Para ilmuwan mengatakan mereka telah menciptakan sebuah model komputer, atau algoritma yang menangkap kemampuan unik manusia untuk memahami konsep-konsep baru dalam satu contoh studi yang melibatkan karakter asing abjad tulisan tangan.
Ilmuwan kognitif dari Universitas New York, Brenden Lake menyatakan bahwa pekerjaan sekaligus penelitian ini memiliki tujuan untuk mempelajari pemahaman manusia yang lebih baik dan mengembangkannya, seperti algoritma yang dipelajari manusia.
"Penelitian kami bertujuan untuk membalikkan cara orang mempelajari konsep-konsep visual yang sederhana, dalam hal mengidentifikasi jenis perhitungan bahwa pikiran dapat melakukannya, pengujian asumsi ini dengan mencoba menciptakan perilaku," kata Lake.
Algoritma ini dirancang untuk membuat komputer mampu belajar dengan cepat dari satu contoh yang dilakukan manusia.
"Anda menunjukkan pada anak muda seekor kuda atau bus sekolah atau skateboard dan mereka mengerti dengan hanya satu atau beberapa contoh,"kata Joshua Tenenbaum profesor ilmu komputasi kognitif ilmu Massachusetts Institute of Technology.
“Algoritma standar di mesin pembelajaran membutuhkan puluhan, ratusan atau bahkan ribuan contoh pelatihan untuk menghasilkan hasil yang sama,” kata Tenenbaum.
Pada studi tersebut, komputer dengan algoritma baru dan manusia disajikan pilihan karakter antara satu set data (sekitar 1.600 karakter) tulisan tangan dari 50 huruf seluruh dunia. Salah satunya termasuk alfabet fiksi alien dari acara TV animasi "Futurama."
Selain itu, manusia dan komputer diarahkan untuk mereproduksi berbagai karakter setelah diberi contoh tunggal. Tim penilai adalah manusia yang diminta untuk mengidentifikasi karakter yang direproduksi oleh komputer. Para penilai menemukan bahwa hasil dari komputer menjadi hampir tidak bisa dibedakan dari hasil manusia.
Profesor ilmu komputer dan statistik University of Toronto, Ruslan Salakhutdinov mengatakan dia berharap eksperimen baru ini akan membantu kemajuan dalam kecerdasan buatan ke arah generasi berikutnya dari mesin cerdas.
“Pendekatan yang sama digunakan dalam penelitian ini mungkin berlaku untuk mesin pembelajaran untuk banyak tugas lain, seperti pengenalan suara dan pengenalan obyek,”kata Lake.
Penelitian ini diterbitkan dalam jurnal Science.