研究人員說，他們根據人類的學習方式開發了一種算法，該算法使計算機更像我們這樣思考並識別簡單的視覺概念。
他們說，這種技術可以大大減少計算機“學習”新概念所需的時間。
研究人員指出，到目前為止，計算機需要大量數據，在“學習”之前，它們會不懈地磨碎以創造預期的結果。
另一方面，人類可以用很少的數據做同樣的事情，通常只需要一個視覺示例來識別和學習整個通用對像類別。
在新的學習出現在日記中科學研究人員說，他們已經取得了很小但重要的進步，可以使計算機更接近人類的學習和智力。
“我們第一次認為我們有一個機器系統，可以以很難與人類學習者區分開來學習大量的視覺概念，”說高級研究作者約書亞·坦納鮑姆（Joshua Tenenbaum），麻省理工學院教授
儘管計算機可以識別模式（人類學習的核心），但通常需要向它們顯示數百甚至數千個示例，以近似人類在僅看到幾個示例甚至一個示例後可以做什麼。
Tenenbaum說：“您甚至向一個小孩展示了一匹馬，一輛校車或滑板，他們從一個例子中得到它。”
研究人員說，他們著手改善計算機學習過程，並使其更像人類收集和處理新知識的方式。
“在學習新概念時，建造需要像人類一樣少的機器非常困難，”說多倫多大學計算機科學教授Ruslan Salakhutdinov。 “複製這些能力是連接機器學習，統計，計算機視覺和認知科學的令人興奮的領域。”
研究人員轉向統計概率來創建一種算法，該算法允許計算機執行從全球許多字母內識別，識別和復製手寫字符的簡單任務。
例如，當顯示藏語字母的字母時，該算法允許計算機在不同的手寫中識別同一角色的其他示例，分析創建字母並重新繪製其所需的筆觸。
Tenenbaum建議，儘管與真正的人工智能相距甚遠，但這是模仿人類認知能力的許多能力的又一步。
他說：“我們仍然遠沒有像人類孩子那樣聰明的機器，但這是我們第一次擁有一台機器能夠學習和使用大量的現實世界概念，甚至是簡單的視覺概念，例如手寫的角色，這些方式很難與人分開。”
