发布需求
现在人工智能概念炒得火热，仿佛未来人类的一切都将被AI所接管。但实际上，人工智能的发展中仍有一个特别棘手的问题有待解决，那就是机器无法像人类一样自由灵活地运用通用智慧来应对挑战。换言之：人工智能在运用过去的经验和知识方面是受限的。因此，发展“通用型人工智能”就成为最明确的主攻方向。
谷歌的DeepMind团队近日发表论文称，在这一领域再次取得了突破，联合帝国理工学院开发出一套名为“弹性权重固化”的新算法，让机器学习、记住并重新使用信息成为可能。
DeepMind的JaMES Kirkpatrick表示：“如果我们想要拥有更智能、更有应用价值的计算机程序，那么，它就必须具备‘通用型人工智能’的能力。”
对于人类来说，知识技能的迁移是再正常不过的事情了。最典型的例子是：一个专业的滑雪玩家往往在滑冰时也会得心应手。但这一步的跨越对于人工智能来说却面临着不小的挑战。
其症结在于大多数的人工智能系统都是基于所谓的神经网络来解决问题，就像DeepMind的AI系统可以学会下围棋或打扑克，这其实都是在经历了无数次的训练和失误之后才练就的技能。但这两种技能实际上是不能并存的，就比如AI学会了打扑克，那它就必须把有关下围棋的知识“删除”。想来也是可惜，难怪研究人员将之称为“灾难性遗忘”。
如果这一问题得不到解决，那么人工智能就永远不会达到人类的智慧程度，自然其解决问题的灵活程度也就不能和人类相媲美了。“人类和动物能够掌握大量知识的一个关键因素，就在于他们可以在以前知识的基础上不断学习新东西。”Kirkpatrick说。
而为了实现这一目标，研究人员首先在神经科学领域进行了探索，他们发现，动物通过保持头脑中关于过往技能的印象，来实现不断学习，而这往往也是在面临生存的压力时所不得不做出的抉择，就比如老鼠如果不能快速地学会寻找食物的技能，那它们很快就会被饿死。
早在2014年，DeepMind通过用机器学习的方法，教会AI系统玩一款Atari公司出品的游戏，突然间吸引了极大关注。那时，AI系统可以做到顺利通关，并取得比人类更高的得分，但却不能记住它赢得游戏的过程。
玩每一款Atari公司出品的游戏，AI系统都需要创建一个单独的神经网络。一旦没有把游戏相关的信息传递给计算机，AI系统就无法运行这一款游戏。
