基于人工智能技術(shù)的機器學(xué)習(xí)研究分析

趙哲園

（四川大學(xué)，四川 成都 610000）

0 引言

在二十世紀(jì)中期，人工智能技術(shù)誕生，這對于社會發(fā)展以及經(jīng)濟的進步而言都有著重要意義。人工智能技術(shù)涉及到很多不同領(lǐng)域與內(nèi)容，比如，計算機科學(xué)領(lǐng)域、信息科學(xué)領(lǐng)域、數(shù)學(xué)科學(xué)領(lǐng)域、工程技術(shù)領(lǐng)域等。研究的主要內(nèi)容與核心問題就是，使得機器能夠具備學(xué)習(xí)能力、交流能力、輸入能力與輸出能力，使得機器能夠具備與人類相類似的獨立思考能力，以及認識世界、感知世界的能力。在人工智能技術(shù)背景下，怎樣實現(xiàn)機器學(xué)習(xí)，是目前世界發(fā)展中面臨的一個重要問題。

1 人工智能技術(shù)基本概述

對于人工智能技術(shù)的理解，通常情況下可將其分為兩部分內(nèi)容，一部分是人工，另一部分是智能。有關(guān)人工的理解較為容易，而且沒有太多爭議。但是對于什么是智能的理解爭議就相對較多，智能涉及到很多不同內(nèi)容，比如，意識、自我、思維等，人唯一了解的智能，屬于人本身的智能，對于這一觀點沒有更多爭議。但是人們對于智能的了解有限，同時也沒有掌握更多有關(guān)智能的因素，因此，就很難對智能作出定義。雖然對于人工智能技術(shù)無法作出準(zhǔn)確定義，但是人工智能技術(shù)對人類的影響不可小覷。在當(dāng)今社會快速發(fā)展背景下，人工智能技術(shù)在計算機領(lǐng)域中得到更多人的重視與關(guān)注，同時也在政治領(lǐng)域、仿真系統(tǒng)中得到廣泛應(yīng)用。人工智能在計算機中的實現(xiàn)，通常是采取兩種方式，一種是通過加強對傳統(tǒng)編程系統(tǒng)的應(yīng)用，促使傳統(tǒng)系統(tǒng)能夠呈現(xiàn)出智能的效果，不需要考慮所使用的方法是否與動物機體、人類機體所使用的方法相同。該種方式被稱之為工程學(xué)方式，在很多領(lǐng)域中已經(jīng)得到良好應(yīng)用。

2 機器學(xué)習(xí)分析

2.1 定義

機器學(xué)習(xí)通常情況下主要是指，通過系統(tǒng)識別或者知識識別方式，促使機械的學(xué)習(xí)能力可以得到提升，并促使機器能夠掌握更多新知識與新技能。機器學(xué)習(xí)與人類學(xué)習(xí)相類似，如果沒有進行系統(tǒng)性的學(xué)習(xí)，沒有掌握有效的學(xué)習(xí)方式，那么實際的學(xué)習(xí)效果也會受到影響，新知識、新作品的創(chuàng)作會受到很大制約[1]。機器學(xué)習(xí)也是同樣，只有不斷地進行學(xué)習(xí)，掌握更多先進的學(xué)習(xí)方式，提升分析問題能力與解決問題能力，才能獲取相應(yīng)的創(chuàng)新能力，不斷提高創(chuàng)新能力。在人工智能的發(fā)展中，機器學(xué)習(xí)是一個較為熱門的研究內(nèi)容，研究的主要目的是使機器能夠具備人一樣的學(xué)習(xí)能力，創(chuàng)建相應(yīng)的知識框架體系，并將學(xué)習(xí)的知識更好應(yīng)用在實際問題的解決中。

