人工智能大突破，具人类学习能力的AI演算法问世

　　麻省理工学院（MIT）、纽约大学及多伦多大学研究人员联合设计一套贝氏程式学习演算法，企图缩小电脑和人类学习能力的差距。该演算法可将一个概念转化为简单的电脑程式，并能依据单一范例进一步学习并产生相近概念的事物，例如电脑先学习拉丁字母，之后它就能学习类似的希腊字母。

　　

　　麻省理工学院（MIT）、纽约大学及多伦多大学研究人员最近发展出一套电脑系统，宣称具备人类学习及创造的能力，而且创作结果已经足以和人类不相上下。

　　电脑“学习”的方式和人类有个显着不同。在现有机器学习技术下，电脑必须被喂以大量，可能是数百或上千个训练范例，才能“学习”新的概念，但人类往往只需几个例子就能很快应用到别的事物上。人类也能从概念学习，再推衍并创造出新的范例。

　　MIT大脑及认知科学教授Josh Tenenbaum、纽约大学博士后研究生Brenden Lake及多伦多大学电脑科学副教授Ruslan Salakhutdinov联合设计一套贝氏程式学习（Bayesian Program Learning BPL）演算法，企图缩小电脑和人类学习能力的差距。这套演算法可将一个概念转化为简单的电脑程式，并能依据单一范例进一步学习并产生相近概念的事物，例如电脑先学习拉丁字母，之后它就能学习类似的希腊字母。

　　研究人员运用50种少数语言，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多个手写字体来训练这套电脑模型，并指示电脑创造新的范例。最后，在一项测试中，研究人员要求人类测试员来判断，哪些是人类创造的新范例，哪些是电脑造出的新范例。结果显示，不到25%的人类测试员无法有效判断两者的差别。

　　根据着名的图灵测试，判断机器是否能够思考，可测试机器能否表现与人等价或无法区分的智能。因而研究人员结论，他们制造出的电脑模型已经通过了一定形式的图灵测试。

　　“我们研究显示，此类方法在一次性的分类学习上，已获致与人类等级的精准度，并在创造能力上，于视觉图灵测试中骗过了大部份测试员。”

　　　　

　　不过也有人不以为然。Mashable引述艾伦人工智慧研究所（Allen InsTItute for ArTIficial Intelligence）CEO，也是华盛顿大学教授Oren Etzioni指出，这项研究并不算通过图灵测试，顶多是计算机在乘法运算上击败人类一样，顶多具有学术研究上的贡献。

　　2014年俄国的尤金．古斯曼（Eugene Goostman） 超级电脑在伦敦皇家学会（Royal Society）所举办的Turing Test 2014竞赛中，被公认为通过“图灵测试”，也是首次电脑骗过人类，让人相信它是一位十三岁男孩。但根据维基百科，有文章指它其实并非真正通过测试。