研究人员说，他们根据人类的学习方式开发了一种算法，该算法使计算机更像我们这样思考并识别简单的视觉概念。
他们说，这种技术可以大大减少计算机“学习”新概念所需的时间。
研究人员指出，到目前为止，计算机需要大量数据，在“学习”之前，它们会不懈地磨碎以创造预期的结果。
另一方面，人类可以用很少的数据做同样的事情，通常只需要一个视觉示例来识别和学习整个通用对象类别。
在新的学习出现在日记中科学研究人员说，他们已经取得了很小但重要的进步，可以使计算机更接近人类的学习和智力。
“我们第一次认为我们有一个机器系统，可以以很难与人类学习者区分开来学习大量的视觉概念，”说高级研究作者约书亚·坦纳鲍姆（Joshua Tenenbaum），麻省理工学院教授
尽管计算机可以识别模式（人类学习的核心），但通常需要向它们显示数百甚至数千个示例，以近似人类在仅看到几个示例甚至一个示例后可以做什么。
Tenenbaum说：“您甚至向一个小孩展示了一匹马，一辆校车或滑板，他们从一个例子中得到它。”
研究人员说，他们着手改善计算机学习过程，并使其更像人类收集和处理新知识的方式。
“在学习新概念时，建造需要像人类一样少的机器非常困难，”说多伦多大学计算机科学教授Ruslan Salakhutdinov。 “复制这些能力是连接机器学习，统计，计算机视觉和认知科学的令人兴奋的领域。”
研究人员转向统计概率来创建一种算法，该算法允许计算机执行从全球许多字母内识别，识别和复制手写字符的简单任务。
例如，当显示藏语字母的字母时，该算法允许计算机在不同的手写中识别同一角色的其他示例，分析创建字母并重新绘制其所需的笔触。
Tenenbaum建议，尽管与真正的人工智能相距甚远，但这是模仿人类认知能力的许多能力的又一步。
他说：“我们仍然远没有像人类孩子那样聪明的机器，但这是我们第一次拥有一台机器能够学习和使用大量的现实世界概念，甚至是简单的视觉概念，例如手写的角色，这些方式很难与人分开。”