2.2 研究目的

機器學(xué)習(xí)研究的主要目的有三點：（1）在機器學(xué)習(xí)過程中，要對人類學(xué)習(xí)過程進行模擬，在此基礎(chǔ)上，建立相應(yīng)的學(xué)習(xí)認知模型；（2）機器需要對相關(guān)理論進行學(xué)習(xí)與研究，并對不同的學(xué)習(xí)方法進行深入探索，結(jié)合機器本身特性情況，進行特定程序設(shè)計工作，并對其中的相似性與區(qū)別性進行體會；（3）要設(shè)計與機器學(xué)習(xí)有關(guān)的程序，研究的主要內(nèi)容包括對知識工具的獲取以及對相關(guān)系統(tǒng)的獲取。在建立機器發(fā)函系統(tǒng)過程中，要構(gòu)建相應(yīng)數(shù)據(jù)庫，積累更多知識與經(jīng)驗，促使機器的智能化能力得到提升，掌握更多與人類相類似的學(xué)習(xí)能力。

2.3 方式方法

機器學(xué)習(xí)的方式是在人類學(xué)習(xí)方法基礎(chǔ)上，及時將機器與人類學(xué)習(xí)的方式進行有機結(jié)合，從而掌握更多有效的學(xué)習(xí)方式。能夠在人類思考方式、學(xué)習(xí)方式之上，做好機器性能的拓展，把機器工作的快速性、大內(nèi)存性以及高復(fù)制性體現(xiàn)出來，從而獲得更為有效的機器學(xué)習(xí)方式。從目前機器學(xué)習(xí)中不難看出，機器學(xué)習(xí)的方式方法有兩種，一種是演繹學(xué)習(xí)系統(tǒng)，也就是從一般再到特殊的學(xué)習(xí)方式，利用公理推斷方式，獲得相應(yīng)的結(jié)果或者結(jié)論。另一種是歸納學(xué)習(xí)系統(tǒng)，該思路方法與演繹方法相反，主要是從特殊思維轉(zhuǎn)化到一般思維。這其中包含兩種模式，分別是傳統(tǒng)歸納模式與創(chuàng)新歸納模式，同時也包括完全歸納模式與不完全歸納模式[2]。傳統(tǒng)的歸納方式是通過對歸納關(guān)系的應(yīng)用，并結(jié)合事實思考的方式，對共性進行歸納。

3 基于人工智能技術(shù)的機器學(xué)習(xí)分析

3.1 主動學(xué)習(xí)

首先，測算出近鄰熵。具體是采用前期訓(xùn)練好的CNN模型分類預(yù)測沒有標(biāo)記過的圖像，獲得CNN模型測算出的該樣本屬于各類的幾率，進而進行歸一化處理，公式如下：

f(zj)代表的是歸一化處理后該樣本隸屬于第j類的幾率。近鄰熵是某個圖像樣本經(jīng)分類器預(yù)測以后的最大概率和第二大概率之間的差，可采用如下公式測算出近鄰熵：

其次，人工設(shè)定閾值（L），比較測算獲得的近鄰熵（S）與閾值（L），若S＜L，則通過存儲過程對該樣本作出特殊標(biāo)記。

最后，采用相關(guān)領(lǐng)域?qū)＜覙?biāo)注過的樣本迭代訓(xùn)練網(wǎng)絡(luò)，利用這些樣本輸出情況建設(shè)相應(yīng)的網(wǎng)絡(luò)模型，更新前期訓(xùn)練好的模型參數(shù)。

3.2 環(huán)境適應(yīng)性機器學(xué)習(xí)分析

機器與人類存在的一個主要區(qū)別就是，對于環(huán)境的適應(yīng)能力不同。在人工智能技術(shù)的研究中，研究機器對環(huán)境適應(yīng)性是一項重點工作，環(huán)境為系統(tǒng)提供的實際質(zhì)量，會對機器學(xué)習(xí)質(zhì)量產(chǎn)生直接影響。機器內(nèi)部存放原則的構(gòu)建，往往是在環(huán)境適應(yīng)性原則基礎(chǔ)之上建立起來的。一般情況下，外界環(huán)境存在復(fù)雜性特點，因此，在學(xué)習(xí)期間需要大量數(shù)據(jù)信息提供支持與保障，刪減多余環(huán)節(jié)，這樣可以為總結(jié)推廣工作打下良好基礎(chǔ)[3]。在良好的學(xué)習(xí)環(huán)境中，機器的學(xué)習(xí)效率與學(xué)習(xí)質(zhì)量會得到很大提升，學(xué)習(xí)更多專業(yè)知識，掌握有效的學(xué)習(xí)方法，并將人工智能技術(shù)的優(yōu)勢發(fā)揮出來，為社會更好發(fā)展打下良好基礎(chǔ)。

