《终结者》系列电影让许多人害怕（或者期待）施瓦辛格那种人工智能机器人的崛起。但事实是，现在的科技与电影中的人工智能（AI）之间，还隔着一片无垠的汪洋大海。不过，少数专家还是热衷于猜测，这样的「奇点」何时会发生。最近一篇名为《非监督式学习的「记忆棉」方法》（A ‘memory foam’ approach to unsupervised learning）的论文暗示着，奇点的到来可能比人们认为的早。
《终结者》海报
AI领域近年来取得了巨大的成就，比如谷歌的语音识别算法，Netflix的推荐系统等。但是，这些系统所基于的人工智能，都不可能获得人类展现出来的一般智能。这是因为它们都需要大量经过标记的训练数据集。这使得AI在某些领域能够超越人类，比如给定一个肿瘤CAT扫描图片的大型数据集，AI能很快掌握识别肿瘤生长的能力，比人类还要好。
但是，如果要让AI将物体或流程作为一个整体来进行理解，并将此知识加以概括，并运用在其他领域，就会遇到巨大的障碍。这种学习过程，是AI领域一个发展相对滞后的领域，称为「非监督式学习」（unsupervised learning）。而这正是人类学习的方式。
记忆棉模型的音符识别[/caption] 为了建立一个更加强健的非监督式学习系统，英国拉夫堡大学的一个研究团队对基于「记忆棉」（memory Foam）的人工智能模型进行了优化。这个名字来源于该模型的特性。记忆棉通常用来制作床垫，它能够承受人留下的压痕所带来的无数种弯曲形状。同样的，采用「记忆棉」方法的计算机能够从留于其上的传感刺激中获得整体的印象，从而识别出刺激的种类。它的数学原型是一个动态的系统，可以根据输入信号自动调整向量场。许多人认为，与监督式机器学习（supervised machine learning）不同，这种方法更像人类大脑运作的方式。
如果说这个早期的论证对未来有什么启示的话，那就是，它也许能帮助人工智能跨越那片无垠的汪洋大海，到达超乎想象的彼岸。拉夫堡大学的研究者们像溺爱的父母一样，为这个AI选择了一首摇篮曲作为第一个刺激。根据他们的研究，这个AI学会了识别《玛丽有只小羊羔》这首歌，吸收并记住了这个音乐模型、出现最多的频率以及歌曲的其他特征。这意味着，运用非监督式学习，计算机能够对歌曲产生比采用监督式学习更加微妙和不同的理解。但是，更重要的是，他们的模型还可以与监督式学习算法相结合，让AI同时兼得两种方法的益处。这种结合算法，也许能带来《终结者》中施瓦辛格体内的那种强人工智能。
