菠萝简笔画简单又漂亮

想象一下，你从未见过菠萝，但有一天你收到一个。仅通过一次观察，你就能识别出它的特征。第二天，在满是苹果、葡萄、柚子的水果店中，你能够迅速认出菠萝。甚至还能在纸上画出它的简笔画。这种“从单一例子中理解概念”的能力对人类来说轻而易举，但对于目前的人工智能来说却是一项挑战。

这一难题可能因今天的一项研究而得到解决。今天，一篇关于人工智能的论文登上了《科学》杂志的封面。该研究由分别来自麻省理工学院、纽约大学和多伦多大学的三位研究者完成。他们开发了一个计算机系统，只需看一眼就能学习写字，就像人一样写出字符，甚至能通过图灵测试。

三位研究者分别是纽约大学数据科学中心的Brenden Lake，多伦多大学计算机科学与统计学系的Ruslan Salakhutdinov和麻省理工学院大脑与认知科学系的Joshua Tenenbaum。他们的AI系统能够迅速学习写陌生的文字，其关键在于领悟字符的本质特征（即字符的整体结构），同时识别出非本质特征（即那些因书写造成的轻微变异）。

人类的思维具有极大的弹性，尽管许多概念的边界模糊，我们依然能明确分类。这三位研究者声称他们的系统捕捉到了这种弹性。该系统能够模仿人类的一个特殊天赋——从少量案例中学习新概念。其所根植的计算结构叫做概率程序，可能有助于对人类获取复杂概念的过程进行建模。

研究者对这个AI系统进行了几项测试，包括展示它从未见过的书写系统中的字符例子，让它写出同样的字符或创造出相似的字符等。人类被试也需完成同样的任务。最后通过一组人类裁判分辨哪些是机器写的，哪些是人类写的。结果裁判的正确率仅为52%，与随机结果相当接近。这表明机器成功通过了所谓的视觉图灵测试。

三位研究者采用的方法是贝叶斯程序学习（BPL），能很好地模拟人类认知过程。传统的机器学习方法需要大量的数据集进行训练，而这种方法只需要一个粗略的模型，然后使用推理算法来分析案例，补充模型的细节。这一突破性的研究不仅为人工智能领域带来了性的进展，也为机器学习领域提供了新的思路和方法。

这一成果得到了许多专家的认可和评价。剑桥大学信息工程教授Zoubin Ghahramani认为这是对人工智能、认知科学和机器学习的重大贡献。深度学习虽然已取得了重要成功，但这篇论文清醒地表明了其局限性。该研究展现了实现类人机器学习的重要方法。多伦多大学和谷歌的人工智能先驱Geoffrey Hinton也对该研究表示了高度赞赏和认可。他认为这个模型能够通过视觉图灵测试是一个不错的成就，并表示该论文令那些宣称智能计算机系统的学习方式与人类完全不同的批评者闭上了嘴。他们主要论据是计算机不能从单个例子中形成概念现在已经被证明是不可能的限制了范围并不是真实的了解了本文的研究成果后他们也必须保持沉默可以说本文的成果不仅是一个技术上的突破也是对传统认知观念的对于人工智能的发展具有里程碑式的意义未来这一技术可以应用于许多领域如读懂手语提升语音识别软件的性能等甚至可能用于制定军事行动计划当然这只是一个小小的起点不代表未来的机器学习都必须采用这种方法在这个日新月异的领域中或许下个月就会出现一种新方法将其超越尽管如此本文的成果仍然具有重要的价值和意义在探索人工智能的道路上又迈出了一大步对于所有关注人工智能发展的人来说这无疑是一个令人兴奋的时刻参考文献：Brenden M. Lake等人撰写的论文《通过概率程序诱导实现人类水平的概念学习》回复数字下载pdf本文由机器之心原创编译转载请联系本公众号获得授权机器之心联系方式：@almosthuman.！