HYDROFORCE UNDERWATER VEHICLE
精于专,成于细;业成于勤,守于挚

热线电话

010-53348814

紧跟潮流:机器学习系统探索

      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。

      米切尔(Mitchell)给学习下了一个比较宽广的定义,使其包括任何计算机程序通过经验来提高某个任务处理性能的行为:

      对于某类任务T和性能度量P,如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善,那么就称这个计算机程序从经验E中学习

       在人类社会中,不管一个人有多深的学问,多大的本领,如果他不善于学习,那么就不必过于看好他。因为他的能力总是停留在一个固定的水平上,不会创造出新奇的东西。但一个人若具有很强的学习能力,则不可等闲视之了。虽然他现在的能力不是很强,但是“士别三日,当刮目相待”,几天以后他可能具备许多新的本领,根本不是当初的情景了。机器具备了学习能力,其情形完全与人类似。1959年美国的塞缪尔(Samuel)设计了一个下棋程序,这个程序具有学习能力,它可以在不断地对弈中改善自己的棋艺。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。2000年IBM深蓝(Deep Blue)计算机的智能博弈程序战胜国际象棋冠军卡斯帕洛夫。这些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,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,过一段时间之后,设计者本人也可能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。

      机器学习是研究机器模拟人类的学习活动、获取知识和技能的理论和方法,以改善系统性能的学科。

      学习是一项复杂的智能活动,学习过程与推理过程是紧密相连的,按照学习中使用推理的多少,机器学习所采用的策略大体上可分为4种——机械学习、示教学习、类比学习和示例学习。学习中所用的推理越多,系统的能力越强。

      机械学习就是记忆,是最简单的学习策略,这种学习策略不需要任何推理过程。外界输入知识的表示方式与系统内部表示方式完全一致,不需要任何处理与转换。虽然机械学习在方法上看来很简单,但由于计算机的存储容量相当大,检索速度又相当快,而且记忆精确、无丝毫误差,所以也能产生人们难以预料的效果。塞缪尔的下棋程序就是采用了这种机械记忆策略。为了评价棋局的优劣,他给每一个棋局都打了分,对自己有利的分数高,不利的分数低,走棋时尽量选择使自己分数高的棋局。这个程序可记住53000多棋局及其分值,并能在对弈中不断地修改这些分值以提高自己的水平,这对于人来说是无论如何也办不到的。

      比机械学习更复杂一点的学习是示教学习策略。对于使用示教学习策略的系统来说,外界输入知识的表达方式与内部表达方式不完全一致,系统在接受外部知识时需要一点推理、翻译和转化工作。MYCIN、DENDRAL等专家系统在获取知识上都采用这种学习策略。

     类比学习系统只能得到完成类似任务的有关知识,因此,学习系统必须能够发现当前任务与已知任务的相似之点,由此制定完成当前任务的方案,因此,他比上述两种学习策略需要更多的推理。

      采用示例学习策略的计算机系统,事先完全没有完成任务的任何规律性的信息,所得到的只是一些具体的工作例子及工作经验。系统需要对这些例子及经验进行分析、总结和推广,得到完成任务的一般性规律,并在进一步的工作中验证或修改这些规律,因此需要最多的推理。

      此外,还有基于解释的学习、决策树学习、增强学习和基于神经网络的学习等。

      近年来,又出现了深度学习,成为机器学习的一个新动向。随着机器学习的不断深入开展和计算机技术的进步,已经设计出不少具有优良性能的机器学习系统,并投入实际应用。这些应用领域涉及图像处理、模式识别、机器人动力学与控制、自动控制、自然语言理解、语音识别、信号处理和专家系统等。与此同时,各种改进型学习算法得以开发,显著地改善了机器学习网络和系统的性能。

      机器学习的发展趋势表明,机器学习作为人工智能和智能系统的应用来考虑,其技术水平和应用领域将有更大发展,为人类做出更大贡献。


关于我们


海洋机械设备种类繁多,主要由传感器系统、图像处理及控制系统、驱动系统、电源系统和推进系统组成。我司开发的水下可移动设备采用基于人工神经网络的PID控制,具有很强的自适应性、非线性映射能力、鲁棒性和容错能力。


联系我们

地址:北京市朝阳区广渠路36号首城国际C座14层

电话:010 - 53348814    

邮箱:info@hydroforce.com.cn