本篇文章737字，读完约2分钟
[CCIDI新闻]10月14日，谷歌的人工智能团队deepmind开发了一个集成神经网络计算系统和传统计算机存储技术的机器学习系统，在开发思维计算机方面取得了突破。
Deepmind的研究人员开发了一种可微分的神经计算机，它可以在没有先验知识的情况下解决小规模的问题，例如规划伦敦地铁系统中两个车站之间的最佳路径，或者找出家庭和亲属之间的关系。
在最近人工智能研究的快速发展中，神经网络发挥了重要作用。它们在派生模式方面非常出色，是谷歌语音和苹果siri等语音助手的基础。然而，到目前为止，他们只能访问自己网络中包含的数据。据deepmind团队称，差分神经计算机使神经网络能够访问以前不兼容的外部数据，如传统数字表格中的单词。
可微神经计算机项目负责人亚历克斯·格雷夫斯(Alex graves)表示，问题在于，神经网络中的存储和计算是紧密联系在一起的，这使得它很容易出错，也很难扩展。我们认为提高系统健壮性的方法是分离存储，这样我们就可以在不影响计算的情况下扩展存储系统。
斯坦福大学智能、大脑和计算中心主任杰伊·麦克莱伦称deepmind的论文是人工智能研究中一个非常有趣和重要的里程碑。
然而，为了使微分神经计算机比现实世界中现有的人工智能系统更有用，它需要一个具有更大容量的存储系统。格雷夫斯说，这将需要大量的技术工作，这只是一篇学术论文。
独立的计算机科学家说，通用差分神经计算机有广泛的应用，其潜在的应用可能包括生成视频注释和提取文本含义。
蒙特利尔大学的研究员Yoshua bengio说，这篇论文的作者成功地在大量的任务中测试了可区分的神经计算机，这表明他们设计了一个通用的结构。微分神经计算机在未来的一个可能的应用将是对推理能力有一定要求的问答对话。
