研究人员刚刚开发出了一种算法，只需要通过一个例子就可以让电脑掌握一种新概念，而不必像传统机器学习技术一样使用成千上万个例子才能达成相同的效果。

这种算法充分利用了一种名为“贝叶斯程序学习”(Bayesian Program Learning)的概率方法。从本质上讲，电脑会自己生成额外的例子，然后判断哪些例子最符合相应的模式。

MIT研究开发人工智能新算法加速电脑学习。“贝叶斯程序学习”的研究人员称，他们试图复制人类看到某项任务后的学习过程——例如，儿童认识马的过程，或者技工替换汽缸垫的过程。

这项研究结论已经发表在《科学》杂志上，而作为该论文的作者之一，麻省理工学院的约书亚·特南鲍姆(Joshua Tenenbaum)说：“机器学习能力与人类学习能力之间的差距仍然很大。我们希望缩小这种差距，这就是长期目标。”

特南鲍姆和纽约大学的布伦登·雷克(Brenden Lake)及多伦多大学的鲁斯兰·萨拉克霍特迪诺夫(Ruslan Salakhutdinov)对这种算法进行了测试，让其识别50种手写系统中的1623个手写字母。

这款软件可以将每个字母样本分解成一组更简单的笔画，然后寻找最接近正确形态的笔画组合。该算法还被要求自己制作全新的字母，并与示例字母采用相同的书写风格。
为了了解电脑的效果，研究人员还设计了所谓的“视觉图灵测试”。将电脑和人类书写的字母并排列出，让志愿者选出哪些来自人类，哪些来自电脑。在每一轮测试中，只有不到25%的志愿者给出的判断远好于随机概率。
研究人员认为，“贝叶斯程序学习”在这类任务中的学习能力与人类相仿，而且能够欺骗多数人类志愿者。但他们也承认这项实验的不足之处：对字母进行分类是相对简单的任务，但电脑有的时候却需要好几分钟来运行这个程序。
这种算法进一步成熟之后有可能将用于下一代智能手机语音系统。