楊景博

摘要：隨著人工智能技術(shù)的不斷發(fā)展，對(duì)人類生活和社會(huì)的發(fā)展的影響也變得越來(lái)越廣泛?；谌斯ぶ悄芗夹g(shù)，進(jìn)一步研究機(jī)器學(xué)習(xí)，全面了解機(jī)器學(xué)習(xí)的目的和方法，不斷提升機(jī)器學(xué)習(xí)能力，才能更好的促進(jìn)人工智能技術(shù)的發(fā)展。本文基于人工智能技術(shù)對(duì)機(jī)器學(xué)習(xí)進(jìn)行了研究，以供相關(guān)研究人員參考。

關(guān)鍵詞：人工智能技術(shù);機(jī)器學(xué)習(xí);研究

人工智能技術(shù)誕生于20世紀(jì)50年代，并在隨后的社會(huì)經(jīng)濟(jì)發(fā)展過(guò)程中起到了重要的推動(dòng)作用。人工智能技術(shù)是一項(xiàng)包含多個(gè)領(lǐng)域和學(xué)科的技術(shù)，比如信息科學(xué)、計(jì)算機(jī)科學(xué)、工程技術(shù)以及數(shù)學(xué)科學(xué)等領(lǐng)域，其主要的研究?jī)?nèi)容就是如何讓機(jī)器具備學(xué)習(xí)能力、交流能力、輸入能力以及輸出能力，基于人工智能技術(shù)，提高機(jī)器學(xué)習(xí)能力，讓機(jī)器能夠獲得與人類相似的獨(dú)立思考能力，并能夠自主的認(rèn)識(shí)世界和感知世界。機(jī)器學(xué)習(xí)是當(dāng)前人工智能技術(shù)的重點(diǎn)研究方向，提高機(jī)器學(xué)習(xí)能力，對(duì)人工智能技術(shù)應(yīng)用與發(fā)展有著重要的作用。

1、機(jī)器學(xué)習(xí)概述

1.1機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是指利用系統(tǒng)或知識(shí)識(shí)別的方式，提高機(jī)械學(xué)習(xí)能力，并促使機(jī)械能夠獲取新知識(shí)或技能。機(jī)器學(xué)習(xí)與人類學(xué)習(xí)的方式相似，沒有經(jīng)過(guò)系統(tǒng)性的學(xué)習(xí)或?qū)W習(xí)方式不合適，那么學(xué)習(xí)的效果很難實(shí)現(xiàn)，難以創(chuàng)造出新知識(shí)、新作品，機(jī)器學(xué)習(xí)只有采取系統(tǒng)性且合適的學(xué)習(xí)方式，才能有效提升問(wèn)題分析能力，掌握解決問(wèn)題的方式，提高自身的創(chuàng)新能力[1]。在人工智能領(lǐng)域中，機(jī)器學(xué)習(xí)是熱門研究領(lǐng)域，研究機(jī)器學(xué)習(xí)的目的就是讓機(jī)器獲得與人類相同的學(xué)習(xí)新知識(shí)的能力，讓機(jī)器掌握分析問(wèn)題和解決問(wèn)題的能力，建立相應(yīng)的知識(shí)體系，并能夠在具體的問(wèn)題實(shí)踐中充分運(yùn)用這些能力。

1.2機(jī)器學(xué)習(xí)研究的目的

機(jī)器學(xué)習(xí)研究的主要目的有三個(gè)，首先是對(duì)人類學(xué)習(xí)過(guò)程的全面模擬，并在此基礎(chǔ)上建立機(jī)器的學(xué)習(xí)認(rèn)知模型，這對(duì)科學(xué)知識(shí)的認(rèn)知和發(fā)展有著很強(qiáng)的促進(jìn)作用。其次，促進(jìn)機(jī)器對(duì)相關(guān)領(lǐng)域理論知識(shí)的學(xué)習(xí)和研究，不斷豐富和發(fā)展學(xué)習(xí)方法，并按照機(jī)器自身特性設(shè)計(jì)相應(yīng)的程序，找出其中的相似性和區(qū)別性。最后，通過(guò)對(duì)機(jī)器學(xué)習(xí)相關(guān)程序的設(shè)計(jì)，完成對(duì)知識(shí)工具獲取及相關(guān)系統(tǒng)獲取的研究，在建立機(jī)器發(fā)函系統(tǒng)的同時(shí)做好數(shù)據(jù)庫(kù)建設(shè)，完成相關(guān)知識(shí)和經(jīng)驗(yàn)的有效積累。并通過(guò)對(duì)自身知識(shí)的不斷累積，提高機(jī)器學(xué)習(xí)能力水平，促進(jìn)機(jī)器的智能化發(fā)展，幫助機(jī)器更加接近人類學(xué)習(xí)能力。

