（7.4）关于机器学习：

通过学习人类可以提高完成任务的能力，所以科学家也希望通过模拟学习来提高机器的完成任务的能力。人类的大脑具有基本相同的结构和工作机理，通过不同的学习训练过程而使得不同的人；甚至同一个人能够具有完成不同任务的技能。而类似的是人类的天才发明计算机也是以一种通用的结构运行不同的软件程序来完成不同的任务。所以科学家也希望发展机器学习技术来使得机器具有可以完成不同任务的能力。科学研究表明学习过程可以改变大脑神经网络的连接关系，使得这种链接关系向更加有利于完成任务的方向发展。

上世纪40年代就有一些科学家提出模仿大脑学习过程的算法和计算机程序，但是因为当时的计算机运算能力太低，即使是非常简单的学习算法都无法能够实际应用。所以人们转向发展各种软件设计技术来人工设计完成各种任务的软件系统，在通用计算机上运行不同的软件自动机器可以完成不同的任务。随着机器需要完成的任务越来越复杂，任务也越来越多，软件系统也越来越庞大。软件的设计、修改、调试也越来越复杂。所以人们始终没有放弃通过机器学习来改进机器性能的努力。近十几年来计算机的运算能力得到极大的提高，机器学习技术也得到快速的发展。

与前面介绍的信息处理技术类似，人们创造出一些模拟人类智力的人工智能技术方法来用使机器聪明起来。机器学习这门学科所关注的问题是：计算机程序如何通过数据样本训练的学习过程自动改进软件性能，从而提高机器的完成任务的能力。针对不同类型的问题，人们设计了不同的机器学习算法。也有些科学家希望能够设计出适应性更加广泛的“通用算法”，可以满足更加广泛的学习要求 参考#3。与人的学习类似，机器学习过程是为了获取完成某项任务的能力，然后以更好的能力去代替人工完成信息处理、推理、行动控制和环境适应等工作。

机器（计算机）信息处理早期是通过人工编程和人工调整参数来改进和完善计算机程序。然后运行程序来帮助人们更加高效地完成信息处理任务。而机器学习算法是一种能够从数据样本中通过机器学习来改进软件性能的算法。也就是说先通过运行机器学习算法程序，使用大量的数据样本进行训练来代替人工调整参数改进和完善计算机程序。（上图中上面一排的机器学习过程）。然后用完成学习过程的优化以后程序来对实际需要处理输入的数据进行运算，希望得到一些对输入数据信息的规律性的知识。（上图中下面一排的智能处理过程）。

机器学习算法有很多，其中一种机器学习的算法可以通过模拟神经网络的工作过程。人工神经网络算法通过机器学习改变神经单元之间的连接系数来适应不同的数据处理要求。这样机器学习可以来代替编程，从而完成不同的数据处理工作，使得计算机由一个被动的计算工具，变成有“智能”的机器。机器学习算法和实现技术也在不断改进中。

深度学习算法就是通过更多层次的人工神经网络模拟算法来进一步提高学习效率。当然层次越多，计算的复杂性越高，可能需要性能更高的计算机来实现它。同时深度学习算法有更好的效果，能够完成一些如图像识别（人脸识别），语言处理（自动文字记录系统，机器翻译）等比较复杂的任务。深度学习目前是人工智能技术的一个重要发展方向。比起人的学习来说，机器可以不知疲倦的连续高速学习，只要有足够多的数据样本，可以迅速提高机器的任务处理能力。目前一些应用任务上深度学习算法的处理结果使得计算机的图像识别能力已经达到或超过人工水平。这说明通过机器学习改进计算机的智能是一条正确有效的技术路线。

当然现在的人工智能通过机器学习实现的数据处理得到的知识还仅仅是针对某些数据的特定方面的知识，而不是如人的大脑通过逻辑推理得到更加广泛的规律，进而归纳出理论知识。目前机器学习还局限于逻辑思维的模拟，辩证思维的计算过程还无法得到，所以无法用机器来实现。

机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征，最前沿的研究领域之一。自 20世纪80年代以来，机器学习的各种算法得到很大的发展，参考#3 #4 #5。机器学习已经作为实现人工智能的重要途径，在人工智能界引起了广泛的兴趣。特别是近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。机器学习在基于知识的人工智能系统中得到广泛应用，如在自然语言理解、机器视觉、模式识别等许多领域都已经得到了广泛应用。一个系统是否具有学习能力已成为是否具有“智能”的一个重要标志。

现今的计算机仅仅在运算速度和数据记忆能力上可以大大超过人类的大脑，而在推理能力上还远远不如大脑。计算机目前还最多只能模拟几百~几千个神经单元的神经网络的学习能力，比起人类大脑的几百亿神经单元的工作情况还有相当的距离。但是通过模拟大脑的智力学习过程，计算机可以通过机器学习建立某种算法，然后人工智能机器就可以代替人工完成某些大脑才能够完成的工作。而且可能比人工实现更加快速，有效率。

值得说明的是虽然人工智能在机器学习算法改进的支持下取得很大进展，但是机器能够替代人类进行的脑力劳动项目目前仍然是那些比较规格化，而且高度重复性的工作。目前的机器学习得到的是计算机算法和程序的改进，可以部分代替人类的一些智力工作。但是要得到真正意义上的技术知识，甚至是科学知识可能还需要更多学习方面的的研究和技术发展。就是机器要具有更多的智能，更多的模拟人类的智力活动，逐步地为人类的脑力劳动提供更多的帮助。其中学习能力的模拟，通过学习来发展机器的完成任务的能力是一个重要的方向。

关于机器学习的具体技术可以参阅一些专门的著作。

v #1《慢思考》特奥·康普诺利 著， 阳曦译， 九州出版社，2016.7

v #2《逻辑思维》理查德·尼斯贝特　著，张媚　译，中信出版社，

v #3《终极算法：机器学习和人工智能如何重塑世界》佩德罗·多明戈斯，黄芳萍 译，中信出版社

v #4《机器学习》周志华著  清华大学出版社，2016

v #5 《深度学习》伊恩·古德费洛 等著  赵申剑 等译 人民邮电出版社 2017