像谷歌和Facebook這樣的硅谷巨頭一直試圖通過訓練大腦啟發(fā)的神經(jīng)網(wǎng)絡來更好地代表現(xiàn)實世界來利用人工智能。Digital Reasoning是一家位于田納西州富蘭克林的認知計算公司，最近宣布它已經(jīng)培訓了一個由1600億個參數(shù)組成的神經(jīng)網(wǎng)絡-比以前的神經(jīng)網(wǎng)絡大10倍以上。

數(shù)字推理神經(jīng)網(wǎng)絡輕松超越了谷歌的112億參數(shù)系統(tǒng)和勞倫斯利弗莫爾國家實驗室150億參數(shù)系統(tǒng)所擁有的記錄。但它在處理由20,000個單詞類比組成的“行業(yè)標準數(shù)據(jù)集”時也顯示出比先前神經(jīng)網(wǎng)絡更高的準確性。Digital Reasoning的模型實現(xiàn)了近86%的準確率; 顯著高于谷歌之前的76%以上紀錄和斯坦福大學的75%。

“我們感到非常自豪，我們已經(jīng)取得的成果，并貢獻我們每天都在做深學習領域，說：” 馬修·拉塞爾， Ç hief牛逼李有成Ø fficer對于 數(shù)字推理，在一個 新聞發(fā)布會。

深度學習“涉及從五層或更多層人工神經(jīng)網(wǎng)絡構建學習機器。(“深層”指的是層次的深度，而不是任何知識深度。)Facebook人工智能研究實驗室 負責人Yann LeCun 將深度學習的概念描述為“學會代表世界的機器”。

Digital Reasoning的神經(jīng)網(wǎng)絡在一夜之間在三臺多核計算機上進行了訓練，以實現(xiàn)其在處理單詞類比數(shù)據(jù)集方面的準確性。但該公司的研究人員計劃在不久的將來在更大的數(shù)據(jù)集和詞匯表上測試該系統(tǒng)。到目前為止他們的結果已經(jīng)在預印本服務器arXiv 和機器學習雜志的論文中詳細說明。

深度學習神經(jīng)網(wǎng)絡最近受到越來越多的關注。例如，谷歌一直在訓練其深度學習AI，從頭開始計算出經(jīng)典的街機游戲。這家科技巨頭最近還推出了用于可視化神經(jīng)網(wǎng)絡的“ DeepDream ”工具; 一種工具也恰好產(chǎn)生了美麗的，有時超現(xiàn)實的圖像。