第6.1-6.节 机器学习概述及其基本系统结构(上传版).pptVIP

第6.1节 机器学习的概述 王庆江 计算机科学与技术系 qjwang@ouc.edu.cn 目前的AI系统多是基于演绎的，没有归纳推理，故不能自动获取和生成新知识； 系统中的知识是事先输入的，包含的错误也不能自动改正。 自1956年AI创立至今，科研人员一直重视机器学习（Machine learning）的研究。 50年代，Samuel的跳棋程序可从经验中学习，调整棋盘的评估函数； 70年，Winston的学习系统可从积木世界里学习概念，如“桥梁”； 80年代，机器学习逐渐成为AI的主要研究问题之一。 机器的能力（智能）会超过人类吗？ 对于不具备学习能力的机器，这是不可能的； 反之，机器能力的提高可能是难以预测的。 机器学习的不可预测问题 能否设计出检测AI系统能力的系统？ 检测系统必须有与被检测系统相当的或更强的学习能力； 检测系统本身的变化又如何了解和控制呢？ 6.1.1 机器学习的基本概念 什么是机器学习？ 它是研究如何用机器来模拟人类学习活动的一门学科； Simon说，“学习是系统在不断重复的工作中对本身能力的增强或改进，使系统下一次执行同样或类似任务时比现在做得更好或效率更高。” Minsky说，“学习是人脑（心理内部）中进行了有用的变化。” 学习的基本形式 知识获取 获取新的知识，这是学习的本质。 技能求精 学习机制本身的提高。 学习的目的是使系统性能得到改善。 从