谷歌旗下的DeepMind公司正在研发的人工智能系统现已能以其内存为基础进行自主学习，该系统的程序员宣称。
这种名为可微分神经计算机（DNC）的混合系统将传统计算机的海量数据存储和神经网络相结合。这种人工智能很聪明，能访问外部数据库并进行学习。DNC能有效整合外部存储器（比如存有你所有照片的外接硬盘）和人工神经网络算法，该算法能通过大量互连节点的互动来模拟人脑。DeepMind公司研究人员亚历山大·格雷夫斯（Alexander Graves）和格雷格·韦恩（Greg Wayne）在一篇博文中写道：“这些模型能像神经网络一样从例子中学习，也能像计算机一样存储复杂信息。”
位于DNC核心的控制器能对DNC给出的结果和正确理想的结果进行对比，不断优化DNC的反应。假以时日，DNC的反应会越来越准确，还能学会运用自己的数据库。以家谱为例，如果将某些家庭成员的关系输入DNC，它就能独立推断出其他成员之间的关系。在此过程中，DNC将信息写入内存、改写内存、优化内存，并及时输出了准确信息。
再举个例子，如果研究人员将某个公共交通系统（比如伦敦地铁）的信息输入DNC中，DNC在掌握相关基础知识后，就能在没有外界帮助的情况下，靠自己已存储的信息理清更复杂的关系和线路。
换句话说，DNC的运行方式和人类大脑一样，即从记忆中提取信息（地铁站位置）并处理新信息（还有多少站下车）。的确，所有智能手机上的地图应用都能为你提供两个地铁站之间用时最短的路线。但DNC和应用程序的不同之处在于，DNC给出的路线不是根据预先设定好的地铁时间表推断的，而是在一瞬间检索了内存中的海量数据后得出的结果。
这种算法意味着，DNC系统能够从伦敦地铁中自主学习，并且可以将学到的部分知识应用到其它交通线路上，例如纽约地铁。DNC系统为我们勾勒出了这样一种未来——人工智能不需要事先知道所有可能的答案，就能根据以往的经验回答和全新话题相关的问题。
DeepMind公司就是通过让人工智能预先研究数百万种围棋走法战胜人类围棋冠军的。但DNC的发明者称，DNC和外部存储器连接后，就可以完成比下围棋复杂得多的任务，并提出更好的全局战略。
研究人员在《自然》杂志上解释道：“DNC能像普通计算机一样利用内存显示并处理复杂的数据结构，也能像神经网络一样从已知数据中学习如何完成这种任务。”
在另一项测试中，研究人员向DNC中输入“约翰在操场上”和“约翰捡起了足球”这两条信息，并提问：“足球在哪里？”DNC通过将内存和深度学习相结合得出了正确答案。（如果你还没想到答案，足球在操场上。）建立起这样的联系对于强大的人脑来说似乎是小菜一碟，但对Siri等虚拟助手来说却要困难得多。
研究人员称DeepMind公司取得的进步让我们离制造出能独立思考的计算机又近了一步。在这之后，人类是将开始享受机器人驱动的乌托邦，还是会陷入技术敌托邦，就见仁见智了。
蝌蚪五线谱编译自sciencealert，译者 夏夜夜夜，转载须授权
