檀亞寧 王子浪 趙林健

摘 要 機(jī)器學(xué)習(xí)是人工智能的核心，也是人工智能技術(shù)發(fā)展的第三階段。本文簡(jiǎn)要分析了人工智能機(jī)器學(xué)習(xí)的研究要點(diǎn)，并對(duì)機(jī)器學(xué)習(xí)的技術(shù)核心——深度學(xué)習(xí)（多層神經(jīng)網(wǎng)絡(luò)）重點(diǎn)進(jìn)行探究，旨在從算法層面促進(jìn)機(jī)器學(xué)習(xí)技術(shù)的發(fā)展與應(yīng)用，推動(dòng)人工智能的健康發(fā)展。

關(guān)鍵詞 人工智能；機(jī)器學(xué)習(xí)；深度學(xué)習(xí)

機(jī)器學(xué)習(xí)的初衷是通過(guò)學(xué)習(xí)，AI能夠從數(shù)據(jù)或歷史經(jīng)驗(yàn)中發(fā)現(xiàn)規(guī)律，自動(dòng)獲取相關(guān)知識(shí)。人工智能涉及到的專業(yè)領(lǐng)域多而復(fù)雜，但最終的目的都是使AI具備與人類相似的獨(dú)立思考能力，即“聰明”屬性。因此，有必要通過(guò)人工智能算法脈絡(luò)解析算法應(yīng)用基本場(chǎng)景，對(duì)AI進(jìn)行更為理性的理解與思考。

1基于人工智能的機(jī)器學(xué)習(xí)研究要點(diǎn)

1.1與環(huán)境相適應(yīng)

對(duì)于環(huán)境的適應(yīng)性不同是機(jī)器與人類主要差別，環(huán)境因素影響機(jī)器學(xué)習(xí)的質(zhì)量，因此人工智能技術(shù)研究中機(jī)器對(duì)于環(huán)境的適應(yīng)性也是重點(diǎn)研究課題。此外，建立機(jī)器內(nèi)部體系存放的原則通常遵循環(huán)境適應(yīng)性原則，基于環(huán)境復(fù)雜性特點(diǎn)，機(jī)器學(xué)習(xí)中需要有大量數(shù)據(jù)作為支撐，同時(shí)適當(dāng)刪減多余環(huán)節(jié)，盡量簡(jiǎn)化機(jī)器學(xué)習(xí)過(guò)程。

1.2擴(kuò)展機(jī)器知識(shí)庫(kù)

需要為機(jī)器學(xué)習(xí)提供種類豐富且表現(xiàn)形式多樣化的知識(shí)庫(kù)，包括特征向量、規(guī)則化語(yǔ)言以及網(wǎng)絡(luò)化關(guān)聯(lián)等[1]。在此基礎(chǔ)上適當(dāng)擴(kuò)展并延伸知識(shí)庫(kù)內(nèi)容，提升機(jī)器學(xué)習(xí)能力。需要注意的是：一方面選擇邏輯較為簡(jiǎn)單且表意明確的模式，另一方面推理過(guò)程容易理解，以此降低機(jī)械計(jì)算成本。

2機(jī)器學(xué)習(xí)技術(shù)中的深度學(xué)習(xí)技術(shù)

在大數(shù)據(jù)背景下，機(jī)器需要處理大量且復(fù)雜的數(shù)據(jù)信息，傳統(tǒng)人工智能的機(jī)器學(xué)習(xí)理論難以勝任，無(wú)法有效理解并模擬人類學(xué)習(xí)過(guò)程，在發(fā)現(xiàn)新事物的能力以及對(duì)不完全信息推理能力方面存在較多缺陷?；诖耍枰\(yùn)用深度學(xué)習(xí)技術(shù)研究新的機(jī)器學(xué)習(xí)算法。以人工智能AlphaGo為例，其采用了最新神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建了策略網(wǎng)絡(luò)以及評(píng)價(jià)網(wǎng)絡(luò)兩個(gè)“大腦”，在深度學(xué)習(xí)技術(shù)的支持下，顯著提升了大腦對(duì)數(shù)據(jù)處理的準(zhǔn)確度和速度。AlphaGo使用了全新算法，其出現(xiàn)為機(jī)器學(xué)習(xí)技術(shù)發(fā)展帶來(lái)全新的前景。

2.1機(jī)器學(xué)習(xí)與 AlphaGo 的適切性

AlphaGo作為人工智能的尖端成果，運(yùn)用了多種機(jī)器學(xué)習(xí)方法，但最為主要的有如下幾種。（1）預(yù)測(cè)，即根據(jù)自身已知對(duì)未知進(jìn)行估計(jì)。在機(jī)器學(xué)習(xí)中，預(yù)測(cè)可理解為開(kāi)發(fā)一種新的數(shù)學(xué)模型，并根據(jù)收集的數(shù)據(jù)（預(yù)測(cè)變量）對(duì)未知數(shù)據(jù)（預(yù)測(cè)變量）進(jìn)行推斷。以AlphaGo戰(zhàn)勝國(guó)際象棋世界冠軍卡斯帕羅夫?yàn)槔?，正是因?yàn)樗梢越柚鷮?duì)戰(zhàn)分析人類棋手下棋模式，運(yùn)用預(yù)測(cè)手段對(duì)人類棋手后續(xù)走子行為作出較為精準(zhǔn)的預(yù)測(cè)。通常情況下，預(yù)測(cè)常用的方法為分類和回歸。

