麻省理工學院（MIT）、紐約大學及多倫多大學研究人員開發出一種電腦系統，具備產生在一個陌生的書寫系統中的角色變化的能力。這是第一次嘗試出人類與智慧電腦之間在書寫能力的差距逐步縮小。
以往傳統機器學習技術是透過輸入成千上萬個例子才能夠分辨出產品之間差異，或者必須以大量，甚至數百或上千個訓練範例，才能學習新的概念，可是這三家大學研究室剛剛開發出的一種演算法，只需要通過一個例子就可以讓電腦掌握一種新概念，且可達到傳統機器學習的效果。這種突破的確達到人類學習新事物的速度。
這種演算法充分利用了一種名為「貝式程式學習」(Bayesian Program Learning)的概率方法。從本質上講，電腦可以將一個概念性的事務轉化為簡單的電腦程式，並依據單一範例進一步學習並產生相近概念的事物。例如：具備人工智慧之電腦先學習拉丁字母之後，即可以學習類似的希臘字母。簡單來說：研究人員試圖複製人類看到某項任務後之學習過程。例如：兒童認識馬的過程，或者技術工人替換汽缸墊的過程等。
基本上來說，即使能夠透過貝式程式學習達到一個水準，但是機器學習能力與人類學習能力之間的差距仍然很大。可是這一能力在這演算法之後，的確達到縮小的差距，這也是發展人工智慧的長期目標。
研究人員運用50種少數語言，包括梵文、藏文、格拉哥里字母（Glagolitic）及印度的古吉拉特(Gujarati)文的1623個手寫字體來訓練這套電腦模型。這套系統可將每個字母樣本分解成一組更簡單的筆畫，然後尋找最接近正確型態筆畫組合，並創造出新的範例。為了瞭解電腦效果，研究人員要求志願測試員來判斷，哪一些是人類創造的新範例，哪一些是電腦創造出的新範例。結果顯示，不到25%的志願測試人員可以有效判斷兩者的差別。
這種依據基本圖靈測試來判斷機器是否具備思考能力，並測試出機器表現與人類表現可以等價或無法區分的智能測試，似乎暗示著這一次研究人員所製造出的電腦模型基本已經通過一定形式的圖靈測試。
不過，這並非沒有缺失，因為這項實驗的不足之處，在於電腦系統對於字母進行分類是屬於相對簡單的任務，可是電腦系統有時候卻需要花費好幾分鐘來運行。因此，一旦遇到複雜的任務，則其就沒辦法了。可是這成果也說明人工智慧技術正在不斷快速發展中。（800字）
[註] 圖靈測試（Turing test，又譯圖靈試驗）是圖靈於1950年提出的一個關於判斷機器是否能夠思考的著名試驗，測試某機器是否能表現出與人等價或無法區分的智能。
參考資料：
--------------------------------------------------------------------------------------------------------------------------------------------