由 dawei portant;font-size:17px !important;”>
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。
portant;font-size:17px !important;”>
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。
portant;font-size:17px !important;”>
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。”
portant;font-size:17px !important;”>
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。”
portant;font-size:17px !important;”>
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。”