論人工智能中的機(jī)器學(xué)習(xí)應(yīng)用

蘭州理工大學(xué) 許祖銘

人工智能在1956年成立為一門學(xué)科，并且在此后的幾年中經(jīng)歷了幾次樂觀的浪潮，在其大部分歷史中，人工智能研究被分成了幾個子領(lǐng)域，這些子領(lǐng)域是基于技術(shù)考慮，例如“機(jī)器人學(xué)”或“機(jī)器學(xué)習(xí)”。機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)領(lǐng)域的人工智能的一個子集，通常使用統(tǒng)計(jì)技術(shù)使計(jì)算機(jī)能夠利用數(shù)據(jù)“學(xué)習(xí)”，而不需要明確編程。在數(shù)據(jù)分析領(lǐng)域，機(jī)器學(xué)習(xí)是一種用于設(shè)計(jì)復(fù)雜模型和算法的方法，可用于預(yù)測；在商業(yè)用途中，這被稱為預(yù)測分析；這些分析模型允許研究人員，數(shù)據(jù)科學(xué)家，工程師和分析師產(chǎn)生可靠的、可重復(fù)的決策。

1 機(jī)器學(xué)習(xí)的由來

亞瑟塞繆爾是美國計(jì)算機(jī)游戲和人工智能領(lǐng)域的先驅(qū)，1959年，在IBM創(chuàng)立了“機(jī)器學(xué)習(xí)”一詞，作為一項(xiàng)科學(xué)努力，機(jī)器學(xué)習(xí)源于對人工智能的追求。在AI作為一門學(xué)科的早期，一些研究人員對機(jī)器從數(shù)據(jù)中學(xué)習(xí)感興趣。他們試圖用各種象征性的方法來解決這個問題，以及那些被稱為“神經(jīng)網(wǎng)絡(luò)”的東西，這些主要是感知器和其他模型，后來發(fā)現(xiàn)它們是對廣義線性統(tǒng)計(jì)模型的再造，概率推理也被采用，特別是在自動化醫(yī)學(xué)診斷中。

機(jī)器學(xué)習(xí)在20世紀(jì)90年代開始蓬勃發(fā)展，作為一個獨(dú)立領(lǐng)域進(jìn)行重組，該領(lǐng)域從實(shí)現(xiàn)人工智能轉(zhuǎn)變?yōu)榻鉀Q實(shí)際問題的可解決問題。它將注意力從它從人工智能繼承的符號方法轉(zhuǎn)移到從統(tǒng)計(jì)學(xué)和概率論中借鑒的方法和模型上，它還受益于數(shù)字化信息越來越多的可用性，以及通過互聯(lián)網(wǎng)分發(fā)它的能力。

2 Tensor Flow

Tensor Flow是一個開源軟件庫，用于跨一系列任務(wù)的數(shù)據(jù)流編程，它是一個符號數(shù)學(xué)庫，也用于機(jī)器學(xué)習(xí)應(yīng)用，如神經(jīng)網(wǎng)絡(luò)；它用于谷歌的研究和生產(chǎn)：min 0：15/2：17：p.2：0：26/2：17經(jīng)常取代它的閉源前輩Dist Belief。Google Brain團(tuán)隊(duì)開發(fā)了Tensor Flow，供Google內(nèi)部使用，它于2015年11月9日在Apache 2.0開源許可下發(fā)布。

從2011年開始，Google Brain將Dist Belief作為基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的專有機(jī)器學(xué)習(xí)系統(tǒng)，它在不同的字母公司在研究和商業(yè)應(yīng)用中的使用迅速增長，谷歌指派了多位計(jì)算機(jī)科學(xué)家，包括Jeff Dean，將Dist Belief的代碼庫簡化并重構(gòu)為更快，更強(qiáng)大的應(yīng)用級庫，成為Tensor Flow。2009年，由Geoffrey Hinton領(lǐng)導(dǎo)的團(tuán)隊(duì)實(shí)施了廣義反向傳播和其他改進(jìn)，使得神經(jīng)網(wǎng)絡(luò)的生成具有更高的精度，例如語音識別誤差減少了。Tensor Flow是Google Brain的第二代系統(tǒng)，版本1.0.0于2017年2月11日發(fā)布，雖然參考實(shí)現(xiàn)在單個設(shè)備上運(yùn)行，但Tensor Flow可以在多個CPU和GPU上運(yùn)行，Tensor Flow適用于64位Linux，mac OS，Windows和移動計(jì)算平臺，包括Android和i OS。

3 機(jī)器學(xué)習(xí)與智慧教育

隨著信息技術(shù)的不斷發(fā)展，智慧教育已經(jīng)成為人工智能發(fā)展和機(jī)器學(xué)習(xí)的重要發(fā)展領(lǐng)域，通過構(gòu)建技術(shù)融合的學(xué)習(xí)環(huán)境，使得教師施展更加高效的教學(xué)手段，為學(xué)生創(chuàng)造個性化學(xué)習(xí)服務(wù)和自由化學(xué)習(xí)的教學(xué)體驗(yàn)，是智慧教育的核心發(fā)展目標(biāo)。將人工智能中的機(jī)器學(xué)習(xí)應(yīng)用到智慧教育中，其本質(zhì)是利用學(xué)習(xí)者的數(shù)據(jù)分析，預(yù)測其學(xué)習(xí)模式，并為其制定個性化的學(xué)習(xí)內(nèi)容和學(xué)習(xí)計(jì)劃，保障學(xué)習(xí)者深度理解學(xué)習(xí)內(nèi)容。

