新火種
2023-11-03 
「科學強國」新神經網絡問世！未來AI能否像人一樣思考？
美國科學家開發了一個具有類似人類系統泛化能力的神經網絡，挑戰了一個已存在35年的觀點，即神經網絡缺乏系統泛化的能力，不是人腦的可行模型。研究者表示，使用新方法或能開發出行為更像人類的人工智能(AI)系統。人類比機器更擅長綜合泛化。如果一個人知道呼啦圈、雜耍和滑板的含義，他們就能理解將三者結合在一起的含義。論文揭示了機器如何提高這種能力并模擬人類行為，相關研究近日發表于《自然》。
圖源：卡樂圖片 攝影/寧穎
研究人員表示，人類語言和思想的力量源于系統的復合性，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，即學習新概念并將之與已有概念相結合的能力。
1988年的研究曾提出，人工神經網絡缺乏這種能力，因此不是可行的思維模型。盡管神經網絡在后來幾十年里取得了重大進展，但系統性挑戰依然存在，仍很難證明其具有系統泛化的能力。
紐約大學的Brenden Lake和Marco Baroni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。
圖源：卡樂圖片 攝影/寧穎
研究引入了復合性元學習(MLC)方法，用于通過動態的復合任務流來指導訓練。為了比較人類和機器，使用指令學習范式進行了人類行為實驗。在考慮了七種不同的模型后，研究人員發現，與完全系統但嚴格的概率符號模型和完全靈活但不系統的神經網絡相比，只有MLC同時達到了類人泛化所需的系統性和靈活性。MLC還在幾個系統的泛化基準中提高了機器學習系統的組成技能。研究結果表明，一個標準的神經網絡架構，經過組合技巧的優化，可以在面對面的比較中模仿人類的系統概括。
新研究提供了證據，證明神經網絡可以通過MLC發展正確的學習技能，實現類似人類的系統泛化。
實驗證明，MLC在系統性和偏見方面再現了與人類相似的行為，MLC模型能夠最好地在人類語言行為之間進行權衡。MLC通過元學習獲得其能力，在元學習中，系統泛化和人類偏見都不是神經網絡架構的固有特性，而是從數據中歸納出來的。
通過并行比較人類與神經網絡，研究人員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。雖然元學習方法無法讓該神經網絡對訓練之外的任務進行泛化，但研究者認為，新結果有助于今后開發出行為更像人類大腦的AI。
事實上，人類比機器更擅長綜合泛化。一個人通過訓練和學習可以掌握更多的知識和技能，并能通過行為展現出來。研究展示了機器如何提高這種能力并模擬人類行為。研究人員表示，新的研究讓人們看到了元學習在理解人類合成技能起源、使現代人工智能系統的行為更像人類方面的前景。
原論文：https://www.nature.com/articles/s41586-023-06668-3#article-info
(來源：科學網、Nature期刊官網等)
作者：李熙綜合整理
編輯：趙狄娜
審核：龔紫陌
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
