《自然》25日發表的一篇論文，報道了一個(ge) 具有類似“人類係統泛化能力”的神經網絡，係統泛化能力是指學習(xi) 新概念並將之與(yu) 已有概念相結合的能力。研究結果挑戰了一個(ge) 已存在35年的觀點，即神經網絡不是人腦的可行模型，因為(wei) 它們(men) 缺乏係統泛化的能力。團隊使用的方法或能用於(yu) 開發行為(wei) 上更像人類的人工智能（AI）係統。

　　人類能學習(xi) 新概念，如跳躍，並將之應用到其他情景中，如向後跳或跳過障礙物，這種將新老概念結合的能力也被稱為(wei) 係統泛化。1988年，研究人員提出人工網絡缺少這種能力，所以不能作為(wei) 人類認知的可靠模型。雖然神經網絡在後來幾十年裏取得了重大進展，但仍很難證明其具有係統泛化的能力。

　　美國紐約大學科學家團隊此次用證據表明：神經網絡能掌握與(yu) 人類相似的係統泛化能力。他們(men) 使用一種元學習(xi) 方法優(you) 化組織能力（按邏輯順序組織概念的能力），該係統能在動態變化的不同任務中學習(xi) ，而不是隻在靜態數據集上優(you) 化（即之前的標準方法）。通過並行比較人類與(yu) 神經網絡，研究團隊評估了係統泛化能力測試的結果，測試要求學習(xi) 偽(wei) 造詞的意思，並推測這些詞之間的語法關(guan) 係。該神經網絡能掌握、有時甚至能超過類似人類的係統泛化能力。

　　團隊認為(wei) ，他們(men) 的研究結果有助於(yu) 今後開發出行為(wei) 更像人類大腦的AI。（張夢然）