Google Deepmind最新开发的可微分神经计算机是什么?
DNC的结构示意图。
Graves et al.
本周《自然》发表的研究Hybrid neural computing using a dynamic external memory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。
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。与此同时,人工神经网络一直被开发用来模拟可以分辨数据模式的像人脑一样的学习能力,但是它们缺乏符号处理结构化数据所需的存储架构。
Google Deepmind的Alex Graves、Greg Wayne、Demis Hassabis及同事开发了被称为“可微分神经计算机”(differentiable neural computer,DNC)的系统,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,DNC能够像神经网络一样地学习,又能够像计算机一样处理复杂的数据。
DNC可以通过分析图像符号规划怎么搭地铁,这个例子是在伦敦地铁规划从维多利亚站到托特纳姆宫路站的线路。
Graves et al.
DNC不需进行额外编程,只需通过大量例子进行训练就能逐渐改进自己的神经回路,并最终学会完成特定任务。该研究显示,DNC能够成功理解图形结构,并从中提取符号语言进行运作,如家谱图或交通网络。它可以在没有先验知识的情况下规划最佳的伦敦地铁线路,或者根据符号语言所描述的目标来解决的方块拼图活动问题。
目前DNC尚无法在逻辑数据挖掘方面和现有的先进方法竞争,但一个灵活而容易扩展的DNC式系统可能让深度学习算法在生成视频评述或语义文本分析方面大展身手。ⓝ
点击“阅读原文”阅读相关新闻与观点文章
Artificial intelligence: Deep neural reasoning
↓长按并提取二维码以阅读论文
Hybrid neural computing using a dynamic external memory
相关文章
我们在多大程度上能信任人工智能?它们又是怎么学习事物的?
nature.com 官方微信
中国及世界科技出版业有哪些最新动态?
如何在Nature及其子刊上发表论文?
自然科研有哪些新的产品及服务适合你?
长按二维码关注我们。
微信号:macmillan-nature