“超维度计算”或将彻底改变人工智能

足球队员完美的一脚射门、网球选手一记漂亮的抽球、投球手一次流畅的投球……全都离不开手、眼、耳的协作，再结合大脑中多年经验积累产生的指令才能一气呵成。机器人做不到这一点。

但是最新一份发表在《科学-机器人》（Science Robotics）上的研究，提出了一种“超维度计算”（hyperdimensional computing）理论架构挑战这一领域。该研究称这将从根本上改变人工智能对输入的“感官信息”进行处理，最后输出“行动”的整个过程。

马里兰大学（University of Maryland）在发布研究的公告中说，对感知信息的整合是机器人领域很重要的一项挑战。目前的机器人主要有三大部分构成：感应器（相当于人类的感官系统）、行动单元（相当于人类的肢体）和学习中枢（类似人类大脑）。感应器和行动单元是完全分开的系统，之间靠中央学习机制进行联系，负责接受感知信息用动作表达出来；或由动作转换为感知信息。

研究称，目前机器人这三个系统“各自说不同的语言”，让机器人三部分协调运作显得十分缓慢笨拙。

这份新研究提出了一种基于超维度二进制矢量（HBVs）系统的概念，也就是说这些二进制矢量用很多的维度来描述各种各样的物体，可以是一幅图像、某个概念、一个声音、一个指令；也可以是物体序列；也可以是一组物体或成组的序列。

研究者说，他们设计的这种系统能够把这些信息有效地表达后整合在一起，比如各种行动方案的可能性、感应器输入等信息都“存在同一空间中”，“说同一种语言”，“互相融合在一起”，这样为机器人“建立了一种记忆机制”。

在整合越来越多的信息后，二进制矢量累积为“历史”，通过学习机制让机器人就像人类积累经验一样不断积累记忆。

研究者们说，他们的超维度计算架构将为重复性神经网络和人工智能深度学习系统提供更快更有效的途径，将在数据挖掘、视觉识别和图像转译为文字等方面都有重要应用。

“基于神经网络的人工智能系统庞大而缓慢，因为它们无法记忆，”研究者之一Anton Mitrokhin说，“我们的超维度理论能建立记忆，这将大大减少计算量，任务完成得更快更有效。”