机器学习研究现状与发展趋势

1、旗开得胜机器学习硏究现状与发展趋势机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识峻能僮新 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,它主要使用归纳、综合而不是演译。机器学习是关于理解与研究学习的内在机制、建立能够通过学习自动提高自身水平的计 算扌n程序的理论方法的。近年来机器学习理论在诸多应用领域得到成功的应用与发展，已成 为计算柄科学的基础及热点之一。采用机器学习方法的计算柄程序被成功用于机器人下棋程 序、语音识别、倍用卡欺诈监测、自主车辆驾驶、智能机器人等应用领域除此之外机器学 习的理论方法

2、还被用于大昨集的数据挖掘这一域。实际上，在任何有经验可以积累的地 方，机器学习方法均可发挥作用。机器学习的研究是根据生理学.认知科学等对人类学习柄理的了解，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逬行理论上 的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促逬。本文主要叙述了1 机器学习的研究现状，包括走义，应用领域，研究意义发展史，系统结构和对其逬行各种 角度的分类.2机器学习的发展超势。引言:按照人工智能大师西蒙的观点学习就是系统在不断复复的工作中对本身能力的壇强或 者改逬”使得系统在下一次执行同样彳壬务或类似任务时,会

3、比现在做得更好或效率更高。西 篆对学习给出的走义本身，就说明了学习的重要作用。机器能否象人类一样能典有学习能力呢？ 1959年美国的塞缪尔(Samuel)设计了一个下棋程序,这个程序典有学习能力,它可以在不断的对奕中改善自己的棋艺。4年后，这个 程序战胜了设计者本人。又过了 3年,这个程序战胜了美国一个保持8年之久的常胜不败的冠军。这个程序向人们展示了机器学习的能力，提出了许多令人深思的社会问题与哲学问 题。什么叫做机器学习？至今，还没有统一的件几器学习定义,而且也很难给出一个公认 的和准确的定义。为了便于逬行讨论和估计的进展.有必要对机器学习给出走义，即使这种 定义是不完全的和不充分的。顾名

4、思义，机器学习是研究如何使用机器来模拟人类学习活动 的一门。稍为严格的提法是：机器学习是一门研究机器获取新知识和新技能,并识别现有知 识的学问。这里所说的机器,扌旨的就是计算机；现在是电子计算机,以后还可能是中子 计算机、呛计神经计鹤机器学习的研究是根据生理学.认知科学等对人类学习柄理的了解，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逬行理论上 的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促逬。机器学习是关于理解与研究学习的内在机制、建立能够通过学习自动提高自身水平的计 算扌n程序的理论方法的。近年来机器学习理论在诸多应用

5、领域得到成功的应用与发展，已成 为计算初科学的基础及热点之一。机器学习已经有了十分广泛的应用例如搜索引事、医学诊断、检测信用卡欺诈、证券市场分 析、DNA序列测序、语音和手写识别.战略游戏和机器人运用。与机器学习有关的学术j舌动空前活跃。国际上除每年一次的机器学习研讨会夕卜，还有计 算机学习理论会议以及遗传算法会议。机器学习是继专家系统之后人工智能应用的又一靈要研究领域，也是人工智能和神经计1叽万卷书行万里路旗开得胜算的核心研究课题之一。现有的计算机系统和人工智能系统没有什么学习能力至多也只有 非常有限的学习能力，因而不能满足科技和生产提出的新要求。对机器学习的讨论和机器学 习研究的逬辰,必将

6、促使人工智能和整个科学技术的逬一步发展.正文1机器学习的走义，研究意义应用领域学习是人类翼有的一种更要S能行为，但究竟什么是学习，长期以来却众说纷纭。社会学家.逻辑学家和心理学家都各有翼不同的看法。至今，还没有统一的“机器学习定义，而且也很难 给出一个公认的和准确的走义。比如，Langley (1996)走义的机器学习是机器学习遷一门人工智能的科学，该领域的主要研究对象姥人工智能，特别是如何在经验学习中改醫興体算法的性尽管如此.为了便于进行讨论和估计的进展，有必要对机器学习给出走义,即使这种定义是 不完全的和不充分的。顾名思义，机器学习是研究如彳可使用机器来模拟人类学习；舌动的一门。稍为严格的

