传统计算机可以处理复杂的数据形式,但是需要手工编程来执行这些任务。而人工神经网络(ANN)一直用来模拟像人脑一样的学习能力。早在20世纪80年代,ANN就成为人工智能领域的研究热点,它可以从信息角度对人脑神经元网络进行抽象处理,建立某种简单模型,按不同连接方式组成不同网络。但就现阶段而言,人工神经网络仍然缺乏处理结构化数据所需的存储架构。
据科技日报北京消息,英国伦敦的谷歌Deepmind“深度思维”公司研究人员艾利克斯·格拉夫、格里格·韦恩、戴密斯·哈萨比斯及同事们近日在英国《自然》杂志12日发表了一项人工智能重要成果,描述了一种集神经网络与计算机优点于一身的混合型学习机器,既能像神经网络那样学习,又能像计算机那样处理复杂数据,这种混合型学习机器被称为“可微分神经计算机”(Differentiable neural computer)。
图:可微分神经计算机架构
可微分神经计算机能将神经网络和外部存储结构结合在一起,前者可以通过示例或反复试验进行学习,后者与传统计算机内的随机存取存储器相似。因此,“可微分神经计算机”既能学习,又能处理复杂数据。
研究显示,“可微分神经计算机”能够成功理解图形结构,譬如家谱图或是交通网络。实验中,它可以在没有现成知识的情况下,规划出最佳的伦敦地铁线路,或根据符号语言所描述的目标来解决方块拼图问题。
“深度思维”公司此前因开发“阿尔法围棋”(AlphaGo)程序而声名大噪,该围棋程序在神经网络经过深度训练后,可以利用价值网络计算局面,用策略网络选择下子。而此次“可微分神经计算机”的研发者之一,正是被称为“AlphaGo之父”的哈萨比斯,他和另两位联合创始人于2010年成立了“深度思维”公司,目前正在帮助谷歌展开一场全新的人工智能革命。
文章链接:
Alex Graves, et al, "Hybrid computing using a neural network with dynamic external memory," Nature(2016), doi:10.1038/nature20101
消息链接:
Differentiable neural computers
(本文文字内容参考自科技日报;)
如若转载,请注明e科网。
如果你有好文章想发表or科研成果想展示推广,可以联系我们或免费注册拥有自己的主页
- 人工智能
- 神经网络
- 神经计算机