你聽過瑞文氏標(biāo)準(zhǔn)推理測(cè)試（Raven’s Progressive Matrices）么？上面這張圖就是一道標(biāo)準(zhǔn)的瑞文氏測(cè)試題目，是不是很眼熟？在公務(wù)員考試、一般的智力測(cè)試中我們經(jīng)?？吹剿?。

那么問題來了，你知道圖中這道題的答案么？如果不知道，也用不著沮喪，因?yàn)橛?5%的美國(guó)人大概也不知道。但壞消息是：計(jì)算機(jī)可能知道。

近日，美國(guó)西北大學(xué)的科研團(tuán)隊(duì)研發(fā)了一個(gè)全新的計(jì)算模型，在瑞文氏標(biāo)準(zhǔn)推理測(cè)試中達(dá)到或超越了75%美國(guó)普通大眾的表現(xiàn)。被媒體譽(yù)為人工智能史上的又一里程碑。

要知道，根據(jù)2016年的數(shù)據(jù)顯示，一般18歲成年人的平均智商為97，6歲兒童的平均智商為55.5，相比之下谷歌人工智能系統(tǒng)的智商則為47.3，微軟小冰是24.5。人工智能的智商還不及6歲兒童的平均水平。

團(tuán)隊(duì)負(fù)責(zé)人，來自西北大學(xué)McCormick工程學(xué)院的Ken Forbus教授對(duì)此表示：“模型在智力測(cè)試中的表現(xiàn)優(yōu)于75%的美國(guó)大眾，這意味著人工智能的邏輯推理能力已經(jīng)高于人類的平均水平，起碼在測(cè)試題中如此。另外，由于對(duì)人來說很難的題目對(duì)模型來說通常也很難，這表示該模型已經(jīng)可以表現(xiàn)出一些人類認(rèn)知系統(tǒng)中特有的重要屬性?！?/p>

Ken Forbus教授

實(shí)力這么強(qiáng)，這個(gè)模型到底是如何工作的呢？

據(jù)悉，該模型建立在一個(gè)名為CogSketch的“草圖”（sketch）理解系統(tǒng)之上，該系統(tǒng)同樣是Ken Forbus團(tuán)隊(duì)的研究成果。這里“草圖”是指人們?cè)谒伎紗栴}或表達(dá)觀點(diǎn)時(shí)自然而然在紙上畫下來的說明性圖樣，特別是面對(duì)有關(guān)空間理解和地理學(xué)的相關(guān)問題時(shí)，尤其必要。CogSketch系統(tǒng)可以基于草圖進(jìn)行空間建模和邏輯推理，再配合此次最新研發(fā)的計(jì)算模型，因而能夠在瑞文氏標(biāo)準(zhǔn)推理測(cè)試中脫穎而出。

Ken Forbus教授認(rèn)為類比推理是解決視覺問題的核心，團(tuán)隊(duì)正是在這一核心思想的指導(dǎo)下研發(fā)了最新的計(jì)算模型。所謂類比推理即結(jié)構(gòu)映射的過程，是在不同對(duì)象之間通過逐個(gè)匹配，尋找它們?cè)诮Y(jié)構(gòu)上的相似點(diǎn)，從而通過圖式歸納（即關(guān)系結(jié)構(gòu)表征）把源問題中元素之間的關(guān)系要素提取出來，用于靶問題的解決。也就是說，先要形成基于源問題的圖式歸納，再基于源問題和靶問題之間的結(jié)構(gòu)映射將圖式歸納應(yīng)用到靶問題的解決。在新的計(jì)算模型中，團(tuán)隊(duì)成員利用了結(jié)構(gòu)映射理論來對(duì)比不同的圖像，通過標(biāo)記兩張圖像中發(fā)現(xiàn)的相同結(jié)構(gòu)，識(shí)別出其中的相同點(diǎn)和不同點(diǎn)。值得一提的是，結(jié)構(gòu)映射是由心理學(xué)家Dedre Gentner于1983年提出的一個(gè)理論，他也是西北大學(xué)的教授。

針對(duì)西北大學(xué)的這項(xiàng)研究，雷鋒網(wǎng)隨機(jī)采訪了兩位相關(guān)專業(yè)的在讀研究生，他們表達(dá)了自己的看法。

鐘超杰是來自北京林業(yè)大學(xué)的碩士在讀生，曾參與車載攝像頭的行人檢測(cè)項(xiàng)目。他認(rèn)為，雖然模型的智力測(cè)試成績(jī)超過了75%的人類，但這并不能說明計(jì)算機(jī)的智力真的就超過了人類。因?yàn)槌送评碇?，智力的含義應(yīng)該更復(fù)雜，比如還包括學(xué)習(xí)能力、數(shù)學(xué)計(jì)算能力等。而且他覺得如果模型建的好，經(jīng)過一定數(shù)據(jù)量的訓(xùn)練，計(jì)算機(jī)處理這類問題的能力一般是可以超過人類的，但超出這類問題的范疇?wèi)?yīng)該就不行了。

周志敏是來自浙江大學(xué)的研二在讀生，了解機(jī)器學(xué)習(xí)領(lǐng)域的各種算法，包括svm、神經(jīng)網(wǎng)絡(luò)等。他認(rèn)為這是人工智能針對(duì)特定任務(wù)的又一項(xiàng)成功應(yīng)用，跟人類的類比、推理能力并不一樣。西北大學(xué)的模型之所以表現(xiàn)出超過75%普通民眾的推理能力，是因?yàn)樗?jīng)過了大量的類似數(shù)據(jù)的訓(xùn)練，如果讓它做圖形之外的工作應(yīng)該就不行了。

當(dāng)前，人工智能系統(tǒng)對(duì)圖像和語音的識(shí)別能力已經(jīng)相當(dāng)出色，但對(duì)于語義和圖像含義的理解、推理能力仍有待提高。西北大學(xué)的團(tuán)隊(duì)表示，在許多場(chǎng)景中除了對(duì)源數(shù)據(jù)進(jìn)行識(shí)別之外，對(duì)其含義的推理和解釋也至關(guān)重要，這也是他們研發(fā)全新的計(jì)算模型并對(duì)其展開瑞文氏標(biāo)準(zhǔn)推理測(cè)試的原因。他們希望這項(xiàng)研究成果可以為計(jì)算機(jī)視覺領(lǐng)域今后的發(fā)展提供一些技術(shù)參考。雷鋒網(wǎng)

PS. 你覺得文章開頭的那道測(cè)試題應(yīng)該選哪個(gè)？不妨留言告訴我們吧

來源：tomshardware，雷鋒網(wǎng)編譯

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。