机器能否象人类一样具有学习能力
作者：茅洪斌
机器能否象人类一样具有学习能力呢？1959年美国的塞缪尔(Samuel)设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对弈中改善自己的棋艺。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。
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼迫论、凸分析、算法复杂度理论等多门学科。它是专门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，它主要使用归纳、综合而不是演绎。其应用遍及人工智能的各个应用领域：专家系统、认知模拟、规划和问题求解、数据挖掘、网络信息服务、图象识别、故障诊断、自然语言理解、机器人和博弈等领域。
机器学习经常引用的英文定义是：A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.
顾名思义，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学科。这里所说的“机器”，指的就是计算机，包括电子计算机，中子计算机、光子计算机或神经计算机等等。
机器的能力是否能超过人，持否定意见的人认为：机器是人造的，其性能和动作完全是由设计者规定的，因此无论如何其能力也不会超过设计者本人。不具备学习能力的机器它只是机械地执行程序，可是具备学习能力的机器非同寻常，因为这种机器的能力在应用中不断地自我提高，过一段时间之后，设计者本人也不知它的能力到了何种水平。
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。学习系统获得的信息往往是不完全的，所以学习系统所进行的推理并不完全是可靠的，它总结出来的规则可能正确，也可能不正确。这要通过执行效果加以检验。正确的规则能使系统的效能提高，应予保留；不正确的规则应予修改或从数据库中删除。
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3个：复杂性、反馈和透明性。
机器学习领域的研究工作主要围绕以下三个方面进行：
（1）面向任务的研究
研究和分析改进一组预定任务的执行性能的学习系统。
（2）认知模型
研究人类学习过程并进行计算机模拟。
（3）理论分析
从理论上探索各种可能的学习方法和独立于应用领域的算法。
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进展，必将促使人工智能和整个科学技术的进一步发展。
2016-2-14
上海
