魏丹晨 柳登豐 榮光普

摘 要 科學技術的不斷進步，帶來計算機技術的飛速發(fā)展，使得利用計算機實現(xiàn)人工智能成為可能，就是通過計算機去完成過去只有人才能做的智能工作。機器學習是計算機實現(xiàn)智能的重要方式，人工智能的發(fā)展離不開機器學習的支撐。

關鍵詞 計算機技術;深度學習;機器學習;模式識別

深度學習，機器學習，模式識別是不同的思想領域。是三個比較相近的概念，但所屬的發(fā)展階段不同，模式識別是比較傳統(tǒng)的一種，機器學習奮發(fā)向上，深度學習則是更為先進的一種思想領域，模式識別也曾被理解為機器學習，在現(xiàn)在這個進步飛快的社會，模式識別顯然需要逐漸退出，取而代之的是更具深度與效率的深度學習。

1模式識別：智能程序的誕生

（1）概念。模式識別是人工智能的一個較為重要的應用領域，也得到過不錯的發(fā)展，模式識別一般是用機算機，用計算的方式算出樣本的特征然后根據(jù)樣本的不同進行不同的分類。模式識別方法主要是通過對一些結構，統(tǒng)計數(shù)字進行識別，然后通過現(xiàn)在發(fā)達技術的網(wǎng)絡系統(tǒng)進行圖像，語音以及其他類似人腦的方面進行處理，從而得到智能程序。

（2）發(fā)展歷程。模式識別是最早出現(xiàn)在人類生活中的智能，是后來智能發(fā)展的基礎與借鑒。在20世紀40年代時，我國研發(fā)出的計算機也得到了普遍運用，在此基礎之下，模式識別在20世紀60年代初得到較快的發(fā)展，并且成為一門新的學科。

（3）研究方向?，F(xiàn)在的智能識別較之前發(fā)展迅速，廣泛運用在了人工智能領域。人們更多地采用人工智能幫助自己完成一些自己難以完成的任務。比如，在醫(yī)學領域醫(yī)生可以利用人工智能清楚觀察病患體內的病變，不再望聞問切。在工業(yè)方面機器的使用也減少了勞動力，

2機器學習：人工智能的核心

（1）概念。機器學習作為一項重要的核心，所涉及的學科較為廣泛，統(tǒng)計學、分析學、概率學都有所涉獵。它是用來專門研究計算機如何獲取比較新的知識和能力，來模擬人的行為，它是人工智能發(fā)展的核心，是使計算機智能化的最根本的方法。

（2）發(fā)展歷程。早在機器學習成為計算機科學領域的一個重要的研究課題，計算機科學家們便開始將大膽地將這些想法應用到更大的領域中去，不再只局限于識別一些簡單的圖像[1]。在技術逐漸成熟之時，科學家開始逐漸將機器學習運用到與人類更加貼近的機器人身上，賦予機器人大數(shù)據(jù)，已經(jīng)網(wǎng)絡學習，使其成為“全能人”，阿爾法打敗圍棋冠軍正提現(xiàn)了機器學習在機器人身上的成熟技術。這項技術的實現(xiàn)也推動了機器學習更近一步。

（3）研究現(xiàn)狀。機器學習從根本意義上來說，是使用大數(shù)據(jù)來模擬人類活動，人工智能便是機器學習的明顯特征。機器學習為人類的進步做出了巨大貢獻，在近三十年來，在各方的支持下迅速崛起，得到了廣泛發(fā)展，使更多的人接觸以及使用機器學習方面的機器。并且，現(xiàn)在的機器學習不只是一個人工智能，機器學習現(xiàn)在涉及數(shù)據(jù)處理，信息監(jiān)控，以及深度學習等。因此，機器學習與各行各業(yè)的結合，必將引起一番改革大浪潮。自 20世紀80年代以來，機器學習已經(jīng)充分體現(xiàn)在各方各面，不再只是一項研究。尤其在近十幾年來，機器學習更是得到了快速發(fā)展，已經(jīng)成為科學家們重點關注的問題。機器學習不僅在致力于基礎知識的學習，更多的是向語言功能，思維發(fā)展，機器視覺等方面得到深度發(fā)展。機器學習的研究分為兩個主要的研究方向：第一類是傳統(tǒng)機器學習的研究，該類研究主要是研究學習機制，注重探索模擬人的學習機制;第二類是如何使用大數(shù)據(jù)使人工機器學習變得更加完善與成熟。

3深度學習：一統(tǒng)江湖的架構

（1）釋義。深度學習是實現(xiàn)人工智能的必經(jīng)路徑。研究深度學習主要目標就是研究人的大腦系統(tǒng)，使人工智能可以更加貼近人類的大腦，進而模仿人類。比如，聲音，圖文，圖像等。深度學習也是機器學習的一部分，通過研究人的神經(jīng)系統(tǒng)，發(fā)現(xiàn)數(shù)據(jù)的特征表示，屬于一種深度學習結構。

（2）發(fā)展方向。深度學習使機器學習具有了一個新的研究方向，通過深度學習使機器學習下的人工智能技術更加成熟，更能體現(xiàn)機器學習的特點。深度學習主要是通過大數(shù)據(jù)分析，從而得出規(guī)律與結論，使機器學習下的圖像以及文字處理具有一定的價值[2]。當然，深度學習更多的也是為了能讓機器可以具有人類般的能力，可以對數(shù)據(jù)進行分析，對圖像進行識別，對聲音進行轉化。這是較深層次的學習，這種深度學習遠比之前的學習更具難度，但同時也比之前取得的成果要顯著，在這種學習模式下，人工智能得到了更好的發(fā)展，對大數(shù)據(jù)的分析，語音識別，圖像分析功能都得到了明顯提升。深度學習使得人工智能在模仿人類方面取得了進步，可以模仿視聽，甚至思考，也可以通過分析人類活動模仿人類，使得人工智能更加貼近與人類。

（3）特點。①大致可以看出，在中國深度學習剛剛得到了發(fā)展，還未完全深入。②明確了特征學習的重要性。③聯(lián)想與結構，經(jīng)驗與知識的相互轉化通過設計建立適量的神經(jīng)元計算節(jié)點和多層運算層次結構，選擇合適的輸入層和輸出層，通過網(wǎng)絡的學習和調優(yōu)，建立起從輸入到輸出的函數(shù)關系，雖然不能100%找到輸入與輸出的函數(shù)關系，但是可以盡可能的逼近現(xiàn)實的關聯(lián)關系。在訓練模型的使用下，我們可以更簡單的實現(xiàn)對復雜事物的自動化處理。

4結束語

深度學習、機器學習和模式識別三個非常接近的概念，與當下最熱門的科技主題-機器人與人工智能聯(lián)系緊密，相互所屬，該文分析了深度學習、機器學習和模式識別的相關概念和聯(lián)系，研究了機器學習的發(fā)展歷程

參考文獻

[1] 濮石.基于卷積神經(jīng)網(wǎng)絡的深度學習算法與應用分析[J].信息與電腦，2018（17）：37，40.

[2] 李昊朋.基于機器學習方法的智能機器人探究[J].2019，26（4）： 241-242.