這種新的人工智能軟件只需看一個例子就可以像人一樣精確識別出手寫的文字。而目前最常見的機器學(xué)習(xí)算法使用一種叫做“深度學(xué)習(xí)”的技術(shù)，需要成千上萬個手寫文字的案例才可區(qū)分字母A和Z。

過去幾年，計算機已變得越來越聰明，它們可以學(xué)習(xí)識別人的面部、理解演講的內(nèi)容甚至安全駕駛汽車。但是這種學(xué)習(xí)能力存在嚴重缺陷：即使是學(xué)習(xí)如何完成最簡單的任務(wù)，它們也需要大量的數(shù)據(jù)。

而該團隊使用了一種叫做“貝葉斯學(xué)習(xí)系統(tǒng)”的算法，這種算法可以使用虛擬的筆畫為每個文字生成獨特的系統(tǒng)。然后他們使用一種概率性編程技術(shù)將每個系統(tǒng)與文字匹配，或者為一個不熟悉的文字生成新的系統(tǒng)。這種系統(tǒng)并沒有模仿兒童獲得閱讀和寫作能力的過程，而是模仿成人的學(xué)習(xí)過程，也就是在已經(jīng)知道如何去學(xué)習(xí)的基礎(chǔ)上識別并書寫新的文字。

為了測試這一系統(tǒng)的精確性，研究人員讓人和軟件同時在看到新的文字案例后書寫出這個文字，然后讓另一組人來判斷哪些文字是人寫的，哪些是機器人寫的。他們發(fā)現(xiàn)只有不到25%的“裁判”能夠發(fā)現(xiàn)二者的不同。

該團隊表示，這一技術(shù)可被擴展到更加實際的應(yīng)用中。例如，它能讓計算機迅速學(xué)習(xí)如何識別并利用口語中的新詞匯，也可讓一個計算機去迅速識別新的物體。

紐約大學(xué)認知科學(xué)家蓋瑞·馬庫斯認為，這一研究代表著人工智能技術(shù)的新方向，因為在很多情況下，并沒有足夠的數(shù)據(jù)供計算機去學(xué)習(xí)。馬庫斯認為，語言將成為這類系統(tǒng)的“殺手級”應(yīng)用。“當(dāng)人工智能真的可以理解語言時，機器人在說話時就會有真正的音調(diào)變化。”馬庫斯強調(diào)，“到那時它們將并不僅僅是進行普通的語言轉(zhuǎn)化工作，而是真的理解了你的意思。”