硅谷巨頭如谷歌、蘋果和臉譜都在通過訓練模擬人腦的神經(jīng)網(wǎng)絡模型來發(fā)展人工智能技術。據(jù)美國電氣和電子工程師協(xié)會《光譜》網(wǎng)站報道，美國田納西州的數(shù)字推理公司近日宣布，已建成一個包含1600億參數(shù)的神經(jīng)網(wǎng)絡模型——比之前的至少大10倍。

    這一神經(jīng)網(wǎng)絡模型輕而易舉地刷新了之前的紀錄：谷歌和美國勞倫斯?利弗莫爾國家實驗室的神經(jīng)網(wǎng)絡模型分別包含112億參數(shù)和150億參數(shù)。此外，數(shù)字推理公司的神經(jīng)網(wǎng)絡模型在應對含有2萬個詞語類比的行業(yè)標準數(shù)據(jù)集時，也表現(xiàn)出更好的精確性：86%的正確率，遠高于谷歌神經(jīng)網(wǎng)絡模型創(chuàng)下的76%正確率的紀錄。

    數(shù)字推理公司首席技術官馬修?拉塞爾在新聞發(fā)布會上表示:“我們對這一神經(jīng)網(wǎng)絡模型創(chuàng)造的成績和對人工智能深度學習所做的貢獻感到非常驕傲。”

    近幾年，由于機器學習技術取得眾多突破性進展，人工智能領域正在經(jīng)歷一輪“復興”。其中備受重視的機器學習策略是增強學習。運用這種策略，電腦程序通過反復試錯可以得知什么樣的行為可以獲得獎勵，但是電腦程序在處理接近現(xiàn)實世界難度的數(shù)據(jù)時往往力不從心。為了對其進行升級，研發(fā)人員將增強學習與卷積神經(jīng)網(wǎng)絡技術結(jié)合起來，這就是所謂的深度學習策略。

    深度學習涉及對機器人構(gòu)建五層或更多層的人工神經(jīng)網(wǎng)絡，這里的深度指的是神經(jīng)網(wǎng)絡的層數(shù)而不是知識的深度。在神經(jīng)網(wǎng)絡模型中，所有人工神經(jīng)元都會接入數(shù)據(jù)庫并共同解決問題，例如閱讀書寫筆跡或辨認講話內(nèi)容。神經(jīng)網(wǎng)絡模型可以通過改變神經(jīng)元之間的連接方式來調(diào)整它們之間的互動并繼續(xù)解決下一個問題。通過訓練，神經(jīng)網(wǎng)絡模型可以學會哪種模式是處理問題的最佳途徑。臉譜人工智能研究實驗室負責人雅恩?樂昆曾把深度學習描述為“讓機器人學習表達世界”。

    數(shù)字推理公司為了讓其神經(jīng)網(wǎng)絡模型在處理詞語類比數(shù)據(jù)集時達到一定的精確性，使用了三臺多核電腦對其進行訓練。該公司計劃在近期使用更大的數(shù)據(jù)集和詞匯量對其神經(jīng)網(wǎng)絡模型進行測試。

    摘自 中國科技網(wǎng)