據(jù)Futurism報道，最近幾個月，深度機器學(xué)習(xí)技術(shù)引發(fā)令人難以置信的喧囂。廣泛的能力讓它們可以玩視頻游戲、識別面部等，更重要的是可以自主學(xué)習(xí)，這讓人們的恐懼不斷加劇，擔(dān)心它們將來可能完全接管世界。然而，這些系統(tǒng)的學(xué)習(xí)效率卻不及人類的1／10?，F(xiàn)在，谷歌開發(fā)出一款超速人工智能（AI），其學(xué)習(xí)效率幾乎可與人類相媲美。
這種超速AI是谷歌位于英國子公司DeepMind開發(fā)的。他們表示，與以前的AI模式相比，這套系統(tǒng)不僅可吸收新知識，還能以更快的速度應(yīng)用新的體驗。很快，它的學(xué)習(xí)效率就能趕上人類水平。所謂深度學(xué)習(xí)，就是利用多層神經(jīng)網(wǎng)絡(luò)定位數(shù)據(jù)中的趨勢或模式。如果一層神經(jīng)網(wǎng)絡(luò)確認(rèn)某種模式，相關(guān)信息就會被傳給下一層網(wǎng)絡(luò)。這個過程會不斷持續(xù)下去，直到所有信息被收集完成。
這套AI系統(tǒng)可基于不同的變量進(jìn)行不同方式的學(xué)習(xí)，比如神經(jīng)網(wǎng)絡(luò)各層之間的連接強度。在某層的顯著變化可能極大地改變信息在其他層的傳遞，或?qū)W習(xí)方式。深度神經(jīng)網(wǎng)絡(luò)有許多層，為此當(dāng)出現(xiàn)變化時，學(xué)習(xí)過程可能需要相當(dāng)長的時間。然而，Google DeepMind研究院亞歷山大·普利特則爾（Alexander Pritzel）及其同事們似乎已經(jīng)找到解決這個問題的辦法，他們稱其為“神經(jīng)情景控制（neural episodic control）”。
普利特澤爾團隊表示：“神經(jīng)情景控制證明，在廣泛的環(huán)境中，學(xué)習(xí)速度將被大幅改善。至關(guān)重要的是，我們的技術(shù)只要體驗過，就能夠快速抓取非常成功的策略，而不是等待優(yōu)化許多步驟。”他們的方法模仿人類和動物大腦中的學(xué)習(xí)過程，復(fù)制前額皮質(zhì)層發(fā)生的事情，然后在海馬體中備份。
現(xiàn)在，AI技術(shù)似乎每天都在取得進(jìn)步。從利他機器人律師到關(guān)于奇點的預(yù)測，AI技術(shù)已經(jīng)引發(fā)相當(dāng)多的關(guān)注。然而，我們還沒有看到“真正的AI”。沒有任何機器人的AI能夠匹配人類大腦智力。為此，盡管自動化和AI導(dǎo)致人們失業(yè)的情況每天都在發(fā)生，但“真正的AI”還不會很快到來。然而，DeepMind的技術(shù)可能成為通往未來之路的踏腳石。
雖然表面上看，AI可能帶來科幻噩夢，但其也能帶來無限好處。先進(jìn)AI技術(shù)正被應(yīng)用到醫(yī)療、農(nóng)業(yè)甚至科學(xué)研究中。隨著AI變得更擅長學(xué)習(xí)，它也能被教授更多的方式，來改變我們的生活。
