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(jiǎn)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。

電腦“學(xué)習(xí)”的方式和人類有個(gè)顯著不同。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(jiǎn)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(yǔ)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(xiě)字體來(lái)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(cè)試中，研究人員要求人類測(cè)試員來(lái)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(cè)試員無(wú)法有效判斷兩者的差別。

根據(jù)著名的圖靈測(cè)試，判斷機(jī)器是否能夠思考，可測(cè)試機(jī)器能否表現(xiàn)與人等價(jià)或無(wú)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(guò)了一定形式的圖靈測(cè)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(jí)的精準(zhǔn)度，并在創(chuàng)造能力上，于視覺(jué)圖靈測(cè)試中騙過(guò)了大部份測(cè)試員。”

不過(guò)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(guò)圖靈測(cè)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(guó)的尤金.古斯曼(Eugene Goostman) 超級(jí)電腦在倫敦皇家學(xué)會(huì)(Royal Society)所舉辦的Turing Test 2014競(jìng)賽中，被公認(rèn)為通過(guò)“圖靈測(cè)試”，也是首次電腦騙過(guò)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(guò)測(cè)試。