这个世界总有很多地方让人困惑，在人工智能（AI）领域尤其如此。不过，最近 DeepMind 公司开发的新型神经网络让情况有所改善，它使计算机能够了解不同对象之间的相互关联性，将有可能成为促使人工智能了解外界世界的里程碑。

在现实生活中，无论是在超市中选择最好的一串香蕉，还是综合分析犯罪现场的证据，人们常常使用关系推理的方法——通过判断物体方位、大小这种传递抽象关系的能力让我们有了从多个不同领域了解世界的思维工具。

哈佛大学的计算神经科学家Sam Gershman认为，这是人类智力的基本部分。

图丨计算神经科学家Sam Gershman

然而，对人来说很直观的事物，机器却很难理解。AI如果要完成某个具体任务，比如识别图像中的内容，必须先跨过这个障碍。像这样将图像识别内容转换为分析文字的推理性工作，对AI来说，就是巨大的挑战。

若能实现这种功能，机器将向实现真正智能更进一步，届时人类就可以从重复性的工作中解脱出来。

为了实现这个目标，DeepMind 建立了一个专门进行这种抽象推理的神经网络，它可以插入到其他神经网络中，赋予它们进行关系推理的能力。研究人员使用描绘不同尺寸和颜色三维形状的图像来训练 AI，它分析了图像中的成对的对象，并尝试了解它们之间的关系。

然后，该团队向 AI 提出问题，例如“大球体左边的棕色金属物体的左边的圆柱体大小”。系统正确地回答了这些问题的概率达到95.5%，甚至比人类还要好一些。另外，为了验证其多功能性，有些提问以短故事的形式出现，AI对此进行关系推理，回答的正确率也达到95%。

尽管如此，DeepMind 的负责人 Adam Santoro 表示，该系统的实际应用还有很长的路要走。他认为，该技术最有可能在计算机视觉领域展开初步应用，“我们可以展望，程序能够自动描述某一图像的现象，甚至是帮助视觉障碍者视频也有可能”。

图丨DeepMind 的 Adam Santoro

如果机器在某一领域超过人类，这也不足为奇。不过，要让机器理解纷繁的现实世界，我们还有很长的路要走。

对于这一说法，Santoro表示同意，DeepMind 的 AI 通过了解大小，颜色和形状的差异，开始了初步的工作，但其中还有更多的关系需要判断推理。“面对丰富的现实数据集，我们需要大量工作来应对。”