那么，什么是认知心理学？一般而言，该学科通过评估行为来推测认知机制，并涵盖了大量与认知机制相关的细节，同时还设计了很多实验来证明这些机制。随着神经网络在解决某些具体问题上的能力已经达到或超越人类水平，认知心理学的研究方法将与人工智能的黑盒子问题愈发相关。
为了证明这一点，DeepMind设计了一个实验来解释人类认知，从而帮助人类进一步了解深度神经网络是如何解决图像分类问题。
实验结果显示，认知心理学家观察到的人类行为，在深度网络中也有类似的体现。总体上说，实验的成功也证明，认知心理学完全可以用来帮助人们更好地理解深度学习系统。
在 DeepMind 的案例研究中，甚至考虑到了孩子们是如何辨识物体的，这是认知心理学的一大研究领域。
通常而言，孩子们从单个例子中猜测词语意思的能力，被称为“单次语义学习”（one-shot word learning）——这种认知能力看起来非常自然，会让人们觉得，这一过程其实没什么太复杂的机制。
然而，美国著名哲学家威拉德·奥曼·奎因多年前设计的一个经典思想实验，却向人们展示了这一过程到底有多复杂
一个语言学家要去一个地方，但那里的语言和这个语言学家所使用的完全不一样。于是，这位语言学家想找一位当地人来学习一些本地语言中的词汇。这时，正巧有一只兔子从他们身边跑过，当地人脱口而出“gavagai”，于是语言学家就开始推测这个词的意思。
图丨“gavagai”到底指的是什么？
当然，这个词可能表示很多意思，可以是“兔子”、“白色的东西”，甚至指兔子身上的某一部位。
那么，面对这么多的可能性，人类如何去选择哪个正确的意思？
时至今日，我们在使用深度神经网络进行单次语义学习时也会遇到了同样的问题，而 DeepMind 团队所开发的名为“匹配网络”（Matching Network）的新型神经网络模型或许可以解决这些问题。
实际上，匹配网络凭借着在关注度和记忆方面的进步，完全可以做到仅凭一个案例就对ImageNet图像识别数据库中的海量数据进行分类筛选，而且表现绝对是无可争辩的。
图丨“匹配网络”的结构
