超越记忆边界：利用可微神经计算机解锁认知人工智能

文章来源：beyond-memory-boundaries-unlocking-cognitive-ai-with-differentiable-neural-computers

2024 年 5 月 1 日

介绍

想象一下，一个人工智能可以记住它所学到的每一个细节，从琐碎的细节到变革性的细节，并使用这个巨大的知识库几乎立即解决复杂的动态问题。这不仅仅是科幻小说中的虚构情节；通过可微神经计算机（DNC），它正在迅速成为现实。 DNC 由 DeepMind 于 2016 年开发，代表了传统神经网络和外部记忆系统的突破性融合，使机器能够以前所未有的方式学习和构建过去的经验。

背景

可微分神经计算机（DNC）是一种先进的人工智能系统，它融合了神经网络的特性和外部存储器组件，与传统计算机非常相似。它们由 DeepMind 于 2016 年推出，代表着在努力创造功能更全面、能力更强的人工智能系统方面向前迈出了一步。下面我们就来详细了解一下它们的组成和功能：

DNC 的组成部分：

1. 控制器： 这通常是一个神经网络（通常是递归神经网络或 LSTM），负责管理 DNC 不同部分之间的交互。它根据接收到的输入及其内部状态，决定从内存读取或写入什么内容。
2. 内存矩阵： DNC 的外部存储器是一个矩阵结构，其中存储信息。控制器通过读写操作与存储器交互。
3. 读写头： 这是控制器与内存交互的机制。写头决定内存中的数据存储位置，而读头则从内存中检索数据。
4. 接口向量： 这是控制器与读写磁头进行通信的媒介，决定读取什么、写入哪里以及写入什么。

功能：

1. 学习读写： 与传统神经网络不同，DNC 可以学习何时何地将数据写入内存，以及何时将数据读回。这种学习由可微分过程引导ÿ