许多人对人工智能的概念感到不舒服。这不仅是因为人工智能有能力智胜人类，还因为它们天生具有学习新事物的能力。一项新的研究证实，深度神经网络能够像我们人类一样，培养“数字”技能。人工智能领域的另一个有趣的发展。

人工智能“聪明”的另一个标志

对于我们人类来说，就数字而言，不难看到相关性。更具体地说，我们的大脑是这样设计的，它将从任何一组特定的项目、问题等中获得共同的分母。即使我们观察不同物体的x数量，其中x对于所有物体都是相同的，也不难确定共分母是什么。对于人工智能来说，情况完全不同。到目前为止，人们一直认为人工智能无法确定这种分母。

这种情况似乎不会持续太久。一项新的研究证实，作为推动人工智能研究的一部分，深层神经网络似乎能够发展出所谓的“数字感”。更具体地说，研究人员训练了一个用于简单视觉对象检测的深度神经网络，这在该领域的研究中并不罕见。然而，这个网络中的单位突然开始以一种与人类大脑惊人相似的方式活动。

解释这一意想不到的发展并不那么困难。深度神经网络由许多不同的层组成。一旦这些层获得并处理了信息，共同方面就变得更加抽象。因此，这项研究得出了这些令人惊讶的结果。该神经网络能够实现具有相同数量的不同对象具有特定数量的共性。这是一个相当有趣和突破性的发展，可以为未来更大的人工智能研究铺平道路。

这项研究的另一个关键结论是人类如何对待学习的原则。虽然人类和动物的高级思维通常被认为是独一无二的，但现在显然不是这样了。事实上，我们几乎可以说抽象思维和“数字感”是基本的，不管学习对象是谁或学的是什么。更重要的是，这可能导致人工智能的发展，比最初认为的更像人类。

尽管这一突破非常引人注目，但未来仍有一些关键挑战。虽然深度神经网络可以有效地从基于像素的图像中提取数字，但不能从其他信号中提取。这将是研究人员在未来几年要克服的下一个挑战。一旦开创了先例，将其应用于神经网络各层接收到的其他信号应该成为可能，至少在理论上是这样。

就人工智能的“智能”而言，这项新研究描绘了一幅相当有趣的画面。随着更多的信息被提供给网络，现代人工智能系统建立了一层又一层复杂的共性。现在这个理论已经在现实世界中得到了有效的证实，人工智能的发展前景看起来更加光明。尽管还有很多工作要做，但另一个构建类人人工智能的必要组件已经解锁。

以上是网络信息转载，信息真实性自行斟酌。