人工智能中的機器學習研究

摘 要：近年來，隨著科技和經(jīng)濟的發(fā)展，人工智能研究取得了長足的進步。這門學科經(jīng)過幾十年的發(fā)展已經(jīng)取得了一定的成績。人工智能主要是指通過普遍計算機實現(xiàn)的智能。人工智能主要分為兩部分，“人工”及“智能”，本文就人工智能中的“智能”方面的發(fā)展與機器學習技術(shù)的運用進行了研究，以此為我國的人工智能發(fā)展提供參考。

關(guān)鍵詞：人工智能；機器學習

中圖分類號：TP181

人工智能（英文：Artificial Intelligence，AI）自從上世紀50年代誕生以來，在經(jīng)濟和科技的推動下得到了長足的發(fā)展。人工智能學科是一門集控制論、計算機科學、信息論、數(shù)學邏輯、神經(jīng)生理學、語言學、心理學、教育學、工程技術(shù)、醫(yī)學和哲學等學科知識為一體的交叉科學。其核心問題包括使機器獲得推理，知識，規(guī)劃，學習，交流，感知等能力。其目的是使機器具有和人類一樣認識問題和解決問題的能力，也就是讓機器變得更聰明。這也就是所謂的機器學習，是人工智能的核心，是使計算機具有智能的根本途徑。

1 機器學習

1.1 機器學習的概念

所謂的機器學習就是研究如何通過識別以及知識的充實提高機器獲取新知識和新技能的能力。就像人一樣，不管他多有才華，如果不會學習或者不愿學習，那他的能力將會停在同一個水平，無法創(chuàng)造出新的東西。一個人只有通過不斷的學習才能獲得創(chuàng)新的能力。機器和人一樣，當機器具備了學習的能力，才可以提高自身的技能[1]。

機器學習在人工智能領(lǐng)域中是一個相對比較活躍的研究領(lǐng)域，其研究目的就是要促進機器像人一樣可以源源不斷獲取外界的知識，建立相關(guān)學習的理論，構(gòu)建學習系統(tǒng)，并將這些發(fā)明應用于各個領(lǐng)域。

1.2 機器學習的研究目標

目標一：模擬人類學習的過程，從而建立學習認識模型。這個目標的實現(xiàn)與認知科學的發(fā)展存在重要的關(guān)系。

目標二：促進機器學習理論的研究，探索各種適合機器學習的方法和機器學習的特點，并將機器學習與人類學習進行比較，發(fā)現(xiàn)其內(nèi)在聯(lián)系和差別。

目標三：這個目標是關(guān)于機器學習應用的研究，主要研發(fā)學習系統(tǒng)和知識獲取工具，在機器人系統(tǒng)領(lǐng)域和專家系統(tǒng)建立機器獲取知識的系統(tǒng)，并通過經(jīng)驗累積，不斷完善自身知識庫，增強運用知識的能力，進而提高機器的智能水平，促進機器的智能水平達到人類的水平。

1.3 機器學習的方法

機器學習方法一是模仿人類的學習方法。二是機器自身的學習方法，而最重要是將二者結(jié)合起來。機器的學習既要充分利用人類學習的科學成果，同時還要以自身特點為依據(jù)，擴大自身特點，如速度快，可復制性，存儲大，研究出適合機器學習的方法。現(xiàn)今機器學習的主要系統(tǒng)有：（1）演繹學習系統(tǒng)。這種系統(tǒng)主要應用于一般到特殊的推理中，通過建立公理系統(tǒng)和推理定理法則，從之前可知的題目推出相應的結(jié)論。（2）歸納學習系統(tǒng)。主要用于特殊到一般的推理。在系統(tǒng)中，歸納分為完全歸納和不完全歸納，因果關(guān)系歸納和簡單枚舉歸納。所謂因果關(guān)系歸納就是以實物的因果關(guān)系為基礎(chǔ)，推出該事物中所有對象的共性，又被稱為科學歸納[2]。（3）類比學習系統(tǒng)。這種系統(tǒng)同時又叫模仿系統(tǒng)，是一種從特殊到特殊的推理。以特定例子為依據(jù)，尋求類比關(guān)系，再將該種關(guān)系與新事物聯(lián)系起來，實現(xiàn)創(chuàng)造性的推理和學習。

2 影響機器學習系統(tǒng)設計的因素

2.1 環(huán)境信息的準確性

環(huán)境向系統(tǒng)提供信息的質(zhì)量高低直接影響著機器學習系統(tǒng)的設計。在機器內(nèi)部知識庫存放的一般性的原則是用來指導執(zhí)行部分動作的，然而真實世界或者說環(huán)境向機器學習系統(tǒng)提供的信息具有多變性和復雜性，所以學習系統(tǒng)必須獲得充足的數(shù)據(jù)，并刪除不必要的環(huán)節(jié)，再次總結(jié)推廣，又一次設置成指導動作的一般性原則，這樣導致機器學習的任務繁重，且對于設計師來說這樣是不利于設計的。

