人工智能概述

问题求解的基本原理

知识表示

基于逻辑问题的求解方法

不确定知识的表示和推理

专家系统

知识获取和知识学习

自然语言处理系统

问答和实践

 

     

       

知识获取与机器学习   概述


        在前面已论述过系统是否具有学习能力是衡量该系统是否有智能的一个

显著标志。学习能力被认为是系统智能行为所具有的最基本属性。同时,机

器学习(machine learning)也是计算机具有智能的根个途径。

      关于什么是机器学习的问题,至今仍无严格定义,比较满意的说法是

西蒙定义。他认为学习是使系统做一些适应条件的变化,使得系统在下次完

成类似的任务时比前次更有效。另一种观点认为学习就是知识的获取。第三

种观点以米查斯基为代表,他认为学习是构造或修改所经历事的显示。综合

上述三种观点可以得出,学习是对某个特定物体的知识获取的智能过程,系

统内部表现为新知识结构的建立和改进,外部表现为系统性能的改善,变得

更快、更精确、更健全。

      人类学习与机器学习存在以下区别:人类学习是一个漫长的过程而机器

学习可以比人类学习快得多,这是由于机器学习可以将人类学习中的无效成

分去掉,只保留以后能使用的有益模式和有用信息;人类学习不存在复制过

程,与此相反,复制工作对计算机来说是极为方便的;人类学习可能会遗

忘,然而,通过学习获取并保存在计算机中的知识,可以永久保存下去;人

类学习是逐渐积累的过程与人类不同,机器学习的知识素材都是由人给予组

织的,知识之间的联系基本上是固定不变的,存储在机器中的知识往往很

少,自动获取知识的能力也非常有限,远没有达到人脑所积累知识的水平。

    分析人类学习和机器学习差异的目的在于把人类学习的特长,融合在机

器学习过程中。   

<下一页>        <返回主页>