“嘿，Siri，我的头发看起来如何？”拜加拿大多伦多大学电机系两位研究人员之赐，也许再过不久，你的智慧型手机就可以针对前述问题，为你提供一针见血的回答。

而这项新科技，有朝一日或许可以运用在医学等更重要的用途上，像是以视觉侦测皮肤癌或发展更安全的自动驾驶汽车。

阿拉比（Parham Aarabi） 和高文芝（Wenzhi Guo，音译）两位多伦多大学研究员，最近公开了一套全新的机械学习算法─让电脑直接透过“人类指令”，而不只是透过“既有範例”来学习。运用这套新算法的执行成效，比以往训练人工神经网络的旧方法高出160%。

让人惊讶的是，接受这套新算法训练的电脑辨识照片头发的可信度，比接受训练前的可信度，高出9%。显示人工智慧又向前跨出了一步。

多伦多大学机械新闻（UofT Engineering News）在16日公布的这项消息，今天登上了加拿大广播公司（CBC）科技新闻版面。

阿拉比说，辨别头发，或许不是今日世界最重要的问题，但却是可以精确量化的事。这样浅显的例子让大家可以清楚了解到，这项新机械学习算法是有用的。

过去，要是单从照片来辨识人类的头发，电脑的表现往往比不上人类。阿拉比表示，这套新算法让电脑接受人类指令，学习如何针对困难的分界线，正确分类、区别出头发发色、质地、发流方向等。

以前，人类教导电脑的方法，主要是提供特定资料、要求人工神经网路依据样本做出决定；像是将成千上万张和天空有关的照片给电脑看，藉以训练神经网路，分辨照片里的天空。

但这项新的机械学习算法，让电脑可以直接听从人类训练者给予的指令；像是“天空的蓝色可以有很多不同层次”或“图片上方的像素，比图片下方的像素，更像天空”等。

阿拉比相信，结合人类经验和机械学习，将有助于其他领域的发展。例如，目前皮肤科医师运用视觉的帮助，辨别可能造成皮肤癌的痣；道路驾驶人则是仰赖交通规则，确保行车安全。而两者都缺乏较大的数据资料。这种新的探索式训练学习法，让人工神经网络在面对不明或没有标示的资讯时，仍能获得有效训练，做出正确判断。

阿拉比和高文芝目前在一家软体公司ModiFace工作，这项研究是他们工作内容的延伸。这家公司研发的ModiFace手机应用程式，可以让使用者看到不同品牌的美粧产品或发型颜色，使用在自己脸上的样子。

阿拉比和高文芝的研究，已在电机电子工程师学会（IEEE）网站上公布，也将刊登在下一期的神经网络学习系统公报期刊上。