Onderzoekers van de Amerikaanse universiteit MIT hebben een nieuw algoritme ontwikkeld om computers te laten leren. De onderzoekers bedachten een nieuw concept waarbij slechts één voorbeeld aan de computer wordt gegeven in plaats van duizenden voorbeelden, wat nu de standaard is bij het trainen van zelflerende algoritmes.
Het algoritme is gebaseerd op ‘Bayesian Program Learning’. Dat is eigenlijk de manier waarop wij mensen een taak proberen na te doen als we deze een keer hebben gezien.
De onderzoekers testten het algoritme door het systeem 1623 handgeschreven karakters uit 50 verschillende alfabetten te laten analyseren. Het systeem vertaalde elk karakter naar simpele lijnen. Daarna vergeleek hij de lijnen en creëerde hij sets met de karakters die het meest met elkaar overeen kwamen. De computer was daarna in staat om niet-bestaande tekens in dezelfde stijl na te maken.
Om te checken hoe de computer het deed werd er een visuele test uitgevoerd. De onderzoekers maakten een collectie van tekens die voor de helft door een computer getekend waren en voor de andere helft door mensen. In de test moesten de testpersonen raden welke tekens door mensen en welke tekens door de computers waren gemaakt. Tijdens elke testronde bleek dat minder dan 25 procent van de testpersonen enige verschillen kon detecteren.
De onderzoekers lieten aan GeekWire weten dat de computer er soms nog lang over deed, maar dat het grote potentie voor de toekomst heeft. De onderzoekers noemen daarbij spraakherkenning als voorbeeld. Joshua Tenenbaum, één van de onderzoekers, zegt dat ze met het nieuwe algoritme het verschil tussen machine learning en de menselijke capaciteiten willen verkleinen.