善于关注的机器人
目前，人工智能（AI）技术已能够展现出一些看似人类的特质。有些人工智能被刻意设计成类人形态，另一些则能完成我们通常认为只有人类才会做的事情——写歌、教学和视觉艺术创作。
随着这一领域不断发展，企业和开发者正重新思考人工智能的基础，审视人类自身的智能，并探究如何借助机器和软件有效地模拟这种智能。IBM就是这样的公司之一，他们已踏上雄心勃勃的征程，力求教会人工智能以更接近人脑的方式行动。
许多现有的机器学习系统都围绕着这样一种需求构建：从数据集中提取信息。无论是为赢得围棋比赛而解决问题，还是从图像中识别皮肤癌，情况往往都是如此。然而，这种基础存在局限——这也使其有别于人脑。
人类是循序渐进地学习的。简单来说，我们边做边学。在不断积累可供调用的知识时，我们的大脑会以不同于许多现有人工系统的方式适应并吸收信息。此外，我们还具有逻辑思维。我们运用推理能力和逻辑来解决问题，而这些系统目前还不太擅长做到这一点。
IBM希望改变这种状况。DeepMind的一个研究团队创建了一种合成神经网络据称，该网络利用理性推理来完成任务。
理性机器
DeepMind计算机科学家蒂莫西·利利克拉普在接受采访时对《科学》杂志表示：“给人工智能提供多个物体和一项具体任务，就能明确地迫使网络发现其中存在的关系。”今年6月的一次网络测试中，研究人员针对一张包含多个物体的图像向它提问。例如，他们问道：“有一个物体位于蓝色物体前面；它的形状是否与灰色金属球右侧那个小小的青色物体相同？”
在这项测试中，该网络正确识别物体的比例高达96%，而较传统的机器学习模型仅达到42%至77%。这个先进网络也擅长解决文字题，并且仍在持续开发和改进。除了推理能力，研究人员还在提升该网络的注意力能力，甚至让它能够形成并存储记忆。
IBM研究人员伊琳娜·里什在接受采访时表示，采用这类方法或能加快人工智能的发展，并大幅拓展其应用范围。她在Engadget上说：“神经网络学习通常是经过工程设计的，实际构建出效果最佳的特定架构需要投入大量工作。这基本上是一种反复试错的方法……如果这些网络能够自行构建，那就好了。”
想到人工智能网络能够自行构建并改进，或许会令人害怕；但如果得到妥善监测、启动和控制，这或许能让该领域突破当前的局限。尽管人们对机器人接管世界的担忧十分强烈，人工智能技术的发展仍可能挽救医疗领域的生命，帮助人类抵达火星，以及实现更多可能。
