麻省理工學院(MIT)、紐約大學及多倫多 大學研究人員聯(lián)合設(shè)計一套貝氏程式學習演算法，企圖縮小電腦和人類學習能力的差距。該演算法可將一個概念轉(zhuǎn)化為簡單的電腦程式，并能依據(jù)單一范例進一步學 習并產(chǎn)生相近概念的事物，例如電腦先學習拉丁字母，之后它就能學習類似的希臘字母。

　　麻省理工學院(MIT)、紐約大學及多倫多大學研究人員最近發(fā)展出一套電腦系統(tǒng)，宣稱具備人類學習及創(chuàng)造的能力，而且創(chuàng)作結(jié)果已經(jīng)足以和人類不相上下。

　　在現(xiàn)有機器學習技術(shù)下，電腦必須被喂以大量，可能是數(shù)百或上千個訓練范例，才能“學習”新的概念，但人類往往只需幾個例子就能很快應用到別的事物上。人類也能從概念學習，再推衍并創(chuàng)造出新的范例。

　 　MIT大腦及認知科學教授Josh Tenenbaum、紐約大學博士后研究生Brenden Lake及多倫多大學電腦科學副教授Ruslan Salakhutdinov聯(lián)合設(shè)計一套貝氏程式學習(Bayesian Program Learning BPL)演算法，企圖縮小電腦和人類學習能力的差距。這套演算法可將一個概念轉(zhuǎn)化為簡單的電腦程式，并能依據(jù)單一范例進一步學習并產(chǎn)生相近概念的事物，例 如電腦先學習拉丁字母，之后它就能學習類似的希臘字母。

　　研究人員運用50種少數(shù)語言，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多個手寫字體來訓練這套電腦模型，并指示電腦創(chuàng)造新的范例。最后，在一項測試 中，研究人員要求人類測試員來判斷，哪些是人類創(chuàng)造的新范例，哪些是電腦造出的新范例。結(jié)果顯示，不到25%的人類測試員無法有效判斷兩者的差別。

　　根據(jù)著名的圖靈測試，判斷機器是否能夠思考，可測試機器能否表現(xiàn)與人等價或無法區(qū)分的智能。因而研究人員結(jié)論，他們制造出的電腦模型已經(jīng)通過了一定形式的圖靈測試。

　　“我們研究顯示，此類方法在一次性的分類學習上，已獲致與人類等級的精準度，并在創(chuàng)造能力上，于視覺圖靈測試中騙過了大部份測試員。”

　 　不過也有人不以為然。Mashable引述艾倫人工智慧研究所(Allen Institute for Artificial Intelligence)CEO，也是華盛頓大學教授Oren Etzioni指出，這項研究并不算通過圖靈測試，頂多是計算機在乘法運算上擊敗人類一樣，頂多具有學術(shù)研究上的貢獻。

　　2014年俄國 的尤金.古斯曼(Eugene Goostman) 超級電腦在倫敦皇家學會(Royal Society)所舉辦的Turing Test 2014競賽中，被公認為通過“圖靈測試”，也是首次電腦騙過人類，讓人相信它是一位十三歲男孩。但根據(jù)維基百科，有文章指它其實并非真正通過測試。