Google DeepMind AI團隊用人工智慧，幫你在複雜的倫敦地鐵中，僅憑記憶找出正確方向

Google人工智慧部門DeepMind取得相當重要的突破，在頂尖科學期刊自然（Nature）雜誌中，刊出微神經電腦（Differentiable Neural Computer，DNC）研究報告，也就是透過擴充記憶的神經網路形式，透過此記憶模式，可以分析很多複雜的結構化資料，包括由人撰寫的故事、族譜、甚至是倫敦地下鐵網路等。

在微神經電腦（DNC）研究報告中，研究團隊發現，神經網路和記憶系統可以相結合，以執行機器學習，並使記憶儲存更加快速與更有彈性。

DNC研究團隊主管Alex Graves指出，目前遇到的問題在於，如今神經網路技術本身在記憶方面受到電腦運算本身限制，導致目前的神經網路難以大規模運作，因此後來運用分離儲存器，以強化此運作模式，而此模式就稱為微神經電腦（DNC），可以從神經網路的運作模式中學習，但也可以如電腦一般儲存複雜的資料。

以可塑性（Plasticity）的概念來比喻，DNC研究團隊指出，人類的思考模式會被各式各樣的經驗所重塑，但是人類的記憶，不僅會改變過往的印象，還會重新連結不同的事物，與將許多看似不相關的記憶連結在一起。

如今，DNC研究團隊將人類記憶視為重建的過程，也就是人類的記憶不再僅結合刺激和行為反應，反而，在特定情境下，其記憶和行動之間是變動的。舉例來說，當要求一個人憑記憶畫出倫敦地鐵的地圖，而詢問他兩個不一樣的問題，如，如何從Piccadilly Circus車站到Moorgate車站，或是如何以最近的路從Moorgate車站，搭乘地鐵北線（Northern Line）向北走到達目的地。

DNC研究團隊指出，當一個人回答不同的問題時，其運用的記憶內容便不相同，另外，此團隊發現為，人類在執行運算時，其記憶也會跟著加以組織化。

近期在人工智慧發展的過程中，神經網路扮演了相當重要的角色，例如神經網路可以在Google Voice與Siri研發過程中，增強語音識別能力。將神經網路的運作方式，和電腦科學結合再一起，透過將大量資訊組織化，以解決問題。

而DeepMind為Google於2014年1月買下的人工智慧技術公司，此團隊打造的AlphaGo圍棋系統，因為擊敗南韓世界圍棋高手李世石而聲名大噪，但是人工智慧技術DeepMind遠不僅用在圍棋競賽上，也透過機器學習技術，今年開始和英國國家健康服務部（NHS）合作，提早預防眼部疾病，甚至在今年7月，開始用機器學習技術幫資料中心的冷卻用電量，大幅地減少了近百分之四十。