这种算法充分利用了一种名为“贝叶斯程序学习”(BayesianProgramLearning)的概率方法。从本质上讲，电脑会自己生成额外的例子，然后判断哪些例子最符合相应的模式。
　　
　　“贝叶斯程序学习”的研究人员称，他们试图复制人类看到某项任务后的学习过程——例如，儿童认识马的过程，或者技工替换汽缸垫的过程。
　　
　　这项研究结论已经发表在《科学》杂志上，而作为该论文的作者之一，麻省理工学院的约书亚·特南鲍姆(JoshuaTenenbaum)说：“机器学习能力与人类学习能力之间的差距仍然很大。我们希望缩小这种差距，这就是长期目标。”
　　
　　特南鲍姆和纽约大学的布伦登·雷克(BrendenLake)及多伦多大学的鲁斯兰·萨拉克霍特迪诺夫(RuslanSalakhutdinov)对这种算法进行了测试，让其识别50种手写系统中的1623个手写字母，包括梵文和藏语。
　　
　　这款软件可以将每个字母样本分解成一组更简单的笔画，然后寻找最接近正确形态的笔画组合。该算法还被要求自己制作全新的字母，并与示例字母采用相同的书写风格。
　　
　　为了了解电脑的效果，研究人员还设计了所谓的“视觉图灵测试”。将电脑和人类书写的字母并排列出，让志愿者选出哪些来自人类，哪些来自电脑。在每一轮测试中，只有不到25%的志愿者给出的判断远好于随机概率。
　　
　　研究人员认为，“贝叶斯程序学习”在这类任务中的学习能力与人类相仿，而且能够欺骗多数人类志愿者。但他们也承认这项实验的不足之处：对字母进行分类是相对简单的任务，但电脑有的时候却需要好几分钟来运行这个程序。
　　
　　等到这种算法进一步提炼之后，便有可能用于下一代智能手机语音系统。特南鲍姆说：“如果你想要一套能够很快在第一次接触时就能学会新单词的系统，那最好使用我们正在开发的方法。”(来源：Techweb)