還記得先前成功打敗圍棋天才李世乭的 AlphaGo 人工智慧系統嗎？當時，由 Google DeepMind 團隊所打造的 AlphaGo 向李世乭挑戰圍棋，最後人類不幸敗北，也顯見人工智慧逐漸壯大的能力實在讓人類不容小覷，而現在 DeepMind 又賦予了人工智慧新的能力，那就是讓它能從記憶中學習知識。
DeepMind 原是一間專門研發人工智慧的公司，Google 後來相中其未來發展性，在 2014 年收購了 DeepMind 公司，最後成為 Alphabet 旗下的一員。而 DeepMind 發展人工智慧的腳步也沒有因為如此的變動而趨緩，接連研發能讓電腦有記憶、AlphaGo 等突破性技術，現在他們的人工智慧系統還能自動從其記憶中學習。
人工智慧系統若能自動從其記憶中學習，這是一件非常具有突破性的事，因為這代表人工智慧系統能在人類未教導他們所有可行解決辦法的情況下，直接對其問題給予答覆。DeepMind 團隊表示，他們將此人工智慧系統命名為「可區分神經電腦（DNC）」，若給他們閱讀家譜、複雜的倫敦地鐵地圖等，它能夠基於曾經提供的數據，回答有關其物件關聯的複雜問題。
舉例來說，如果提問者發問：「如果我從捷運龍山寺出發，搭乘藍線兩站，再轉搭紅線過 5 站，再轉搭咖啡線往動物園方向 5 站的話，那我的下車站是哪一站？」而這時，閱讀過台北捷運圖的 DNC 人工智慧系統就能馬上給你捷運萬芳醫院站的答案，對於更加複雜的倫敦地鐵更是無往不利，也能幫助旅客規畫出使通勤時間減少的路線。
▲ DNC 透過記憶學習，並靠自己找答案。（Source：YouTube）
此外，DNC 也能理解龐大且複雜的家譜，並回答出大家族中誰和誰之間的親戚關係。而這樣的新突破其實是建立在神經網路的概念，它能模仿人類思考的模式，也是對於想讓電腦透過記憶來學習找答案的一種非常好的機器學習應用。
AlphaGo 在與李世乭對戰時，需要人類主動給予其超過 3,000 萬種的下棋方式，而若能將 DNC 的相關技術應用至 AlphaGo 上，將能讓它自行完成其他更加複雜的任務。而 DeepMind 團隊也表示 DNC 能夠組織一些相連的事實，在用這些事實去解決問題，也希望 DNC 的技術在未來電腦計算的領域上能有所突破。
（首圖來源：DeepMind）