7、提法是:机器学习是一门研究机器获取新知识和新技能,井识别现有知识的学问。这 里所说的机器”，的就是计算机；现在是电子计算机.以后还可能是中子计算机、光子计算机器能否象人类一样能興有学习能力呢？ 1959年类国的塞缪尔(Samuel)设计了一个下棋程序这个程序興有学习能力，它可以在不断的对弈中改警自己的棋艺。4年后,这个程序战胜 了设计者本人。又过了 3年，这个程序战胜了类国一个保持8年之久的常胜不败的冠军。这个程序向人们展示了机器学习的能力，提出了许多令人深思的社会问题与哲学问题。机器的能力是否能超过人的.很多持否走慧见的人的一个主要论揭是：机器遷人造的，浜性 能和动作完全是由设计者规走的,因

8、此无论如何其能力也不会超过设计者本人这种倉见对不興 备学习能力的机器来说的确是对的，可是对興备学习能力的机器就值得考虑了 因为这种机器的 能力在应用中不断地提高，过一段时间之后，设计者本人也不知它的能力到了丽水平。最主要的应用领域有：专家系统、认知摸拟、规划和问題求解、数据挖掘、网络信患服务、 图象识别、故匱诊断、自然语吾理解、机器人和博弈等领域。2机器学习的发展史机器学习是人工智能研究较为锌的分支 它的发展过程大体上可分为4个时期。第一阶段是在50年代中叶到60年代中叶,厲于热烈时期。A第二阶段是在60年代中叶至70年代中叶，被称为机器学习的冷静时期。第三阶段是从70年代中叶至80年代中叶，

9、称为复兴时期。机器学习的最新阶段始于1986年。机器学习逬入新阶段的豪要表现在下列诸方面：机器学习已成为新的边缘并在高校形成一门课程。它综合应用心理学、生物学和神 经生理学以及数学，自动化和计算机科学形成机器学习理论基础。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。特别是连 接学习符号学习的耦合可以更好地解决连续性倍号处理中知识与技能的获取与求精问题而机器学习与人工智能各种基础问题的统F观点正在形成。例如学习与问题求解结 合进行、知识表达便于学习的观点产生了通用智能系统SOAR的组块学习。类比学习与问 题求解结合的基于案例方法已成为经验学习的遁要方向。各种学习方法的应用范围

10、不断扩大,一部分已形成商品。归纳学习的知识获取工具 已在诊断分类型专家系统中广泛使用。学习在声图文识别中占优势。分析学习已用于设 计综合型专家系统。遗传算法与强化学习在工程控制中有较好的应用前景。与符号系卿合 的神经网络连接学习将在企业的智能艇与智能机器人运动规划中发挥作用。与机器学习有关的学术活动空前活跃。国际上除每年一次的机器学习研讨会外，还有计算机学习理论会议以及遗传算法会议。3机器学习分类1、基于学习策略的分类学习策略是指学习过程中系统所采用的推理策略。f 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）提供倍想，学习部分则实现倍息转换,用能够理解的形 式记忆下来,并从中获

11、取有用的倍息。在学习过程中,学生（学习部分）使用的越少 他对教师（环境）的依赖就越大，教师的负担也就越靈。学习策略的分类标准就是根据学 生实现倍息转换所需的推理多少和难易程庚来分类的，依从简单到复杂，从少到多的次序分 为以下五种墓本类型：1 ) 0学习侃0怕 learning)学习者无需任何推理或其它的知识转换值接吸取环境所提供的倍息。如S缪尔的跳棋 程序，纽厄尔和西蒙的LT系统。这类学习系统主要考虑的是如何索引存贮的知识并加以利 用。系统的学习方法是直接通过事麺好、构造好的程序来学习，学习者不作任何工作,或 者是通过亘接接收既定的事实和数据逬行学习,对输入倍想不作任何的艇。2 )示教学习(L

12、earning from instruction 或 Learning by being told)。学生从环境（教师或其它倍息源如教科书等）获取倍息,把知识转换成内部可使用的表 示形式C并将新的知识和原有知识有机地结合为一体。所以要求学生有一定程庚的推理能 力，但环境仍要做大量的工作。教师以某种形式提出和组织知识以使学如有的知识可以 不断地增加。这种学习方法和人类社会的学校教学方式相1以,学习的任务就是建立一个系 统，使它受教导和建议,并有效地存贮和应用学到的知识。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。示教学习的一个典型应用例是F00程序。3 )演绎学习(Learni

