多只能够证明已存在事实、定理，而不能发现新的定理、定律和规则等。

随着人工智能的深入发展，

这些局限性表现得愈加突出。

正是在这种情形下，

机

器学习逐渐成为人工智 能研究的核心之一。

它的应用已遍及人工智能的各个分支，

如专 家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等

领域。其中尤

其典型的是专家系统中的知识获取瓶颈问题，人们一直在努力 试

图采用机器学习的方法加以克服。

机器学习的研究是根据生理学、< /p>

认知科学等对人类学习机理的了解，

建立人

类学习过程的计算模型或认识模型，

发展各种学习理论和学习方法，

< br>研究通用的

学习算法并进行理论上的分析，

建立面向任务 的具有特定应用的学习系统。

这些

研究目标相互影响相互促进。

机器学 习已经有了十分广泛的应用例如搜索引擎、

医学诊断、

检测信用 卡欺

诈、证券市场分析、

DNA

序列测 序、语音和手写识别、战略游戏和机器人运用。

自从

1980

年在卡内基

-

梅隆大学召开第一届机器学术研讨会以来，

机器学习

的研究工作发展很快，已成为中心课题之一。

目前，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。

本章将首先介绍机器学习的定义、

然后讨论机器学习的主

要策

略和基本结构，

最后逐一研究各种机器学习的 方法与技术，

包括机械学习、

基于解释的学习、

基于事例的学习、

基于概念的学习、

类比学习和基于训 练神经

网络的学

习等。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

。

_______ _______________________________________

二

.

机器学习的定义和研究意义

学习是人类具 有的一种重要智能行为，

但究竟什么是学习，

长期以来却众说< /p>

纷纭。

社会学家、

逻辑学家和心理学家都 各有其不同的看法。

按照人工智能大

师

西蒙的观点，

学习就是系统在不断重复的工作中对本身能力的 增强或者改进，

使

得系统在下一次执行同样任务或类似任务时，

会比现在做得更好或效率更高。

西

蒙< /p>

对学习给出的定义本身，就说明了学习的重要作用。

机器能否象人类一样能具有学习能 力呢？

1959

年美国的塞缪尔

(Sa muel)

设

计了一个下棋程序，

这个 程序具有学习能力，

它可以在不断的对奕中改善自己的

棋艺。< /p>

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。

这个程序向人们展示了机器学习

的能力，

提出了许多令人深思的社会 问题与哲学问题。

机器的能力是否能超过人的，

很多持否定意见的人的一个主要论据是：

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。

这种意见对不具备学习能力的机器来说的确是 对的，

可是对具备

学习能力的机器就值得考虑了，

因为这种机器的能力在应用中不断地提高，

过一

段< /p>

时间之后，设计者本人也不知它的能力到了何种水平。

什么叫做机器学习

(machine

learning)

？至今，

还没有统一的“机器学习”

定义，

而且也很难给出一个公认的和准确的定义。

为了便于进行讨论和估计学科

的进展，有必要对机器学习

给出定义，即使这种定义是不完全的和不充分的。

顾名思义，< /p>

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。

稍

为严格的 提法是：

机器学习是一门研究机器获取新知识和新技能，

并识别 现有知

识的学问。这里所说的“机器”，指的就是计算机；现在是电子计算机，以后还< /p>

可能是中子计算机、光子计算机或神经计算机等等

.