以機器學習為基礎的人工智能

文/黃亞強

人工智能技術可以追溯到二十世紀中期，在很大程度上影響著社會及經濟的發展。人工智能這一科學，所涉及的學科領域非常廣泛，主要包括計算機科學、信息科學、數學科學、工程技術與哲學心理學等知識體系，其研究的核心問題主要將一定的學習、交流、輸人及輸出能力賦予機器，進而使得機器能夠像人類一樣具備認識世界及獨立思考的能力，換句話來說，人工智能使得機器更加“聰明”，這同樣是使得計算機具備智能屬性的一種基本方式。

1 機器學習

1.1 機器學習的概念

其實機器學習就是研究如何借助識別能力的提升與知識的充實，使得機器獲得新知識及新技能的能力得到有效強化。就比如一個人，無論其他才華如何，要是沒有掌握正確的學習方法或是沒有學習的興趣，那么其能力就會在同一水平上停留，創造不出新的東西。換句話來說，人一定要不斷的學習，進而獲得創新的能力。機器和人是相似的，如果機器能夠擁有學習的能力，那么就能夠使得自身的技能得到強化。機器學習在人工智能中是非常活躍的研究領域，旨在強化機器獲取外界知識的能力，構建完善的學習理論體系，進而使得創新性的發明，能夠運用到各行各業中。

1.2 機器學習的研究目標

目標一：對人類學習的過程進行有效模擬，構建學習認識模型，這就和認知科學的發展有極大的關系。

目標二：促進機器學習理論的研究，不斷探究適合機器學習的方式，并且研究機器學習的特性，運用對比的方式，發現機器學習及人類學習之間的相同點及差異，進而暴露其內在聯系及差異。

目標三：這個目標是和機器學習實際運用的研究有關，針對學習系統及知識獲取渠道進行深入分析，在機器人系統領域及專家系統的基礎上形成機器獲取知識的科學系統，并且不斷積累經驗、優化自身知識庫，使得運用知識的技能得到有效強化，有效強化機器的智能水平，使得機器的智能水平能夠達到人類的水平。

1.3 機器學習的方法

機器學習方法主要包括兩種類型：模仿人類的學習方法、自身的學習方法，在實際運用過程中，經過有機結合這兩種方式。機器的學習不但應該利用人類學習的優秀科研成果，還應該基于自身特點，不斷將自身特點擴大（速度快、可復制性好、存儲大等），進而創造出適合機器學習的科學方法。如今，機器學習的重要系統包括：

1.3.1 演繹學習系統

這種系統在特殊推理中的運用頻率較高，借助構建公理系統及推理定理法則，分析以往的經驗，就能夠得出相應的結論。

1.3.2 歸納學習系統

在特殊到一般的推理中運用頻率較高，在系統中，歸納包括完全歸納、不完全歸納，也能夠細分成因果關系歸納及簡單枚舉歸納。而因果關系歸納系指基于實物的因果關系，歸納所有對象的共性，也因此被稱作科學歸納。

1.3.3 類比學習系統

這種系統也被稱為模仿系統，系指由特殊到特殊的一種推理。將特定例子當成參照，尋求類比關系，之后就把該種關系和新事物有機聯系，就能夠進行創造性的推理與學習。

2 基于機器學習的人工智能研究

2.1 環境適應性機器學習研究

機器和人類之間最大的差異就是在適應環境的方面，而機器適應環境的相關研究目前也是人工智能技術研究的熱點之一，環境的優劣會在很大程度行影響機器學習的質量，而機器內部體系的原則通常是借助環境適應性的原則所形成的。但是，外界環境一般具備較強的復雜性，學習過程中一定需要大量的數據作為支撐，并且會添加過多冗余的環節，如此就會使得機器學習過程過于繁瑣，進而對整個系統的建設及發展形成嚴重的負面影響。

2.2 機器知識庫的擴展延伸

機器知識庫的設置會在很大程度上影響機器學習的建設及長遠發展，因此機器知識庫一定要種類、表現形式豐富，基本的特征向量、規則化語言與網絡化關聯等一定要具備。在設計機器知識庫的過程中，應該有效延伸知識庫，進而強化機器學習能力，當然，要做到這一點，可以從下面三個角度著手：

（1）邏輯簡單、表意明了的機器表達形式；

（2）推理過程簡單明了，可以有效減小機器計算成本；

（3）應該有效擴展并且延伸知識，機器系統的學習不但應該有效掌握基礎知識，還應該做到知識的表達方式，并且不斷提升表達效率，必要的時候應該聯用多種表達模式來表達一個知識。

2.3 機器學習反饋評價體系

人工智能技術中的機器學習，應該構建完善的反饋及評價系統，基于機器學習反饋評價系統來說，其反饋內容主要包括下面三點：

（1）基于簡單、根本的規則完成基礎反饋評估；

（2）完成復雜評價反饋系統的構建；

（3）完成小型的策略分析評價系統的構建，并且基于實際任務情況，構建科學的機器學習反饋評價系統。

并基于此，有效強化學習反饋評價制度的透明度，而在執行的過程中，應該運用簡單明了的方式表達結果，科學地評估已有的知識庫，運用元級表述的形式完成反饋評估，進而有效促進人工智能中機器學習的建設及長遠發展，不斷擴充機器學習的范疇，并且有效強化機器學習的執行能力。

3 結語

在如今的人工智能活動中有三個重要的功能，分別是推理、學習及聯想。而推理及聯想的功能應該借助學習功能的優化來強化。機器學習在人工智能研究中具備非常重要的實際價值及意義，并且為人工智能理論的建設及發展奠定了堅實的基礎，隨著機器學習的相關研究不斷深入，才能夠充分體現出人工智能接口的人機系統的價值及意義。鑒于此，一定要不斷強化機器學習的研究，進而創造出科學、高效的學習系統，有效推動人工智能技術的發展進程。

參考文獻

[1]舒躍育,劉紅梅.西北師范大學心理學院-深度學習推進人工智能變革[J].中國社會科學報,2018.

[2]劉凱,胡祥恩,王培.機器也需教育?論通用人工智能與教育學的革新[J].開放教育研究,2018(01):10-15.

[3]勘探開發如何與人工智能“結緣”?[J].油氣地球物理,2018(01):14.