Relational reasoning - 關係の推理
「床前明月光，疑似地上霜，舉頭望明月，低頭思故鄉」
問：李白人在哪裡？在什麼時間寫下這首詩？
意在言外的推理：李白在有點冷的晚上的房間，冬夜的旅店客房？
這種推理能力就是所謂的「Relational reasoning - 關係の推理」
問：「图中有一个小的橡胶物体和大个的圆筒形有相同的颜色，那么它是什么形状的？」
視覺上，我們必須分辨出圖片中物件的各種形狀、顏色、根據光影來推敲物件的材質、、
然後分析問題的語意。問題如果沒有提及關鍵字「橡膠」，還真沒聯想到圖片中有些物件可能是橡膠材質。好吧！看起來像是橡膠的有小球體、大圓筒，那個顏色算是粉紅色？如果這題是選擇題，有 ABCD 四個選項，應該不會答錯，那就幫人類的 92.5% 準確率加分了。
目前的机器学习系统在 CLEVR 上标准问题架构上的回答成功率为 68.5%，而人类的准确率为 92.5%。但是使用了 RN 增强的神经网络，DeepMind 展示了超越人类表现的 95.5% 的准确率。
为了测试 RN 的多任务适用性，研究人员还在另一个大不相同的语言任务中测试了 RN 的能力。DeepMind 使用 bAbI——Facebook 推出的基于文本的问答任务集。bAbI 由一些故事组成，这些故事由数量不一的句子组成，最终引向一个问题。如：「Sandra 捡起了足球」、「Sandra 进了办公室」可能会带来问题「足球在哪里？」（答案是：办公室）。
RN 增强网络在 20 个 bAbI 任务中的 18 个上得分超过 95％，与现有的最先进的模型相当。值得注意的是，具有 RN 模块的模型在某些任务上的得分具有优势（如归纳类问题），而已有模型则表现不佳。
阿發狗贏了人機大戰後，deepmind 的一舉一動真是引人注意！兩篇論文第一時間就有三路人馬翻譯報導：
- 关系推理水平超越人类：DeepMind展示全新神经网络推理预测技术
- DeepMind两篇新论文研究用神经网络做关系推理，探索人类智慧核心
- DeepMind AI 关系推理超越人类：深度神经网络模块即插即用 . reply_count: 0 get_replies : 0 .
