新神經網絡讓人工智能像人一樣思考

美國科學家開發了一個具有類似人類系統泛化能力的神經網絡，挑戰了一個已存在35年的觀點，即神經網絡缺乏系統泛化的能力，不是人腦的可行模型。相關研究近日發表于《自然》。研究者表示，使用新方法或能開發出行為更像人類的人工智能（AI）系統。

人類能學習新概念，如跳躍，并將之應用到其他情景中，如向后跳或跳過障礙物；這種將新老概念結合的能力也被稱為系統泛化，即學習新概念并將之與已有概念相結合的能力。1988年，研究人員提出人工網絡缺少這種能力，所以不能作為人類認知的可靠模型。雖然神經網絡在后來幾十年里取得了重大進展，但仍很難證明其具有系統泛化的能力。

紐約大學的Brenden Lake和Marco Baroni用證據表明神經網絡能掌握與人類相似的系統泛化能力。他們使用一種元學習方法優化組織能力（按邏輯順序組織概念的能力），該系統能在動態變化的不同任務中學習，而不是只在靜態數據集上優化（即之前的標準方法）。

通過并行比較人類與神經網絡，他們評估了系統泛化能力測試的結果，測試要求學習偽造詞的意思，并推測這些詞之間的語法關系。該神經網絡能掌握、有時甚至能超過類似人類的系統泛化能力。

雖然元學習方法無法讓該神經網絡對訓練之外的任務進行泛化，但研究者認為，新結果有助于今后開發出行為更像人類大腦的AI。

人類比機器更擅長綜合泛化。如果一個人知道呼啦圈、雜耍和滑板的含義，他們就能理解將三者結合在一起的含義。這篇文章展示了機器如何提高這種能力并模擬人類行為。