許多人對人工智能的概念感到不舒服。這不僅是因為人工智能有能力智勝人類，還因為它們天生具有學習新事物的能力。一項新的研究證實，深度神經網絡能夠像我們人類一樣，培養“數字”技能。人工智能領域的另一個有趣的發展。

人工智能“聰明”的另一個標志

對于我們人類來說，就數字而言，不難看到相關性。更具體地說，我們的大腦是這樣設計的，它將從任何一組特定的項目、問題等中獲得共同的分母。即使我們觀察不同物體的x數量，其中x對于所有物體都是相同的，也不難確定共分母是什么。對于人工智能來說，情況完全不同。到目前為止，人們一直認為人工智能無法確定這種分母。

這種情況似乎不會持續太久。一項新的研究證實，作為推動人工智能研究的一部分，深層神經網絡似乎能夠發展出所謂的“數字感”。更具體地說，研究人員訓練了一個用于簡單視覺對象檢測的深度神經網絡，這在該領域的研究中并不罕見。然而，這個網絡中的單位突然開始以一種與人類大腦驚人相似的方式活動。

解釋這一意想不到的發展并不那么困難。深度神經網絡由許多不同的層組成。一旦這些層獲得并處理了信息，共同方面就變得更加抽象。因此，這項研究得出了這些令人驚訝的結果。該神經網絡能夠實現具有相同數量的不同對象具有特定數量的共性。這是一個相當有趣和突破性的發展，可以為未來更大的人工智能研究鋪平道路。

這項研究的另一個關鍵結論是人類如何對待學習的原則。雖然人類和動物的高級思維通常被認為是獨一無二的，但現在顯然不是這樣了。事實上，我們幾乎可以說抽象思維和“數字感”是基本的，不管學習對象是誰或學的是什么。更重要的是，這可能導致人工智能的發展，比最初認為的更像人類。

盡管這一突破非常引人注目，但未來仍有一些關鍵挑戰。雖然深度神經網絡可以有效地從基于像素的圖像中提取數字，但不能從其他信號中提取。這將是研究人員在未來幾年要克服的下一個挑戰。一旦開創了先例，將其應用于神經網絡各層接收到的其他信號應該成為可能，至少在理論上是這樣。

就人工智能的“智能”而言，這項新研究描繪了一幅相當有趣的畫面。隨著更多的信息被提供給網絡，現代人工智能系統建立了一層又一層復雜的共性?，F在這個理論已經在現實世界中得到了有效的證實，人工智能的發展前景看起來更加光明。盡管還有很多工作要做，但另一個構建類人人工智能的必要組件已經解鎖。

以上是網絡信息轉載，信息真實性自行斟酌。