這種算法充分利用了一種名為“貝葉斯程序學習”(BayesianProgramLearning)的概率方法。從本質上講,電腦會自己生成額外的例子,然后判斷哪些例子最符合相應的模式。
“貝葉斯程序學習”的研究人員稱,他們試圖復制人類看到某項任務后的學習過程——例如,兒童認識馬的過程,或者技工替換汽缸墊的過程。
這項研究結論已經發(fā)表在《科學》雜志上,而作為該論文的作者之一,麻省理工學院的約書亞·特南鮑姆(JoshuaTenenbaum)說:“機器學習能力與人類學習能力之間的差距仍然很大。我們希望縮小這種差距,這就是長期目標?!?/span>
特南鮑姆和紐約大學的布倫登·雷克(BrendenLake)及多倫多大學的魯斯蘭·薩拉克霍特迪諾夫(RuslanSalakhutdinov)對這種算法進行了測試,讓其識別50種手寫系統(tǒng)中的1623個手寫字母,包括梵文和藏語。
這款軟件可以將每個字母樣本分解成一組更簡單的筆畫,然后尋找最接近正確形態(tài)的筆畫組合。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寫風格。
為了了解電腦的效果,研究人員還設計了所謂的“視覺圖靈測試”。將電腦和人類書寫的字母并排列出,讓志愿者選出哪些來自人類,哪些來自電腦。在每一輪測試中,只有不到25%的志愿者給出的判斷遠好于隨機概率。
研究人員認為,“貝葉斯程序學習”在這類任務中的學習能力與人類相仿,而且能夠欺騙多數人類志愿者。但他們也承認這項實驗的不足之處:對字母進行分類是相對簡單的任務,但電腦有的時候卻需要好幾分鐘來運行這個程序。
等到這種算法進一步提煉之后,便有可能用于下一代智能手機語音系統(tǒng)。特南鮑姆說:“如果你想要一套能夠很快在第一次接觸時就能學會新單詞的系統(tǒng),那最好使用我們正在開發(fā)的方法。”(來源:Techweb)
(審核編輯: 智慧羽毛)