麻省理工学院（MIT）、纽约大学及多伦多大学研究人员开发出一种电脑系统，具备产生在一个陌生的书写系统中的角色变化的能力。这是第一次尝试出人类与智慧电脑之间在书写能力的差距逐步缩小。
以往传统机器学习技术是透过输入成千上万个例子才能够分辨出产品之间差异，或者必须以大量，甚至数百或上千个训练范例，才能学习新的概念，可是这三家大学研究室刚刚开发出的一种算法，只需要通过一个例子就可以让电脑掌握一种新概念，且可达到传统机器学习的效果。这种突破的确达到人类学习新事物的速度。
这种算法充分利用了一种名为“贝式程式学习”(Bayesian Program Learning)的概率方法。从本质上讲，电脑可以将一个概念性的事务转化为简单的计算机程序，并依据单一范例进一步学习并产生相近概念的事物。例如：具备人工智能之电脑先学习拉丁字母之后，即可以学习类似的希腊字母。简单来说：研究人员试图克隆人类看到某项任务后之学习过程。例如：儿童认识马的过程，或者技术工人替换汽缸垫的过程等。
基本上来说，即使能够透过贝式程式学习达到一个水准，但是机器学习能力与人类学习能力之间的差距仍然很大。可是这一能力在这算法之后，的确达到缩小的差距，这也是发展人工智能的长期目标。
研究人员运用50种少数语言，包括梵文、藏文、格拉哥里字母（Glagolitic）及印度的古吉拉特(Gujarati)文的1623个手写字体来训练这套电脑模型。这套系统可将每个字母样本分解成一组更简单的笔画，然后寻找最接近正确型态笔画组合，并创造出新的范例。为了了解电脑效果，研究人员要求志愿测试员来判断，哪一些是人类创造的新范例，哪一些是电脑创造出的新范例。结果显示，不到25%的志愿测试人员可以有效判断两者的差别。
这种依据基本图灵测试来判断机器是否具备思考能力，并测试出机器表现与人类表现可以等价或无法区分的智能测试，似乎暗示著这一次研究人员所制造出的电脑模型基本已经通过一定形式的图灵测试。
不过，这并非没有缺失，因为这项实验的不足之处，在于电脑系统对于字母进行分类是属于相对简单的任务，可是电脑系统有时候却需要花费好几分钟来运行。因此，一旦遇到复杂的任务，则其就没办法了。可是这成果也说明人工智能技术正在不断快速发展中。（800字）
[注] 图灵测试（Turing test，又译图灵试验）是图灵于1950年提出的一个关于判断机器是否能够思考的著名试验，测试某机器是否能表现出与人等价或无法区分的智能。