DeepMind说机器推理水平能超人类，现在有人把代码搞出来了

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】