為了在人工智能領(lǐng)域取得新的飛躍，正如作者吳君（junwu）在《福布斯》（Forbes）上所言，人工智能將不得不“學(xué)會學(xué)習(xí)”。那是什么意思？

正如吳君所解釋的，“人類有從任何環(huán)境或環(huán)境中學(xué)習(xí)的獨特能力?！比祟惪梢赃m應(yīng)自己的學(xué)習(xí)過程。要想擁有如此靈活的質(zhì)量，人工智能需要學(xué)習(xí)過程——它必須學(xué)習(xí)學(xué)習(xí)過程，即所謂的元學(xué)習(xí)。

人類和人工智能在學(xué)習(xí)過程中有一個非常具體的對比。人類的學(xué)習(xí)能力有限，但人工智能擁有更多的資源，比如它的計算能力。人類的腦力有其局限性，學(xué)習(xí)的時間也有限。但是，人工智能雖然“從比人類大腦使用的數(shù)據(jù)更多的數(shù)據(jù)中學(xué)習(xí)，但是處理這些海量數(shù)據(jù)需要巨大的計算能力?！?/p>

吳解釋說，“隨著人工智能任務(wù)的復(fù)雜性增加，計算能力也呈指數(shù)級增長。”這意味著即使計算能力的成本很低，“指數(shù)增長從來不是我們想要的情景”，這是目前“人工智能被設(shè)計成特定目的的學(xué)習(xí)者”的主要原因，這使得他們的學(xué)習(xí)過程更加高效。

但是隨著人工智能開始學(xué)習(xí)更多，“學(xué)會學(xué)習(xí)”它開始“從日益復(fù)雜的數(shù)據(jù)中推斷”。為了避免計算能力的指數(shù)增長，必須設(shè)計一條更有效的學(xué)習(xí)路徑，并且人工智能必須記住這條路。

當(dāng)研究人員和技術(shù)人員開始將多任務(wù)問題分配給人工智能時，整個問題變得更加復(fù)雜。為了做到這一點，人工智能“需要能夠并行地評估獨立的數(shù)據(jù)集。它還需要關(guān)聯(lián)數(shù)據(jù)片段，并推斷這些數(shù)據(jù)之間的聯(lián)系?！碑?dāng)一項任務(wù)完成時，人工智能需要更新其知識，以便將其應(yīng)用于其他情況?！坝捎谌蝿?wù)是相互關(guān)聯(lián)的，因此需要整個網(wǎng)絡(luò)對任務(wù)進行評估?！?/p>

谷歌開發(fā)了一個這樣的模型，multimel，這是一個“學(xué)會同時執(zhí)行8個不同任務(wù)的人工智能系統(tǒng)”。多模式可以檢測圖像中的對象，提供標(biāo)題，識別語音，在四種語言之間進行翻譯，并執(zhí)行語法選區(qū)分析。

雖然谷歌的成就是一個巨大的飛躍，但人工智能還需要進一步的進步，以便能夠成為一個通用學(xué)習(xí)者。為了實現(xiàn)這一目標(biāo)，需要進一步發(fā)展元推理和元學(xué)習(xí)。正如吳解釋的那樣，“元推理關(guān)注的是認(rèn)知資源的有效利用。元學(xué)習(xí)關(guān)注人類有效利用有限的認(rèn)知資源和有限的數(shù)據(jù)進行學(xué)習(xí)的獨特能力?！?/p>

目前，有研究正在進行，以找出人類認(rèn)知與人工智能學(xué)習(xí)方式之間的差距，如對內(nèi)部狀態(tài)的感知、記憶或信心的準(zhǔn)確性。

所有這些都意味著“成為一個人工的廣義學(xué)習(xí)者需要對人類如何學(xué)習(xí)以及人工智能如何模仿人類學(xué)習(xí)的方式進行廣泛的研究。適應(yīng)新的情況，比如擁有“多任務(wù)”的能力，以及在有限的資源下做出“戰(zhàn)略決策”的能力，這只是人工智能研究人員將要克服的幾個障礙?！?br /> 責(zé)任編輯：tzh