人們天生擅長(zhǎng)關(guān)系推理，但AI的兩種主要模式——基于統(tǒng)計(jì)和基于符號(hào)計(jì)算的算法，在發(fā)展同樣的能力方面一直進(jìn)展緩慢?；诮y(tǒng)計(jì)的AI（機(jī)器學(xué)習(xí)）在模式識(shí)別方面表現(xiàn)優(yōu)異，但不善于使用邏輯；而基于符號(hào)計(jì)算的AI可使用預(yù)先設(shè)定的規(guī)則推理關(guān)系，但不擅長(zhǎng)學(xué)習(xí)。

新研究用一種能進(jìn)行關(guān)系推理的人工神經(jīng)網(wǎng)絡(luò)來(lái)解決上述問題。該神經(jīng)網(wǎng)絡(luò)讓小程序結(jié)合在一起，共同發(fā)現(xiàn)數(shù)據(jù)中的模式。它們擁有專門的架構(gòu)來(lái)處理圖像、描述語(yǔ)言甚至學(xué)習(xí)游戲，從而可對(duì)某個(gè)場(chǎng)景中的每對(duì)物體進(jìn)行比較。

一種新型神經(jīng)網(wǎng)絡(luò)能思考復(fù)雜的關(guān)系，包括不同物體的方位。圖片來(lái)自《科學(xué)》官網(wǎng)

新神經(jīng)網(wǎng)絡(luò)接受了多重考驗(yàn)，且表現(xiàn)突出。在回答圖像中物體之間的關(guān)系時(shí)，科學(xué)家們讓它與另外兩個(gè)神經(jīng)網(wǎng)絡(luò)（分別用于識(shí)別圖像中的物體和解釋問題）合作。結(jié)果顯示，其他機(jī)器學(xué)習(xí)算法的正確率為42%到77%，人類的正確率為92%，而新神經(jīng)網(wǎng)絡(luò)的正確率為96%。

在處理語(yǔ)言任務(wù)的考驗(yàn)中，新神經(jīng)網(wǎng)絡(luò)的正確率為98%，而其他AI算法的正確率僅為45%。此外，新算法還對(duì)動(dòng)畫片內(nèi)運(yùn)動(dòng)的球之間的關(guān)系進(jìn)行了分析，結(jié)果正確率達(dá)到90%以上。

該論文合著者蒂莫西·李烈克萊普解釋稱，新方法非常簡(jiǎn)單，其精華可用一個(gè)簡(jiǎn)單的方程式表示，這使它能與其他網(wǎng)絡(luò)結(jié)合，攜手解決問題。未參與此項(xiàng)研究的波士頓大學(xué)計(jì)算機(jī)科學(xué)家凱特·薩延科說(shuō)，新神經(jīng)網(wǎng)絡(luò)未來(lái)能幫助研究社交網(wǎng)絡(luò)、分析監(jiān)控錄像、引導(dǎo)自動(dòng)汽車。斯坦福大學(xué)計(jì)算機(jī)科學(xué)家賈斯汀·約翰遜則認(rèn)為，這套系統(tǒng)要像人類那樣靈活，還必須學(xué)會(huì)回答更富挑戰(zhàn)的問題，例如比較三個(gè)物體之間的關(guān)系等。