中新网北京10月26日电 (记者 孙自法)人工智能(AI)能像人类一样思考吗?国际著名学术期刊《自然》最新发表一篇计算机科学论文称，研究人员研发出一个具有类似人类系统泛化(systematic generalization)能力的神经网络，系统泛化能力是指学习新概念并将之与已有概念相结合的能力。
人类比机器更擅长综合泛化。如果一个人知道呼啦圈、杂耍和滑板的含义，他们就能理解将三者结合在一起的含义。这篇论文展示了机器如何提高这种能力并模拟人类行为(图片来自论文)。施普林格·自然 供图
这项研究结果挑战了一个已存在35年的观点——即神经网络不是人脑的可行模型，因为它们缺乏系统泛化的能力。论文作者使用的方法或能用于开发行为上更像人类的人工智能系统。
利用综合性元学习让神经网络获得综合泛化能力的模型(图片来自论文)。施普林格·自然 供图
该论文介绍，人类能学习新概念，如跳跃，并将之应用到其他情景中，如向后跳或跳过障碍物，这种将新老概念结合的能力也被称为系统泛化。1988年，研究人员提出人工网络缺少这种能力，所以不能作为人类认知的可靠模型。虽然神经网络在后来几十年里取得了重大进展，但仍很难证明其具有系统泛化的能力。
利用综合性元学习让神经网络获得综合泛化能力的模型(图片来自论文)。施普林格·自然 供图
论文第一作者兼通讯作者、美国纽约大学Brenden Lake和西班牙庞培法布拉大学Marco Baroni合作，用证据表明神经网络能掌握与人类相似的系统泛化能力。他们使用一种元学习方法优化组织能力(按逻辑顺序组织概念的能力)，该系统能在动态变化的不同任务中学习，而不是只在静态数据集上优化(即之前的标准方法)。通过并行比较人类与神经网络，他们评估了系统泛化能力测试的结果，测试要求学习伪造词的意思，并推测这些词之间的语法关系。研究结果表明，该神经网络能掌握、有时甚至能超过类似人类的系统泛化能力。
人类与综合性元学习模型在同一个任务上的对比(图片来自论文)。施普林格·自然 供图
论文作者总结认为，虽然元学习方法无法让该神经网络对训练之外的任务进行泛化，但他们的研究结果有助于今后开发出行为更像人类大脑的人工智能。(完)
