神经网络当真学会推理了?来看谷歌DeepMind的官方解释 | 2分钟读论文
来源 / Two Minute Papers
翻译 / 程炜
校对 / 李宇琛
整理 / 雷锋字幕组
AI 研习社出品系列短视频《 2 分钟论文 》,带大家用碎片时间阅览前沿技术,了解 AI 领域的最新研究成果。
第4期带来谷歌DeepMind团队的论文,如何让神经网络学会推理。这篇文章就像是教一种学习算法常识,现实方法是将关系网络模块加入训练完成的网络中。其中使用的是LSTM的循环神经网络。LSTM能够处理序列信息,比如语句类输入。
可以在三维空间中识别各种物体之间的关系
实验表明,这样的关系推理也可以在三维场景中使用,这篇文章提出的方法,不仅是相对现有算法的一种飞跃,而且在很多情况下,它可以秒掉人类的表现。这篇论文刚发布没多久,现在已经有了首个非官方的实现,还有两篇论文也引用了它!
人类表现与机器表现对比
想看看神经网络到底是怎么学会推理的?戳下方视频了解详情。
本期论文
”DeepMind's AI Learns Superhuman Relational Reasoning”
DeepMind's AI 学习关系推理
https://v.qq.com/txp/iframe/player.html?vid=z0532osxo82&width=500&height=375&auto=0
▷ 观看论文解读大概需要 3 分钟
学霸们还请自行阅读论文以获得更多细节
论文原址
https://arxiv.org/pdf/1706.01427.pdf
论文不够看?来看直播吧!
关注 AI 研习社(okweiwu),回复 1 领取
【超过 1000G 神经网络/AI/大数据、教程、论文!】
后台回复 “我要进群” 加入 AI 技术讨论群
对我们的分享会有什么建议?
希望成为分享人吗?
让我们听到你的声音
▼▼▼