问耕 发自 凹非寺
量子位 报道 | 公众号 QbitAI
这事儿有点快。
前天，DeepMind发布两篇新论文，探讨了深度神经网络利用非结构化数据进行复杂关系推理的能力。（报道传送门）
在第一篇论文，DeepMind证明神经网络在简单关系推理中，表现超过人类。在第二篇论文中，神经网络可基于视觉观察来预测实体对象的未来状态。
这边DeepMind论文刚发，就有人放出了代码实现，比官方速度还快。
基于DeepMind的第一篇论文，用户kimhc6028在GitHub上发布了一个PyTorch实现。而且这个实现表现还不错。
作者表示他的代码在关系推理上的精确度达到70%。测试基于3轮Epoch之后。（训练还在进行中……）
作者实现和测试的，是一个称作Sort-of-CLEVR的任务。Sort-of-CLEVR是CLEVR的简化版本。
DeepMind在论文中表示，基于标准视觉问答架构，CLEVR取得的最佳成绩是正确率68.5%，而人类的成绩为92.5%。然而，通过由RN增强的网络，DeepMind取得了超人的水平：95.5%。
kimhc6028放出的PyTorch实现要求如下：
Python 2.7
numpy
pytorch
opencv
详情及GitHub地址：
https://github.com/kimhc6028/relational-networks
【完】
学习推荐6月15号，量子位组织了一场沙龙，邀请到了图森首席科学家王乃岩博士分享自动驾驶相关话题，欢迎大家长按下图扫码报名~
One More Thing…今天AI界还有哪些事值得关注？在量子位（QbitAI）公众号对话界面回复“今天”，看我们全网搜罗的AI行业和研究动态。笔芯~
△ 扫码强行关注『量子位』
追踪人工智能领域最劲内容
▪
