该算法可帮助机器像人类一样快速学习

来自纽约大学、多伦多大学和麻省理工学院的一组科学家创造了一项人工智能突破，能够一次性学习视觉概念，然后以类似人类的方式进行操作。这一进步可以为更智能的手机、改进的语音识别和能够更好地了解周围环境的计算机铺平道路。

要了解突破，首先必须熟悉人们的学习方式。当人类接触到一个新概念时，例如一件新的厨房设备、一个舞蹈动作或第一次学习一个单词，他们通常只需要几个例子来理解它的构成并识别新的实例。尽管机器现在可以复制一些以前由人类完成的模式识别任务，例如自动柜员机读取支票上的数字，但机器通常需要提供数百或数千个示例才能以相似的准确度执行。 

科学家们开发了一种捕捉学习能力的算法，使计算机能够识别和绘制与人类创造的概念几乎没有区别的简单视觉概念。图片来源：纽约大学。

发表在《科学》杂志上，研究人员试图缩短学习过程，使其类似于人类获取和应用知识的方式。为此，他们开发了一个“贝叶斯程序学习”（BPL）框架，其中概念被表示为简单的计算机程序。例如，字母“A”由计算机代码表示，类似于计算机程序员的工作，但该代码在运行代码时会生成该字母的示例。但是学习过程不需要程序员，因为算法通过构建代码来编程自己，以产生它看到的字母。与每次运行时产生相同输出的标准计算机程序不同，这些概率程序在每次执行时产生不同的输出，从而使它们能够捕捉到概念实例的变化方式，

多伦多大学计算机科学助理教授 Ruslan Salakhutdinov 说：“在学习新概念时，要制造出与人类一样需要少量数据的机器是非常困难的。” “复制这些能力是一个令人兴奋的研究领域，将机器学习、统计学、计算机视觉和认知科学联系起来。”

虽然标准模式识别算法将概念表示为像素配置或特征集合，但 BPL 方法学习世界上过程的“生成模型”，这使得学习成为模型构建或“解释”提供给算法的数据的问题。BPL 旨在捕获现实世界过程的因果和组合属性，从而使算法能够更有效地使用数据。

令人印象深刻的是，该模型还通过使用来自先前概念的知识来学习学习，以加快对新概念的学习。这方面的一个例子是使用拉丁字母的知识来学习希腊字母中的字母。

麻省理工学院脑与认知科学系教授约书亚·特南鲍姆说：“在上幼儿园之前，孩子们学会从一个例子中识别新概念，甚至可以想象他们没有见过的新例子。”大脑、思想和机器中心。“我们距离制造像人类孩子一样聪明的机器还很遥远，但这是我们第一次拥有一台能够学习和使用大量现实世界概念的机器——甚至是简单的视觉概念，如手写字符——很难与人类区分开来的方式。” 

资料来源：纽约大学

审核编辑 黄昊宇