麻省理工學(xué)院(MIT),、紐約大學(xué)及多倫多 大學(xué)研究人員聯(lián)合設(shè)計(jì)一套貝氏程式學(xué)習(xí)演算法,，企圖縮小電腦和人類學(xué)習(xí)能力的差距,。該演算法可將一個(gè)概念轉(zhuǎn)化為簡單的電腦程式,，并能依據(jù)單一范例進(jìn)一步學(xué) 習(xí)并產(chǎn)生相近概念的事物,，例如電腦先學(xué)習(xí)拉丁字母,，之后它就能學(xué)習(xí)類似的希臘字母,。

　　麻省理工學(xué)院(MIT)、紐約大學(xué)及多倫多大學(xué)研究人員最近發(fā)展出一套電腦系統(tǒng),，宣稱具備人類學(xué)習(xí)及創(chuàng)造的能力,，而且創(chuàng)作結(jié)果已經(jīng)足以和人類不相上下。

　　在現(xiàn)有機(jī)器學(xué)習(xí)技術(shù)下,，電腦必須被喂以大量,，可能是數(shù)百或上千個(gè)訓(xùn)練范例，才能“學(xué)習(xí)”新的概念,，但人類往往只需幾個(gè)例子就能很快應(yīng)用到別的事物上,。人類也能從概念學(xué)習(xí)，再推衍并創(chuàng)造出新的范例,。

　 　MIT大腦及認(rèn)知科學(xué)教授Josh Tenenbaum,、紐約大學(xué)博士后研究生Brenden Lake及多倫多大學(xué)電腦科學(xué)副教授Ruslan Salakhutdinov聯(lián)合設(shè)計(jì)一套貝氏程式學(xué)習(xí)(Bayesian Program Learning BPL)演算法，企圖縮小電腦和人類學(xué)習(xí)能力的差距,。這套演算法可將一個(gè)概念轉(zhuǎn)化為簡單的電腦程式,，并能依據(jù)單一范例進(jìn)一步學(xué)習(xí)并產(chǎn)生相近概念的事物，例 如電腦先學(xué)習(xí)拉丁字母,，之后它就能學(xué)習(xí)類似的希臘字母,。

　　研究人員運(yùn)用50種少數(shù)語言，包括梵文,、藏文,、格拉哥里字母 (Glagolitic)及印度的古吉拉特(Gujarati)文里1600多個(gè)手寫字體來訓(xùn)練這套電腦模型，并指示電腦創(chuàng)造新的范例,。最后,，在一項(xiàng)測試 中，研究人員要求人類測試員來判斷,，哪些是人類創(chuàng)造的新范例,，哪些是電腦造出的新范例。結(jié)果顯示,，不到25%的人類測試員無法有效判斷兩者的差別,。

　　根據(jù)著名的圖靈測試，判斷機(jī)器是否能夠思考,，可測試機(jī)器能否表現(xiàn)與人等價(jià)或無法區(qū)分的智能,。因而研究人員結(jié)論，他們制造出的電腦模型已經(jīng)通過了一定形式的圖靈測試。

　　“我們研究顯示,，此類方法在一次性的分類學(xué)習(xí)上,，已獲致與人類等級的精準(zhǔn)度，并在創(chuàng)造能力上,，于視覺圖靈測試中騙過了大部份測試員,。”

　 　不過也有人不以為然,。Mashable引述艾倫人工智慧研究所(Allen Institute for Artificial Intelligence)CEO,，也是華盛頓大學(xué)教授Oren Etzioni指出，這項(xiàng)研究并不算通過圖靈測試,，頂多是計(jì)算機(jī)在乘法運(yùn)算上擊敗人類一樣,，頂多具有學(xué)術(shù)研究上的貢獻(xiàn)。

　　2014年俄國 的尤金.古斯曼(Eugene Goostman) 超級電腦在倫敦皇家學(xué)會(huì)(Royal Society)所舉辦的Turing Test 2014競賽中,，被公認(rèn)為通過“圖靈測試”,，也是首次電腦騙過人類，讓人相信它是一位十三歲男孩,。但根據(jù)維基百科,，有文章指它其實(shí)并非真正通過測試。