這種新的人工智能軟件只需看一個(gè)例子就可以像人一樣精確識(shí)別出手寫(xiě)的文字。而目前最常見(jiàn)的機(jī)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(wàn)個(gè)手寫(xiě)文字的案例才可區(qū)分字母A和Z。

過(guò)去幾年，計(jì)算機(jī)已變得越來(lái)越聰明，它們可以學(xué)習(xí)識(shí)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(yán)重缺陷：即使是學(xué)習(xí)如何完成最簡(jiǎn)單的任務(wù)，它們也需要大量的數(shù)據(jù)。

而該團(tuán)隊(duì)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(huà)為每個(gè)文字生成獨(dú)特的系統(tǒng)。然后他們使用一種概率性編程技術(shù)將每個(gè)系統(tǒng)與文字匹配，或者為一個(gè)不熟悉的文字生成新的系統(tǒng)。這種系統(tǒng)并沒(méi)有模仿兒童獲得閱讀和寫(xiě)作能力的過(guò)程，而是模仿成人的學(xué)習(xí)過(guò)程，也就是在已經(jīng)知道如何去學(xué)習(xí)的基礎(chǔ)上識(shí)別并書(shū)寫(xiě)新的文字。

為了測(cè)試這一系統(tǒng)的精確性，研究人員讓人和軟件同時(shí)在看到新的文字案例后書(shū)寫(xiě)出這個(gè)文字，然后讓另一組人來(lái)判斷哪些文字是人寫(xiě)的，哪些是機(jī)器人寫(xiě)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(tuán)隊(duì)表示，這一技術(shù)可被擴(kuò)展到更加實(shí)際的應(yīng)用中。例如，它能讓計(jì)算機(jī)迅速學(xué)習(xí)如何識(shí)別并利用口語(yǔ)中的新詞匯，也可讓一個(gè)計(jì)算機(jī)去迅速識(shí)別新的物體。

紐約大學(xué)認(rèn)知科學(xué)家蓋瑞·馬庫(kù)斯認(rèn)為，這一研究代表著人工智能技術(shù)的新方向，因?yàn)樵诤芏嗲闆r下，并沒(méi)有足夠的數(shù)據(jù)供計(jì)算機(jī)去學(xué)習(xí)。馬庫(kù)斯認(rèn)為，語(yǔ)言將成為這類系統(tǒng)的“殺手級(jí)”應(yīng)用。“當(dāng)人工智能真的可以理解語(yǔ)言時(shí)，機(jī)器人在說(shuō)話時(shí)就會(huì)有真正的音調(diào)變化。”馬庫(kù)斯強(qiáng)調(diào)，“到那時(shí)它們將并不僅僅是進(jìn)行普通的語(yǔ)言轉(zhuǎn)化工作，而是真的理解了你的意思。”