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

正如吳君所解釋的，“人類有從任何環境或環境中學習的獨特能力。”人類可以適應自己的學習過程。要想擁有如此靈活的質量，人工智能需要學習過程——它必須學習學習過程，即所謂的元學習。

人類和人工智能在學習過程中有一個非常具體的對比。人類的學習能力有限，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，學習的時間也有限。但是，人工智能雖然“從比人類大腦使用的數據更多的數據中學習，但是處理這些海量數據需要巨大的計算能力。”

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

但是隨著人工智能開始學習更多，“學會學習”它開始“從日益復雜的數據中推斷”。為了避免計算能力的指數增長，必須設計一條更有效的學習路徑，并且人工智能必須記住這條路。

當研究人員和技術人員開始將多任務問題分配給人工智能時，整個問題變得更加復雜。為了做到這一點，人工智能“需要能夠并行地評估獨立的數據集。它還需要關聯數據片段，并推斷這些數據之間的聯系。”當一項任務完成時，人工智能需要更新其知識，以便將其應用于其他情況。“由于任務是相互關聯的，因此需要整個網絡對任務進行評估。”

谷歌開發了一個這樣的模型，multimel，這是一個“學會同時執行8個不同任務的人工智能系統”。多模式可以檢測圖像中的對象，提供標題，識別語音，在四種語言之間進行翻譯，并執行語法選區分析。

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習者。為了實現這一目標，需要進一步發展元推理和元學習。正如吳解釋的那樣，“元推理關注的是認知資源的有效利用。元學習關注人類有效利用有限的認知資源和有限的數據進行學習的獨特能力。”

目前，有研究正在進行，以找出人類認知與人工智能學習方式之間的差距，如對內部狀態的感知、記憶或信心的準確性。

所有這些都意味著“成為一個人工的廣義學習者需要對人類如何學習以及人工智能如何模仿人類學習的方式進行廣泛的研究。適應新的情況，比如擁有“多任務”的能力，以及在有限的資源下做出“戰略決策”的能力，這只是人工智能研究人員將要克服的幾個障礙。”
責任編輯：tzh