中新網北京10月26日電 (記者 孫自法)人工智能(AI)能像人類一樣思考嗎？國際著名學術期刊《自然》最新發表一篇計算機科學論文稱，研究人員研發出一個具有類似人類系統泛化(systematic generalization)能力的神經網絡，系統泛化能力是指學習新概念并將之與已有概念相結合的能力。
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。這篇論文展示了機器如何提高這種能力并模擬人類行為(圖片來自論文)。施普林格·自然 供圖
這項研究結果挑戰了一個已存在35年的觀點——即神經網絡不是人腦的可行模型，因為它們缺乏系統泛化的能力。論文作者使用的方法或能用于開發行為上更像人類的人工智能系統。
利用綜合性元學習讓神經網絡獲得綜合泛化能力的模型(圖片來自論文)。施普林格·自然 供圖
該論文介紹，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。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。
利用綜合性元學習讓神經網絡獲得綜合泛化能力的模型(圖片來自論文)。施普林格·自然 供圖
論文第一作者兼通訊作者、美國紐約大學Brenden Lake和西班牙龐培法布拉大學Marco Baroni合作，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。研究結果表明，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。
人類與綜合性元學習模型在同一個任務上的對比(圖片來自論文)。施普林格·自然 供圖
論文作者總結認為，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，但他們的研究結果有助于今后開發出行為更像人類大腦的人工智能。(完)
