《自然》25日發表的一篇論文，報道了一個具有類似“人類系統泛化能力”的神經網絡，系統泛化能力是指學習新概念并將之與已有概念相結合的能力。研究結果挑戰了一個已存在35年的觀點，即神經網絡不是人腦的可行模型，因為它們缺乏系統泛化的能力。團隊使用的方法或能用于開發行為上更像人類的人工智能（AI）系統。
人類能學習新概念，如跳躍，并將之應用到其他情景中，如向后跳或跳過障礙物，這種將新老概念結合的能力也被稱為系統泛化。1988年，研究人員提出人工網絡缺少這種能力，所以不能作為人類認知的可靠模型。雖然神經網絡在后來幾十年里取得了重大進展，但仍很難證明其具有系統泛化的能力。
美國紐約大學科學家團隊此次用證據表明：神經網絡能掌握與人類相似的系統泛化能力。他們使用一種元學習方法優化組織能力（按邏輯順序組織概念的能力），該系統能在動態變化的不同任務中學習，而不是只在靜態數據集上優化（即之前的標準方法）。通過并行比較人類與神經網絡，研究團隊評估了系統泛化能力測試的結果，測試要求學習偽造詞的意思，并推測這些詞之間的語法關系。該神經網絡能掌握、有時甚至能超過類似人類的系統泛化能力。
團隊認為，他們的研究結果有助于今后開發出行為更像人類大腦的AI。
【總編輯圈點】
人類語言和思想的力量來源于什么？你可以認為它來源于一種“組合性”，即從已知的知識中，理解和產生新組合的能力。一個著名的觀點認為，人工神經網絡，這一以模擬人類大腦處理、記憶信息本領為終極目標的技術，缺乏這種能力。人工神經網絡近幾年的進步令人矚目，但這一瓶頸仍然存在，導致越來越多的人認為它在這方面可能真“不靠譜”。然而，科學家現在成功地解決了挑戰，提供出神經網絡在優化后可以達到類似人類系統性組合的證據，無疑是AI領域一個巨大飛躍。
