创造了两个会交流的神经网络来描述颜色

学研究人员利用数学工具表明，颜色名称的这种一致性是因为人类优化语言是为了平衡精确交流的需要和最小化记忆需要。

如果使用额外的颜色词会增加复杂性，但不会显著改善人们之间的沟通能力。

Facebook 最近的AI研究表明，当两个人工神经网络被要求创造一种方式来互相交流他们看到的颜色时，AI也会像人一样平衡复杂性和准确性。

除此之外，Facebook研究团队还发现为了准确描述连续的颜色空间，只有使用离散的「颜色语言」才可以。

这就引出了一个关于如何交流的有趣的推测。是不是「离散」的符号语言更适合交流，而不是动物类的「连续」叫声？

模型实现过程

首先建立两个神经网络，一个负责说（speaker）和一个负责听（listener），并建立一个「沟通游戏」：在游戏的每一轮中，speaker从一个连续的颜色空间中看到一个颜色，然后输出一个符号(可以被认为是一个「单词」)。listener可能看tener接收到由speaker输出的单词，然后尝试输出正确的颜色片段。最初，说话人随机生成单词，等到训练结束时，每个单词都代表了颜色空间的一个连续部分。

研究团队多次重复这个实验，同时通过使目标颜色和噪声颜色的相似度发生变化，以此来改变任务的难度。这些变化产生了许多不同的颜色命名「词汇表」。

在训练结束时，研究人员分析了这些词汇，发现AI生成的的颜色词与人类语言的性质相似。此外，这两种类型的语言都接实验中，研究人员发现，至关重要的是，当允许神经网络使用连续的符号而不是离散的符号进行交流时，复杂性和准确性之间的最佳平衡就不复存在了。

两个神经网络虽然仍然可以通信，但是他们的交流效率变得很低。

语言也许是人类最独特的特征，我们在日常中经常使用，但却不了解它。

Facebook的研究表明，先进的人工智能模型，不仅对实际应

（编辑：我爱制作网_潮州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!