新神经网络使计算机像人一样推理 图像理解力更胜人类一筹

　　你打算购买的新房附近有几个公园？某餐厅最好的配餐酒是什么？回答这些日常问题需要进行关系推理，但人工智能（AI）很难掌握这种思维方式。据美国《科学》杂志官网14日消息，谷歌“深度思维”（DeepMind）团队日前研发出一种简单的算法，不仅能解决此类推理问题，而且在复杂的图像理解测试中能超过人类。

　　人类天生擅长关系推理，但AI的两种主要模式——基于统计和基于符号计算的算法，在发展关系推理方面一直进展缓慢。基于统计的机器学习在模式识别方面表现优异，但不善于使用逻辑；而基于符号计算的AI可使用预先设定的规则推理关系，但不擅长学习。

　　新研究用一种能进行关系推理的人工神经网络来解决上述问题。该神经网络将小程序结合在一起，共同发现数据中的模式。它们拥有专门的架构来处理图像、描述语言甚至学习游戏，从而可对某个场景中的每对物体进行比较。

　　新神经网络接受了多重考验，且表现突出。在回答图像中物体之间的关系时，科学家们让它与另外两个神经网络（分别用于识别图像中的物体和解释问题）合作。结果显示，其他机器学习算法的正确率为42%到77%，人类的正确率为92%，而新神经网络的正确率为96%。

　　在处理语言任务的考验中，新神经网络的正确率为98%，而其他AI算法的正确率仅为45%。此外，新算法还对动画片内运动的球之间的关系进行了分析，结果正确率达到90%以上。

　　该论文合著者蒂莫西·李烈克莱普称，新方法非常简单，其精华可用一个简单的方程式表示，这使它能与其他网络结合，共同解决问题。

　　未参与此项研究的波士顿大学计算机科学家凯特·萨延科说，新神经网络未来能帮助研究社交网络、分析监控录像、引导自动驾驶汽车。斯坦福大学计算机科学家贾斯汀·约翰逊则认为，这套系统要像人类那样灵活，还必须学会回答更富挑战的问题，例如比较三个物体之间的关系等。（记者 刘霞）

　　总编辑圈点

　　“弱人工智能”时代之所以还没结束，是因为人脑功能研究尚未取得突破性重大进展。在脑科学一步一个脚印向前探索时，以人工神经网络为代表的类脑人工智能却突飞猛进。判断和推理事物间的关系，是人类社会化行为的最基础本领，若本文中的新神经网络最终成熟，必然在一切需要处理“关系”的领域，帮助人类做决定。到时候，“能理解、会思考”的“强人工智能”才有望到来。