为了在人工智能领（lǐng）域取得新的飞跃，正（zhèng）如作者吴（wú）君（jun1）（junwu）在《福布斯》（Forbes）上所言，人工智能将不得（dé）不“学会学习”。那是什么意（yì）思？

正如（rú）吴君（jun1）所解（jiě）释的，“人类有从任何环（huán）境或环境中学习的（de）独特（tè）能力。”人类可以适（shì）应自己的学习过程。要想拥有如此（cǐ）灵活的质量，人工智能需要（yào）学习过（guò）程——它必须学习（xí）学习过程（chéng），即所谓的（de）元学习（xí）。

人类和人工智（zhì）能在学习过程（chéng）中有一个非常具体（tǐ）的对比。人类的学习能力有限，但人工智能（néng）拥（yōng）有更多的资源，比如（rú）它的计算能力（lì）。人类（lèi）的（de）脑（nǎo）力有其局限性（xìng），学（xué）习（xí）的时间也有限。但是，人工（gōng）智（zhì）能虽然“从比人类大脑（nǎo）使用的数据更多的数据中学习，但是（shì）处理这些（xiē）海量（liàng）数据（jù）需要巨大的（de）计算能力。”

吴解释说，“随着（zhe）人工（gōng）智能任务的（de）复杂性增加，计算能力也（yě）呈指数级增长。”这意味着（zhe）即使（shǐ）计算能力的成本很低，“指数增（zēng）长从来不是我们想要的情景”，这是目前“人工（gōng）智能被设计成特定目的的学习者”的主（zhǔ）要原因（yīn），这使得他们的（de）学（xué）习（xí）过程（chéng）更加高效。

但是随（suí）着人工智能开始学习更多，“学会学习”它（tā）开始“从（cóng）日益复杂的数据中推断”。为了避（bì）免计算能力的指数增长，必（bì）须设计一（yī）条更有效的学习路径，并且人工智能（néng）必须记住这条路。

当研究人员和技术（shù）人员开始将多任务问题分配给人工智能时，整个问题（tí）变得更加（jiā）复（fù）杂（zá）。为了（le）做到这一（yī）点，人工（gōng）智能“需要能够（gòu）并（bìng）行地评估独立（lì）的（de）数据（jù）集。它还（hái）需要关联数据片段，并推断这（zhè）些数据之（zhī）间（jiān）的联系。”当一项任务完成时，人（rén）工（gōng）智能需要更新其知识，以便将其应用于（yú）其他情况。“由于任务是相互关联（lián）的，因此需要整个网络对（duì）任务进行（háng）评估（gū）。”

谷（gǔ）歌开发了（le）一个这样（yàng）的模（mó）型（xíng），multimel，这是一个（gè）“学（xué）会同时执行8个不（bú）同任务的人工智能（néng）系统（tǒng）”。多模（mó）式可（kě）以检测图像中（zhōng）的对象，提（tí）供标题，识别语音，在四种语（yǔ）言之间（jiān）进行（háng）翻译（yì），并执行语法选区分析。

虽（suī）然谷歌（gē）的（de）成（chéng）就是一（yī）个巨（jù）大的飞跃（yuè），但人工智（zhì）能还需要进一步的进步，以便能（néng）够成为一个通用学习者。为了实（shí）现这一目标（biāo），需要（yào）进一步发展元推理和元学习。正（zhèng）如（rú）吴解释的那（nà）样，“元推理关注的是（shì）认知资源（yuán）的有效（xiào）利（lì）用（yòng）。元学习关注人类有（yǒu）效利用有限的认知资源和有（yǒu）限（xiàn）的数（shù）据进行（háng）学习的独特能力。”

目前，有研究正在进行，以找（zhǎo）出人类认知（zhī）与人工智能学习方（fāng）式之（zhī）间的差距，如对内部（bù）状态的感知、记忆（yì）或信心的准确性（xìng）。

所有（yǒu）这些都意味着“成为一个人工的广义学习者需要对人类（lèi）如何学习以及人工智能（néng）如何模仿人类学习的方式（shì）进行广泛的研究。适应（yīng）新的情况，比如拥有“多任务”的能力（lì），以及在有限（xiàn）的资源下做（zuò）出“战略（luè）决策”的能力，这只是（shì）人（rén）工（gōng）智（zhì）能研究人（rén）员将要克服的（de）几（jǐ）个障碍。”