摘 要：隨著計算機(jī)和網(wǎng)絡(luò)技術(shù)的高速發(fā)展，特別是在這個大數(shù)據(jù)時代，人們對計算機(jī)系統(tǒng)的要求越來越高。以往大部分智能計算機(jī)系統(tǒng)都普遍缺少自我學(xué)習(xí)的功能，如遇到錯誤時不能自動校正；不會通過經(jīng)驗(yàn)改進(jìn)自身的功能；不會自動獲取所需的知識。一個不具有學(xué)習(xí)能力的智能系統(tǒng)算不上是真正的智能系統(tǒng)，所以機(jī)器學(xué)習(xí)在現(xiàn)今是一項(xiàng)十分重要的技術(shù)。

關(guān)鍵詞：機(jī)器學(xué)習(xí)；人工智能系統(tǒng)；機(jī)器學(xué)習(xí)模型

中圖分類號：TP181

機(jī)器學(xué)習(xí)是人工智能的一個子領(lǐng)域，主要關(guān)注于開發(fā)一些讓計算機(jī)可以自動“學(xué)習(xí)”的技術(shù)。更具體說，機(jī)器學(xué)習(xí)是一種用于創(chuàng)建數(shù)據(jù)集分析分析程序的方法。下面筆者就機(jī)器學(xué)習(xí)談?wù)剛€人的看法。

1 機(jī)器學(xué)習(xí)的定義

機(jī)器學(xué)習(xí)是研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能領(lǐng)域的一個重要的分支。

機(jī)器學(xué)習(xí)在人工智能的研究中具有十分重要的地位。因?yàn)橐粋€不具有學(xué)習(xí)能力的智能系統(tǒng)難以稱得上是一個真正的智能系統(tǒng)。但是，以往的智能系統(tǒng)都普遍缺少學(xué)習(xí)能力。例如：它們遇到錯誤時不能自我校正；不會通過經(jīng)驗(yàn)改善自身的性能；它們的推理僅限于演繹而缺少歸納，因而最多能夠證明已存在的事實(shí)、定理，而不能發(fā)現(xiàn)新的定理、定律和規(guī)則等。隨著人工智能的深入發(fā)展，這些局限性表現(xiàn)得愈突出。正是在這種情形下，機(jī)器學(xué)習(xí)逐漸成為人工智能研究的核心之一。它的應(yīng)用已遍及人工智能的各個分支，如專家系統(tǒng)、自動推理、自然語言理解、模式識別、智能機(jī)器人等領(lǐng)域。

學(xué)習(xí)能力是智能行為的一個非常重要的特征，但至今我們對人類學(xué)習(xí)的機(jī)理尚不太清楚。H.A.Simon認(rèn)為，學(xué)習(xí)是系統(tǒng)所作的適應(yīng)性變化，使得系統(tǒng)在下一次完成同樣或類似任務(wù)時更為有效。R.S.Michalski認(rèn)為，學(xué)習(xí)是構(gòu)造或修改對于的經(jīng)歷事物的表示。從事專家系統(tǒng)研制的人們則認(rèn)為學(xué)習(xí)是知識的獲取。這些觀點(diǎn)各有側(cè)重，第一種觀點(diǎn)強(qiáng)調(diào)學(xué)習(xí)的外部行為效果；第二種則強(qiáng)調(diào)學(xué)習(xí)的過程；而第三種主要是從知識工程的實(shí)用性角度出發(fā)的。

機(jī)器學(xué)習(xí)的研究是根據(jù)生理學(xué)、認(rèn)識科學(xué)等對人類學(xué)習(xí)機(jī)理的了解，建立人類學(xué)習(xí)過程的計算模型或認(rèn)知模型；發(fā)展學(xué)習(xí)理論和學(xué)習(xí)方法，研究通用的學(xué)習(xí)算法并進(jìn)行理論上的分析；建立面向任務(wù)的具有特定應(yīng)用的學(xué)習(xí)系統(tǒng)。雖然有不同的研究目標(biāo)，但這些研究目標(biāo)相互影響相互促進(jìn)。

2 機(jī)器學(xué)習(xí)模型

機(jī)器學(xué)習(xí)的研究始于50年代中期，經(jīng)過三十多年的發(fā)展，到現(xiàn)在已形成了很多學(xué)習(xí)方法，如機(jī)械學(xué)習(xí)、實(shí)例學(xué)習(xí)、解釋學(xué)習(xí)、類比學(xué)習(xí)、事例學(xué)習(xí)、遺傳學(xué)習(xí)、連接學(xué)習(xí)等。這些學(xué)習(xí)方法可以用一個學(xué)習(xí)模型來描述，如下圖1：

