一项来自南加州大学的最新研究发现，通过相互交流，人工智能能够迅速学习更广泛的任务，这一发现在医学及其他领域都具有应用前景。

假设你是一位扑克高手，你的一位朋友对法国烹饪了如指掌，而另一位朋友则是莫扎特的专家。你们三位聚在一起，彼此分享各自专长的知识。每个人都从其他两位那里学到了一些新东西。

人们通过分享和交流信息来学习很多知识。计算机能不能和其他计算机做同样的事情呢？换句话说，机器人能否通过共享知识教导其他机器人如何学习呢？

由计算机科学教授劳伦特·伊蒂领衔的研究团队，在2023年5月发表的《机器学习研究期刊》一文中，探讨了这个问题。他们毫不犹豫地给出了答案：是的！

他们的论文《轻量级学习器用于共享知识的终身学习》描述了机器学习（ML）研究领域中被称为终身学习（LL）的新方法。在这种方法中，人工智能通过不断遇到新任务并保持对先前任务的知识，持续学习。

论文描述了他们创造的一种名为SKILL（共享知识终身学习）的工具，它帮助AI学习了102个不同的任务，例如，通过型号（Ferrari，Jeep，Cadillac）对数以万计的汽车图像进行分类，通过物种对花卉图像进行分类，或者通过疾病对胸部X射线进行分类。然后，这些AI通过分布式通信网络共享他们的知识，并最终都掌握了这102项任务的知识。

目前大部分的机器学习研究都涉及单个人工智能按顺序学习任务，这是一种固有缓慢的过程。SKILL工具包括一组算法，能够使学习流程更快速，因为他们能够同时并行地学习。

研究显示，如果102个人工智能各自学习一个任务然后进行分享，考虑了必要的沟通和知识整合后，所需时间将减少101.5倍。