计算机更接近模仿人类的学习方式

人工智能的黄金标准是计算机能够像人类一样学习。例如，如果你只看到一把牙刷并且知道它的用途，那么很容易识别其他牙刷。如果它又长又细，刷毛很少，有手柄，我们就可以肯定它是牙刷。而且因为我们知道它必须适合嘴巴，所以我们可以想象什么工具适合这项工作，什么工具不适合，这进一步限制了牙刷的功能。

让机器以这种方式学习一直很困难，因为像牙刷这样的复杂物体必须用数学公式来解释，这样计算机才能理解。机器学习（即我们处理人工智能的方法）的大量工作都围绕着如何最好地表示物体和想法，以便计算机能够理解它们。

《科学》杂志上的一项新研究声称，它已经更接近人类的学习方法。他们的想法是：为每个“学习”的概念建立一个微型计算机程序。这些小程序最初解释一个它已经见过的小概念，并生成不同的方法来获得相同的最终产品。

解释这一点的最好方法是通过一个例子。目前这只适用于非常简单的符号，比如手写的字母。

研究人员向算法展示了几种古代字母的手写字母示例及其书写方式，算法以计算机程序的形式记忆了这些过程，并解释了每个字母的构成方式。研究人员将此称为贝叶斯程序学习，通过向算法展示字符的构成方式，算法便能理解每个字母的不同部分。未来，它可以以不同的方式使用这些部分对字符进行分类或创建新字符，就像人类一样。

其他计算机已经可以通过深度学习做到这一点，深度学习是人工智能的一个学科，它使用数学方程网络来理解数据中的想法。然而，深度学习技术可能需要机器分析数十到数百万个例子，而目前的方法声称从一个想法的单个例子中就可以开始工作。

这意味着有一天，我们只需一张清晰的人物图像就能从任何角度实现真正的面部识别。

该方法所取得的成果令人印象深刻。为了测试算法的学习效果，研究人员将其与人类进行了测试。人类和机器都被赋予了一个新角色，并且必须复制它。

然后他们请亚马逊 Mechanical Turk 上的人员判断哪些是人类制作的，哪些是机器制作的。但他们做不到。错误率为 48%，略低于随机概率。

你能猜出哪些字母是人工智能拼出来的吗？

最重要的是，这意味着我们才刚刚开始了解机器学习和人工智能可以做什么。虽然这项研究很重要，但这并不一定意味着未来所有机器都会以这种方式学习。正如这种方法可以取代当今计算机理解概念的思维方式一样，下个月有人完全有可能找到更好的方法。

每一步、每一篇论文和每个想法都点燃了另一根蜡烛，照亮了我们对智能和意识的认知中的巨大空白。今天，我们可以更好地创建手写字符。也许明天，它将生成类似人类的语音，甚至更成功地再现艺术。