本文摘要：通过研发出有一款需要在任务中大大自学的人工智能程序，研究人员已解决了人工智能的主要障碍之一。由谷歌旗下人工智能公司DeepMind研发的这款程序，早已已完成了一系列有所不同的任务，且展现出的完全像人类一样出众。更为重要和独有的是，这个人工智能程序会记得先前解决问题的方法，需要用于自学到的科学知识解决问题新问题。在遇上新的挑战时，目前的人工智能就无法充分发挥出有人类的一般智力，且它对过去课程的用于更加受限。

通过研发出有一款需要在任务中大大自学的人工智能程序，研究人员已解决了人工智能的主要障碍之一。由谷歌旗下人工智能公司DeepMind研发的这款程序，早已已完成了一系列有所不同的任务，且展现出的完全像人类一样出众。更为重要和独有的是，这个人工智能程序会记得先前解决问题的方法，需要用于自学到的科学知识解决问题新问题。在遇上新的挑战时，目前的人工智能就无法充分发挥出有人类的一般智力，且它对过去课程的用于更加受限。

但如果研究人员想研发与人类智力媲美的强劲人工智能（ArtificialGeneralIntelligence）机器，就必需得解决问题人工智能无法充分发挥出有人类一般智力的问题。“如果我们有更聪明、更加简单的电脑程序，那么它们就必需确有按顺序自学的能力，”DeepMind的研究人员詹姆斯·柯克帕特里克（JamesKirkpatrick）回应。

对人类而言，牢记原有技能并把它应用于到新任务是很大自然的事情。一个常常滑旱冰的人迅速之后能掌控溜冰的技巧，因为一种技能需要协助其它的技能。但是对人工智能研究人员来说，把这种能力植入到计算机当中的可玩性相当大。人工智能程序一般来说不能针对一个任务，意味着是一个任务。

这个问题的经常出现是因为人工智能器重工作的方式。绝大多数的人工智能是基于称作神经网络的程序，经过无数次的试验和错误，自学如何继续执行如对局、打扑克等任务。

一旦训练神经网络对局，它只有在覆盖面积了自学到的博弈论技巧之后才能自学其它游戏的技巧。这也被人工智能研究人员称作“毁灭性的消逝。

”如果不具备在一个技巧之上掌控另一个技巧的能力，人工智能就总有一天无法像人类一样，或是有充足的灵活性去解决问题人类需要解决问题的新问题。“人类和动物不会一个问题接着一个问题的自学，这是创建在他们以前所学科学知识的基础之上、让他们大大自学的关键因素，”柯克帕特里克说道。为了研发新型人工智能，研究人员糅合了神经科学的研究成果，它指出动物在大大自学的同时，不会在大脑中保有过去所学的最重要技能。

对于动物的存活而言，通过逃离捕食者教给的经验至关重要。如果老鼠找寻食物的技能被抹去，那么它就会长时间的存活。DeepMind的人工智能用非常简单的方式糅合了大脑自学的状态。

当它从一个任务改向另一个任务时，它不会计算出来出有在神经网络中的哪个相连对已教给的任务尤为最重要。然后在自学下一个技能时，很难对已习内容展开转变。“当网络需要再行利用已教给的科学知识时，它不会这样做到，”柯克帕特里克说道。

研究人员让人工智能随机玩10款经典的Atari游戏。他们找到，在每款游戏上花费数天之后，人工智能在7款游戏中的展现出已同人类玩家完全相同。如果不使用新的记忆稳固法，人工智能不能玩游戏其中的一款游戏。在仔细观察人工智能玩游戏的过程中，科学家们找到了一些有意思的策略。

举例来说，当人工智能玩游戏赛车游戏Enduro时，它不会把夜间、白天、雪地等环境当成是有所不同的任务来对待。

本文来源：开元0726官网-www.brucemubayiwa.com