基于人工智能技术的机器学习研究

2020-12-31杨斌

数字通信世界 2020年5期

杨斌

（大理农林职业技术学院，大理 671003）

20世纪中期，人工智能技术得到了发展，并表现出快速发展的态势，对社会发展和经济进步产生了深远的影响。人工智能技术属于一项综合性技术，需要多门学科作为支持，不仅包括计算机科学、信息技术科学、数学科学，而且也涉及到工程技术、哲学、心理学等。人工智能研究的指向是赋予机器以人的“聪明”，从而像人一样去认识世界，学会思考。

1 机器学习综述

基于人工智能技术的机器学习，需要我们对机器学习进行系统性研究，明确其定义，了解机器学习研究的基本目的和机器学习方式。

1.1 机器学习

机器学习是指借助识别手段（包括知识识别和系统识别），提升机械的学习能力，从而使机械获得新的知识，掌握新的技能。机器学习和人的学习有点相似，人类如果不注重学习，就会造成知识结构的老化和技能弱化。机器如果不学习，那么机器学习效果也会受到影响，从而导致机器效能的降低。通过机器学习，提高机器分析问题、解决问题等能力，机器的创新能力才能得到较好的发展。机器学习是人工智能发展的必然结果，也是当前科学研究的热门领域。

1.2 机器学习研究的目的

机器学习研究的目的是多元的，根据当前机器学习研究的领域和成果，可以归纳为以下几个研究目的。一是人类学习过程模拟研究。机器学习研究的重点是对人类学习过程进行模拟研究，从而在研究的基础上建立起模型，从而使机器具备像人类一样的学习能力；二是机器关联性理论学习和研究，机器学习需要建立在科学理论基础上，尝试多种学习方法，并遵循机器自身的特征和基本属性，优化程序设计，从而厘清两者的相似性，以及他们之间的区别性；三是机器学习程序设定。该研究的主要目标是对机器知识获得的工具进行研究，以及相关系统进行研究。

1.3 机器学习方式

机器学习方式，主要是针对人类的学习方式，对人类学习和机器学习的方式进行综合性学习，从而达到优化机器学习方式的目的，使机器学习方式更加科学、有效。其中研究的一个重点是扩展性，以人类学习和思考方式为基础，进行机械式扩展，提高机械工作效能。目前，机器学习方式主要形成两种思路，一种是演绎学习系统，它采用的是从一般再到特殊推进的方法；一种是归纳学习系统，它的思路和前者恰恰相反，从特殊再向一般推进，归纳学习又包括两种模式，一是传统归纳模式，一种是创新归纳模式。

2 基于人工智能的机器学习研究

基于人工智能的机器学习体现出系统性，下面从环境适应性机器学习、机器知识库扩展延伸和机器学习反馈评价体系等三个方面，进行系统的阐述。

2.1 环境适应性机器学习

机器学习和人类学习存在很大的差异性，其中一个显著的差异是环境适应性差异，因此，环境适应性机器学习成为人工智能技术研究的一个热门话题。机器学习的效果和环境对系统的支持效果有关，不仅如此，环境适宜性又是机器内部体系存放原则建立的重要依据。但是，环境不是一成不变的，体现出复杂化和多变性特征，这就需要机器学习过程中，提供大量的数据支持，并删除不相干的环节，最后通过推广和总结，形成系统动作指导的基本准则。这样势必导致机器学习过程的复杂化，不利于系统的可持续发展。

2.2 机器知识库扩展延伸

机器学习要获得更好的发展，离不开机器知识库的设置，通过机器知识库设置，使其形成丰富多样的种类，并形成多样化的表现形式，其中还包括最基本的特征向量、网络化关联和规则化语言等。机器学习要达到这一目标，需要对机器知识库进行扩展和延伸，这样才能达到提高机器学习能力的目标。机器知识库扩展延伸要抓住以下重点：表达模式。表达模式建构不仅要做到逻辑简单，而且要使表意更加明确；计算成本低效化。在计算过程中，要简化推理过程，力求做到容易理解，形成高效的推理过程；延展性。延展性主要从知识的角度而言的，要实现最大程度的知识延展。

2.3 机器学习反馈评价体系

机器学习是否有效，离不开反馈评价体系，反馈评价的重点主要包括以下几方面的内容：基础性反馈评价，它表现出简单化、基础性规则；复杂性反馈评价体系，它的复杂性体现在概念的多样化；策略分析评价体系，这一环节是设计并建立起小型评价体系。三个方面的内容不是一蹴而就的，而是需要根据实际和相关的任务，循序渐进地推进。此外，还要注重学习反馈评价体系的透明度，包括执行的过程、结果等，都要作出较为透明化的反馈评价。