为（wéi）了在人工智（zhì）能领域取得新的飞跃，正如（rú）作者吴君（jun1）（junwu）在《福（fú）布斯》（Forbes）上（shàng）所言，人工智能将（jiāng）不得不“学（xué）会学习”。那是（shì）什么意思？

正如吴君所解（jiě）释的，“人类有从任何环境或环（huán）境中学习的（de）独特（tè）能力。”人类可以适应（yīng）自（zì）己的（de）学习过程（chéng）。要（yào）想拥有如此灵活的质量，人工（gōng）智能需要学习（xí）过（guò）程——它必须学（xué）习学习过（guò）程，即所谓的元学习。

人类和人工智能在学习过（guò）程中有（yǒu）一（yī）个非常具体（tǐ）的对比。人类的学（xué）习能力有限，但人工智能拥有更多的资源，比如它的计算能力。人类的脑力（lì）有其局限性（xìng），学习（xí）的时间也有限。但是（shì），人工智能虽然“从比人类大脑使用的（de）数据更多的（de）数（shù）据（jù）中学习，但是处理（lǐ）这些海量数据需要巨大的（de）计算能力（lì）。”

吴解释说，“随着（zhe）人工智能（néng）任务的复杂（zá）性增加，计（jì）算（suàn）能（néng）力（lì）也（yě）呈（chéng）指数级增长。”这（zhè）意味着（zhe）即使（shǐ）计算能（néng）力的成本（běn）很低，“指数增长从来不是我们（men）想要的情景（jǐng）”，这是目前（qián）“人工智能被设计成特定目的的学习者（zhě）”的主（zhǔ）要原因，这使得他（tā）们的学习过（guò）程更加（jiā）高（gāo）效。

但是随着人工（gōng）智（zhì）能开始学习更（gèng）多，“学会（huì）学习”它开始“从（cóng）日益复杂的数据中（zhōng）推断（duàn）”。为了（le）避免计（jì）算能力的指数增长，必须（xū）设计（jì）一条（tiáo）更有效的学习（xí）路径，并（bìng）且人工智能必须记住（zhù）这条路。

当研究人员（yuán）和技术人员开始将多任务（wù）问题分（fèn）配给人工（gōng）智能时（shí），整个问题变得更加复杂。为了（le）做到这一点（diǎn），人工智能“需（xū）要能够并行地评估独立的数据（jù）集。它还需要关联数据片段，并推（tuī）断（duàn）这些数据之间的联系。”当一（yī）项任务（wù）完成时，人工智能需要更（gèng）新其知识，以便将其应用（yòng）于其他情况（kuàng）。“由于（yú）任务是相互关联（lián）的，因此（cǐ）需要整个网络对任务（wù）进行评估。”

谷（gǔ）歌开（kāi）发了一个这样的模型（xíng），multimel，这是一（yī）个“学会同时（shí）执（zhí）行（háng）8个（gè）不同任务的人工（gōng）智能（néng）系统”。多模式可以检测图像中的对象（xiàng），提供标（biāo）题，识别语音，在四（sì）种语言之间进行翻译，并执行语法选（xuǎn）区分析。

虽（suī）然谷（gǔ）歌的成就（jiù）是一个巨大（dà）的飞跃，但人工智（zhì）能还需要进一（yī）步（bù）的（de）进步，以（yǐ）便能够成为一个通用（yòng）学习者。为了（le）实现这一目标，需要进一步发展元推理和元（yuán）学习。正如吴解释的那（nà）样，“元推理（lǐ）关注的是认知资（zī）源的有效（xiào）利用（yòng）。元学习关注人类有效利（lì）用有限的（de）认知资源和有（yǒu）限（xiàn）的数据进行学习的（de）独特能力。”

目前，有（yǒu）研究正在（zài）进行，以找出人（rén）类认知与人工智能学（xué）习（xí）方式之间（jiān）的差距，如对内部状态的（de）感（gǎn）知、记忆或信（xìn）心的准确性。

所有这些都意味着“成为一个人工的（de）广义学习者需要对（duì）人类如何学习以及（jí）人工智能如何模仿人类学（xué）习（xí）的方式进行广泛的（de）研究。适应（yīng）新的情况，比如拥有“多（duō）任（rèn）务”的能力，以及在有限的资源（yuán）下做出“战略决策”的能（néng）力，这只是人（rén）工智能（néng）研究（jiū）人员将要克服的几个障碍。”