楊 斌

（大理農(nóng)林職業(yè)技術(shù)學(xué)院，大理 671003）

20世紀(jì)中期，人工智能技術(shù)得到了發(fā)展，并表現(xiàn)出快速發(fā)展的態(tài)勢，對社會發(fā)展和經(jīng)濟進步產(chǎn)生了深遠(yuǎn)的影響。人工智能技術(shù)屬于一項綜合性技術(shù)，需要多門學(xué)科作為支持，不僅包括計算機科學(xué)、信息技術(shù)科學(xué)、數(shù)學(xué)科學(xué)，而且也涉及到工程技術(shù)、哲學(xué)、心理學(xué)等。人工智能研究的指向是賦予機器以人的“聰明”，從而像人一樣去認(rèn)識世界，學(xué)會思考。

1 機器學(xué)習(xí)綜述

基于人工智能技術(shù)的機器學(xué)習(xí)，需要我們對機器學(xué)習(xí)進行系統(tǒng)性研究，明確其定義，了解機器學(xué)習(xí)研究的基本目的和機器學(xué)習(xí)方式。

1.1 機器學(xué)習(xí)

機器學(xué)習(xí)是指借助識別手段（包括知識識別和系統(tǒng)識別），提升機械的學(xué)習(xí)能力，從而使機械獲得新的知識，掌握新的技能。機器學(xué)習(xí)和人的學(xué)習(xí)有點相似，人類如果不注重學(xué)習(xí)，就會造成知識結(jié)構(gòu)的老化和技能弱化。機器如果不學(xué)習(xí)，那么機器學(xué)習(xí)效果也會受到影響，從而導(dǎo)致機器效能的降低。通過機器學(xué)習(xí)，提高機器分析問題、解決問題等能力，機器的創(chuàng)新能力才能得到較好的發(fā)展。機器學(xué)習(xí)是人工智能發(fā)展的必然結(jié)果，也是當(dāng)前科學(xué)研究的熱門領(lǐng)域。

1.2 機器學(xué)習(xí)研究的目的

機器學(xué)習(xí)研究的目的是多元的，根據(jù)當(dāng)前機器學(xué)習(xí)研究的領(lǐng)域和成果，可以歸納為以下幾個研究目的。一是人類學(xué)習(xí)過程模擬研究。機器學(xué)習(xí)研究的重點是對人類學(xué)習(xí)過程進行模擬研究，從而在研究的基礎(chǔ)上建立起模型，從而使機器具備像人類一樣的學(xué)習(xí)能力；二是機器關(guān)聯(lián)性理論學(xué)習(xí)和研究，機器學(xué)習(xí)需要建立在科學(xué)理論基礎(chǔ)上，嘗試多種學(xué)習(xí)方法，并遵循機器自身的特征和基本屬性，優(yōu)化程序設(shè)計，從而厘清兩者的相似性，以及他們之間的區(qū)別性；三是機器學(xué)習(xí)程序設(shè)定。該研究的主要目標(biāo)是對機器知識獲得的工具進行研究，以及相關(guān)系統(tǒng)進行研究。

1.3 機器學(xué)習(xí)方式

機器學(xué)習(xí)方式，主要是針對人類的學(xué)習(xí)方式，對人類學(xué)習(xí)和機器學(xué)習(xí)的方式進行綜合性學(xué)習(xí)，從而達(dá)到優(yōu)化機器學(xué)習(xí)方式的目的，使機器學(xué)習(xí)方式更加科學(xué)、有效。其中研究的一個重點是擴展性，以人類學(xué)習(xí)和思考方式為基礎(chǔ)，進行機械式擴展，提高機械工作效能。目前，機器學(xué)習(xí)方式主要形成兩種思路，一種是演繹學(xué)習(xí)系統(tǒng)，它采用的是從一般再到特殊推進的方法；一種是歸納學(xué)習(xí)系統(tǒng)，它的思路和前者恰恰相反，從特殊再向一般推進，歸納學(xué)習(xí)又包括兩種模式，一是傳統(tǒng)歸納模式，一種是創(chuàng)新歸納模式。