1.3機(jī)器學(xué)習(xí)方式分析

機(jī)器學(xué)習(xí)方式主要借鑒人類學(xué)習(xí)方式，為有效提升機(jī)器學(xué)習(xí)方式的科學(xué)性，在人類思考與學(xué)習(xí)方式的基礎(chǔ)上，加強(qiáng)機(jī)器學(xué)習(xí)方式研究，擴(kuò)展機(jī)械性能，強(qiáng)化機(jī)器快速、大內(nèi)存及高復(fù)制性的工作能力，采取更加適合機(jī)器的學(xué)習(xí)方式。目前，機(jī)器學(xué)習(xí)方式主要有演繹學(xué)習(xí)系統(tǒng)和歸納學(xué)習(xí)系統(tǒng)兩種思路。演繹學(xué)習(xí)系統(tǒng)是通過(guò)一般到特殊的學(xué)習(xí)方式，機(jī)器按照相關(guān)公理就能夠推斷出相應(yīng)的結(jié)論和目的。歸納學(xué)習(xí)系統(tǒng)的思路與演繹學(xué)習(xí)系統(tǒng)相反，是從特殊到一般的思維方式，包括傳統(tǒng)歸納和創(chuàng)新歸納這兩種不同的模式，同時(shí)也包含完全歸納和不完全歸納兩種模式，傳統(tǒng)歸納關(guān)系主要是在事實(shí)的基礎(chǔ)上進(jìn)行思考，歸納共性，由此總結(jié)出更加科學(xué)的機(jī)器學(xué)習(xí)方式。

2、基于人工智能技術(shù)的機(jī)器學(xué)習(xí)研究

2.1主動(dòng)學(xué)習(xí)

首先采用事先訓(xùn)練好的CNN模型，分類預(yù)測(cè)未標(biāo)記過(guò)的圖像，并根據(jù)CNN模型計(jì)算出相應(yīng)樣本屬于各類的概率，然后進(jìn)行歸一化，具體公式為：

（1）

經(jīng)過(guò)計(jì)算后，所得 表示的是歸一化后相應(yīng)樣本屬于第j類的概率。通過(guò)分類起對(duì)某一圖像樣本進(jìn)行預(yù)測(cè)后所得到的最大概率與第二大概率之間的差為近鄰熵，其計(jì)算公式為：

S=max（f）-（max-1）（f） ? ? ? ? ? ? ? ? ? ? ?（2）

max（f）所表示的是圖像樣本預(yù)測(cè)的最大概率，（max-1）（f）表示的是圖像樣本預(yù)測(cè)的第二大概率。計(jì)算結(jié)果S所表示就是圖像樣本的近鄰熵。通過(guò)計(jì)算該圖像樣本最大概率與第二大概率之間的差值，所得結(jié)果如果小于某閾值，則表示該分類器在對(duì)相關(guān)圖像樣本進(jìn)行分類時(shí)存在較大的不確定性，可將其用作主動(dòng)學(xué)習(xí)的樣例，否則應(yīng)當(dāng)遺棄。

在自動(dòng)存儲(chǔ)方面，人為設(shè)定閾值L，對(duì)比計(jì)算所得近鄰熵S與閾值L，若S

2.2環(huán)境適應(yīng)性機(jī)器學(xué)習(xí)

與人類學(xué)習(xí)不同，機(jī)器學(xué)習(xí)存在一個(gè)較為顯著的差異，即環(huán)境適應(yīng)性差異，因此，機(jī)器學(xué)習(xí)的環(huán)境適應(yīng)性成為當(dāng)前人工智能技術(shù)研究中的重要內(nèi)容。環(huán)境對(duì)系統(tǒng)的支持效果對(duì)機(jī)器學(xué)習(xí)效果有著很大的影響，同時(shí)，環(huán)境適應(yīng)性也是推動(dòng)建立機(jī)器內(nèi)部體系存放原則的重要依據(jù)[2]。由于環(huán)境的多變性和復(fù)雜性特征，使得機(jī)器在學(xué)習(xí)過(guò)程中，需要提供大量的數(shù)據(jù)信息支撐，同時(shí)要?jiǎng)h除與學(xué)習(xí)不相關(guān)的環(huán)節(jié)內(nèi)容，然后在相應(yīng)的數(shù)據(jù)基礎(chǔ)上進(jìn)行推廣和總結(jié)，進(jìn)而形成系統(tǒng)動(dòng)作指導(dǎo)的相關(guān)基本準(zhǔn)則。但在環(huán)境適應(yīng)性的機(jī)器學(xué)習(xí)必然會(huì)更加復(fù)雜，從而對(duì)系統(tǒng)的可持續(xù)發(fā)展造成一定影響。