3.3 機器知識庫擴展延伸分析

在機器學(xué)習(xí)過程中，機器知識庫的建設(shè)具有重要意義。在這一過程中，機器知識庫要確保種類的豐富性、表現(xiàn)形式的多樣性，同時在其中還要包含規(guī)則化語言、網(wǎng)絡(luò)化關(guān)聯(lián)等?；诖耍跈C器知識庫設(shè)計工作開展中，要根據(jù)實際情況，對知識庫進行延伸，使得機器學(xué)習(xí)能力可以得到提升。在機器知識庫的擴展延伸中，要注意以下幾點問題：（1）機器知識庫的擴展延伸，要確保其邏輯簡單，而且表意明確。（2）整個推理過程要做到通俗易懂，這樣能夠在一定程度上節(jié)約更多機器計算成本。因此，機器學(xué)習(xí)系統(tǒng)要在最大程度上保證推理過程的簡單化與簡易性。（3）知識的擴展與延伸要做到充分性，在當(dāng)今人工智能技術(shù)發(fā)展背景下，機器學(xué)習(xí)過程中不僅要對基礎(chǔ)知識進行掌握，而且還要明確知識的表達方式[4]。學(xué)習(xí)系統(tǒng)構(gòu)建的主要目的是，促使機器能夠?qū)ψ陨淼闹R庫進行完善與調(diào)整，并對一般性執(zhí)行規(guī)則進行填充。在機器學(xué)習(xí)過程中，如果發(fā)現(xiàn)其中的某些規(guī)則無法被更好應(yīng)用在系統(tǒng)中，那么需要盡快將該規(guī)則刪除。

3.4 反饋評價體系分析

在人工智能技術(shù)發(fā)展背景下，機器學(xué)習(xí)要構(gòu)建相應(yīng)的反饋評價體系。實際上，機器學(xué)習(xí)的反饋評價體系包含不同內(nèi)容，比如，結(jié)合簡單基礎(chǔ)的規(guī)則做好基礎(chǔ)反饋評價、對多個復(fù)雜性評價反饋體系進行構(gòu)建、加強對小型分析評價體系的構(gòu)建。在機器學(xué)習(xí)反饋評價體系的構(gòu)建中，要結(jié)合實際情況，按照步驟進行，采取循序漸進原則[5]。在此基礎(chǔ)上，要將提升反饋評價體系的透明度作為一項重點內(nèi)容，執(zhí)行過程要保證公開透明，而結(jié)果需要利用更加簡單的方式展現(xiàn)出來。針對已有知識庫，要做出科學(xué)合理評價。在具體的反饋評價中，可以采取元級表述方式，這樣構(gòu)建的反饋評價體系，才能被更好應(yīng)用在機器學(xué)習(xí)中。

4 結(jié)語

綜上所述，在機器學(xué)習(xí)中，人工智能技術(shù)在其中發(fā)揮著不可替代的作用。因此，對于人工智能技術(shù)具備的優(yōu)勢，以及具體特點，要有著明確的認識與了解。分析以往機器學(xué)習(xí)中存在的問題或者不足，根據(jù)具體情況作出調(diào)整。利用反饋評價體系構(gòu)建等方式，實現(xiàn)對機器學(xué)習(xí)內(nèi)容的延伸，并對機器學(xué)習(xí)作出具體評價，這樣才能了解在機器學(xué)習(xí)中存在的問題，并給出調(diào)整措施。確保機器在學(xué)習(xí)過程中，能夠掌握有效的學(xué)習(xí)方式與學(xué)習(xí)方法。促使人工智能技術(shù)可以被應(yīng)用在各個領(lǐng)域中，為社會更好發(fā)展奠定良好基礎(chǔ)。