這種算法充分利用了一種名為“貝葉斯程序學習”(BayesianProgramLearning)的概率方法。從本質上講，電腦會自己生成額外的例子，然后判斷哪些例子最符合相應的模式。
　　
　　“貝葉斯程序學習”的研究人員稱，他們試圖復制人類看到某項任務后的學習過程——例如，兒童認識馬的過程，或者技工替換汽缸墊的過程。
　　
　　這項研究結論已經發表在《科學》雜志上，而作為該論文的作者之一，麻省理工學院的約書亞·特南鮑姆(JoshuaTenenbaum)說：“機器學習能力與人類學習能力之間的差距仍然很大。我們希望縮小這種差距，這就是長期目標。”
　　
　　特南鮑姆和紐約大學的布倫登·雷克(BrendenLake)及多倫多大學的魯斯蘭·薩拉克霍特迪諾夫(RuslanSalakhutdinov)對這種算法進行了測試，讓其識別50種手寫系統中的1623個手寫字母，包括梵文和藏語。
　　
　　這款軟件可以將每個字母樣本分解成一組更簡單的筆畫，然后尋找最接近正確形態的筆畫組合。該算法還被要求自己制作全新的字母，并與示例字母采用相同的書寫風格。
　　
　　為了了解電腦的效果，研究人員還設計了所謂的“視覺圖靈測試”。將電腦和人類書寫的字母并排列出，讓志愿者選出哪些來自人類，哪些來自電腦。在每一輪測試中，只有不到25%的志愿者給出的判斷遠好于隨機概率。
　　
　　研究人員認為，“貝葉斯程序學習”在這類任務中的學習能力與人類相仿，而且能夠欺騙多數人類志愿者。但他們也承認這項實驗的不足之處：對字母進行分類是相對簡單的任務，但電腦有的時候卻需要好幾分鐘來運行這個程序。
　　
　　等到這種算法進一步提煉之后，便有可能用于下一代智能手機語音系統。特南鮑姆說：“如果你想要一套能夠很快在第一次接觸時就能學會新單詞的系統，那最好使用我們正在開發的方法。”(來源：Techweb)