元のリンクを再現：[https://baijiahao.baidu.com/s?id=1657479371710314856&wfr=spider&for=pc]
**このため、アルファベットの子会社がArxiv.orgにおける今後の研究から答えを見つけようとしてDeepMind、研究のプレゼント長距離アーキテクチャMEMO推論能力の一種。第一のメモリとの間の差と回答の使用を可能にする第二のデータベース検索システム、外部記憶に記載事実の前に決定されてもよい：研究者によればMEMO二つの新しいコンポーネントは、言います多くの変更「ホップメモリを。」
二つの部分では、新しい推論タスクを解決することを可能にすることができます。
雷鋒のネットワークは、海馬のアーキテクチャに影響を与えたと指摘しました。紙の共著者、書いた：
海馬を柔軟組換え単一の経験をサポートするための新しい方法で、未観測の関係を推測するために......これは推論と呼ばれています。興味深いことに、海馬メモリとの間の干渉を最小限に抑えるために互いに独立して記憶メモリの分離パターン（パターン分離）プロセスによって呼び出されるという証拠がありました。最近の研究は、ことが明らかになった：循環機構を介して取得すると、これらは、独立してメモリに記憶されている統合されるように見える（この機構は、複数のモードは、対話型コードを分離し、従って推論をサポート可能）。
その結果、作業が推論の研究と機械学習モデルを高めるために、この研究からインスピレーションを得DeepMind。神経科学文献を使用する研究者は、ペア准推論と呼ばれる設計上の課題、生成するプロセス（ペア連想推論は、PAIと呼ばれる）、タスクフォースの目的AIシステムに到達するために、以前に目に見えない推論を問題を解決するために抽象的知識を学ぶために容量。
この、MEMOを構築し、研究者に続き、それが入力されたクエリを提供する上で可能な答えの一連の出力できるようになります。そして、必要な計算を最小限に抑えるために、その答えは、より表現の形式よりもあります。
研究者は、MEMOは事実の集合のためにメモリ内に残っている、とマッピングモード、メモリの使用の柔軟性のためのメカニズムと組み合わせて使用されるメカニズムのいくつかの種類を学び、そしてそれは、典型的なAIのモデルとは異なり、言いましたそれはタスクの複雑さに適応するための計算時間を作るため。手がかりの再マージと呼ばれる人間の連想記憶モデルから取得した自分の仕事、MEMOの過程で、メモリ内容のメモリは、新たなリサイクルとしてクエリから取得されたコンテンツを取得した異なる時間ステップの間にリサイクル使用して計算モデルとの間の差は固定小数点に適合されている場合、その後、メモは、それが計算し続けることを希望し、そのメモリを照会し、またはそれは与えられたタスクに応答することが可能であるかどうかかどうかを示すアクションを出力します。
試験でバビキットのFacebookのAI研究では、DeepMind研究者（雷鋒のネットワークによると：20の評価テキストの理解と推論タスクのセット）意志のMEMOおよび2つの参照モデルだけでなく、最新のモデルを比較した結果ディスプレイ、MEMOは、PAIのタスクで最高の精度を達成することができ、それが成功したアーキテクチャのより長い配列上で最も複雑な推論クエリに応答するための唯一の方法です。
また、基準モデル最高のパフォーマンスの10段階、メモ、タスクを完了するために3つだけ「ホップ（ホップ）」と比較して。別のモデルでは、より複雑なノードマップ、20％のベンチマークモデルのうちMEMO良い性能の面でのタスクのグラフにおける所与のノードに2つのノード間の最短パスを見つける必要があります。**
