“人工智能”中的知識獲取技術研究

淮北市第一中學 濮義龍 陳 思

1.概述

“人工智能”一詞最開始是在1956 年Dartmouth學會上提出的。從此以后,研究者們發展了眾多理論和原理,人工智能的概念就此開始擴展。

人工智能（Artificial Intelligence，簡稱AI）是計算機科學的一個分支，它探討智慧的本質，創造人類的智慧可以在類似智能機的目的的方式作出反應。首先，出現和人工智能的發展，是一個革命性的科學思維，它依賴于生成和科學思維革命發展到一定程度，但它也是思維和方法產生了深刻的變革人類的方式。人工智能是最密切的科學和哲學主題之間的關系，其研究結果匯集了來自心理學，語言學，神經科學，邏輯，數學，計算機科學，機器人學，經濟學，社會學等學科的認知。隨著人工智能以人類認識自身的方式在過去的半個世紀的時間里來改造世界，發揮重要作用。

人工智能的研究不僅是讓機器有解決問題的能力，還應該注重機器的研究具有自學習能力，使機器也能像智慧生物一樣積累生活經驗和智慧不斷總結教訓，改正錯誤，提高性能，適應不斷變化的環境，也要有發現和發明的能力。這也成為人工智能和智能控制的主要內容。特別是70年代以來，由于基于知識工程的人工智能的發展，人工智能的三個中心問題已形成：知識表示（Represent）、知識應用（Utieigation）和知識獲取（Acquisition）。知識獲取解決機器知識的來源和補充。所有先進、完善的人工智能系統都必須具備學習能力。機器只能根據人類的“邏輯”或“傳授”的原始知識行事。它不能適應環境變化和事物發展的需要。

2.人工智能的基本概念

2.1 人工智能的定義

“人工智能”一直是存在許多爭議的概念，甚至于沒有有個廣為接受的定義。簡單的來說，即是“人工”與“智能”，也就是人工創造的具有擬人智能的系統。其智能包括諸如意識、自我、心靈等一系列只有生命具有的特質。基本的人工智能即是具有學習能力的機器或系統。以實現某些機器思維[3]。

2.2 的應用領域

每個學科都有自己獨特的研究課題和研究方法，在其研究領域中，還包括這更為詳細的分支。在人工智能中，這些分支包括自動定理證明、問題求解、自然語言處理、人工智能方法、編程語言和智能數據檢索系統以及自動編程。在過去的幾十年中，已經建立了一些人工智能的計算機軟件系統。例如人工合成自然語言、飛機控制、疾病診斷、水下作業、太空操作、集成電路的設計與分析以及檢索情報等，都有各種新型人工智能軟件。它可以被稱為某種廣義的機器人。

2.3 人工智能的核心手段

而其中機器學習的能力無疑是人工智能研究方面最基本也最重要的課題。學習是獲得知識的根本手段，學習能力既代表著人工智能系統的之所以具備智能的重要標志。機器學習是使微機具有機器智能的基本途徑，也是促進系統進步的最根本手段。

3.機器學習

3.1 機器學習及其相關概念

機器學習技術是目前自動獲取知識的主要途徑。它主要用于專家指導和從所提供的數據中歸納有用的知識。

“學習”是什么，“學習”是一個流行的、被廣泛使用的概念，也是一個豐富、難以定義的術語。“學習”的概念對不同學科或不同發展階段有不同的定義。在人工智能中，西蒙稱之為“學習”過程，如“系統積累經驗和提高性能”。“學習系統”有五種不同的定義：

（1）一個系統，可以從某個過程或環境的未知特性中獲取信息，并將其用作未來評估、分類、決策或控制的經驗，以提高其性能，稱為學習系統。

（2）若系統在其環境發生改變后的一段時間(T)內，相對于性能函數(P)的響應是令人滿意的，則可稱為“學習系統”。

（3）我們可以利用與環境交互時獲得的信息，在未來與環境的互動中提高其性能，這就是所謂的“學習系統”。

（4）與環境相互作用，使知識庫完善的系統，稱為“學習系統”。

（5）在系統運行過程中，從外部環境中獲取知識，提高系統性能的系統稱為“學習系統”。

機器學習的目的是研究如何使計算機模擬或實現人類的學習行為，從而獲得新的知識或技能，重組已有的知識結構，提高學習績效。它是人工智能的核心，是計算機智能化的關鍵環節。其應用已遍及所有分支中的人工智能技術，如專家系統、計算機視覺、自動推理、模式識別、自然語言理解、智能機器人等。這也是專家系統知識獲取中一個非常典型的瓶頸，研究人員一直試圖利用機器學習方法來克服這些困難。