2.1.1分類

分類算法包括決策樹(shù)、隨機(jī)森林、逐步回歸和邏輯回歸等。以AlphaGo與李世石的對(duì)局為例，其主要使用了決策樹(shù)算法，對(duì)其下棋未來(lái)幾步甚至幾十步走子數(shù)據(jù)進(jìn)行了分析預(yù)測(cè)。

2.1.2回歸

不同于分類，回歸是以連續(xù)數(shù)值型作為目標(biāo)數(shù)據(jù)，主要包括有線性回歸算法和回歸樹(shù)算法，通常情況下多用于研究多個(gè)數(shù)據(jù)之間的潛在聯(lián)系，并通過(guò)數(shù)學(xué)方法進(jìn)行描述。AlphaGo在對(duì)局中采用的是邏輯回歸算法，在復(fù)雜多變的情況下，判斷對(duì)手在棋盤(pán)各個(gè)位置上可能走子的概率作為自身走子的依據(jù)。人類充當(dāng)導(dǎo)師的角色，通過(guò)機(jī)器學(xué)習(xí)技術(shù)使得機(jī)器學(xué)會(huì)思考，甚至比人類更會(huì)思考。

2.2深度學(xué)習(xí)算法在人工智能的應(yīng)用

AlphaGo將深度學(xué)習(xí)技術(shù)運(yùn)用到登峰造極的地步，促進(jìn)了人工智能智能化水平的提升，是機(jī)器學(xué)習(xí)技術(shù)的價(jià)值體現(xiàn)[2]。AlphaGo在對(duì)局中，系統(tǒng)主要由Policy Network（策略網(wǎng)絡(luò)）、Fastrollout（快速走子）、Value Network（價(jià)值網(wǎng)絡(luò)）、MonteCarlo Tree Search（蒙特卡洛樹(shù)搜索）四部分構(gòu)成。其中，Policy Network用于分析當(dāng)前局勢(shì)，對(duì)下一步走子進(jìn)行采樣并預(yù)測(cè)。Fastrollout可顯著提升走子速度。Value Network通過(guò)分析數(shù)據(jù)，可對(duì)棋局各方勝率提前作出預(yù)判。而MonteCarlo Tree Search是連接上述三部分的紐帶，使其形成完整的系統(tǒng)。

運(yùn)用深度學(xué)習(xí)法，AlphaGo通過(guò)神經(jīng)網(wǎng)絡(luò)的非監(jiān)督式學(xué)習(xí)來(lái)指派初始權(quán)重，并擁有兩個(gè)相對(duì)獨(dú)立的大腦，即策略網(wǎng)絡(luò)與評(píng)價(jià)網(wǎng)絡(luò)。研究人員將大量職業(yè)選手棋譜輸入到系統(tǒng)中，通過(guò)算法，AlphaGo的準(zhǔn)確率已經(jīng)高達(dá)50%以上，同時(shí)卷積核對(duì)棋盤(pán)無(wú)用區(qū)域的過(guò)濾作用使得預(yù)測(cè)速度提高了千倍以上。

通過(guò)深度學(xué)習(xí)技術(shù)，人工智能的學(xué)習(xí)能力仍在不斷進(jìn)步中，最新升級(jí)的AlphaGoZero將兩個(gè)大腦一體化，將快速隨機(jī)走子方式進(jìn)行升級(jí)，通過(guò)提升神經(jīng)網(wǎng)絡(luò)的質(zhì)量完成決策與評(píng)估。此外，AlphaGoZero的學(xué)習(xí)能力進(jìn)一步提升表現(xiàn)在能夠在不提前輸入圍棋規(guī)則情況下，依靠自身3天內(nèi)完成近500次博弈，從中逐漸建立起一套圍棋策略體系。在與AlphaGo的對(duì)決中，以100：0的成績(jī)完勝。

3結(jié)論

在信息革命以及大數(shù)據(jù)時(shí)代背景下，深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的子領(lǐng)域具有廣闊的發(fā)展前景，利于促進(jìn)人工智能技術(shù)不斷發(fā)展并逐漸邁向新高度。未來(lái)，人工智能或?qū)臋C(jī)器學(xué)習(xí)階段最終發(fā)展進(jìn)入通用智能系統(tǒng)階段，由此我國(guó)應(yīng)重視相關(guān)人才的培養(yǎng)，鼓勵(lì)并支持機(jī)器學(xué)習(xí)技術(shù)的發(fā)展與應(yīng)用，促進(jìn)人工智能產(chǎn)業(yè)發(fā)展。

參考文獻(xiàn)：

[1]李康化，姜姍.機(jī)器學(xué)習(xí)與文化生產(chǎn)變革——基于AI技術(shù)發(fā)展視角[J].湘潭大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2020，44（01）：74-79.

[2]余濤，賈如春.基于機(jī)器學(xué)習(xí)算法人工智能技術(shù)的發(fā)展與應(yīng)用[J].數(shù)學(xué)學(xué)習(xí)與研究，2019（13）：149.