马特雷诺兹称之为，世界是一个充满著疑惑的地方，这一点在人工智能身上反映得最为显著。不过，英国人工智能公司DeepMind研发了一种神经网络，这种神经网络可以彰显计算机解读有所不同物体之间错综复杂关系的能力，这有助后者搞清楚所谓的世界疑惑。

无论是在餐馆挑选出最差的香蕉，还是重新组合犯罪现场搜集的证据，人们总是习惯用于一种推理小说能力，即所谓的关系逻辑推理。这种推理小说把抽象化关系（比如某种东西否在另一种东西的左侧；某种东西否比另一种东西更大）从一个领域移往到另一个领域，从而使人类取得一个强劲的心理工具，来更佳地理解这个世界。哈佛大学的计算出来神经科学家萨姆格什曼指出，这种关系逻辑推理能力是我们智力的一个基本组成部分。不过，人类的这种直观产物对机器来说是很难解读的。

对于人工智能来说，自学继续执行像辨识图像这样特定的任务是一其实。但是，要是让它们通过图像识别将教给的技术科学知识转化成为文本分析——或任何其他推理小说任务——则是一个极大的挑战。DeepMind研发出有的这款多功能的机器将使人工智能更加相似与人类一般智力水平，它所享有的这种关系逻辑推理让人类在许多有所不同的活动中脱颖而出。该公司创建了一个专门研究这种抽象化推理小说的神经网络，这种神经网络还可以放入其他同类网络，从而协助后者创建起一种关系推理小说的能力。

研究人员利用图像描绘出有所不同大小和颜色的三维形状对人工智能展开了训练。训练过程中，人工智能不会分析图像中交替的物体，并企图找到它们之间的关系。然后研究人员不会对它们展开发问，比如“大球体右边有个棕色金属，棕色金属右边的圆柱有多大？”这些问题都必须准确的答案。

该系统问这些问题的正确率为95.5%——这个数据额高于人类。为了证明它的多功能性，人工智能必需问一些关于抽象化推理小说的散发出小故事性质的问题，其正确率超过95%。

不过，这项研究的负责人AdamSantoro回应，该系统的各项实际应用于距离确实投入使用仍有很长一段路要回头。不过，它在计算机视觉方面早已初见成效。Santoro回应：“你可以想象一个应用程序，它能自动地为视觉损毁的用户叙述特定图像中正在再次发生的事情，甚至是视频。

”Gershman则指出，在一项小众任务中的出众展现出并没什么真是。因为距离人工智能能确实在现实世界中发挥作用，我们还有很长一段路要回头。

Santoro对这种观点也表示同意。DeepMind的人工智能在解读大小、颜色和形状方面的差异的突破只是一个开端，必须抽象化推理小说能力来已完成的事情还有很多。

Santoro说道：“要消化出现异常非常丰富的现实世界数据，我们仍有很多工作要做到。

本文来源：澳门威尼克斯人网站(MACAU)-www.didongsi.com