3.2 機器學習的研究意義

一個沒有學習能力的智能系統很難稱之為真正的智能系統。當它們錯了時，它們不會自我糾正；它們不會通過經驗來提高他們的表現；它們不會自動獲取和發現所需的知識。它們的推理僅限于演繹和歸納，所以至多只能證明現有的事實和定理，不能找到新的定理、法則和規則。隨著人工智能技術的發展，這些局限性越來越突出。正是在這種情況下，機器學習逐漸成為人工智能研究的核心內容之一。

本研究基于機器學習生理學、認知科學、人類認知的學習機制，建立學習過程的計算模型和理解的人體模型，學習理論和學習，建立學習系統中的應用具體任務導向的發展分析的一般理論和學習算法。每一個研究目標的突破可能導致其他領域的進展。通過模擬人的學習過程，建立了知識學習模型。從而為認知科學的發展提供了依據。

3.3 機器學習的方法

機器學習的方法分為三個系統，分別是演繹學習系統、歸納學習系統和類比學習系統。

（1）演繹學習系統主要用于一般到特殊的推理，通過建立公理系統和推理定理法則，從之前可知的題目中推出相應的結論。推理從公理出發，經過邏輯變換推導出結論。這種推理是“保真”變換和特化(specialization)的過程，這樣學生便可以在推理過程中獲取有用的知識。這種學習方法包含宏操作(macro-operation)學習、知識編輯和組塊(Chunking)技術。

（2）歸納學習系統是演繹推理的逆過程，主要用于自特殊到一般的推理。在系統中歸納分為完全歸納和不完全歸納，因果關系歸納和簡單枚舉歸納。

（3）類比學習系統又叫做模仿系統，一種自特殊到特殊的推理。包括相似的特征等目標域的相應知識推斷，使用兩種不同的字段、源域或目標域的知識的相似性，通過類比前者的知識，以達到學習的目的。類比學習系統允許現有的計算機應用到新的領域，以適應和實現類似的功能不是最初設計。

3.4 機器學習系統的結構原理

機器學習系統是建立在人工智能的學習原理和方法基礎上的。它是應用知識表示、知識存儲、知識推理等技術進行設計和制造的。該系統具有知識獲取功能，能夠逐步提高其性能，可以稱之為人工智能學習系統或智能學習系統。

機器學習系統可以進行自學或教育，離線或在線學習。在學習過程中，可以用實例，類比，指導學習懲罰的方法，歸納，演繹和聯想學習。根據所采用的學習方法，實際系統中的學習環節。

在機器學習系統中，需要建立知識庫來獲取知識和提高性能，需要知識庫進行添加、刪除、修改、擴展和更新等功能。在教學和學習系統中，還有一個人機界面，用來向教師學習和獲取知識。

教學系統通常是離線學習、非實時學習、實時和在線學習。“在線”指的是系統與學習系統中的工作對象或環境的時間域之間的直接連接。“離線”相反，是不在線的。“實時”指的是學習系統的時間域與其工作對象或環境的時間域相同，即實際運行時間，而“非實時”指的是不同的時間域。

圖1顯示了機器學習系統或智能學習系統的一般結構圖。

圖1 智能學習系統總體結構圖

當監控鏈接是教師時，圖1是一個教學系統。當監視鏈接是監視器時，圖1是一個自學習系統。當系統沒有直接連接到環境時，圖1表示離線學習系統；當環境和系統聯機時，圖1表示在線學習系統。

