（文章來源：教育新聞網(wǎng)）

隨著企業(yè)將人工智能集成到他們的系統(tǒng)中，技術專業(yè)人員正在尋找AI創(chuàng)新的新領域。這是在元學習領域元學習只是學習。我們?nèi)祟惥哂袕娜魏吻闆r或周圍環(huán)境中學習的獨特能力。我們適應我們的學習。我們可以弄清楚如何學習。為了獲得這種學習靈活性，人工智能需要人工智能。

換句話說，它需要一種有效和高效的方式來學習學習過程。人工智能的學習方式與人類不同，稀缺是人類與AI之間學習過程差異的核心。人類有能力受限的獨特問題。我們的腦力有限。我們也有時間限制。這就是為什么人腦的適應性有限的原因。它充分利用了收到的每個信息。然后，它發(fā)展了培養(yǎng)世界豐富模型的能力。我們是通用學習者。如果我們的學習過程高效，那么我們可以成為任何學科的快速學習者。并非我們所有人都是快速學習者。

相比之下，人工智能擁有更多的資源，例如計算能力。但是，人工智能從比人類大腦使用的數(shù)據(jù)更多的數(shù)據(jù)中學習。處理這些大量數(shù)據(jù)需要巨大的計算能力。

高效的同時，隨著AI任務復雜性的提高，計算能力也呈指數(shù)級增長。AI所做的每個推斷(跨越多個數(shù)據(jù)存儲庫)都依賴算法來在不同的數(shù)據(jù)之間建立連接。如果算法對于給定的數(shù)據(jù)集不夠有效，那么計算能力將呈指數(shù)級增長。如今，無論我們能夠獲得多么便宜的計算能力，指數(shù)級增長都不是我們想要的方案。

這就是為什么目前AI被設計為特定用途的學習者的原因。通過從相似的相關數(shù)據(jù)中學習，AI可以有效地處理數(shù)據(jù)并從中進行推斷，而無需花費太多成本。當技術人員試圖解決計算能力的指數(shù)級增長時，出現(xiàn)了“學習型”問題，因為AI開始從越來越復雜的數(shù)據(jù)中推斷出來。

為了防止計算能力呈指數(shù)級增長，AI必須找出最有效的學習路徑，并記住該路徑。一旦算法可以確定針對不同類型問題的學習路徑，那么AI可以通過選擇學習路徑，遵循學習路徑并針對變化進行調(diào)整來自我調(diào)節(jié)并動態(tài)地向自身提供解決方案。
? ? ?