DeepMind AI具备泛化能力：可从即时经验中学习并迁移知识
Google母公司Alphabet旗下人工智能平台DeepMind不仅具备即时学习能力，更展现出强大的泛化潜力。在斯坦福大学与伦敦大学学院的联合研究中，研究人员证实DeepMind能够将在特定任务中习得的知识有效迁移至新场景。研究团队指出，该AI系统能准确利用语言本质，正确解读此前从未见过的指令。
系统性理解：从单一示例到语义关联的跨越
科学家发现，尽管在简化条件下训练的AI往往缺乏组合性或系统性理解，但当接触像人类学习者那样具有多方面观察结果的丰富示例时，这种能力便会自然显现。研究核心在于评估AI是否具备认知概念上的系统性：即拥有想象某种想法的能力，是否意味着也能推演语义相关的想法。例如，理解了“约翰爱玛丽”的系统，理应也能联想到“玛丽爱约翰”。
实操验证：新概念应用与高准确率表现
在强化学习测试中，智能体通过奖励机制学会了“拾起、举起”的概念，并能将其成功应用于未见过的全新物体。在随后的物体归位任务中（根据指令将物品放置于床铺或托盘），系统实现了90%的放置准确率。
非语言任务测试：虚拟网格中的物体识别
团队还进行了不依赖语言的独立测试。智能体被置于随机分布八个物体的虚拟网格中，需正确识别物体类型并通过收集目标物体获取奖励，进一步验证了其多模态适应能力。
关键结论：三大要素决定AI系统性水平
研究表明，在所有测试场景中，以下三个因素至关重要：
- 训练期间接触的单词与物体数量；
- 第一人称视角的设定；
- 代理随时间推移所获得的输入多样性。