【Nature机器智能子刊新论文】学习作为概念系统的无监督对齐

题目： Learning as the unsupervised alignment of conceptual systems

摘要： 概念归纳需要从嘈杂的知觉经验中提取和命名概念。对于监督方法，随着概念数量的增加，所需的训练样本的数量也会增加。哲学家、心理学家和计算机科学家早就认识到，儿童可以在没有明确教导的情况下学会给物体贴标签。在一系列的计算实验中，我们强调了如何利用环境中的信息来构建和调整概念系统。不像监督学习，掌握概念和系统越多，学习问题就变得越容易。关键的见解是，每个概念在一个概念系统(例如，图像)中都有唯一的标签，而在其他系统(例如，文本或音频)中又会再现该标签。正如所预料的那样，儿童早期的概念很容易形成一致的体系。