人工智能(AI)系统被认为是神经网络，可以识别图片，翻译图片，甚至可以掌握古代游戏。以下是边肖精心整理的人工智能论文英文版的相关信息。希望对你有帮助！
人工智能英文版论文第1部分
谷歌的人工智能在伦敦四处推理
地下的
谷歌人工智能衍生周边
伦敦地铁系统的路线
DeepMind的最新技术使用外部存储器来解决需要逻辑和推理的任务；a
迈向更像人类的人工智能
维和的任务推理能力
伊丽莎白吉布尼，自然杂志，2016年10月14日
伊丽莎白吉布尼于2016年10月14日发表于《自然》杂志。
深度思维的最新技术，利用外部存储来解决逻辑思维的问题。
被称为神经网络的人工智能(AI)系统可以识别图像，翻译语言，甚至掌握古老的围棋。但是他们在表示数据或变量之间复杂关系的能力有限，这使得他们无法征服需要逻辑和推理的任务。
人工智能(AI)系统被认为是神经网络，可以识别图片，翻译图片，甚至可以掌握古代游戏。然而，他们描述数据或变量之间复杂关系的能力有限，这阻碍了他们克服需要逻辑思维和推理的任务。
在10月12日发表在《自然》杂志上的一篇论文中
谷歌在伦敦拥有的公司DeepMind透露，它已经朝着克服这一障碍迈出了一步，创造了一种神经系统
带有外部存储器的网络。这种结合不仅允许神经网络学习，还允许它使用内存来存储和回忆事实，以像传统算法一样进行推理。这反过来使它能够解决一些问题，比如在没有任何先验知识的情况下在伦敦地铁中导航，以及解决逻辑难题。虽然解决这些问题对于一个编程来做的算法来说并不令人印象深刻，但混合系统在没有任何预定义规则的情况下成功地完成了这一任务。
在10月12日发表在杂志《自然》上的一篇论文中，谷歌在伦敦的子公司Deep Thinking表明，他们通过结合外部存储创建了一个神经网络，以进一步克服这些障碍。这种与外部存储的结合不仅可以让神经网络进行学习，还可以通过存储器存储和回忆事件，并像正常人一样进行推理。这反过来又能让它解决难题，比如在没有任何经验的情况下操控伦敦地铁，比如解决逻辑谜题。虽然对于一个算法程序来说这样做并不令人印象深刻，但这个混合系统在没有任何前提条件的情况下做到了这一点。
虽然这种方法并不是全新的；DeepMind自己在2014年的预印本中报告了类似的壮举；加拿大蒙特利尔大学的计算机科学家Yoshua Bengio说：“这篇论文取得了显著的进展”。
虽然这种方法不是一种全新的技术；Deep Thinking本身在2014年报告说，他们尝试了一种类似的技术；但是加拿大蒙特利尔的计算机科学家本吉奥本吉奥说，“这篇论文的进展是非凡的”。
记忆魔法
记忆魔法
神经网络通过加强虚拟神经元样单元之间的连接来学习。如果没有记忆，这样的网络可能需要查看特定的伦敦地下地图数千次，以了解在地铁中导航的最佳方式。
神经网络通过加强虚拟神经元之间的连接进行学习。如果没有记忆，这样的网络可能需要查看特定的伦敦地铁地图数千次才能了解最佳路线。
DeepMind的新系统；他们称之为“可微的”
神经计算机'能够理解一幅它从未见过的地图。它首先在随机生成的类似地图的结构上训练它的神经网络(这些结构可以表示由线连接的站，或者
其他关系)，在学习如何将这些关系的描述存储在其外部存储器中以及回答关于它们的问题的过程中。面对新的地图，DeepMind系统可以写出这些新的关系；在论文的一个例子中，地下车站之间的连接；去记忆，并回忆起它来计划一条路线。
