这台结合神经网络计算系统与常规计算机内存的学习机器，能够在没有先验知识的情况下解决小规模问题。
谷歌(Google)的人工智能部门在开发思维计算机方面取得一项突破，他们创造了一台结合“神经网络”计算系统与常规计算机内存的学习机器。
这家高科技集团设在伦敦的人工智能部门DeepMind的科学家们，打造了一台“可微分神经计算机”(DNC)，首次能够在没有先验知识的情况下解决各种小规模问题，比如在两个相距遥远的伦敦地铁车站之间规划最佳路线，或者厘清家谱上亲属之间的关系。
神经网络——以大脑这样的生物网络为蓝本打造的互连系统——在近期人工智能研究的快速进展中起到了很大的作用。它们非常善于推导出模式，使谷歌语音(Google Voice)或苹果(Apple)的Siri等数字助理的语音识别成为可能。但是，此前它们只能访问自身网络所含的数据。20人的DeepMind团队在《自然》(Nature)期刊发表的论文中表示，DNC提供了神经网络，可以访问之前不兼容的外部数据，比如以常规数字格式编码的文本。
“麻烦在于，神经网络中的记忆被绑定在计算内部，这使得它相当脆弱，难以扩展，”DNC项目负责人亚历克斯•格雷夫斯(Alex Graves)表示。“我们得出结论，使其更强大的方法是分离记忆，以便我们可以扩展它，而不会影响处理器。”
斯坦福大学(Stanford University)心智、脑和计算中心(Center for Mind, Brain and Computation)主任杰伊•麦克利兰(Jay McClelland)称，DeepMind的这篇论文是“人工智能研究中非常有意思的重要里程碑”。
然而，为了使DNC在现实世界中比现有的人工智能系统更有用，它将需要扩展，以访问大得多的存储器。“这将需要大量的工程工作，”格雷夫斯说。“这是一篇研究论文，我不想过分推测这对解决实际问题有多大指导意义。”
即使如此，在发表之前评审了这篇论文的独立计算机科学家表示，一般用途DNC的应用范围可能十分巨大。潜在的应用可能包括生成视频新闻报道和从文本中提取涵义。
DeepMind于2010年在伦敦成立，是一家人工智能初创企业，2014年被谷歌以4亿英镑收购。
译者/和风

”首次能够在没有先验知识的情况下解决各种小规模问题“，很好奇怎么做的啊。
神经网络最经典的是BP算法，也是要先验的啊。