谷歌DeepMindAI已学会“记住”过去的知识

尽管变得越来越像人类大脑，但有一个领域经常受到批评——记忆。神经网络通常需要学习它们需要知道的所有事情，而不是像真正的大脑那样建立在现有经验之上。Alphabet的DeepMind团队希望能解决这个问题。他们精心设计了一种算法，让神经网络“记住”过去的知识，以便更有效地学习。这种方法与人类的思维方式相似，甚至可以提供对人类大脑功能的洞察。

就像真正的突触那样，当它们回想过去时，它们往往会保持神经元之间的联系，而这个算法(也就是所谓的Elastic Weight Consideration)决定了一个给定的连接对其关联任务的重要性。要求神经网络学习一项新任务，该算法将保护最有价值的连接，并在相关的时候将它们与新任务联系起来。在10个经典的Atari视频游戏测试中，人工智能不需要学习如何玩转每一款游戏。它可以按照顺序学习它们，将一个游戏中积累的知识应用到另一个游戏中。

这项技术在边缘方面还不太完善。它是各行各业的基石，但现在却还没有主人。DeepMind的詹姆士·柯尔克帕特里克(James Kirkpatrick)在接受《连线》杂志采访时说，一个善于执行单一任务的神经网络在仅限1个游戏的情况下，表现仍然更好。它还没有准备好适应当前的情况。不过，该算法表明，至少有可能给人工智能提供类似记忆的功能。而且，DeepMind在这里学到的东西，可以揭示出真实的大脑是如何巩固信息的——它很可能会帮助验证已经存在多年的理论。