3.1 應(yīng)用對象與環(huán)境

人工智能中的機(jī)器學(xué)習(xí)方法的應(yīng)用對象是教育數(shù)據(jù)，包括學(xué)習(xí)者與教育系統(tǒng)交互產(chǎn)生的所有數(shù)據(jù)信息，根據(jù)不同的教育環(huán)境將這些數(shù)據(jù)進(jìn)行歸類和管理，為學(xué)生個性化學(xué)習(xí)計(jì)劃定制提供科學(xué)依據(jù)。其應(yīng)用環(huán)境包括開放式教學(xué)環(huán)境、LMS、ITS、教育游戲、VLE、CSCL、ALS、TQS、移動環(huán)境、社會性學(xué)習(xí)以其他等方面，智慧教育環(huán)境也被稱為網(wǎng)絡(luò)教育環(huán)境和傳統(tǒng)教育環(huán)境的疊加，封閉式教育環(huán)境得到的是教育小數(shù)據(jù)環(huán)境，開放式教育環(huán)境得到是教育大數(shù)據(jù)環(huán)境，兩種數(shù)據(jù)之間呈現(xiàn)相互促進(jìn)、相輔相成的作用。

3.2 應(yīng)用過程

人工智能中的機(jī)器學(xué)習(xí)應(yīng)用于智慧教育的數(shù)據(jù)挖掘過程中，涉及到數(shù)據(jù)開發(fā)、研究和應(yīng)用計(jì)算機(jī)方法，是傳統(tǒng)教育與數(shù)據(jù)挖掘的融合應(yīng)用。在挖掘教育數(shù)據(jù)過程中，機(jī)器學(xué)習(xí)主要作用于數(shù)據(jù)挖掘和解釋部分，實(shí)現(xiàn)傳統(tǒng)教育中人工難以完成的統(tǒng)計(jì)任務(wù)，通過對大數(shù)據(jù)的分析推動自動化智能教育的發(fā)展。在數(shù)據(jù)解釋方面，機(jī)器學(xué)習(xí)方法主要是通過建立預(yù)測模式和描述模型對教育數(shù)據(jù)得到的規(guī)律進(jìn)行解讀，使得使用者清楚明確的掌握數(shù)據(jù)挖掘后的使用方法，例如根據(jù)學(xué)生平時的學(xué)習(xí)內(nèi)容和作業(yè)完成情況等，對學(xué)生考試成績和學(xué)習(xí)表現(xiàn)進(jìn)行月，從而提前幫助學(xué)生改進(jìn)學(xué)習(xí)方法、提高學(xué)習(xí)質(zhì)量和效率。

3.3 應(yīng)用方法

目前，人工智能中的機(jī)器學(xué)習(xí)應(yīng)用于智慧教育的方法有很多，包括分類、文本挖掘、預(yù)測、異常檢查、關(guān)聯(lián)規(guī)則挖掘、聚類、回歸、模式發(fā)現(xiàn)、序列模式分析以及社會網(wǎng)絡(luò)分析等，其中預(yù)測和聚類是最常用的方法。

預(yù)測方法是利用數(shù)據(jù)集合推斷數(shù)據(jù)的單一方面，從已知事件推測未知事件的發(fā)展過程，用以預(yù)測學(xué)生的表現(xiàn)和檢測學(xué)生的行為。首先要采集到具體的與學(xué)生有關(guān)聯(lián)性緊密的數(shù)據(jù)，包括學(xué)生性別、家庭住址、家庭成員數(shù)、是否與父母住在一起、母親的文化水平、父親的文化水平、母親的工作、父親的工作、學(xué)生的監(jiān)管人、從家到學(xué)校需要的時間、每周學(xué)習(xí)時間、掛科數(shù)、是否有額外的學(xué)習(xí)輔助、是否有家教、是否有相關(guān)考試學(xué)科的輔助、是否有課外興趣班、是否有向上求學(xué)意愿、家里是否聯(lián)網(wǎng)、家庭關(guān)系、課余時間量、跟朋友出去玩的頻率、日飲酒量、周飲酒量、健康狀況、出勤量、期末成績，根據(jù)每一項(xiàng)參考數(shù)據(jù)信息為學(xué)生最終行為表現(xiàn)計(jì)算得分，其結(jié)果基本上符合學(xué)生日常行為表現(xiàn)水平。如此一來，可以為教師減少很多計(jì)算學(xué)生平時分的時間，大大提高教師工作效率，而且學(xué)生平時表現(xiàn)評分的每一項(xiàng)都有理可循，保證教學(xué)評價(jià)的公平性。