深度思考的新体系；他们称之为差分神经计算机；能看懂一张它从未见过的地图。神经网络第一次在随机生成的具有相似结构(由铁路线链接的车站，或其他关系)的地图上进行训练。在这个过程中，我们学习如何将这些关系的描述存储在它的外部存储器中，并回答问题。面对新的地图，深度思考的系统可以把这些新的关系；根据图纸上的例子连接地铁站之间的关系；写到记忆里，能够回忆起这些关系，然后规划路线。
DeepMind的人工智能系统使用了同样的技术来解决
需要推理的谜题。在对20种不同类型的问答问题进行训练后，它学会了做出准确的推断。
例如，系统正确地推断出一个球在
操场，被告知“约翰捡起了足球”和“约翰在操场上”。它在96%以上的情况下都能正确解决这些问题。该系统的性能优于“递归神经网络”,后者也有一个存储器，但它位于网络本身的结构中，因此不如外部存储器灵活。
深度思考的人工智能系统使用相同的方法来处理需要推理能力的智力游戏。经过20种不同类型的问答训练，它学会了做出准确的推断。例如，系统通过被告知“约翰正拿着一个足球”和“约翰在操场上”，准确地推断出一个球在操场上。答对问题的概率超过96%。该系统比具有内部存储器的周期神经网络更有效和灵活。
尽管DeepMind技术只在人工问题上证明了自己，但它可以应用于现实世界的任务，包括从大量数据中进行推理。这可以解决
DeepMind的计算机科学家、该论文的合著者亚历克斯格雷夫斯(Alex Graves)表示，这些问题的答案在数据集中没有明确说明。例如，为了确定两个人是否同时生活在同一个国家，系统可能会从他们各自的维基百科页面中整理事实。
虽然深度思维的技术已经被证明只是针对人为的问题，但是它可以应用到现实世界中需要通过海量数据进行推断的工作中。这样可以解决那些在数据中没有明确答案的问题。来自deep thinking的计算机科学家、研究报告的合著者亚历克斯格雷夫斯(Alex Graves)说。例如，为了确定两个人是否同时生活在同一个国家，系统可以检查他们各自的维基百科条目。
尽管DeepMind的人工智能解决的难题很简单，但本吉奥认为这篇论文是一个信号，表明神经网络正在超越单纯的模式识别，向类似人类的任务发展，例如
推理。“如果我们想接近人类级别的人工智能，这种扩展非常重要。”
虽然智力游戏对于深度思维人工智能来说非常简单，但Bengio认为这篇论文是神经网络正在跨越简单的模式识别，成长为能够完成只有人类才能完成的任务的信号，比如推理。“如果我们想实现像人一样的人工智能，这个突破非常重要。”
本文经许可转载，并首次被
2016年10月13日发布。
人工智能英文版论文2
21世纪中期，由于气候变暖，南北极冰盖融化，地球上许多城市都被淹没在一片汪洋之中。此时，人类的科技已经达到了非常高的水平，人工智能是人类发明机器人来应对最恶劣的自然环境的科技手段之一。
观后感今天终于把仰慕已久的2001年科幻电影看完了，不由得惊呼一声'上帝啊！'我不说废话，剧情太感人了！当大卫被妈妈抛弃的时候，当他和机器泰迪熊在一起，度过艰难的时光的时候，当他相信童话故事里，匹诺曹，那个蓝仙女可以把自己变成现实，所以妈妈会爱他，当他从她跌入世界尽头的海洋的那一刻，当他在海底看到蓝仙女，不断地为她祈祷，这是两千年.两千年后，人类存在了，作为友好的外星人把他从冰冻的海洋中救了出来，他仍在祈祷.每一刻，都是那么感人。每一幅画都是那么震撼唯美，每一个场景，都是那么感人.一个人工智能机器人竟然能把'爱'诠释得如此深刻、感人、透彻、淋漓尽致、感人至深
当他看到真正的蓝仙女幻象（外星人)时，蓝仙女答应他可以把母亲救活，但必须有残骸，而且只有一天！这一天是大卫一生中最快乐的一天！
看了"人工智能英文版论文"的人还看了：
