"מערכת לומדת", בתחום הבינה המלאכותית, היא מערכת המבצעת משימה כלשהי פעם אחר פעם ומיטיבה לבצעה ככל שהיא מרבה בכך. מחקרנו עסק במערכות לומדות והתמקד בשאלה הבאה: האם הן יכולות ללמוד ממידע השוואתי בלבד? כלומר, בהינתן מידע הכולל היגדים מהצורה "אובייקט א' דומה לאובייקט ב'" או "אובייקט א' יותר דומה לאובייקט ב' מאשר אובייקט ג'" בלבד, האם ניתן לאמן מערכת לומדת – כלומר "ללמד" אותה, להעביר לה מידע – ולקבל ממנה מידע שימושי על העולם שסביבנו? אינטואיטיבית, לבני אדם קל יחסית לספק פידבק מסוג השוואתי, ולכן לעבודה זו יש חשיבות. התוצאות במחקר זה מראות שעל-ידי בניית רשתות עמוקות מיוחדות הכוללות מבנה סימטרי מיוחד ניתן לבנות מערכות כאלה ולאמן אותן "להבין לבד" פונקציית דמיון בין עצמים (למשל, תמונות) בצורה שמתחרה עם בני-אדם. בעבודה אחת, ביחד עם אלעד הופר, הראינו כיצד ארכיטקטורת רשת לומדת שמכילה שני עותקים זהים של אותה רשת (עם המבנה הסימטרי המיוחד שנזכר לעיל), יכולה ללמוד היגדים מהצורה "א' דומה ל-ב'" או "א' שונה מ-ב'". בעבודה השנייה הראינו (יחד עם איתי חוברה) כיצד ארכיטקטורת רשת שמכילה שלושה עותקים של אותה רשת יכולה ללמוד היגדים מהצורה "אובייקט א' יותר דומה לאובייקט ב' מאשר ג'". אחד האתגרים המעניינים בעבודה זו היה להגדיר "פונקציית מטרה" נכונה, שאחראית "לכוון" את המערכת הלומדת לכיוון הנכון בהינתן הפידבק. האפליקציה המעניינת שנוסתה בעבודה זו באה מעיבוד תמונה, כאשר הפידבק הגיע באופן אוטומטי מזוגות של תמונות: שני טלאים (patches) מתמונה אחת נחשבים באופן אוטומטי יותר דומים אחד לשני מאשר לטלאי מתמונה אחרת. המערכת השתמשה במידע זה בשביל לאמן את הרשת "להבין" מתי שני טלאים של תמונות באים מאותה תמונה.