在圖1中，圓圈表示信息體（如觀察的數(shù)據(jù)，以及事實(shí)、規(guī)則等知識），方框表示過程。箭頭指示數(shù)據(jù)在學(xué)習(xí)系統(tǒng)中的流向。環(huán)境為學(xué)習(xí)單元提供外界信息源（如經(jīng)驗(yàn)實(shí)例）。學(xué)習(xí)單元利用該信息對知識庫作出改進(jìn)（增加新知識或重新組織已有知識）。執(zhí)行單元利用知識中的知識執(zhí)行任務(wù)，任務(wù)執(zhí)行后的信息又反饋給學(xué)習(xí)單元作為進(jìn)一步學(xué)習(xí)的輸入。

學(xué)習(xí)單元的輸入有兩種：一是外界環(huán)境，另一是執(zhí)行后的反饋信息。不同的不學(xué)習(xí)系統(tǒng)有不同的經(jīng)驗(yàn)實(shí)例表示。最簡單的一種是二元特征表示，僅僅描述對象某些屬性的存在與否。另一種是用屬性值表示，每個屬性有一組相互排斥的值。這種屬性表示典型地用在歸納學(xué)習(xí)方法中。還有一種更復(fù)雜的表示關(guān)系或結(jié)構(gòu)表示，描述兩個或多個對象間的關(guān)系。這種關(guān)系或結(jié)構(gòu)信息一般是以謂詞邏輯、語義網(wǎng)絡(luò)等形式表示的。同前兩種表示相比，這種表示具有更強(qiáng)的表示能力，但同時也為作為學(xué)習(xí)中很重要部分的匹配過程帶來了相當(dāng)?shù)膹?fù)雜度，以至影響了它們的使用。分析學(xué)習(xí)主要處理這種關(guān)系表示型的數(shù)據(jù)結(jié)構(gòu)。

知識庫用來存儲知識，包括系統(tǒng)原有的領(lǐng)域知識（這種知識是短期的、相對不穩(wěn)定、變化的）。選擇何種知識表示對學(xué)習(xí)系統(tǒng)的設(shè)計起著非常很重要的作用。機(jī)器學(xué)習(xí)的大部分方法是只存放總結(jié)了以前經(jīng)驗(yàn)普遍性的知識，而分析學(xué)習(xí)中的類比學(xué)習(xí)基于范例的學(xué)習(xí)則是混合了兩種方式。如果知識是后一種表示（以抽象概括的形式存儲），則存在兩種區(qū)別，即是以邏輯的、離散的形式表示，還是以數(shù)值的、連續(xù)的形式表示信息。歸納學(xué)習(xí)和分析學(xué)習(xí)使用的是離散的、邏輯的表示方法，連接學(xué)習(xí)則使用的數(shù)值的、連續(xù)的表示，遺傳學(xué)習(xí)則是兩種表示的結(jié)合。

執(zhí)行單元既是使得學(xué)習(xí)系統(tǒng)具有實(shí)際用途，又是評價學(xué)習(xí)算法性能好壞的關(guān)鍵部分。機(jī)器學(xué)習(xí)研究的很大一部分工作是集中在這樣兩個領(lǐng)域：分類和問題。一個智能主體常常需要將其經(jīng)驗(yàn)或經(jīng)歷的事例進(jìn)行分類標(biāo)記。機(jī)器學(xué)習(xí)至今所作的很大一部分是學(xué)習(xí)分類。該任務(wù)可描述為，給定一個經(jīng)驗(yàn)實(shí)例的某種描述，以及一些已知的類，任務(wù)在于試圖將這些經(jīng)驗(yàn)實(shí)例賦予某個類別。另外，機(jī)器學(xué)習(xí)也常要能解決新問題或進(jìn)行規(guī)劃。

學(xué)習(xí)單元是學(xué)習(xí)系統(tǒng)內(nèi)實(shí)理學(xué)習(xí)算法功能的核心。一般涉及這樣的幾個方面，一種是處理經(jīng)驗(yàn)事例的方式，有漸進(jìn)式和非漸進(jìn)式。另一種是獲取新知識過程中所用的推理方法，主要有歸納法和演繹方法。也有反繹法。

