美国科学家日前报告说，他们从人类大脑的学习方式中获得灵感，研发出一种新的“深度学习”算法，可以让机器像人类婴儿一样自主学习视觉世界。

在深度学习领域，科学家喜欢用“这是1，这是2”的方法来训练机器。这种被称为“监督学习”的技术，在训练时需要为机器提供成千上万标记好的样本，此前被认为是最有效的方法。

不过，人类并不是这样学习。在大多数情况下，人类大脑的学习方式都是“无监督学习”。在日前于西班牙巴塞罗那举行的神经信息处理系统（NIPS）大会上，研究人员发表报告说，美国赖斯大学和贝勒医学院的神经科学和人工智能专家研发出一种“半监督学习”算法，这种机器学习方式与人类更为接近。

研究负责人安基特·帕特尔解释说，婴儿出生第一年，父母会告诉孩子这是水瓶、椅子、妈妈……，但事实上，婴儿并不能理解这些词语的意思。多数情况下，他们是通过与世界互动进行“无监督学习”的。

据介绍，研究人员首先仅向新研发出的“深度渲染混合模型”提供从0到9这10个数字的10个手写标准样本，然后再让模型去“自学”数千个样本数据，通过这种“半监督学习”算法让模型学习识别手写体数字。最终测试结果显示，在辨别手写数字方面，这种模型比此前几乎所有算法，即一开始就通过数千个正确样本训练机器“学习”每个数字的方法更为准确。

研究人员表示，这种“半监督学习”算法属于一种“卷积神经网络”。在这种从生物神经元中得到启发而设计出的多层人工神经元网络中，人工神经元（或称数据处理单元）分层排列。第一层扫描图像，并执行相对简单的任务，如搜索边缘和颜色的变化等。第二层负责检查从第一层输出的内容，并搜索更复杂的模式。从数学角度上说，这种在模式内寻找模式的嵌套方法被称为一种非线性过程。

研究人员指出，从本质上说，卷积神经网络是一个“非常简单的视觉皮层”。举例来说，如果给这个网络输入一个图像，那么它的每一层就会处理这个图像的一部分特征，而随着层级深入，对于图像的理解也就不断加深。到最后一层，这个网络就会获得关于这个图像相当深入且抽象的理解。事实上，现今几乎所有自动驾驶系统都配备了这种网络，因为卷积神经网络是迄今最好的视觉处理方法。

研究人员认为，他们研发出的这种人工神经网络还可以帮助神经科学家更好地了解人类大脑处理信息的方式，因为人类大脑的“算法”远远优于任何人类设计的神经网络。