美国麻省理工学院近日设计了一种计算机系统，可在没有任何关于语言是如何运作的预先设定下，让计算机学习玩一种基于文本的电脑游戏。尽管计算机系统尚不能全部完成游戏，但在某种意义上昭示了它具备自主训练探究单词意思的能力。

　　麻省理工学院计算机科学与工程教授巴尔齐莱领导的团队，数年前就已能够让计算机通过分析游戏手册去玩特定的电脑游戏。此次，该团队并未让机器学习系统接触任何关于游戏程序数据跟踪和改进的“潜规则”，玩电脑游戏全赖于对文本的理解。所有互动都基于文本，玩家输入的东西也是一条条文字指令，而并不是通过按钮等方式下达指令。

　　研究人员特别关心计算机系统在玩游戏时能否实现自主的句法推导，这是困扰自然语言处理领域多年的问题。拿否定结构这种比较复杂的句法结构来说，“你被打伤”和“你没被打伤”有着天壤之别，但大多数只靠收集关键词来理解语言的计算机系统会忽略这个区别。

　　根据麻省理工学院官网报道，研究人员采用了“深度学习”的机器学习手段，数据被传输至具有多个处理节点的网络阵列的最底层，该层处理节点会对数据进行一番修改，然后送入上一层，如此往复。最顶层的输出数据要对照一些性能标准进行测量。然后，重复迭代整个处理过程，以检验不同的修改能否提高性能。结果显示，深度学习在电脑游戏试玩过程中的表现都优于被测的使用自然语言处理领域其他技术开发的计算机算法。

　　深度学习的设计灵感来源于人类神经网络对信号的分层处理机制。上世纪50年代，美国神经生物学家大卫·休伯尔等人发现，人类视觉神经系统在进行信息处理时，经历了分层抽象、迭代的过程，首先瞳孔摄入像素，然后初步判定边缘和方向，再进行抽象识别形状，最后进一步抽象得出是什么物体。这项后来获得诺贝尔生理学或医学奖的系列研究深刻启发了计算机人工智能领域的探索。