6.1 人工智能及其在量化投资中的应用.pdfVIP

人工智能 人工智能 ▪ 人工智能（Artificial Intelligence ，AI），是研究、开发用于模拟、延伸和扩展人的 智能的理论、方法、技术及应用系统的一门新的技术科学． ▪ 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的、 能以人类智能相似的方式做出反应的智能机器. ▪ 该领域的研究包括机器学习、自动推理，专家系统、模式识别、人工神经网络、遗 传算法等。 机器学习 ▪ 机器学习（Machine Learning）是研究计算机怎样模拟或实现人类的学习行为，以 获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。 ▪ 它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各 个领域，它主要应用于归纳、综合，而不是演绎。 ▪ 学习能力是智能行为的一个非常重要的特征，但至今对学习的机理尚不清楚。 ▪ 机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习 过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法 并进行理论上的分析，建立面向任务的具有特定应用的学习系统。 机器学习 ▪ 机器学习系统的基本结构 ▪ 外在环境向机器系统的学习部分提供某些信息，系统利用这些信息修改知识库，以 增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的 信息反馈给学习部分。 ▪ 在具体的应用中，环境、知识库和执行部分决定了具体的工作内容，学习部分所需 要解决的问题完全由上述3部分确定。 ▪ 影响学习系统设计的最重要的因素是环境向系统提供的信息，或者更具体地说是信息的质 量。学习系统所进行的推理并不完全可靠，要通过执行效果加以检验。 ▪ 知识库是影响学习系统设计的第二个因素。 ▪ 学习系统是对现有知识的扩展和改进。 ▪ 执行部分是整个学习系统的核心，因为执行部分的动作就是学习部分力求改进的动作。同 执行部分有关的问题有：复杂性、反馈和透明性。 机器学习 ▪ 学习策略分类 ▪ 学习策略是指学习过程中系统所采用的推理策略，一个学习系统总是由学习和环境 两部分组成。由环境（如书本或教师）提供信息，学习部分则实现信息转换，用能 够理解的形式记忆下来，并从中获取有用的信息。 ▪ 在学习过程中，学生（学习部分）使用的推理越少，他们对教师（环境）的依赖就 越大，教师的负担也就越重。 ▪ 学习策略的分类标准就是根据学生实现信息转换所需的推理多少和难易程度来分类 的，依从简单到复杂，从少到多的次序分为以下6种基本类型： ▪ 1）机械学习 ▪ 学习者无须任何推理或其他的知识转换，直接吸取环境所提供的信息，这类学习系统主要 考虑的是如何索引存储的知识并加以利用。系统的学习方法是直接通过事先编好、构造好 的程序来学习，学习者不做任何工作，或者是通过直接接收既定的事实和数据进行学习， 对输入信息不做任何推理。 机器学习 ▪ 2）示教学习 ▪ 学生从环境（教师或其他信息源如教科书等）获取信息，把知识转换成内部可使用 的表示形式，并将新的知识和原有知识有机地结合为一体。目前，不少专家系统在 建立知识库时使用这种方法去实现知识获取。 ▪ 3）演绎学习。 ▪ 推理从公理出发，经过逻辑变换推导出结论。这种推理是保真变换和特化的过程， 使学生在推理过程中可以获取有用的知识。这种学习方法包含宏操作学习、知识编 辑和组块技术，演绎推理的逆过程是归纳推理。 ▪ 4）类比学习。 ▪ 利用两个不同领域（源域、目标域）中的知识相似性，可以通过类比，从源域的知 识（包括相似的特征和其他性质）推导出目标域的相应知识，从而实现学习。例子： 卢瑟福类比。 机器学习 ▪ 5）基于解释的学习。 ▪ 学生根据教师提供的目标概念、该概念的一个例子、领域理论及可操作准则，先构 造一个解释来说明为什么该例子满足目标概念，然后将解释推广为目标概念的一个 满足可操作准则的充分条件。例子：迪乔恩（G. Dejong）的GENESIS ，米切尔 （T. Mitchell）的LEXII和LEAP，以及明顿（S. Minton）等的PRODIG ▪ 6）归纳学习。 ▪ 归纳学习是由教师或环境提供某概念的一些实例或反例，让学生通过归纳推理出该 概念的一般描述。归纳学习是最基本的，发展也较为成熟的学习方法，在人工智能 领域中已经得到广泛的研究和应用。 自动推理 ▪ 推