名叫神经网络的人工智能算法完全依赖于基于现有训练模型的模式识别，它不具有额外的记忆去储存和获取信息。现在，Google旗下的人工智能公司DeepMind创造了可微分神经计算机（differentiable neural computer，DNC），改进机器学习的能力，给予神经网络额外的记忆储存以后使用的信息。研究报告发表在本周出版的《自然》期刊上。 DNC能在没有先验知识的情况下解决各种小规模问题，比如在两个相距遥远的伦敦地铁车站之间规划最佳路线，或者厘清家谱上亲属之间的关系。DNC可以访问之前不兼容的外部数据。“麻烦在于，神经网络中的记忆被绑定在计算内部，这使得它相当脆弱，难以扩展，”DNC项目负责人Alex Graves表示。“我们得出结论，使其更强大的方法是分离记忆，以便我们可以扩展它，而不会影响处理器。”斯坦福大学心智、脑和计算中心主任Jay McClelland称DeepMind的这篇论文是“人工智能研究中非常有意思的重要里程碑”。