當(dāng)考慮執(zhí)行單元的反饋信息時，還存在兩種相對的學(xué)習(xí)方式，即監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。前者是指有導(dǎo)師立即給予學(xué)習(xí)者（學(xué)習(xí)單元）關(guān)于其學(xué)習(xí)行為的反饋信息，后者則是學(xué)習(xí)者得自己為自己作出判定，或僅能得到一點(diǎn)很粗略的指導(dǎo)。

3 機(jī)器學(xué)習(xí)的風(fēng)格

目前，機(jī)器學(xué)習(xí)的風(fēng)格主要有歸納學(xué)習(xí)、分析學(xué)習(xí)、遺傳學(xué)習(xí)、連接學(xué)習(xí)等。歸納學(xué)習(xí)從具體實(shí)例出發(fā)，通過歸納推理，得到新的概念或知識。歸納學(xué)習(xí)是目前研究得最廣泛的一種符號學(xué)習(xí)方法，包括實(shí)例學(xué)習(xí)、概念聚類、發(fā)現(xiàn)學(xué)習(xí)等。

分析學(xué)習(xí)是利用背景或領(lǐng)域知識，分析很少的典型實(shí)例（通常僅一個），然后通過演繹推導(dǎo)，形成新的知識，使得對領(lǐng)域知識的應(yīng)用更為有效。分析學(xué)習(xí)方法的目的在于改進(jìn)系統(tǒng)的效率性能，而同時不犧牲其準(zhǔn)確性和通用性，這不同于歸納學(xué)習(xí)方法。

遺傳學(xué)習(xí)源于模擬生物繁殖中的遺傳變異原則（交換、突變等），以及達(dá)爾文的自然選擇原則（生態(tài)圈中適者生存）。一個概念描述的各種變體或版本對應(yīng)于一個物種的各個個體，這些概念描述的個體在發(fā)生突變和重組后，經(jīng)過某種目標(biāo)函數(shù)（相應(yīng)于自然選擇準(zhǔn)則）的衡量，以決定誰被淘汰而誰可繼續(xù)生存下去。

連接學(xué)習(xí)是在人工神經(jīng)網(wǎng)絡(luò)中，通過樣本訓(xùn)練，修改神經(jīng)元間的連接強(qiáng)度，甚至神經(jīng)網(wǎng)絡(luò)本身的結(jié)構(gòu)的一種學(xué)習(xí)方法。這種學(xué)習(xí)方法和符號學(xué)習(xí)并立而行。它與符號學(xué)習(xí)不同，主要是基于樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)。

機(jī)器學(xué)習(xí)已建立了一定的理論基礎(chǔ)和自己的科學(xué)研究方法，形成了各種研究風(fēng)格以及相應(yīng)的學(xué)習(xí)算法。但是，目前的機(jī)器學(xué)習(xí)風(fēng)格均有其局限性。在了解人類學(xué)習(xí)機(jī)制的基礎(chǔ)上，正結(jié)合具體的應(yīng)用領(lǐng)域，深入開展學(xué)習(xí)風(fēng)格的研究，研究不同的學(xué)習(xí)風(fēng)格的集成，探討新的學(xué)習(xí)方法和算法。

參考文獻(xiàn)：

[1]米歇爾.機(jī)器學(xué)習(xí)[M].北京：機(jī)械工業(yè)出版社，2008.

[2]Peter Harrington.機(jī)器學(xué)習(xí)實(shí)戰(zhàn)[M].北京：人民郵電出版社，2013.

[3]Ethem Alpaydin.機(jī)器學(xué)習(xí)導(dǎo)論[M].北京：機(jī)械工業(yè)出版社，2014.

[4]李凡長.機(jī)器學(xué)習(xí)理論及應(yīng)用[M].北京：中國科學(xué)技術(shù)大學(xué)出版社，2009.

[5]威滕.數(shù)據(jù)挖掘?qū)嵱脵C(jī)器學(xué)習(xí)技術(shù)[M].北京：機(jī)械工業(yè)出版社，2006.

作者簡介：陸茂邦（1978.09-），廣東羅定人，學(xué)士學(xué)位，教師，計算機(jī)講師，研究方向：計算機(jī)。

作者單位：肇慶市技師學(xué)院，廣東肇慶 526000