人工智能學(xué)習(xí)研究的現(xiàn)狀及其發(fā)展趨勢(shì)-資料下載頁(yè)
2025-06-22 12:26本頁(yè)面
【正文】 是歸納，而是演繹，它適用于從特殊到一般，而不太適應(yīng)從一般到特殊，從特殊到一般的歸納是人類所特有的，是智慧的標(biāo)志。具體的歸納學(xué)習(xí)方法有許多，但它們的本質(zhì)就是讓計(jì)算機(jī)學(xué)會(huì)從一般中得出規(guī)律。類比學(xué)習(xí)。類比也就是通過(guò)對(duì)相似事物進(jìn)行比較所進(jìn)行的一種學(xué)習(xí)。它的基礎(chǔ)是類比推理，也就是把新事物和記憶中的老事物進(jìn)行比較，如果發(fā)現(xiàn)它們之間有些屬性是相同的，那么可以（假定地）推斷出它們的另外一些屬性也是相同的?；诮忉尩膶W(xué)習(xí)。這是近年來(lái)興起的一種新的學(xué)習(xí)方法。它不是通過(guò)歸納或類比進(jìn)行學(xué)習(xí)，而是通過(guò)運(yùn)用相關(guān)的領(lǐng)域知識(shí)及一個(gè)訓(xùn)練實(shí)例來(lái)對(duì)某一目標(biāo)概念進(jìn)行學(xué)習(xí)，并最終生成這個(gè)目標(biāo)概念的一般描述，這個(gè)一般描述是一個(gè)可形式化表示的一般性知識(shí)。增強(qiáng)式學(xué)習(xí)（Reinforcement Learning）：是一種基于行為方法的半監(jiān)督學(xué)習(xí)。一般的學(xué)習(xí)方法分兩類，一類是上文提到的基于模型的，在這種方法，智能體需要環(huán)境確切的模型，具有較高的智能，但不適合于不確定的動(dòng)態(tài)環(huán)境；另一種是基于行為的方法，在這種方法中，不需要環(huán)境的確切模型，采用分層結(jié)構(gòu)，高層行為可以調(diào)整和抑制低層的行為能力，但每層中都具有其自主的確定權(quán)，如[3]中的Holonic智能制造系統(tǒng)。增強(qiáng)式具有這些優(yōu)點(diǎn)，故常用于機(jī)器人足球賽[4]、狩獵問(wèn)題、甚至戰(zhàn)爭(zhēng)指揮中[5]，但是這些都只是理論上的研究，因?yàn)闄C(jī)器人足球賽的本身目的也是為了測(cè)試人工智能的可用性，且更不可能去讓?xiě)?zhàn)爭(zhēng)去由電腦而不是人去指揮了。使用強(qiáng)化學(xué)習(xí)的Agent最早是出現(xiàn)與遺傳算法中，使用“Ethogenetics（行為遺傳）”的思想，突破了人們長(zhǎng)期以來(lái)關(guān)于一個(gè)編碼串對(duì)應(yīng)于組合優(yōu)化問(wèn)題所有策略變量的一個(gè)組合方式的傳統(tǒng)、靜態(tài)的認(rèn)識(shí)，而將一個(gè)編碼串看成某個(gè)智能主體(Agent)主動(dòng)進(jìn)行的一系列決策行為的結(jié)果。人工智能學(xué)習(xí)可能會(huì)向以下幾個(gè)方面發(fā)展： 模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感。目前，人工智能的推理功能已獲突破，學(xué)習(xí)及聯(lián)想功能正在研究之中，下一步就是模仿人類右腦的模糊處理功能和整個(gè)大腦的并行化處理功能。人工神經(jīng)網(wǎng)絡(luò)是未來(lái)人工智能應(yīng)用的新領(lǐng)域，未來(lái)智能計(jì)算機(jī)的構(gòu)成，可能就是作為主機(jī)的馮諾依曼機(jī)與作為智能外圍的人工神經(jīng)網(wǎng)絡(luò)的結(jié)合。研究表明：情感是智能的一部分，而不是與智能相分離的，因此人工智能領(lǐng)域的下一個(gè)突破可能在于賦予計(jì)算機(jī)情感能力。情感能力對(duì)于計(jì)算機(jī)與人的自然交往至關(guān)重要。