随着现代数据存储技术的进步，指甲大小的芯片能够存储整个图书馆的知识库，所以你可能认为计算机在记忆方面要比人类出色。那么，就让谷歌DeepMind负责研发AlphaGo的人工智能研究组给出答案。
在Nature杂志刊登的一篇文章中，DeepMind描述了对一套神经网络的训练过程，目的是达到类似于人脑的记忆效果。该神经网络不仅具备存储数据的能力，而且其回忆信息可用于解决细小问题。
谷歌可微分神经计算机(DNC)模型图
DeepMind团队在最近的一篇博客中写道：“神经网络在模式识别方面反应迅速，决策方面也表现优异，但我们只是开始构建可以缓慢思考的神经网络，即利用知识进行权衡和推理。例如，神经网络如何存储记忆，如传输网络中的连接点，然后在逻辑上推理知识碎片最终回答问题。
DeepMind称其新方法为可微分神经计算机（DNC），团队将在世界最大的公共交通系统之一的伦敦地铁展示该系统功能。
“当我们描述伦敦地铁的车站和规划最佳路线时，”DeepMind团队说，“我们可以要求DNC给出选择。如“怎么从Moorgate到皮卡迪利马戏团？”
DNC的功能对一些Google产品和服务（包括其自驾车计划）具有突出价值。而高速公路系统的数量级更大，比伦敦地铁更杂更乱，但通过AI技术可以直观地创建路线，对于自主车辆而言这将是一个令人难以置信的强大工具。
DeepMind还证明了DNC能够基于诸如“Natalie是Alice的女儿”和“Ian是Jodie的丈夫”的信息构建完整的家谱树。然后系统可以回答类似“谁是Freya的大舅？”这样的问题，“显然，已经有一个家谱软件可以完成类似的任务，但DeepMind的DNC特点在于，他们没有专门为此而编程。相反，他们很直观快速地呈现出了这样的能力。
“人类记忆如何工作这个的问题是一直存在，而人类的理解力仍在发展，”DeepMind团队总结说。 “我们希望DNC既是提供给计算机科学的一种新型工具，也将作为诠释认知学和神经科学的一个全新的象征：这是一台学习机器，没有预先编程，可以将信息组织成相关事实，并使用这些事实来解决棘手的问题。
