左 Richard Baraniuk, Tan Nguyen and Ankit Patel.
来自莱斯大学和贝勒医学院（Baylor College of Medicine）的神经科学和人工智能专家们正在从人类的大脑中获得灵感，创造了一种新的「深度学习」方法，这种方法能使计算机像人类婴儿一样自己学习视觉世界。
在研究中，该团队的「深度渲染混合模型（deep rendering mixture model）」通过联邦雇员和高中学生书写的 10000 个数字的标准数据集学会了自己如何辨别手写数字。本月初，这个团队在 NIPS 2016 大会上发表了这项研究的论文《Semi-Supervised Learning with the Deep Rendering Mixture Model》，研究者们描述了如何通过 10 个 0 到 9 之间的手写数字样本来训练他们的算法，然后让机器使用数千样本数据自我学习。在研究中，该算法在正确区分手写数字方面，几乎比所有每个数字都要用数千样本进行训练的旧方法都要好。
莱斯大学电气和计算机工程和贝勒医学院神经科学联合任命的助理教授、本研究的领导者 Ankit Patel 说：「如果用深度学习的术语来解释，我们的系统使用了一种被称为半监督学习的方法。而在深度学习领域目前最成功的方法使用的是被称为监督学习的技术，这种方法在训练时需要提供成千上万标记好的样本，比如告诉机器：这样是 1，这样是 2。」
「人类不会这样学习，」Patel 说道。「当婴儿的第一年刚学习观看事物的时候，他们对于这些事物的具体所指的感知很少。父母可能就只会给他们标注很少的事物：瓶子、椅子、妈妈等，婴儿在这一段时间上甚至不能理解口语，他们通过与世界的互动来学习，这个过程在大部分情况下都是无监督的。」
