Another approach?

NPI（Neural Programer-Interpreters）再稍微加点东西就可以当作认知模型用了呀，还说什么

80年代的符号逻辑是做从最抽象的极端做起，现在的DL是最底层的像素级的极端做起。理所当然这两个极端间会有一大块空白还要研究。One shot learning 或 rich supervision (NPI等）可以说是填这个空白的几类研究。从这个媒体文章看不上出它是怎样新颖法。
有这方面的论文吗？

里面有个黑体字加粗的词语 Common Sence,考虑到鬼佬喜欢埋梗，以及文中也提到了概率，引用多种传感器描述的对象，比大量繁复雷同的单一数据要有效得多，并且多参数也就可以避开统计陷阱。毕竟世界上为红色，体积为250立方厘米，发出清香，重量在200克+-100克，光洁度在XXRA之间的东西，也就只有苹果和某种水果符合这么窄的范围，多变量取代了多数据，单靠苹果图片来训练那永远没有满意结果。必须知道苹果类的重量和其他属性才可缩小数据集。单一的数据换哪种算法都好，只是出来的图形向上向下跑或者波浪形跑而已，，波谷都是对应的。换成图片的像素集也脱不了这个规律。
这句话已经表明了一切，This flexible approach can imbue machines with something resembling a crude form of common sense, a quality that is fundamentally important to human intelligence.