阿基公尺德在泡澡的時候,發現了富力原理,也發現了如何計算王冠的體積。
這就是一種抽象推理能力。
對於智慧型你來說,這個能力是不可或缺的一環。對人工智慧也不例外。但是,神經網路的智慧型到底是有推理能力,還是僅靠膚淺的統計資料?
為了回答這個問題,deepmind想了乙個方法。
給ai搞了一套iq測試題。
例如,下面這個問題:請問右下角應該是哪個圖案?
基於觀察、推理能力,乙個智慧型體可以推斷出這個問題的答案。基於這樣的理念,deepmind構建了乙個問題生成器,涉及一組抽象因素,包括漸進之類的關係,以及顏色和大小等屬性。
雖然這個生成器使用了一組潛在因素,但仍然會產生大量獨特的問題。
接下來,通過約束生成器可用的因子或組合,就可以建立用於訓練和測試模型的不同問題集,看看模型究竟能「聰明」到什麼程度。
通過實驗,deepmind發現,當模型在測試中能夠正確推斷出任務背後的抽象概念時,就能產生良好的效能表現——iq測試正確率可達87%,否則的話,矇對答案的概率只有32%。
這份研究結果表明,想得出關於泛化的普遍結論可能是無益的。
參與測試的模型,表現良好與否取決於一系列因素,而幾乎在所有情況下,系統在需要推斷超出其經驗的輸入,或處理完全不熟悉的屬性時,表現不佳。
總之,這是乙個很有意思的方向。
很多人在看到這個研究時,都發出了interesting的評價~
如果你對這個研究感興趣,詳細的**在此:
measuring abstract reasoning in neural networks
傳送門:
為了鼓勵大家繼續研究,deepmind還開源了資料集。
傳送門:
DeepMind背後的人工智慧 深度學習原理初探
2013年11月,一篇名為 playing atari with deep reinforcement learning 的文章被初創人工智慧公司deepmind的員工上傳到了arxiv 兩個月之後,谷歌花了500萬歐元買下了deepmind公司,而人們對這個公司的了解僅限於這篇文章。近日,tart...
DeepMind背後的人工智慧 深度學習原理初探
deepmind背後的人工智慧 深度學習原理初探 去年11月,一篇名為 playing atari with deep reinforcement learning 的文章被初創人工智慧公司deepmind的員工上傳到了arxiv 兩個月之後,谷歌花了4億美元買下了deepmind公司,而人們對這個...
人工智慧將給人類帶來什麼?
隨著人類科技的疾速開展,人工智慧曾經成為將來的一大開展方向,人類曾經進入人工智慧時代。關於人工智慧,我們有印象的就是幾年前的人機圍棋大戰,世界圍棋巨匠大戰人工智慧,最初以失敗告終。人工智慧相比人類有很多優越性,它的運算才能遠超人類,運算才能只是初級人工智慧的才能,隨著人工智慧的不時更新,真正的人工智...