13、ng by d ction)。学生所用的艇形式为演译推理。推理从公理出发,经过逻辑变换推导出结论。这种推 理是保奠”变换和特化（specialization）的述呈，使学生讎理过程中可以获取有用的知识。这种学习方法包含宏操作（macrooperation）学习、知识编紆口组块（Chunking）技术。演绎 推理的逆过程是归纳推理。4 )类比学习(Learning by analogy)。利用二个不同领域（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 括相似的特征和其它性质）推导出目标域的相应知识，从而实现学习。类比学习系统可以 使一个已有的计算机应用系统转变为适应于新的领域,来

14、完成原先没有设计的相类似的功 能。类比学习需要比上述三种学习方式更多的推理。它一要求先从知识源（源域）中检 索出可用的知识,再将其转换成新的形式,用到新的状况（目标域）中去。类比学习在人类 科学技术发展史上起蓍萱要作用,许多科学发现就是通过类1:凸專到的。例如善名的卢瑟福 类比就是通过将原子结构（目标域）同太阳系（源域）作类比揭示了原子结构的奥秘。5 )墓于解释的学习(Explanation-based learning, EBL)。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，首先构造 一个解释来说明为什i亥例子満足目标概念*然后将解释推广为目标概念的一个满足可操作 准

15、则的充分条件。EBL已被广泛应用于知识库求椰口改善系统的性能。菩名的EBL系统有 迪乔恩 G.DeJong 的GENESIS 米切取 TMitchell 的 LEXII和 LEAR 以及明顿:S.Minton )等的 PRODIGY,6 )归纳学习(Learning from induction)。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得出该概 念的一般描述。这种学习的推理工作量远多于示教学习和演绎学习，因为环境并祁供一 般性概念描述（如公理X从棊种程度上说，归纳学习的推理畳也比类比学习大,因为没有 f类似的概念可以作为W概念加以取用。归纳学习是最基本的,发展也较

16、为成熟的学 习方法.在人工智能领域中已经得到广泛的研翔应用。2按应用领域分类目前最主要的应用领域有：专家系统.认知模拟、规划和问题求解、数据朋、网络倍 息服务、图象识别、故瞳诊断、自然语言理解、机器人和博弈等领域。从机器学习的执行部分所反映的任务类型上看，目前大部分的应用研究领域基本上集中 于以下两个范畴：分类和问题求解。（1）分类任务要求系统依据已知的分类知识对输入的未知模式（该模式的描述）作分析 以确走输入模式的类属。相应的学习目标就是学习用于分类的准则（如分类规则（2 ）问题求解任务要求对于给走的目标状态异?寻找一个彳各当前状态转换为目标状态的动作序列机器学习在这T域的研究工作大部分集中

17、于通过学习来获取能提离问题求解效 率的知识（如搜索控制知识*启发式知识等X4 机器学习技术的发展趋势从目前研究趋势看,机器学习今后主要的研究方向如下：1）人类学习机制的研究：2） 发展和完善现有学习方法同时开展新的学习方法的研究:3）建立实用的学习系统特别是 开展多种学习方法协同工作的集成化系统的研究：4）机器学习有关理论及应用的研究.机器学习是继专家系统之后人工智能应用的又一靈要研究领域，也是人工智能和神经计 算的核心研究课题之一。现有的计算机系统和人工智能系统没有什么学习能力至多也只有 非常有限的学习能力，因而不能满足科技和生产提出的新要求。对机器学习的讨论和机器学 习研究的进展,必将促使

18、人工智能和整个科学技术的逬一步发展。结论我发现，机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能 和神经计算的核心研究课题之一。现有的计算机系统和人工智能系统没有什么学习能力至 多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。对机器学习的讨论 和机器学习研究的逬展必将促使人工智能和整个科学技术的逬一步发展。从目前研究趋势看,机器学习今后主要的研究方向如下：1）人类学习机 制的研究：2） 发展和完善现有学习方法同时开展新的学习方法的研究:3）建立实用的学习系统特别是 开展多种学习方法协同工作的集成化系统的研究：4）机器学习有关理论及应用的研究最主要的应用领域有：专家系统、认知模拟、规划和问題求解