机器学习(Machine Learning)专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，其目的就是让机器具有类似于人类的学习、认识、理解事物的能力。日前纽约大学数据中心的Brenden Lake及另外两位科学家建立了一种可以教机器向人类一样学习的新数据模型Bayesian Program Learning（贝叶斯程序学习)，能让计算机系统对人类认知进行很好的模拟。

就文字的识别来说，现在的机器学习会识别每一个像素，然后和数据库里的文字做比较。而Bayesian Program Learning则能从更概念的层面来识别文字，比如识别一个文字的基本结构，把文字看成是各种笔划的组合。只需向这个系统展示一个来自陌生文字系统的字符，它就能很快学到精髓，像人一样写出来，甚至还能写出其他类似的文字。

这项研究的作者还包括来自多伦多大学计算机科学与统计学系的Ruslan Salakhutdinov和麻省理工学院大脑与认知科学系的Joshua Tenenbaum。

Salakhutdinov认为，创造出能和人类具有相同学习新概念能力的机器相当困难，复制这些能力需要涉及到机器学习、统计学、计算机视觉和认知科学等方面的研究。

Tenenbaum则表示：“在儿童上幼儿园之前，他们学着仅从单一范例中识别新概念的方法，甚至会想像他们还未见过的新范例。我们离打造出跟儿童一样聪明的机器仍很遥远，但这是我们首次创造出能够学习和运用真实世界众多概念的机器，甚至是手写字体这样简单的视觉概念，可以说是跟人类不相上下。”