吗?"对于这一任务,关系网络可以与另外两种神经网络相结合:一个是识别图像中的物体,另一个是解释问题。在很多图像和问题上,其他机器学习算式的正确率是 42% 到 77%.人类得分是 92%.而新关系网络联合体的正确率是 96%,已经超过了人类的推理分数,研究人员在近日发表于预印本 arXiv 的文章中报告了这一成果。

  深度思维团队还在基于语言的一项任务中测验了该神经网络,其中它会收到诸如"Sandra 捡起足球""Sandra 去办公室"等表述。随后它会收到一些问题,如"足球在哪里?"(办公室)。它在大多数类型的问题上表现得与多数 AI 算式一项出色,而且在所谓的推理问题方面尤其出色。例如,"Lily 是一只天鹅。Lily 是白色的。Greg 是一只天鹅。Greg 是什么颜色的呢?"(白色)。对于此类问题,关系网络得分可达 98%,而其竞争者的得分在 45% 左右。最终,该算式分析了 10 个球在周围弹跳的动态模式,其中一些球被隐形弹簧或木棒连接在一起。关系网络能够利用这个动态模式,识别 90% 以上的连接。它随后后同样的训练方法识别移动点及其他为代表的人类形式。

  "他们的方法的一个优势是在概念上特别简单。"纽约波士顿大学计算科学家、并未参与此项研究的 Kate Saenko 说,她也开发了一个能够回答关于图像复杂问题的算式。Lillicrap 说,这种简单性——大多数进展被囊括在一个方程式中——使其能够与其他网络相结合,正如在物体比较任务中所做的那样。论文将此称为"一种简单的即插即用模块",可让该系统的其他部分聚焦其擅长之处。

  "我对这些结果感到震撼。"加州斯坦福大学计算机学家 Justin Johnson 说,他共同开发了物体对比任务。Saenko 补充说,神经网络未来有一天将有助研究社会网络、分析监控录像或是指导自动化汽车。

  为了获得像人一样的灵活性,Johnson 说,它将需要学习回答更多具有挑战性的问题。做到这一点可能不仅需要对比一组事物,而是要有效地对比三个事物、两对事物,或是一个更大集合中的几对事物。"我对开发能够想出其自身策略的模型非常感兴趣。"他说,"深度思维正在建设一种特殊的推理模型,那将不是进行更加普遍意义上的关系推理。但目前它依然是朝着正确方向迈出了极重要的一步。"















原文链接:http://www.cnbeta.com/articles/tech/626547.htm

评分

参与人数 1活跃 +2 收起 理由
Andyskyli + 2 赞一个!

查看全部评分

最近访问 头像模式 列表模式
您需要登录后才可以回帖 登录 | 加入我们

本版积分规则

Lacy

22654

活跃

0

技术

3

互助
签到任务
最火的业界新闻
  • iPhone 8电池容量揭晓:与iPhone 6相差无几
  • DDR4快破千 内存价格一路疯涨:明年形势依
  • 华硕Chromebook Flip C101登陆美国市场:售
  • 英特尔Coffee Lake处理器到底有什么变化?
  • AMD 服务器处理器性能在十年内提升了40倍
  • 安全研究人员找到方法利用英特尔的 Managem
  • 马化腾要开医院了?企鹅医生和大企鹅双双否
  • 马云:不应再以制造业来推动经济增长 要拥
  • 传谷歌收购HTC手机相关业务:金额或为3.3亿
  • 一口气要发三款 华为Mate 10 Lite曝光:代
炫酷的硬件Show
  • 银欣FT02,双路E5工作站
  • 迟到的定制机箱小钢炮清理灰尘
  • 华擎X99E-ITX + 银欣ML06 装机记
  • 最强双路泰坦硬管水冷 制作流程
  • 乔思伯UMX1 Plus,小巧的家用综合主机
  • 分体水冷第二弹-Inwin 805 infinity
  • 第一次DIY硬管水冷~~
  • 樱桃MX6.0 青轴 机械键盘 开箱
  • 挑战极限,10.2L小钢炮装机秀
  • 挑战S大水冷,本坛最强水冷装备首秀,及制
有趣的美图分享
  • 长发公主的秘密1
  • 能好好躺吗?老子以为你狗头掉了
  • 看不起!
  • 有孩子前VS有孩子后
  • 加班的程序员热个饭
  • 为民除害的小孩和他的小狗
  • 一转身真的是一“辈”子
  • 好大学与渣大学的区别
  • 狗狗的朋友圈
  • 破烂
关注官方微信
快速回复 返回顶部 返回列表