机器学习-2015解析.pptVIP

机器学习 华北电力大学 计算机系 主要内容 概述 基于符号的机器学习 神经网络学习 主要内容 概述 为什么研究机器学习 学习的定义 机器学习的定义、类型、任务、应用和发展史 机器学习系统的定义、基本要求 基于符号的机器学习 神经网络学习 机器学习 — 概述 机器学习（Machine Learning）是一门研究计算机如何模拟人类学习活动、自动获取知识的一门学科，是知识工程的三个分支之一，也是人工智能的个重要研究领域 知识工程的三个分支 获取知识 表示知识 使用知识 机器学习 — 概述 为什么研究及其学习？ 必要性 当前AI研究的主要障碍和发展方向之一就是机器学习，现在的人工智能系统还完全没有或仅有很有限的学习能力 系统中的知识人工编程送入系统，有错误也不能自动改正 现有大多数人工智能是演绎的、没有归纳推理，不能自动获取和生成知识 可行性 人工智能发展了很多年，也有一些成果，为机器学习研究提供了基础 机器学习 — 概述 争论：机器的能力是否能超过人的能力？ 否定意见：机器是人造的，其性能和动作完全是由设计者来规定的，因此无论如何其能力也不会超过设计者本人 肯定意见：对具备学习能力的机器而言，它的能力在应用中不断地提高，过一段时间以后，设计者本人也不知他的能力到了何种水平——这就是机器学习的不可预测问题 机器学习 — 概述 机器学习的不可预测问题 如果用这种系统解决重要问题，可能产生意外困难或危险 必须设计新的有自适应能力的系统： 用于安排测试过程来审查学习系统产生的知识 须具有与被监测系统相当的学习能力，才能跟随系统知识的变化，完成实时的检测 监测系统本身的变化如何了解、控制？ Three laws of Robotics(1) 机器人行为准则 科幻小说家阿西莫夫在其机器人相关作品中提出 第一法则：机器人不得伤害人类，或袖手旁观坐视人类受到伤害 第二法则：除非违背第一法则，机器人必须服从人类的命令 第三法则：在不违背第一及第二法则下，机器人必须保护自己 Three laws of Robotics(2) 三大法则扩张为四大法则 1985年，《机器人与帝国》，阿西莫夫 第零法则：机器人不得伤害人类整体，或袖手旁观坐视人类整体受到伤害 第一法则：除非违背第零法则，机器人不得伤害人类，或袖手旁观坐视人类受到伤害 第二法则：除非违背第零或第一法则，机器人必须服从人类的命令 第三法则：在不违背第零至第二法则下，机器人必须保护自己 Three laws of Robotics(3) 罗杰·克拉克添加了以下的定律： 元定律：机器人可以什么也不做，除非它的行动符合机器人学定律。此定律置于第零、第一、第二、第三定律之前 第四定律：机器人必须履行内置程序所赋予的责任，除非这与其他高阶的定律冲突 繁殖定律：机器人不得参与机器人的设计和制造，除非新的机器人的行动服从机器人学定律 Three laws of Robotics(4) 三定律具有一定的现实意义 在三定律基础上建立新兴学科“机械伦理学”旨在研究人类和机械之间的关系 三定律在现实机器人工业中没有应用，但目前很多人工智能和机器人领域的技术专家也认同这个准则 机器学习 — 概述 机器学习一直是AI研究的瓶颈之一，表现在： 预测难：学习后知识库发生了什么变化，系统功能变化的预测困难 归纳推理： 现有的归纳推理只保证假，不保证真。演绎推理保真 归纳的结论是无限多的，其中相当多是假的，给生成的知识带来不可靠性 机器目前很难观察什么重要、什么有意义 机器学习 — 概述— 学习的定义 什么是学习？ Simon（1983）：学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务或相类似的任务时，会比现在做得更好或效率更高 Minsky (1985)：学习是在我们头脑中（心里内部）进行有用的变化 Michalski (1986)：学习是对经历描述的建立和修改。 这些观点不尽相同，但都包含了两个方面 知识获取：指获得知识、积累经验、发现规律等 能力改善：改进性能、适应环境、实现自我完善等--骑车 知识获取是学习的核心，能力改善是学习的结果 学习的一般性解释： 学习是一个有特定目的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 — 概述— 机器学习的定义 什么是机器学习？ 一般性解释 机器学习就是让机器（计算机）来模拟和实现人类的学习功能 学科性解释 是一门研究如何利用机器模拟或实现人类学习功能的学科 主要研究内容 认知模拟: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 理论性分析:从理论上探索各种可能的学习