为（wéi）了在人工（gōng）智能领域取得新的飞跃，正如（rú）作者吴君（junwu）在《福布斯》（Forbes）上所（suǒ）言，人工智能将不得不“学会学习”。那是（shì）什么意思？

正如吴君所（suǒ）解释的，“人类（lèi）有从任何环境或（huò）环境中学习的独特能力。”人（rén）类（lèi）可以（yǐ）适应（yīng）自（zì）己的学习过程。要想（xiǎng）拥有如此灵活的（de）质量，人工智（zhì）能需要学习过（guò）程——它必须（xū）学习学习过程（chéng），即（jí）所谓的（de）元（yuán）学习。

人类（lèi）和人工（gōng）智能在学习过程中有一个非（fēi）常具体（tǐ）的对比。人类的学习能力（lì）有限，但人工（gōng）智（zhì）能拥有更多（duō）的资源，比如它的计算（suàn）能力。人类的（de）脑力有其局限性，学习的（de）时间（jiān）也有限。但是，人工智能虽然“从比人类大脑使（shǐ）用（yòng）的数（shù）据更多的数据（jù）中学习，但是处理这些海量数据需（xū）要巨大的计算能力。”

吴解释说，“随（suí）着人工智能任务的复杂性增加，计算能力也呈（chéng）指（zhǐ）数级增长。”这（zhè）意（yì）味着即使（shǐ）计算能力的成本很（hěn）低，“指数增长从来不是我们想要的情景”，这是目前（qián）“人工（gōng）智能被设计成特（tè）定目（mù）的的学习（xí）者（zhě）”的主要（yào）原因，这使得他们的学（xué）习过（guò）程（chéng）更加高效。

但是随着（zhe）人工智能开始（shǐ）学习更多，“学会学（xué）习”它开始“从日益复杂的数据中推（tuī）断”。为了避免计算能力的（de）指数（shù）增长，必须设（shè）计一条更有效（xiào）的学（xué）习路径，并且人工智能必须记住这条路。

当（dāng）研究人员和技术人（rén）员（yuán）开始（shǐ）将多任务（wù）问题分配给（gěi）人工（gōng）智能时，整个问题变得更加（jiā）复杂（zá）。为了做到这一点，人工（gōng）智能“需要能够并行地评估独立的数（shù）据集。它还需要关联数（shù）据片段，并推断这些数据之间的联系（xì）。”当一（yī）项任务完（wán）成时，人工智（zhì）能（néng）需要更新（xīn）其知识，以便将其应用于其他情况。“由于任务是相（xiàng）互关联的，因此需要整个网络对（duì）任（rèn）务进行评估。”

谷歌开发了一个这样（yàng）的模型（xíng），multimel，这是一（yī）个（gè）“学会同时执（zhí）行8个不（bú）同任（rèn）务（wù）的（de）人工智能系统”。多模式可以检测图像中的（de）对象，提供标题（tí），识别语音，在四种语言之间进行（háng）翻译（yì），并（bìng）执行语法选区分（fèn）析。

虽然谷歌的成就（jiù）是一个巨大的飞跃（yuè），但人工智（zhì）能还需要进一步的进步，以便（biàn）能够（gòu）成为一个通用学习者（zhě）。为了实（shí）现（xiàn）这一目标（biāo），需要进（jìn）一步发展元（yuán）推（tuī）理和（hé）元（yuán）学（xué）习。正如吴解（jiě）释的那样，“元推理关注（zhù）的是认知资源的有效利（lì）用。元学（xué）习关注人类有效利（lì）用（yòng）有限的认知（zhī）资源和有（yǒu）限（xiàn）的数（shù）据进行（háng）学（xué）习的独特能力。”

目前（qián），有（yǒu）研究正在（zài）进行，以找出人类认（rèn）知与人工智（zhì）能学习方式之间的（de）差距，如对内部（bù）状态（tài）的（de）感（gǎn）知、记忆（yì）或（huò）信心的准确性。

所有这些都意味（wèi）着“成为一个人工的广义学（xué）习者需要（yào）对人类（lèi）如何学习（xí）以（yǐ）及人工智能（néng）如何模仿人类学习的（de）方式进（jìn）行（háng）广泛的研（yán）究。适应新的情况，比如拥有“多任务（wù）”的（de）能力，以及在有限（xiàn）的资源下做出“战略（luè）决策”的能（néng）力，这只是人工智能研究人员（yuán）将要（yào）克（kè）服的几个障碍。”