“教学参考-11”版本间的差异

来自cslt Wiki
跳转至: 导航搜索
(以“==教学目标== * 理解学习对人工智能的重要意义 * 理解机器学习的基本概念 ==教学内容== ===学习的重要性=== * 学习是人类的...”为内容创建页面)
(没有差异)

2022年8月2日 (二) 06:22的版本

教学目标

  • 理解学习对人工智能的重要意义
  • 理解机器学习的基本概念

教学内容

学习的重要性

  • 学习是人类的重要认知活动,学习的能力往往与个体的认知能力直接相关。研究表明,人的学习过程从胎儿时期就开始了,直到去世,学习伴随着我们一生。
  • 学习有很多种形式。走入一个嘈杂的工厂,刚开始难以忍受,过一段时间后就会慢慢适应,这是一种学习。听到铃声就知道开饭了,开始流口水,这也是一种学习。老师在课堂上传授知识,学生认真听讲,这是一种学习。没有了老师,孩子们自己玩耍,同样是一种学习。
  • 学习帮助我们适应周围的环境,掌握经验性知识,积累生存所需要的技能。这些知识与技能是智能的重要组成部分。
  • 研究表明,不仅是人类,很多动物都有学习能力,甚至植物都有。

机器学习

  • 早期的研究者倾向于将人的知识和思维方式“灌输”给机器,从而让机器拥有思维能力。这类比于老师把知识总结成知识点,把思考过程总结成解题招式,硬性地灌输给学生。这种方法在定理证明、专家系统等任务上取得了巨大成功。
  • 然而,这种知识灌输方法存在很大局限性。首先人为总结各种知识非常繁琐,耗时耗力;其次机器只能在人类设计好的知识框架里活动,限制了能力的发挥。
  • 1959年,美国科学家亚瑟•塞缪尔正式提出“机器学习”的概念,并在西洋跳棋游戏中进行了验证。在实验中,塞缪尔只是告诉机器游戏的规则,走棋的大概思路,以及一些控制走棋方式的参数。塞缪尔发现,通过调整这些参数,机器用8-10个小时即可学习到超过程序设计者的棋艺。
  • 此后,机器学习得到蓬勃发展,人们提出了贝叶斯网络、多层感知器、支持向量机等各种学习模型,机器的学习能力大幅提升。特别是新世纪以来,随着数据的积累和计算机性能的提高,机器能学到的东西越来越多,越来越强大,直接引发了新一轮人工智能的浪潮。
  • 值得说明的是,让机器学习的思想在图灵时期就提出来了,图灵还认为这是实现智能机器的基础方案。后来的SNARC神经网络也具有学习能力。然而,机器学习在人工智能发展的最初三四十年里并没有占据主流。这些早期人工智能研究者认为,学习能力是人的基础智能之一,是人工智能的研究目标之一,即如何让机器模拟人类的学习能力。这种思想并没有意识到学习的基础性地位,而是把它列为和推理、运动、计划等并列的智能之一进行处理。这一思想极大影响了机器学习在人工智能中的地位。随着时代的变化,研究者渐渐发现,机器学习不应该视为人工智能的目标之一,而应该是一种基础方法,是比其它智能更基础、更重要的能力。不会运动不怕,只要会学习就可以,不会推理也不怕,只要会学习就可以...依此类推,所有思维能力都可以通过学习获得。这种“学习是第一推动力”是一种全新的思想,在90年代以后开始成形,极大推动了人工智能的发展,成为今天人工智能革命的起点。有趣的是,这一思路正是图灵六十年前的思路。