人工智能能夠像我們?nèi)祟?lèi)一樣 培養(yǎng)“數(shù)字”技能

許多人對(duì)人工智能的概念感到不舒服。這不僅是因?yàn)槿斯ぶ悄苡心芰χ莿偃祟?lèi)，還因?yàn)樗鼈兲焐哂袑W(xué)習(xí)新事物的能力。一項(xiàng)新的研究證實(shí)，深度神經(jīng)網(wǎng)絡(luò)能夠像我們?nèi)祟?lèi)一樣，培養(yǎng)“數(shù)字”技能。人工智能領(lǐng)域的另一個(gè)有趣的發(fā)展。

人工智能“聰明”的另一個(gè)標(biāo)志

對(duì)于我們?nèi)祟?lèi)來(lái)說(shuō)，就數(shù)字而言，不難看到相關(guān)性。更具體地說(shuō)，我們的大腦是這樣設(shè)計(jì)的，它將從任何一組特定的項(xiàng)目、問(wèn)題等中獲得共同的分母。即使我們觀察不同物體的x數(shù)量，其中x對(duì)于所有物體都是相同的，也不難確定共分母是什么。對(duì)于人工智能來(lái)說(shuō)，情況完全不同。到目前為止，人們一直認(rèn)為人工智能無(wú)法確定這種分母。

這種情況似乎不會(huì)持續(xù)太久。一項(xiàng)新的研究證實(shí)，作為推動(dòng)人工智能研究的一部分，深層神經(jīng)網(wǎng)絡(luò)似乎能夠發(fā)展出所謂的“數(shù)字感”。更具體地說(shuō)，研究人員訓(xùn)練了一個(gè)用于簡(jiǎn)單視覺(jué)對(duì)象檢測(cè)的深度神經(jīng)網(wǎng)絡(luò)，這在該領(lǐng)域的研究中并不罕見(jiàn)。然而，這個(gè)網(wǎng)絡(luò)中的單位突然開(kāi)始以一種與人類(lèi)大腦驚人相似的方式活動(dòng)。

解釋這一意想不到的發(fā)展并不那么困難。深度神經(jīng)網(wǎng)絡(luò)由許多不同的層組成。一旦這些層獲得并處理了信息，共同方面就變得更加抽象。因此，這項(xiàng)研究得出了這些令人驚訝的結(jié)果。該神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)具有相同數(shù)量的不同對(duì)象具有特定數(shù)量的共性。這是一個(gè)相當(dāng)有趣和突破性的發(fā)展，可以為未來(lái)更大的人工智能研究鋪平道路。

這項(xiàng)研究的另一個(gè)關(guān)鍵結(jié)論是人類(lèi)如何對(duì)待學(xué)習(xí)的原則。雖然人類(lèi)和動(dòng)物的高級(jí)思維通常被認(rèn)為是獨(dú)一無(wú)二的，但現(xiàn)在顯然不是這樣了。事實(shí)上，我們幾乎可以說(shuō)抽象思維和“數(shù)字感”是基本的，不管學(xué)習(xí)對(duì)象是誰(shuí)或?qū)W的是什么。更重要的是，這可能導(dǎo)致人工智能的發(fā)展，比最初認(rèn)為的更像人類(lèi)。

盡管這一突破非常引人注目，但未來(lái)仍有一些關(guān)鍵挑戰(zhàn)。雖然深度神經(jīng)網(wǎng)絡(luò)可以有效地從基于像素的圖像中提取數(shù)字，但不能從其他信號(hào)中提取。這將是研究人員在未來(lái)幾年要克服的下一個(gè)挑戰(zhàn)。一旦開(kāi)創(chuàng)了先例，將其應(yīng)用于神經(jīng)網(wǎng)絡(luò)各層接收到的其他信號(hào)應(yīng)該成為可能，至少在理論上是這樣。

就人工智能的“智能”而言，這項(xiàng)新研究描繪了一幅相當(dāng)有趣的畫(huà)面。隨著更多的信息被提供給網(wǎng)絡(luò)，現(xiàn)代人工智能系統(tǒng)建立了一層又一層復(fù)雜的共性?，F(xiàn)在這個(gè)理論已經(jīng)在現(xiàn)實(shí)世界中得到了有效的證實(shí)，人工智能的發(fā)展前景看起來(lái)更加光明。盡管還有很多工作要做，但另一個(gè)構(gòu)建類(lèi)人人工智能的必要組件已經(jīng)解鎖。