試論人工智能技術(shù)在機器學(xué)習(xí)中的應(yīng)用

試論人工智能技術(shù)在機器學(xué)習(xí)中的應(yīng)用摘要：二十一世紀，我們的經(jīng)濟發(fā)展速度越來越快，科技水平也越來越高，尤其是以計算機為核心的人工智能技術(shù)，更是成為了一門新興的學(xué)科。論文首先對機器學(xué)習(xí)的三個發(fā)展過程進行了簡要的回顧，然后對其進行了深入的分析，以闡明其在未來的社會發(fā)展趨勢。關(guān)鍵詞：人工智能；機器學(xué)習(xí)；發(fā)展；應(yīng)用

人工智能是上個世紀中葉出現(xiàn)的一項科技，它從誕生之日起就對人類的發(fā)展起著舉足輕重的作用。人工智能不僅僅是一門科技，更是一門集多元知識于一身的科學(xué)。人工智能的研究方向是學(xué)習(xí)、交流等，它的終極目的就是要讓電腦擁有和人類一樣的思維能力，讓它擁有“人”的氣質(zhì)。機器學(xué)習(xí)作為人工智能的一個重要分支，發(fā)展速度也是最快的，隨著時間的推移，它在人類的生活中占有越來越重要的位置。機器學(xué)習(xí)的概念和發(fā)展階段機器學(xué)習(xí)的概念機器學(xué)習(xí)是人工智能研究領(lǐng)域的核心。對機器學(xué)習(xí)的研究是人工智能領(lǐng)域發(fā)展的關(guān)鍵所在。在機器學(xué)習(xí)中，權(quán)力通常被稱為模型表達變量之間不同關(guān)系的能力。深度神經(jīng)網(wǎng)絡(luò)已經(jīng)被證明是非常強大的模型，能夠從數(shù)據(jù)學(xué)習(xí)關(guān)系捕捉復(fù)雜的信息。機器學(xué)習(xí)可以提高機器在分析問題方面、預(yù)判和解決問題方面的能力。通過機器學(xué)習(xí)，使得機械學(xué)習(xí)能力得到提高，可以在機械運行中獲得新的知識，進一步的提高機器學(xué)習(xí)能力和水平，是當前科學(xué)研究領(lǐng)域炙熱的話題?；跈C器學(xué)習(xí)還衍生出很多分支，如深度學(xué)習(xí)、語音識別、數(shù)據(jù)挖掘等。在現(xiàn)如今信息快速發(fā)展的時代，其信息的爆炸式增長也是對現(xiàn)代信息處理技術(shù)很大的考驗，而機器學(xué)習(xí)算法被用來處理當前互聯(lián)網(wǎng)帶來的海量信息數(shù)據(jù)的處理中。所以機器學(xué)習(xí)是不可阻擋的發(fā)展勢頭也是當面科學(xué)研究非常熱門的領(lǐng)域。1.2機器學(xué)習(xí)的發(fā)展階段1.2.1初始階段上世紀中期，機器學(xué)習(xí)剛剛開始萌芽，當時人們的目的是通過編程賦予機器“思考”的能力，從而使機器可以利用思考能力進行自我學(xué)習(xí)，進而實現(xiàn)自我的進化。這一階段主要的工作內(nèi)容為機器編輯各種邏輯程序和各種求解程序，這在當時是非常驚人的研究，而這也讓當時的兩位研究者獲得了1975年的圖靈獎。但當時的研究并沒有賦予機器智能，后來有人提出了要先讓機器懂得知識的觀點，但當時的研究仍然為了后來的機器學(xué)習(xí)研究奠定了基礎(chǔ)。1.2.2發(fā)展階段機器學(xué)習(xí)的發(fā)展階段是上世紀70年代到80年代，這個時期的專家系統(tǒng)使機器學(xué)習(xí)進入了新的發(fā)展階段。但知識困境也同樣存在于專家系統(tǒng)中，因為人類根本無法利用自身思維將無限的知識賦予機器，而為了解決這一困境，有人提出了讓機器自己進行學(xué)習(xí)的觀點[1]。機器的自主學(xué)習(xí)在上世紀50年代就有人開始研究了，到60年代已經(jīng)有了非常多的學(xué)習(xí)技術(shù)，此時關(guān)于機器學(xué)習(xí)的統(tǒng)計學(xué)習(xí)和符號學(xué)習(xí)開始發(fā)展。到了1983年，世紀頂尖專家聯(lián)合出版了《機器學(xué)習(xí)：一種人工智能》一書，其中匯聚了16篇關(guān)于機器學(xué)習(xí)的珍貴研究成果，引領(lǐng)了機器學(xué)習(xí)的走向。1.2.3繁榮階段從上世紀80年代到現(xiàn)在，由于機器學(xué)習(xí)對其他知識的吸收，使其成為了一門獨立的學(xué)科，并開始有了爆發(fā)式的發(fā)展，更新、更先進的機器學(xué)習(xí)技術(shù)出現(xiàn)得越來越頻繁，算法也在向著多樣化的方向發(fā)展。