试论人工智能技术在机器学习中的应用

试论人工智能技术在机器学习中的应用

杨凌岗

140202198206303519

摘要：二十一世纪，我们的经济发展速度越来越快，科技水平也越来越高，尤其是以计算机为核心的人工智能技术，更是成为了一门新兴的学科。论文首先对机器学习的三个发展过程进行了简要的回顾，然后对其进行了深入的分析，以阐明其在未来的社会发展趋势。

关键词：人工智能；机器学习；发展；应用

   人工智能是上个世纪中叶出现的一项科技，它从诞生之日起就对人类的发展起着举足轻重的作用。人工智能不仅仅是一门科技，更是一门集多元知识于一身的科学。人工智能的研究方向是学习、交流等，它的终极目的就是要让电脑拥有和人类一样的思维能力，让它拥有“人”的气质。机器学习作为人工智能的一个重要分支，发展速度也是最快的，随着时间的推移，它在人类的生活中占有越来越重要的位置。

1. 机器学习的概念和发展阶段
   1. 机器学习的概念

机器学习是人工智能研究领域的核心。对机器学习的研究是人工智能领域发展的关键所在。在机器学习中，权力通常被称为模型表达变量之间不同关系的能力。深度神经网络已经被证明是非常强大的模型，能够从数据学习关系捕捉复杂的信息。机器学习可以提高机器在分析问题方面、预判和解决问题方面的能力。通过机器学习，使得机械学习能力得到提高，可以在机械运行中获得新的知识，进一步的提高机器学习能力和水平，是当前科学研究领域炙热的话题。基于机器学习还衍生出很多分支，如深度学习、语音识别、数据挖掘等。在现如今信息快速发展的时代，其信息的爆炸式增长也是对现代信息处理技术很大的考验，而机器学习算法被用来处理当前互联网带来的海量信息数据的处理中。所以机器学习是不可阻挡的发展势头也是当面科学研究非常热门的领域。

1.2 机器学习的发展阶段

1.2.1 初始阶段

上世纪中期，机器学习刚刚开始萌芽，当时人们的目的是通过编程赋予机器“思考”的能力，从而使机器可以利用思考能力进行自我学习，进而实现自我的进化。这一阶段主要的工作内容为机器编辑各种逻辑程序和各种求解程序，这在当时是非常惊人的研究，而这也让当时的两位研究者获得了1975年的图灵奖。但当时的研究并没有赋予机器智能，后来有人提出了要先让机器懂得知识的观点，但当时的研究仍然为了后来的机器学习研究奠定了基础。

1.2.2发展阶段

机器学习的发展阶段是上世纪70年代到80年代，这个时期的专家系统使机器学习进入了新的发展阶段。但知识困境也同样存在于专家系统中，因为人类根本无法利用自身思维将无限的知识赋予机器，而为了解决这一困境，有人提出了让机器自己进行学习的观点[1]。机器的自主学习在上世纪50年代就有人开始研究了，到60年代已经有了非常多的学习技术，此时关于机器学习的统计学习和符号学习开始发展。到了1983年，世纪顶尖专家联合出版了《机器学习：一种人工智能》一书，其中汇聚了16篇关于机器学习的珍贵研究成果，引领了机器学习的走向。

1.2.3 繁荣阶段

从上世纪80年代到现在，由于机器学习对其他知识的吸收，使其成为了一门独立的学科，并开始有了爆发式的发展，更新、更先进的机器学习技术出现得越来越频繁，算法也在向着多样化的方向发展。随着机器学习的繁荣，人们对其也有了更加明确的划分，例如“实例学习”、“观察发现学习”等都是机器学习被细分之后才出现的。机器学习的经典图书《人工智能手册》将机器学习更细致的分为了四个部分，分别为“机械学习”、“式教学系”、“类比学习”、“归纳学习”，今天机器学习的分支更多，在各种数据的处理上得到了非常好的应用。

2. 基于人工智能技术的机器学习研究

2.1 环境适应性机器学习

人类和机器最大的不同在于环境适应性，因此环境适应性也成为了人工智能技术下机器学习研究的主要内容。环境质量和机器学习的质量有直接关系，同时环境适应原则决定了机器内部体系的存放原则。但环境是复杂的，只有提供大量的外部数据支持才能实现机器在复杂的环境下进行的学习，在删减对应环节的基础上推广机器学习的环境适应性，并将其当作学习系统的动作准则。这样可使机器在复杂环境下进行学习，但是却导致学习过程变过于复杂，不利于机器学习的长期发展，因此对于环境适应性还需要继续研究。

2.2 机器知识库的扩展延伸

机器知识库对机器学习来讲同样有着非常重要的意义，需要为知识库中知识的多样性提供保障，主要内容有知识库的特征向量、规则预言、网络关联，当对知识库进行设计的过程中，要保证知识可以对外进行延伸，从而切实提升机器的学习能力。其具体的设计有以下几点要求：第一要保证机器表达的逻辑简单，第二要使推理过程简单化，第三要充分扩展和延伸知识。在人工智能的背景下，机器不仅要学习知识，更要懂得如何将学习的知识表达出来，这样对延伸知识提出了更高的要求。

2.3 机器学习反馈评价体系

反馈和评价对基于人工智能的机器学习很重要，其中有三点重要的因素：第一是反馈和评价要以简单的规则为基础；第二复杂型反馈体系的建立要以多卜概念为基础；第三以对机器学习的反馈评价为基础，分步对小型评价进行设计。除此之外，还要让反馈评价更加透明，要用更透明的方式表现相应过程和结果，同时合理评价现有知识库，在反馈评种采用元级表达的方式，这样能够帮助机器学习更好的应用人工智能。

3 小结

综上所述，对基于人工智能的机器学习进行研究是非常必要的，在明确机器学习不同发展阶段的基础上，通过环境适应性机器学习、机器知识库的扩展延伸、机器学习反馈评价体系研究机器学习在人工智能背景下的发展，从而推动机器学习对人工只能技术的深入应用，并以此为基础让人工智能推动社会向前发展。

参考文献

[1]张媛媛. 人工智能时代机器学习著作权限制制度之完善——对表达性使用理论的补充[C]//.《上海法学研究》集刊2022年第5卷 ——2022世界人工智能大会法治论坛文集.[出版者不详],2022:8-18.

[2]郭亚静.农业无人机智能机器学习系统——基于人工智能和深度学习[J].农机化研究,2023,45(03):237-240+259.

[3]李钰,黄代政,黄超.人工智能背景下机器学习算法对患者就医影响因素的预测研究[J].电脑知识与技术,2022,18(13):85-87.

[4]苗红,李男,吴菲菲,沈蕾.基于机器学习的医学影像人工智能领域技术融合预测[J].情报杂志,2022,41(06):126-134.

[5]贺志朋.人工智能与机器学习技术在智慧城市中的应用[J].无线互联科技,2022,19(07):103-104.

[6]王赓.基于深度学习的人工智能发展与应用[J].无线互联科技,2022,19(06):114-115.