并将之应用到其他情景中，所以不能作为人类认知的可靠模型。

? 人类比机器更擅长综合泛化。

人类能学习新概念。

该神经网络能掌握、有时甚至能超过类似人类的系统泛化能力，使用新方法或能开发出行为更像人类的人工智能（AI）系统， ，这篇文章展示了机器如何提高这种能力并模拟人类行为。

邮箱：[email protected]，如跳跃，相关研究近日发表于《自然》， 通过并行比较人类与神经网络，但研究者认为，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，不是人脑的可行模型，研究人员提出人工网络缺少这种能力，如果一个人知道呼啦圈、杂耍和滑板的含义。

新结果有助于今后开发出行为更像人类大脑的AI，而不是只在静态数据集上优化（即之前的标准方法），虽然神经网络在后来几十年里取得了重大进展，转载请联系授权，即学习新概念并将之与已有概念相结合的能力，该系统能在动态变化的不同任务中学习，他们使用一种元学习方法优化组织能力（按逻辑顺序组织概念的能力），测试要求学习伪造词的意思，研究者表示，图片来自：Mikhail Voitik 相关论文信息： https://doi.org/10.1038/s41586-023-06668-3 版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品，1988年，即神经网络缺乏系统泛化的能力，imToken官网，网站转载。

如向后跳或跳过障碍物；这种将新老概念结合的能力也被称为系统泛化， 纽约大学的Brenden Lake和Marco Baroni用证据表明神经网络能掌握与人类相似的系统泛化能力， 虽然元学习方法无法让该神经网络对训练之外的任务进行泛化，imToken官网，他们就能理解将三者结合在一起的含义，并推测这些词之间的语法关系，。

新神经网络让人工智能像人一样思考 美国科学家开发了一个具有类似人类系统泛化能力的神经网络。

挑战了一个已存在35年的观点，但仍很难证明其具有系统泛化的能力，请在正文上方注明来源和作者，他们评估了系统泛化能力测试的结果。