单个经验的灵活性重组，以推断出并未仔细观察到的关系……这称作推理小说。有意思的是，早已有证据证明，海马是通过一个被称作模式分离出来（pattern separation）的过程彼此独立国家地存储记忆，以仅次于程度地增加记忆之间的阻碍。最近的一项研究说明了了这一点：这些被独立国家存储记忆的统合经常出现在通过循环机制（该机制容许多个模式分离出来的代码展开交互并因此反对推理小说）展开检索的时候。由此，DeepMind 的工作从这项研究中取得灵感，以研究和强化机器学习模型中的推理小说。

研究人员利用神经科学文献，设计了一个过程分解的任务，称作筛选误解推理小说（paired associative inference，全称 PAI），该任务目的通过被迫 AI 系统自学抽象化科学知识以解决问题先前未见的问题来提供推理小说能力。随之，研究者们建构了 MEMO，它需要在获取输出查找时会输入一系列有可能的答案；而且为了尽量减少适当的计算出来，答案还多使用密切相关的形式。

研究人员说道，MEMO 在内存中保有了一组事实，并自学了一种与某种机制因应用于的同构方式，该机制在用于内存时具备更大的灵活性，并且它与典型的 AI 模型有所不同，因为它使计算出来时间适应环境了任务的复杂性。在工作过程中，MEMO 从称作 REMERGE 的人类误解记忆模型中提供线索，该记忆将从记忆中检索到的内容作为新的查找展开再循环，并用于再循环过程中有所不同时间步长检索到的内容之间的差异来计算出来模型否已适应环境在固定点上，随后，MEMO 不会输入一个动作，该动作命令它否期望之后计算出来并查找其内存，或者是否是需要号召等价的任务。

在测试中，DeepMind 的研究人员在 Facebook AI Research 的 bAbi 套件（按：一组 20 个评估文本解读和推理小说的任务）中将 MEMO 与两个基准模型以及当前的近期模型展开了较为，结果显示，MEMO 需要在 PAI 任务上构建最低的准确性，并且它是唯一需要在较长的序列上顺利问最简单的推理小说查找的体系结构。此外，与性能最佳的基准模型的 10 个步骤比起，MEMO 仅有必须三个“跃点（hops）” 才可已完成一项任务。在另一个必须模型在等价节点图的情况下寻找两个节点之间最较短路径的任务中，面临更加简单的节点图，MEMO 比基准模型的展现出好出有了 20％。

本文来源：凯发一触即发(中国区)官方网站-www.tj97.com