DeepMind 研究結合深度學習與傳統算法

深度學習可說是人工智能的核心技術之一，多年來已經發展出不少的應用，不過傳統的電腦算法仍然有一定的優勢。DeepMind 最近就表示，他們希望結合兩個技術，讓其可以帶來更豐富的商業應用。

DeepMind 研究負責人 Charles Blundell 和高級研究科學家 Petar Veličković 最近發表的一份論文，就提到了神經算法推理 (NAR) 技術，這個技術希望可以橋接傳統電腦算法和深度學習兩者的優勢。前者擁有相當好的歸納能力，現在只有 50 多種常用經典算法，其子集已經可以涵蓋很多的應用場景，而深度學習雖然運算能力極高，但經常要依靠已有的數據而未能處理數據集中缺少的新事物，限制了其應用範疇。

NAR 技術所做的，就是希望可以設計出能夠處理真實世界中複雜數據的解決方案，目前大規模處理自然數據的最近方式是深度神經網絡，而如果可以套用傳統算法涵蓋未知數據的能力，這方面的發展潛力將相當龐大。目前 NAR 技術仍然在理論層面，相信還要一段時間才可以看到實際結果，但這個概念本身已經相當有趣。