正在考慮入手的新家附近有多少公園？餐館里最佳的晚餐-酒搭配是什么？這些日常問題都需要關(guān)系推理——一種更高級思考的重要成分，而這卻是人工智能(AI)難以掌握的?，F(xiàn)在，谷歌DeepMind的研究者提出了一種處理這種推理的簡單方法，并在復(fù)雜圖像理解測試中擊敗了人類。
人類通常很擅長關(guān)系推理，利用邏輯連接和比較位置、順序和其他實體。但兩種主要AI——統(tǒng)計和符號，在發(fā)展類似的能力方面一直進展緩慢。統(tǒng)計AI，或者叫機器學(xué)習(xí)，善于模式識別，但不善于使用邏輯。而符號AI則能利用預(yù)定規(guī)則推理關(guān)系，但不善于學(xué)習(xí)。
credit: 煎蛋畫師六翼
新研究提出了一種縮小差距的方式：進行關(guān)系推理的人工神經(jīng)網(wǎng)絡(luò)。類似于大腦中神經(jīng)元的連接方式，神經(jīng)網(wǎng)絡(luò)利用小型程序合作發(fā)現(xiàn)數(shù)據(jù)中的模式，針對圖像處理、語法分析或者游戲?qū)W習(xí)有特定的架構(gòu)。在這種應(yīng)用中，新的“關(guān)系網(wǎng)絡(luò)”單獨比較場景中的每一對目標。論文共同作者、在倫敦的DeepMind計算科學(xué)家Timothy Lillicrap說道：“我們明確要求網(wǎng)絡(luò)發(fā)現(xiàn)目標之間存在的關(guān)聯(lián)?！?/p>
他和他的團隊利用幾個任務(wù)測試了關(guān)系網(wǎng)絡(luò)。第一個是回答單幅圖像內(nèi)物體之間的關(guān)系，比如立方、球形和圓柱的圖形。例如：“在這個藍色的東西前面有個物體，它的形狀和那個灰色金屬球右邊的小型青色物體的形狀一樣嗎？”針對這個任務(wù)，關(guān)系網(wǎng)絡(luò)與其他兩種神經(jīng)網(wǎng)絡(luò)相結(jié)合了：一個識別圖像中的物體，另一個翻譯這個問題。研究者在上周發(fā)表在預(yù)覽商arXiv的論文中稱，通過進行眾多圖像和問題測試，發(fā)現(xiàn)其他機器學(xué)習(xí)方法的正確率大概是42%到77%，人類的正確率則是可敬的92%。而新的關(guān)系網(wǎng)絡(luò)正確率是96%，真是一個超越人類的成績。
DeepMind團隊還利用一個語言任務(wù)進行了測試。這個任務(wù)中網(wǎng)絡(luò)將接收到一些陳述，比如“Sandra撿起了那個足球”和“Sandra去辦公室了”。隨后就會提出一些問題比如：“球在哪里？”(辦公室)。該網(wǎng)絡(luò)在這些問題上的表現(xiàn)和其他類型問題上的一樣好，但最大放異彩的是所謂的推理問題：“Lily是一只天鵝。Lily是白色的。Greg是一只天鵝。Greg是什么顏色？”在這些問題上，關(guān)系網(wǎng)絡(luò)正確率為98%，而其競爭者的正確率約為45%。最后，該方法分析了10個到處亂蹦的球體的動畫，其中某些球體之間被不可見的彈簧或者棍子連接到一起。單單使用運動模式，該網(wǎng)絡(luò)就能鑒定出90%多的連接。然后使用相同的訓(xùn)練去鑒定僅利用移動點表示的人類形態(tài)。
波士頓大學(xué)計算科學(xué)家Kate Saenko并未參與該新網(wǎng)絡(luò)的設(shè)計，但最近也合作提出了一種回答關(guān)于圖像的復(fù)雜問題的方法。他說道：“他們方法的一個優(yōu)點是概念上十分簡單?！?Lillicrap稱其中大部分進步都可以用一個簡單的方程來表示，這種簡單性使其容易與其他網(wǎng)絡(luò)相結(jié)合，正如在上述物體比較任務(wù)中那樣。論文將其稱為“一個即插即用的模塊”，能使系統(tǒng)的其他部分專注于它們擅長的方面。
加利福尼亞帕洛阿爾托的斯坦福大學(xué)計算機科學(xué)家Justin Johnson合作設(shè)計了上述物體比較任務(wù)，并且合作提出了一種在該任務(wù)上表現(xiàn)良好的方法，他說道：“我深深為此成果而折服?！?Saenko補充道，關(guān)系網(wǎng)絡(luò)未來可以幫助研究社交網(wǎng)絡(luò)，分析監(jiān)視視頻，或者導(dǎo)引交通流中的汽車。
Johnson說道，為了接近類人靈活性，該網(wǎng)絡(luò)還需要學(xué)會回答更多挑戰(zhàn)性的問題。做到這一點可能需要不僅僅比較一對事物，而是三個，四個或者更大集合中的某些對。他說道：“我對研究能自己提出新策略的模型很感興趣。DeepMind正在建立特殊類型推理的模型，而不是追求更一般化的關(guān)系推理。但這仍然是正確方向上的重要一步?！?/p>
論文原文：arXiv:1706.01427
本文譯自sciencemag，由譯者 CliffBao 基于創(chuàng)作共用協(xié)議(BY-NC)發(fā)布。Matthew Hutson
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
