最大的神经网络促进人工智能的深度学习

谷歌和脸书等硅谷巨头一直试图通过训练受大脑启发的神经网络来使用人工智能，以更好地代表现实世界。田纳西州富兰克林的认知计算公司Digital Reasoning最近宣布，它已经训练出一个由1600亿个参数组成的神经网络——比以前的神经网络大10倍以上。

数字推理神经网络轻松超越谷歌112亿参数系统和劳伦斯利弗莫尔国家实验室150亿参数系统的记录。然而，在处理由20，000个单词类比组成的“行业标准数据集”时，它也显示出比以前的神经网络更高的准确性。数字推理模型的准确率接近86%；明显高于谷歌此前超过76%的记录和斯坦福大学的75%。

“我们为自己取得的成就感到非常自豪，并为我们每天都在做的深度学习领域做出了贡献，”数字推理文员field牛碧李有成在新闻发布会上说。

深度学习包括从五层或更多层人工神经网络构建一个学习机器。(“深”是指层次的深度，而不是任何知识的深度。脸书人工智能研究实验室负责人Yann LeCun将深度学习的概念描述为“一台学会代表世界的机器”。

数字推理的神经网络在三台多核计算机上训练了一夜，以实现其在处理单词类比数据集时的准确性。但是该公司的研究人员计划在不久的将来在更大的数据集和词汇表上测试该系统。到目前为止，他们的结果已经在预打印服务器arXiv和机器学习杂志的论文中详细解释过了。

深度学习神经网络近年来受到越来越多的关注。例如，谷歌一直在训练其深度学习AI，从零开始计算经典街机游戏。这家科技巨头最近推出了“DeepDream”工具，用于可视化神经网络；一个工具也碰巧产生美丽的，有时是超现实的图像。