隨著機器學(xué)習(xí)的繁榮，人們對其也有了更加明確的劃分，例如“實例學(xué)習(xí)”、“觀察發(fā)現(xiàn)學(xué)習(xí)”等都是機器學(xué)習(xí)被細分之后才出現(xiàn)的。機器學(xué)習(xí)的經(jīng)典圖書《人工智能手冊》將機器學(xué)習(xí)更細致的分為了四個部分，分別為“機械學(xué)習(xí)”、“式教學(xué)系”、“類比學(xué)習(xí)”、“歸納學(xué)習(xí)”，今天機器學(xué)習(xí)的分支更多，在各種數(shù)據(jù)的處理上得到了非常好的應(yīng)用?；谌斯ぶ悄芗夹g(shù)的機器學(xué)習(xí)研究2.1環(huán)境適應(yīng)性機器學(xué)習(xí)人類和機器最大的不同在于環(huán)境適應(yīng)性，因此環(huán)境適應(yīng)性也成為了人工智能技術(shù)下機器學(xué)習(xí)研究的主要內(nèi)容。環(huán)境質(zhì)量和機器學(xué)習(xí)的質(zhì)量有直接關(guān)系，同時環(huán)境適應(yīng)原則決定了機器內(nèi)部體系的存放原則。但環(huán)境是復(fù)雜的，只有提供大量的外部數(shù)據(jù)支持才能實現(xiàn)機器在復(fù)雜的環(huán)境下進行的學(xué)習(xí)，在刪減對應(yīng)環(huán)節(jié)的基礎(chǔ)上推廣機器學(xué)習(xí)的環(huán)境適應(yīng)性，并將其當作學(xué)習(xí)系統(tǒng)的動作準則。這樣可使機器在復(fù)雜環(huán)境下進行學(xué)習(xí)，但是卻導(dǎo)致學(xué)習(xí)過程變過于復(fù)雜，不利于機器學(xué)習(xí)的長期發(fā)展，因此對于環(huán)境適應(yīng)性還需要繼續(xù)研究。2.2機器知識庫的擴展延伸機器知識庫對機器學(xué)習(xí)來講同樣有著非常重要的意義，需要為知識庫中知識的多樣性提供保障，主要內(nèi)容有知識庫的特征向量、規(guī)則預(yù)言、網(wǎng)絡(luò)關(guān)聯(lián)，當對知識庫進行設(shè)計的過程中，要保證知識可以對外進行延伸，從而切實提升機器的學(xué)習(xí)能力。其具體的設(shè)計有以下幾點要求：第一要保證機器表達的邏輯簡單，第二要使推理過程簡單化，第三要充分擴展和延伸知識。在人工智能的背景下，機器不僅要學(xué)習(xí)知識，更要懂得如何將學(xué)習(xí)的知識表達出來，這樣對延伸知識提出了更高的要求。2.3機器學(xué)習(xí)反饋評價體系反饋和評價對基于人工智能的機器學(xué)習(xí)很重要，其中有三點重要的因素：第一是反饋和評價要以簡單的規(guī)則為基礎(chǔ)；第二復(fù)雜型反饋體系的建立要以多卜概念為基礎(chǔ)；第三以對機器學(xué)習(xí)的反饋評價為基礎(chǔ)，分步對小型評價進行設(shè)計。除此之外，還要讓反饋評價更加透明，要用更透明的方式表現(xiàn)相應(yīng)過程和結(jié)果，同時合理評價現(xiàn)有知識庫，在反饋評種采用元級表達的方式，這樣能夠幫助機器學(xué)習(xí)更好的應(yīng)用人工智能。3小結(jié)綜上所述，對基于人工智能的機器學(xué)習(xí)進行研究是非常必要的，在明確機器學(xué)習(xí)不同發(fā)展階段的基礎(chǔ)上，通過環(huán)境適應(yīng)性機器學(xué)習(xí)、機器知識庫的擴展延伸、機器學(xué)習(xí)反饋評價體系研究機器學(xué)習(xí)在人工智能背景下的發(fā)展，從而推動機器學(xué)習(xí)對人工只能技術(shù)的深入應(yīng)用，并以此為基礎(chǔ)讓人工智能推動社會向前發(fā)展。參考文獻[1]張媛媛.人工智能時代機器學(xué)習(xí)著作權(quán)限制制度之完善——對表達性使用理論的補充[C]//.《上海法學(xué)研究》集刊2022年第5卷——2022世界人工智能大會法治論壇文集.[出版者不詳],2022:8-18.[2]郭亞靜.農(nóng)業(yè)無人機智能機器學(xué)習(xí)系統(tǒng)——基于人工智能和深度學(xué)習(xí)[J].農(nóng)機化研究,2023,45(03):237-240+259.[3]李鈺,黃代政,黃超.人工智能背景下機器學(xué)習(xí)算法對患者就醫(yī)影響因素的預(yù)測研究[J].電腦知識與技術(shù),2022,18(13):85-87.[4]苗紅,李男,吳菲菲,沈蕾.基于機器學(xué)習(xí)的醫(yī)學(xué)影像人工智能領(lǐng)域技術(shù)融合預(yù)測[J].情報