這種算法充分利用了一種名為“貝葉斯程序?qū)W習(xí)”(BayesianProgramLearning)的概率方法。從本質(zhì)上講，電腦會(huì)自己生成額外的例子，然后判斷哪些例子最符合相應(yīng)的模式。
　　
　　“貝葉斯程序?qū)W習(xí)”的研究人員稱，他們?cè)噲D復(fù)制人類看到某項(xiàng)任務(wù)后的學(xué)習(xí)過(guò)程——例如，兒童認(rèn)識(shí)馬的過(guò)程，或者技工替換汽缸墊的過(guò)程。
　　
　　這項(xiàng)研究結(jié)論已經(jīng)發(fā)表在《科學(xué)》雜志上，而作為該論文的作者之一，麻省理工學(xué)院的約書(shū)亞·特南鮑姆(JoshuaTenenbaum)說(shuō)：“機(jī)器學(xué)習(xí)能力與人類學(xué)習(xí)能力之間的差距仍然很大。我們希望縮小這種差距，這就是長(zhǎng)期目標(biāo)?！?/span>
　　
　　特南鮑姆和紐約大學(xué)的布倫登·雷克(BrendenLake)及多倫多大學(xué)的魯斯蘭·薩拉克霍特迪諾夫(RuslanSalakhutdinov)對(duì)這種算法進(jìn)行了測(cè)試，讓其識(shí)別50種手寫(xiě)系統(tǒng)中的1623個(gè)手寫(xiě)字母，包括梵文和藏語(yǔ)。
　　
　　這款軟件可以將每個(gè)字母樣本分解成一組更簡(jiǎn)單的筆畫(huà)，然后尋找最接近正確形態(tài)的筆畫(huà)組合。該算法還被要求自己制作全新的字母，并與示例字母采用相同的書(shū)寫(xiě)風(fēng)格。
　　
　　為了了解電腦的效果，研究人員還設(shè)計(jì)了所謂的“視覺(jué)圖靈測(cè)試”。將電腦和人類書(shū)寫(xiě)的字母并排列出，讓志愿者選出哪些來(lái)自人類，哪些來(lái)自電腦。在每一輪測(cè)試中，只有不到25%的志愿者給出的判斷遠(yuǎn)好于隨機(jī)概率。
　　
　　研究人員認(rèn)為，“貝葉斯程序?qū)W習(xí)”在這類任務(wù)中的學(xué)習(xí)能力與人類相仿，而且能夠欺騙多數(shù)人類志愿者。但他們也承認(rèn)這項(xiàng)實(shí)驗(yàn)的不足之處：對(duì)字母進(jìn)行分類是相對(duì)簡(jiǎn)單的任務(wù)，但電腦有的時(shí)候卻需要好幾分鐘來(lái)運(yùn)行這個(gè)程序。
　　
　　等到這種算法進(jìn)一步提煉之后，便有可能用于下一代智能手機(jī)語(yǔ)音系統(tǒng)。特南鮑姆說(shuō)：“如果你想要一套能夠很快在第一次接觸時(shí)就能學(xué)會(huì)新單詞的系統(tǒng)，那最好使用我們正在開(kāi)發(fā)的方法?！?來(lái)源：Techweb)