人工智能机器学习

一、概述
机器学习是人工智能的重要研究领域之一。

1.机器学习的基本概念

      要了解么是机器学习，就要从人类的“学习”说起可以说人们每天都在学习，可是终究什么是学习，至今都没有一个统一的定义。以下是关于学习且比较有影响的定义：

      1) 西蒙认为，学习就是系统中的适应性变化，这种变化使系统在重复同样工作或类似工作时，能够做得更好

       2) 米哈尔斯基认为，学习是对经历描述的建议和修改。

       3) 蔡普金认为，学习是一种过程，通过对系统重复输入各种信号，并从外部校正该系统，从而系统对特定的输入具有特定的响应。

       综合众多观点，可以这样认为，学习是一个有特定目的知识获取和能力增长过程，其内在行为是获得知识、积累经验、发现规律等，其外部表现是改进性能、适应环境、实现自我完善等。

       机器学习的定义是基于人的学习的，由于学习没有统一的定义，机器学习也没法给出严格的定义。从学科角度来讲，机器学习是研究如何让计算机来模拟人类学习活动的一门学科。

机器学习的主要研究内容：

① 认知模型的研究
    主要目的是要通过对人类学习机理的研究和模拟，从根本上解决机器学习方面存在的种种问题。

② 理论学习的研究
     主要目的是要从理论上探索各种可能的学习方法，并建立起独立于具体应用领域的学习算法。

③ 面向任务的研究
    主要目的是要根据特定任务的要求，建立相应的学习系统。

2. 机器学习的发展历史

    机器学习的发展大致可以分为4个时期，即热烈时期、冷静时期、复兴时期以及蓬勃时期。

• 热烈时期
    20世纪50年代中叶到60年代初期，最具有代表性的工作是罗森勃拉特1957年提出的感知器模型。该时期研究的是“没有知识”的学习，其主要研究目标是各种自组织系统和自适应系统。

• 冷静时期
    20世纪60年代中期到70年代中期。其主要研究目标是模拟人类的概念学习过程，温斯顿的结构学习系统和海斯、罗斯等人提出的基于逻辑的归纳学习系统是该时期的代表性工作。

•复兴时期

    20世纪70年代中期到80年代中期，人们开始把机器学习与各种实际应用相结合，尤其是专家系统在知识获取方面的需求。

•蓬勃时期

    自1986年起，机器学习进入了新阶段。神经网络的研究再度兴起，使得机器学习进入了连接学习的研究阶段，与此同时，传统的符号学习研究也取得了很大的发展。因此，把符号学习和连接学习结合起来的混合型学习系统研究已成为机器学习研究的一个新的热点。进入新阶段的机器学习主要表现如下：

    1)  机器学习已经成为新的边缘学科，并在高校形成 一门课程。

    2)  结合各种学习方法，取长补短的多种形式的集成学习系统研究正在兴起。

    3)  机器学习与人工智能在各种基础问题上的统一观点正在形成。

    4) 各种学习方法的应用范围不断扩大，一部分已经成为商品。归纳学习的知识获取工具已在诊        断分类专家系统中广泛使用。连接学习在声音、图文识别中占据优势。遗传算法与强化学习在        工程控制中有较好的应用前景。