通過(guò)以上的學(xué)習(xí)方法就是為了得到知識(shí)，通過(guò)一種方便的方法得到知識(shí)。前面已經(jīng)說(shuō)過(guò)了，因?yàn)闄C(jī)器的思考方式和人類的思考方式大有不同之處，因此讓機(jī)器通過(guò)自己學(xué)習(xí)生成自己便于理解和使用的知識(shí)，也不失為機(jī)器學(xué)習(xí)的目標(biāo)之一。 人工智能一直處于計(jì)算機(jī)技術(shù)的前沿，人工智能研究的理論和發(fā)現(xiàn)在很大程度上將決定計(jì)算機(jī)技術(shù)的發(fā)展方向?！ ∮捎谟?jì)算機(jī)芯片的微型化已接近極限。人們?cè)絹?lái)越寄希望于全新的計(jì)算機(jī)技術(shù)能夠帶動(dòng)人工智能的發(fā)展。目前至少有三種技術(shù)有可能引發(fā)全新的革命，它們是光子計(jì)算機(jī)、量子計(jì)算機(jī)和生物計(jì)算機(jī)?！ ?根據(jù)推測(cè)，未來(lái)光子計(jì)算機(jī)的運(yùn)算速度可能比今天的超級(jí)計(jì)算機(jī)快１０００到１萬(wàn)倍。而一臺(tái)具有５０００個(gè)左右量子位的量子計(jì)算機(jī)可以在大約３０秒內(nèi)解決傳統(tǒng)超級(jí)計(jì)算機(jī)需要１００億年才能解決的素?cái)?shù)問(wèn)題。相對(duì)而言，生物計(jì)算機(jī)研究更加現(xiàn)實(shí)，美國(guó)威斯康星－麥迪遜大學(xué)已研制出一臺(tái)可進(jìn)行較復(fù)雜運(yùn)算的ＤＮＡ計(jì)算機(jī)。據(jù)悉，一克ＤＮＡ所能存儲(chǔ)的信息量可與１萬(wàn)億張ＣＤ光盤(pán)相當(dāng)。如果未來(lái)上述三種技術(shù)能夠成熟運(yùn)用，那將對(duì)人工智能的發(fā)展起到?jīng)Q定性的作用。5. 結(jié)束語(yǔ)許多科學(xué)家斷言，機(jī)器的智慧會(huì)迅速超過(guò)阿爾伯特愛(ài)因斯坦和斯蒂芬霍金的智慧之和。著名物理學(xué)家斯蒂芬霍金認(rèn)為，就像人類可以憑借其高超的搗弄數(shù)字的能力來(lái)設(shè)計(jì)計(jì)算機(jī)一樣，智能機(jī)器將創(chuàng)造出性能更好的計(jì)算機(jī)。最遲到本世紀(jì)中葉而且很可能還要快得多，計(jì)算機(jī)的智能也許就會(huì)超出人類的智能。本文對(duì)學(xué)習(xí)中的一些方法進(jìn)行基本的敘述并闡述了其發(fā)展的趨勢(shì)，但是在一般的學(xué)習(xí)中，使用基于行為的方法仍舊是最受人關(guān)注的；文中介紹了幾種強(qiáng)化學(xué)習(xí)方法的變形，并對(duì)他們的運(yùn)用進(jìn)行了一定的敘述。在一定程度上，他們實(shí)現(xiàn)仿真的可行性。但是這些仿真大多都是驗(yàn)證性的，真正的人工智能在實(shí)際生產(chǎn)中的運(yùn)用仍舊是一個(gè)需要研究的課題。最后，我們來(lái)總結(jié)一下，人工智能學(xué)習(xí)的各個(gè)研究領(lǐng)域。參照人在各種活動(dòng)中的功能，我們可以得到人工智能的領(lǐng)域也不過(guò)就是代替人的活動(dòng)而已。哪個(gè)領(lǐng)域有人進(jìn)行的智力活動(dòng)，哪個(gè)領(lǐng)域就是人工智能學(xué)習(xí)研究的領(lǐng)域。人工智能學(xué)習(xí)就是為了應(yīng)用機(jī)器的長(zhǎng)處來(lái)幫助人類進(jìn)行智力活動(dòng)。人工智能學(xué)習(xí)研究的目的就是要模擬人類神經(jīng)系統(tǒng)的功能。 但隨著技術(shù)及技術(shù)的發(fā)展，人工智能學(xué)習(xí)的方法還會(huì)有所變化也更加會(huì)引起我們的關(guān)注。 20
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1