2.3機(jī)器知識(shí)庫(kù)擴(kuò)展延伸

為有效促進(jìn)機(jī)器學(xué)習(xí)的發(fā)展，還需要加強(qiáng)機(jī)器知識(shí)庫(kù)的設(shè)置，不斷豐富知識(shí)庫(kù)種類，并通過(guò)多樣化的形式進(jìn)行表現(xiàn)，其中包括基本的網(wǎng)絡(luò)化關(guān)聯(lián)、規(guī)則語(yǔ)言以及特征向量等。機(jī)器學(xué)習(xí)為實(shí)現(xiàn)這一目標(biāo)，就需要不斷擴(kuò)展和眼神機(jī)器知識(shí)庫(kù)內(nèi)容，才能有效提升機(jī)器學(xué)習(xí)能力。知識(shí)庫(kù)的擴(kuò)展延伸要重點(diǎn)注意表達(dá)模式，在建構(gòu)表達(dá)模式時(shí)，盡可能的保證其邏輯的簡(jiǎn)單化，相關(guān)表意的明確清晰。同時(shí)，知識(shí)庫(kù)的擴(kuò)展延伸還應(yīng)注重計(jì)算成本的低效化，確保計(jì)算推理過(guò)程的簡(jiǎn)便，保證推理過(guò)程容易理解，提高推理效率。不斷拓展知識(shí)庫(kù)內(nèi)容，最大程度的推動(dòng)知識(shí)庫(kù)內(nèi)相關(guān)知識(shí)的擴(kuò)展延伸。

2.4機(jī)器學(xué)習(xí)反饋評(píng)價(jià)體系

建立相應(yīng)的反饋評(píng)價(jià)體系，才能更好的判斷機(jī)器學(xué)習(xí)效果。機(jī)器學(xué)習(xí)反饋評(píng)價(jià)的重點(diǎn)內(nèi)容包括基礎(chǔ)性反饋評(píng)價(jià)體系、復(fù)雜性反饋評(píng)價(jià)體系、策略分析評(píng)價(jià)體?；A(chǔ)性反饋評(píng)價(jià)體系主要表現(xiàn)基礎(chǔ)性、簡(jiǎn)單化規(guī)則。復(fù)雜性反饋評(píng)價(jià)體系主要體現(xiàn)在概念的多樣化。策略分析評(píng)價(jià)體系是整體反饋評(píng)價(jià)體系中所設(shè)計(jì)并建立的小型評(píng)價(jià)體系。三種體系的建立需要按照機(jī)器學(xué)習(xí)的實(shí)際情況和相應(yīng)的任務(wù)，循序漸進(jìn)的建立和完善。同時(shí)，還應(yīng)當(dāng)重視機(jī)器學(xué)習(xí)反饋評(píng)價(jià)體系的透明度，確保學(xué)習(xí)反饋評(píng)價(jià)過(guò)程與結(jié)果等透明化反饋，才能有效保障機(jī)器學(xué)習(xí)的效果的落實(shí)。

3、結(jié)語(yǔ)

在人工智能技術(shù)的發(fā)展過(guò)程中，機(jī)器學(xué)習(xí)研究勢(shì)在必行，在機(jī)器學(xué)習(xí)定義、目的和方式方法的基礎(chǔ)上，深入思考和完善人工智能在機(jī)器學(xué)習(xí)中的認(rèn)知，分析機(jī)器學(xué)習(xí)中存在的問(wèn)題，在機(jī)器主動(dòng)學(xué)習(xí)過(guò)程中，加強(qiáng)環(huán)境適應(yīng)性機(jī)器學(xué)習(xí)研究，建立相應(yīng)的反饋評(píng)價(jià)體系，不斷擴(kuò)展延伸機(jī)器知識(shí)庫(kù)，才能幫助機(jī)器掌握更好的學(xué)習(xí)方式，提高學(xué)習(xí)效果，進(jìn)而推動(dòng)人工智能技術(shù)在各個(gè)領(lǐng)域中更加廣泛的應(yīng)用，促進(jìn)社會(huì)的不斷發(fā)展。

參考文獻(xiàn)

[1]鄭永亮，李曉坤，王琳琳，等.基于人工智能與機(jī)器學(xué)習(xí)技術(shù)在智慧城市的應(yīng)用[J].智能計(jì)算機(jī)與應(yīng)用，2019（01）：153-158.

[2]羅曉慧.人工智能背后的機(jī)器學(xué)習(xí)[J].電子世界，2019（14）：103.