融合传统计算机存储技术 谷歌人工智能系统获重大突破

10月14日消息，谷歌人工智能团队DeepMind开发了一款集神经网络计算系统与传统计算机存储技术于一体的机器学习系统，在开发会思维的计算机方面取得了突破。

DeepMind研究人员开发了一款“可微分神经计算机”，它在没有先验知识的情况下能解决小规模问题，例如规划伦敦地铁系统中两个站点之间的最佳路径或找出家庭亲属间的关系。

在人工智能研究最近的快速发展中，神经网络起到了重要作用。它们在推导模式方面非常出色，是谷歌Voice和苹果Siri等语音助手的基础。但是，迄今为止它们只能访问包含在自己网络中的数据。DeepMind团队表示，可微分神经计算机使神经网络能访问之前不兼容的外部数据，例如传统数字表格中的文字。

可微分神经计算机项目负责人亚历克斯路格雷夫斯(Alex Graves)表示，“问题在于神经网络中的存储与计算捆绑在一起，这使得它很容易出问题而且难以扩充。我们认为，提高系统强健性的途径是分离存储，以便我们能在不影响计算的情况下扩充存储系统。”

斯坦福大学智力、大脑和计算中心主任杰伊路麦克利兰(Jay McClelland)，把DeepMind的论文称作是“人工智能研究中一个非常有趣和重要的里程碑”。

但是，要使“可微分神经计算机”在实际世界中比现有人工智能系统更有用，它需要容量大得多的存储系统。格雷夫斯说，“那将要求大量技术性工作，这只是一篇学术论文。”

独立计算机科学家表示，通用可微分神经计算机的应用范围非常广泛，潜在的应用可能包括生成视频注释和提取文字意义。

蒙特利尔大学研究人员约书亚路本吉奥(Yoshua Bengio)表示，“论文作者在大量任务上成功对'可微分神经计算机'进行了测试，表明他们设计了通用的结构，'可微分神经计算机'一种未来可能的应用将是对推理能力有一定要求的问答对话。”