为了在人工智能领域取得新的飞跃（yuè），正如作者吴（wú）君（jun1）（junwu）在《福布斯》（Forbes）上所言，人（rén）工（gōng）智能（néng）将不得不（bú）“学会学习（xí）”。那是什么（me）意思？

正如吴君所解释的，“人类有（yǒu）从（cóng）任（rèn）何环境或环（huán）境中学习的（de）独特能力。”人类可（kě）以适（shì）应自己的学习过程。要想拥有（yǒu）如此灵活的（de）质量，人工（gōng）智能需（xū）要学习过（guò）程——它必须学习学习过（guò）程，即所谓的元学习。

人（rén）类和人工智（zhì）能在学习过程（chéng）中有一个非常具（jù）体的对比。人（rén）类的学习能力有限（xiàn），但人工智能拥有（yǒu）更多的资（zī）源，比如它的计（jì）算能力。人类的脑力有其局限性，学（xué）习的时间也有限。但是，人工智能虽然（rán）“从比人类大脑使用的数据更多的数据中学习，但（dàn）是处理（lǐ）这些海量（liàng）数据需要巨大的计算（suàn）能力（lì）。”

吴解释（shì）说，“随着（zhe）人工智（zhì）能任务的复杂性增加，计算能力也呈指数级增长。”这（zhè）意（yì）味着即（jí）使计算能力的成本很低，“指数增长从来不（bú）是我们想要的情景”，这是（shì）目前“人工智能被设计成特定目（mù）的的（de）学习（xí）者”的（de）主要原因，这使得他们的（de）学习（xí）过程更加高效。

但是随（suí）着人工（gōng）智（zhì）能（néng）开始学习更（gèng）多（duō），“学会学习”它开（kāi）始“从日（rì）益复杂（zá）的数（shù）据中推断”。为了避免计算能力的指数增长，必须设计一条更（gèng）有效的（de）学习（xí）路径，并且人工智能必须记住这条路。

当研究（jiū）人员（yuán）和技术（shù）人（rén）员开（kāi）始将多任务问题分配给人（rén）工智（zhì）能时，整个问题变得更加（jiā）复杂（zá）。为了（le）做到这一点，人工（gōng）智能“需（xū）要能够并（bìng）行地评估独（dú）立的数据集（jí）。它还需要关联数据（jù）片段，并推断这些数（shù）据之间的联系。”当一项任务完（wán）成时，人工（gōng）智能需要更新其知识，以便将其应（yīng）用于（yú）其他情况。“由于任务（wù）是相互关联的，因此需要整个网络对任务进行评估。”

谷（gǔ）歌开发了（le）一（yī）个这样（yàng）的模型，multimel，这是一个“学会同时执行8个不同任务的人工智能系统”。多模式可以检测图像中的对象，提（tí）供标题，识别语音，在四种（zhǒng）语言之间进行翻译（yì），并执行语法选区分析。

虽然谷歌的成就是一个巨大的飞跃（yuè），但人工（gōng）智能还（hái）需（xū）要进一步的进步，以便能够成（chéng）为一个通用学习者。为了实现（xiàn）这（zhè）一目标，需要进一步发展元（yuán）推理和元学习。正如吴（wú）解释的那样，“元推理关注的是认知资源的有（yǒu）效利用。元学习关注（zhù）人类有效利（lì）用有限（xiàn）的认知资源（yuán）和有限的数据进行学习的独特能力（lì）。”

目前，有研究正在进行，以找出人类认知与人工智能（néng）学习方式之间的差距，如对内部状（zhuàng）态的感知、记忆（yì）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（yào）对人类如何学（xué）习以及（jí）人工智能如何模仿人类学（xué）习的（de）方式（shì）进行广泛的研（yán）究。适应新的（de）情况，比如拥有“多任务（wù）”的能力，以（yǐ）及在有限的资源下做出（chū）“战（zhàn）略决策”的能（néng）力，这（zhè）只是人工智能研究人员将要克服的几个障碍。”