大脑能非常快速地识别复杂的事物，区分其种类。例如，不管字母A的外形、质地和背景怎样，或者不管同事的头上戴着帽子还是变了发型，我们总能认出来。我们也能根据事物露出的一部分，比如床的一角或门的铰链，来认出它们。这到底是怎么实现的呢？人类是不是使用了特别简单的技巧来完成这些复杂的任务？这些技巧是不是能用来改善计算机视觉，提高机器学习能力或机器人性能呢？
乔治亚理工学院的研究人员发现，人类能使用不到百分之一的原始信息来给数据分类，他们还确认了一种能够解释人类学习行为的算法，这种方法也能用于提升机器学习能力、数据分析和改善计算机视觉。
“我们怎么能够感知我们周围的这么多数据呢？怎么就能区分这么多种类型，这么快速，这么笃定？”乔治亚理工大学计算机科学的特聘教授桑托什·万帕拉说，“人类那么做的基础是什么？这是一个计算问题。”
该大学负责研究人类行为的研究人员做了“随机投影”试验，来理解人类的学习行为。他们把原始的抽象图像呈现给测试对象，然后询问他们是否能够识别出那些只显露一小部分特征的图像。
“我们假定随机投影是人类学习的一种方式，”阿里亚加说。他是资深科学家和发展心理学家。他解释说：“最简洁的答案是，预测可能总是对的。只要给人类百分之零点一五的数据，人类就能做到准确预测。”
接着，研究人员测试了一个计算机算法，让机器（非常简单的神经网络）计算同样的测验。机器的表现跟人类一样。“我们发现，人类和机器的神经网络非常相似。”
科研人员想找出一个数学定义，找出典型和非典型的公式，然后，据此预测出对人类和机器学习来说最困难的那种数据。人类和机器的表现差不多，这表明随着时间的过去，人们将能预测出最难获悉的数据。
这个研究成果刊登在《神经计算杂志》上，被认为是对“随机投影”的首次研究。
小编推荐阅读
