人工智能如何学习学习过程？

为了在人工智能领域取得新的飞跃，正如作者吴君（junwu）在《福布斯》（Forbes）上所言，人工智能将不得不“学会学习”。那是什么意思？

正如吴君所解释的，“人类有从任何环境或环境中学习的独特能力。”人类可以适应自己的学习过程。要想拥有如此灵活的质量，人工智能需要学习过程——它必须学习学习过程，即所谓的元学习。

人类和人工智能在学习过程中有一个非常具体的对比。人类的学习能力有限，但人工智能拥有更多的资源，比如它的计算能力。人类的脑力有其局限性，学习的时间也有限。但是，人工智能虽然“从比人类大脑使用的数据更多的数据中学习，但是处理这些海量数据需要巨大的计算能力。”

吴解释说，“随着人工智能任务的复杂性增加，计算能力也呈指数级增长。”这意味着即使计算能力的成本很低，“指数增长从来不是我们想要的情景”，这是目前“人工智能被设计成特定目的的学习者”的主要原因，这使得他们的学习过程更加高效。

但是随着人工智能开始学习更多，“学会学习”它开始“从日益复杂的数据中推断”。为了避免计算能力的指数增长，必须设计一条更有效的学习路径，并且人工智能必须记住这条路。

当研究人员和技术人员开始将多任务问题分配给人工智能时，整个问题变得更加复杂。为了做到这一点，人工智能“需要能够并行地评估独立的数据集。它还需要关联数据片段，并推断这些数据之间的联系。”当一项任务完成时，人工智能需要更新其知识，以便将其应用于其他情况。“由于任务是相互关联的，因此需要整个网络对任务进行评估。”

谷歌开发了一个这样的模型，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，提供标题，识别语音，在四种语言之间进行翻译，并执行语法选区分析。

虽然谷歌的成就是一个巨大的飞跃，但人工智能还需要进一步的进步，以便能够成为一个通用学习者。为了实现这一目标，需要进一步发展元推理和元学习。正如吴解释的那样，“元推理关注的是认知资源的有效利用。元学习关注人类有效利用有限的认知资源和有限的数据进行学习的独特能力。”

目前，有研究正在进行，以找出人类认知与人工智能学习方式之间的差距，如对内部状态的感知、记忆或信心的准确性。

所有这些都意味着“成为一个人工的广义学习者需要对人类如何学习以及人工智能如何模仿人类学习的方式进行广泛的研究。适应新的情况，比如拥有“多任务”的能力，以及在有限的资源下做出“战略决策”的能力，这只是人工智能研究人员将要克服的几个障碍。”