据麻省理工科技评论报道，来自的麻省理工学院，IBM 以及 DeepMind 的学者们联合发表了一篇论文，讨论如何将象征主义学派的人工智能技术研究方法与联结主义学派的人工智能研究方法结合起来进行机器学习研究。据悉，这支由麻省理工学院 Josh Tenenbaum 教授领导的研究团队创建了一个名为神经符号概念学习器 (Neuro-symbolic concept learner) 的计算机程序。该程序能够帮助机器像人类小孩一样学习这个世界并进行对话。这一混合后的新系统不仅能够解决两种早期方法的关键限制，还克服了象征主义学派的可扩展性问题。最重要的是，它还解决了神经网络最常见的问题之一：需要大量数据才能进行训练。据了解，研究人员们正着手开发一个适用于真实场景照片的程序版本，这将有益于许多计算机视觉研究的实际运用。