《自然》25日发表的一篇论文，报道了一个具有类似“人类系统泛化能力”的神经网络，系统泛化能力是指学习新概念并将之与已有概念相结合的能力。研究结果挑战了一个已存在35年的观点，即神经网络不是人脑的可行模型，因为它们缺乏系统泛化的能力。团队使用的方法或能用于开发行为上更像人类的人工智能（AI）系统。

　　人类能学习新概念，如跳跃，并将之应用到其他情景中，如向后跳或跳过障碍物，这种将新老概念结合的能力也被称为系统泛化。1988年，研究人员提出人工网络缺少这种能力，所以不能作为人类认知的可靠模型。虽然神经网络在后来几十年里取得了重大进展，但仍很难证明其具有系统泛化的能力。

　　美国纽约大学科学家团队此次用证据表明：神经网络能掌握与人类相似的系统泛化能力。他们使用一种元学习方法优化组织能力（按逻辑顺序组织概念的能力），该系统能在动态变化的不同任务中学习，而不是只在静态数据集上优化（即之前的标准方法）。通过并行比较人类与神经网络，研究团队评估了系统泛化能力测试的结果，测试要求学习伪造词的意思，并推测这些词之间的语法关系。该神经网络能掌握、有时甚至能超过类似人类的系统泛化能力。

　　团队认为，他们的研究结果有助于今后开发出行为更像人类大脑的AI。（张梦然）