2.2 機器知識庫的影響

機器的知識庫的知識種類繁多，形式表現(xiàn)多樣，例如特征向量、產(chǎn)生式規(guī)則和語言網(wǎng)架等，所以在設計知識庫的表示方式時要做到統(tǒng)籌兼顧，主要包括以下幾方面：（1）表達能力強。人工智能研究中就有關(guān)于機器表達方式簡單的要求[3]。（2）推理簡單。在學習系統(tǒng)表達方式簡單，表達能力極強的基礎(chǔ)上，應該為了降低計算代價，要求學習系統(tǒng)的推理方式較簡單。（3）知識庫修改簡單。建立學習系統(tǒng)的根本目的就是為了機器可以不斷的修改自身的知識庫，不斷的填充一般性的執(zhí)行規(guī)則。當機器發(fā)現(xiàn)某些規(guī)則不再應用于系統(tǒng)時就要刪除該項規(guī)則。所以學習中的知識表示一般以明確、統(tǒng)一的要求為依據(jù)，如產(chǎn)生式規(guī)則，從而使知識庫容易修改。（4）知識表示擴展簡單。機器系統(tǒng)的學習能力不斷提高對知識表示的方式有了更高的要求，有時一個系統(tǒng)需要設置幾種知識表示方式。甚至對系統(tǒng)本身也提出了構(gòu)建表達方式的新要求，以適應外界信息的變化。所以在系統(tǒng)設計中要有表達方式的元級描述。因為元級知識可以提高系統(tǒng)的學習能力，擴知識領(lǐng)域，并增強執(zhí)行力。

2.3 執(zhí)行能力的影響

執(zhí)行是學習系統(tǒng)的核心部分，系統(tǒng)學習部分的改進都是為了更好的執(zhí)行動作。執(zhí)行部分影響學習系統(tǒng)的主要問題有任務的復雜性、透明性和反饋。

2.3.1 任務的復雜性

對于學習系統(tǒng)來說，任務的復雜性主要包括以下三個層次。（1）最簡單就是按照單一概念和規(guī)則分配的任務。（2）比較復雜的任務則會涉及多個概念。（3）最復雜的任務就是小型的計劃任務，學習系統(tǒng)設置一系列的規(guī)則組合，執(zhí)行部分則依次執(zhí)行這些規(guī)則。

2.3.2 透明性

所謂透明性就是要求系統(tǒng)的執(zhí)行效果可以簡單明了的對知識庫已有的規(guī)則進行評價。舉一個很簡單的例子，下完一盤棋之后直接從輸贏的效果判斷每一步棋走得好壞是非常困難的，但如果記住了每一步棋的走法，就可以從之后局勢判斷優(yōu)劣[4]。

3 機器學習研究難點

機器學習系統(tǒng)需要依靠思維科學提供相應的理論指導，機器學習的研究有一定的難度。這由于以下幾點原因造成的。（1）關(guān)于學習的問題本身就是可變的、復雜的，在具體的學習過程中，思維方式、形象思維、邏輯方式、和靈感思維都不同。（2）機器所獲取的數(shù)據(jù)量龐大且數(shù)據(jù)的質(zhì)量無法保障，機器學習是基于對大量數(shù)據(jù)的監(jiān)督學習及非監(jiān)督學習完成的，而當前許多研究領(lǐng)域擁有龐大的數(shù)據(jù)資源，在短時間高效的挖掘出有用的數(shù)據(jù)十分重要，數(shù)據(jù)挖掘技術(shù)等相關(guān)技術(shù)的不成熟也制約了機器學習領(lǐng)域的發(fā)展。（3）目前電子計算機工作原理比較落后，制約了學習系統(tǒng)的開發(fā)。目前計算機工作的原理是以數(shù)理邏輯和電子學為基礎(chǔ)的，其本質(zhì)就是按照數(shù)理邏輯的方式來進行工作。學習中不同的思維形式只能轉(zhuǎn)換成數(shù)理邏輯，才能讓計算機接受，才能借助計算機進行模擬。從這點可以看出知識庫的知識表達方式是非常重要的[5]。

4 結(jié)語

在現(xiàn)今的人工智能活動中，推理、學習、和聯(lián)想是最主要的三大功能。其中推理和聯(lián)想的功能需要通過學習功能的完善來提高。機器學習在人工智能研究中占據(jù)重要的位置，也是人工智能理論發(fā)展的基礎(chǔ)，只有完善機器學習的研究并取得發(fā)展，才能使具有人工智能接口的人機系統(tǒng)發(fā)揮巨大的力量。因此，我們需要加強機器學習的研究，不斷開發(fā)新的學習系統(tǒng)，促進人工智能的發(fā)展。

參考文獻：

[1]楊詳，蔡慶生.人工智能[M].重慶科學文獻出版社，2012（03）.

[2]何華燦.人工智能[J].論航空高等院校教材，2011（06）.

[3]蔡自興.人工智能及其應用[M].北京清華大學出版社，2010（01）：12-16.

[4]徐立本.機器學習引論[M].長春吉林大學出版社，2011（06）：145-146.

[5]蔣建東，陸韋林.神經(jīng)計算機[M].北京：電子工業(yè)出版社，2012（10）：123.

[6]洪家榮.機器學習-回顧與展望[J].計算機科學，2010.

作者簡介：姜雅慧（1991-），女，山東人，本科，研究方向：計算機科學與技術(shù)。

作者單位：天津工業(yè)大學，天津 300387