查看“机器能否象人类一样具有学习能力”的源代码
←
机器能否象人类一样具有学习能力
跳转至:
导航
、
搜索
因为以下原因,您没有权限编辑本页:
您所请求的操作仅限于该用户组的用户使用:
用户
您可以查看与复制此页面的源代码。
{{4}}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 [http://blog.sina.com.cn/s/blog_5e3b679b0102w9en.html 茅洪斌]
该页面使用的模板:
模板:4
(
查看源代码
)
返回至
机器能否象人类一样具有学习能力
。
导航菜单
个人工具
登录
名字空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
首页
社区主页
新闻动态
最近更改
随机页面
帮助
华师附中老三届
站群链接
社友网(sn)
产品百科(cpwiki)
产品与服务(sn)
社区支持农业(sn)
工具
链入页面
相关更改
特殊页面
页面信息