3.4 應(yīng)用潛力與進(jìn)展

人工智能中的機(jī)器學(xué)習(xí)應(yīng)用未來發(fā)展領(lǐng)域主要集中在學(xué)生建模、學(xué)生行為建模、預(yù)測學(xué)習(xí)表現(xiàn)、預(yù)警失學(xué)風(fēng)險(xiǎn)、學(xué)習(xí)支持和評測以及學(xué)習(xí)資源推薦等方面。學(xué)生建模是創(chuàng)建和維護(hù)學(xué)生模型模塊的過程，主要負(fù)責(zé)學(xué)生當(dāng)前知識狀態(tài)模型的開發(fā)與維護(hù)，旨在為學(xué)生解決學(xué)習(xí)表現(xiàn)等問題，教師可以根據(jù)狀態(tài)模型呈現(xiàn)出來的結(jié)果，及時幫助學(xué)生糾正不良行為、以便養(yǎng)成良好的學(xué)習(xí)和行為習(xí)慣。學(xué)生行為模型構(gòu)建主要是為了分析學(xué)生日常行為表現(xiàn)、呈現(xiàn)學(xué)生發(fā)展目標(biāo)和計(jì)劃、幫助學(xué)生保持情景記憶等，機(jī)器學(xué)習(xí)方法能夠支持學(xué)生學(xué)習(xí)行為的自動檢測、識別和建模，以便學(xué)生和教師可以更好的了解學(xué)生當(dāng)前學(xué)習(xí)狀況和行為狀態(tài)。預(yù)測學(xué)習(xí)表現(xiàn)，即通過對人口特征、平時成績、學(xué)生檔案、學(xué)生專業(yè)知識技能水平等指標(biāo)的計(jì)算，預(yù)測學(xué)生最終分?jǐn)?shù)或?qū)W術(shù)表現(xiàn)等。預(yù)警失學(xué)風(fēng)險(xiǎn)，即根據(jù)學(xué)生的數(shù)據(jù)特征分析，對學(xué)生輟學(xué)原因進(jìn)行分析，并預(yù)測學(xué)生的輟學(xué)行為，以便學(xué)校教育管理部門及時作出應(yīng)對措施，開發(fā)有效的干預(yù)方法來減少學(xué)生的失學(xué)率。學(xué)習(xí)支持和評測主要是為了增強(qiáng)教育個性化發(fā)展，在學(xué)習(xí)者與智慧教育系統(tǒng)交互行為過程中，機(jī)器學(xué)習(xí)提供個性化的學(xué)習(xí)服務(wù)，根據(jù)每個學(xué)生的個性特征、興趣愛好，制定針對性的學(xué)習(xí)方案，使得學(xué)生的學(xué)習(xí)行為呈現(xiàn)常態(tài)化方向發(fā)展。資源推薦主要是通過分析學(xué)生的學(xué)習(xí)記錄數(shù)據(jù)來預(yù)測學(xué)生的興趣愛好，為其推薦最適合的學(xué)習(xí)資源，幫助學(xué)生從龐大的數(shù)據(jù)庫中找到自己感興趣的知識點(diǎn)，不僅對優(yōu)化資源利用具有重要意義，對幫助學(xué)生形成個性化學(xué)習(xí)計(jì)劃也具有促進(jìn)作用。

在人工智能中的機(jī)器學(xué)習(xí)與智慧教育融合發(fā)展的同時，教師要不斷提升自身專業(yè)素養(yǎng)，積極參與到新型機(jī)器學(xué)習(xí)技術(shù)的培訓(xùn)學(xué)習(xí)活動中，為此，教師一方面需要通過不斷提升自身信息素養(yǎng)來適應(yīng)新型技術(shù)的應(yīng)用，另一方面要在軟件開發(fā)過程中參與其中，才能更加深入的掌握先進(jìn)技術(shù)，從而充分發(fā)揮機(jī)器學(xué)習(xí)方法的價(jià)值和作用。

4 結(jié)語

綜上所述，筆者從分析機(jī)器學(xué)習(xí)概念由來實(shí)施研究，然后介紹目前市場上非常流行的一款機(jī)器學(xué)習(xí)應(yīng)用軟件——Tensor Flow，使得讀者對機(jī)器學(xué)習(xí)的理論內(nèi)涵有更加清晰的認(rèn)知。接著介紹人工智能中的機(jī)器學(xué)習(xí)在智慧教育領(lǐng)域的應(yīng)用情況，分別介紹其應(yīng)用對象與環(huán)境、應(yīng)用過程、應(yīng)用方法以及應(yīng)用潛力與進(jìn)展，希望借助人工智能中的機(jī)器學(xué)習(xí)功能，能夠有效促進(jìn)智慧教育發(fā)展，當(dāng)然機(jī)器學(xué)習(xí)也應(yīng)用在其他很多領(lǐng)域，比如無人駕駛、所有引擎、機(jī)器翻譯、醫(yī)療診斷、玩游戲、數(shù)據(jù)匹配、垃圾郵件過濾、信用評級等，在此不一一介紹。