人类能否进行少于一样本学习？

能够从少量数据中学习是人类智能的关键特征，但究竟可以少到什么程度？在本文中，我们引入了一种新颖的实验范式，使我们能够在数据极度稀缺的设定下检验分类，探究人类是否能够学习比其样本数更多的类别（即人类能否进行“少于一样本”学习？）。使用该范式进行的一项实验表明，人们能够在这样的设定下进行学习，并对底层机制提供了几点见解。首先，人们能够从极少的数据中准确推断并表示高维特征空间。其次，在推断出相关空间后，人们使用一种基于原型的分类（而非基于样本的）来进行类别推断。最后，响应中系统性的、机器可学习的模式表明，人们可能具有高效的归纳偏置来处理这类数据稀缺问题。