2 基于人工智能的機器學(xué)習(xí)研究

基于人工智能的機器學(xué)習(xí)體現(xiàn)出系統(tǒng)性，下面從環(huán)境適應(yīng)性機器學(xué)習(xí)、機器知識庫擴展延伸和機器學(xué)習(xí)反饋評價體系等三個方面，進行系統(tǒng)的闡述。

2.1 環(huán)境適應(yīng)性機器學(xué)習(xí)

機器學(xué)習(xí)和人類學(xué)習(xí)存在很大的差異性，其中一個顯著的差異是環(huán)境適應(yīng)性差異，因此，環(huán)境適應(yīng)性機器學(xué)習(xí)成為人工智能技術(shù)研究的一個熱門話題。機器學(xué)習(xí)的效果和環(huán)境對系統(tǒng)的支持效果有關(guān)，不僅如此，環(huán)境適宜性又是機器內(nèi)部體系存放原則建立的重要依據(jù)。但是，環(huán)境不是一成不變的，體現(xiàn)出復(fù)雜化和多變性特征，這就需要機器學(xué)習(xí)過程中，提供大量的數(shù)據(jù)支持，并刪除不相干的環(huán)節(jié)，最后通過推廣和總結(jié)，形成系統(tǒng)動作指導(dǎo)的基本準(zhǔn)則。這樣勢必導(dǎo)致機器學(xué)習(xí)過程的復(fù)雜化，不利于系統(tǒng)的可持續(xù)發(fā)展。

2.2 機器知識庫擴展延伸

機器學(xué)習(xí)要獲得更好的發(fā)展，離不開機器知識庫的設(shè)置，通過機器知識庫設(shè)置，使其形成豐富多樣的種類，并形成多樣化的表現(xiàn)形式，其中還包括最基本的特征向量、網(wǎng)絡(luò)化關(guān)聯(lián)和規(guī)則化語言等。機器學(xué)習(xí)要達(dá)到這一目標(biāo)，需要對機器知識庫進行擴展和延伸，這樣才能達(dá)到提高機器學(xué)習(xí)能力的目標(biāo)。機器知識庫擴展延伸要抓住以下重點：表達(dá)模式。表達(dá)模式建構(gòu)不僅要做到邏輯簡單，而且要使表意更加明確；計算成本低效化。在計算過程中，要簡化推理過程，力求做到容易理解，形成高效的推理過程；延展性。延展性主要從知識的角度而言的，要實現(xiàn)最大程度的知識延展。

2.3 機器學(xué)習(xí)反饋評價體系

機器學(xué)習(xí)是否有效，離不開反饋評價體系，反饋評價的重點主要包括以下幾方面的內(nèi)容：基礎(chǔ)性反饋評價，它表現(xiàn)出簡單化、基礎(chǔ)性規(guī)則；復(fù)雜性反饋評價體系，它的復(fù)雜性體現(xiàn)在概念的多樣化；策略分析評價體系，這一環(huán)節(jié)是設(shè)計并建立起小型評價體系。三個方面的內(nèi)容不是一蹴而就的，而是需要根據(jù)實際和相關(guān)的任務(wù)，循序漸進地推進。此外，還要注重學(xué)習(xí)反饋評價體系的透明度，包括執(zhí)行的過程、結(jié)果等，都要作出較為透明化的反饋評價。

3 結(jié)束語

總之，人工智能時代，機器學(xué)習(xí)研究是一個必然的方向，也是一個熱門的研究領(lǐng)域。這就需要我們對機器學(xué)習(xí)進行系統(tǒng)性的研究，包括理論層面的建構(gòu)和實踐層面的探索，從而擴展人工智能技術(shù)應(yīng)用領(lǐng)域，發(fā)揮人工智能在推動社會變革、改善人們生活中的積極作用。