3.5 機器學習系統的基本功能

智能學習系統分為環境、選例[8]、監督、學習、知識庫、工作等六個部分。本段將分別介紹各個部分的功能。

3.5.1 知識庫

知識庫是用來存儲知識、積累知識、增加、減少、擴充、修改和更新知識的管理系統。根據存儲知識的存儲穩定性，可分為三類：

（1）長期記憶知識：穩定的知識。學習系統必須具有先驗知識，不改變基本知識，如基本概念和定理、法律與正義、游戲基本規則等。

（2）中期記憶知識：通過研究，我們可以添加或刪除或修改特定環境中正在變化的知識部分，也就是知識庫。

（3）短期記憶：反映環境變化的信息和數據，學習過程中的中間結果，以及知識召喚的條件。它通常在“在線”學習過程中發生變化，通常存儲在“普通數據庫”或“黑板”中。

3.5.2 學習環節及其功能

學習系統的核心環節,為接受監督指導、采集環境信息、修改知識庫、進行學習推理，其作用如下：

（1）接受監督指導：接受來自監督環節的評價標準、指導信息或示教。

（2）采集環境信息：通過直接采集或選例環節有關環境變化的信息。

（3）修改知識庫：把學習推理所獲得的結果，輸入知識庫，對原有的知識進行增減、修改。

（4）進行學習推理：利用所采集的環境，根據監督指導，通過示例類比、強記、指導等學習方法，進行學習過程的知識推理，獲得有關問題的解答和結論。

3.5.3 工作環節

工作環節就是利用知識庫中的知識，進行識別，直接引起環境的變化，如機器人行動、生產過程控制、機器博弈等。那么就形成了“在線”學習系統。

3.5.4 監督環節及其功能

在教學體系中，監督環節也是人，即教師；在自學制度中，監督環節是監督，即評價標準或檢查標準。其作用如下：

（1）工作效果評價：從工作環節接收反饋信息，測試和評價系統的工作效果。

（2）全面評價標準：從不斷變化的環境中接受信息。制定和修訂檢驗標準和評定標準。

（3）學習與督導環節：根據測試的結果和評價對學習環節進行教學、培訓或指導。

（4）選擇實例控制環節：根據鏈接變化信息和工作效果反饋，控制實例鏈接的選擇，選擇其他案例或樣本。

3.5.5 選擇程序

選擇案例的作用是從環境中選擇典型的樣例或樣例作為系統訓練集或學習對象，以提高學習效率，加快學習過程。示例的選擇可以由一個人或一臺機器來實現。

3.5.6 環境

環境指的是知識和信息的來源、工作的對象和性質。例如病人、醫生、病歷、診斷、文字、圖像、場景的模式識別系統、游戲系統、游戲對手、被控對象的智能控制系統和生產過程等。

3.6 代碼示例

列舉一個機器學習的例子，例如通過環境影響來進行學習。

本程序將根據您的評價判斷執行結果"1+1=2"，實際上僅用了最簡單的if else for語句。這就是一個機器學習的例子，通過環境影響來進行學習。

通過本例我們可以看出，在人工錯誤的引導下，機器會給出錯誤的答案 1+1不等于2。所以這種學習方法，一定要在正確引導下實踐，否則會得到最壞的結果。學習完畢后，計算機會儲存本次學習結果，存入數據庫，下次執行相應任務時，再將結果調出執行。

4.總結與展望

在現今的人工智能，推理，學習活動，其中聯想是最重要的三大功能。這就需要推理和聯想功能，以增加通過改進學習功能。機器學習占據了人工智能研究的重要地位，基礎是人工智能理論的發展，關鍵是要克服知識獲取技術，只是為了使人工人機界面系統完美的收購機器學習研究和開發智能發揮顯著的力量。

因此，我們需要加強機器學習的研究，不斷開發新的學習系統，促進人工智能的發展。

知識獲取技術最近幾年發展迅速，但其畢竟屬于新興領域，發展時間比較短并且技術難題很多，一直以來，人工智能機器學習能力是人工智能領域研究的一個“瓶頸”。一方面機器學習的在限制人工智能和機器學習的發展；另一方面，鑒于與其他領域的密切關系，這要求研究人員工作機器學習的同時，其他領域的發展可以在新的學習算法和學習機構的其他領域有所發現，從而推動機器學習領域的新發展。

致謝：

本論文是在陳思老師的悉心指導下完成的。在論文的開始時期，我有好多專業的知識不懂，去向老師請教，老師耐心地一一幫我解答了，從而能夠在接下來寫論文的過程中，能夠快速的知道論文該如何的去寫。老師和藹的教學思想、一絲不茍的態度、博學的知識、嚴謹的治學態度，使我收獲巨大，這一點永遠值得我跟老師學習，不斷的完善自己，追求進步，追求知識，從而使我能夠向著更遠的方向不斷前進。在此，我對老師表示衷心的感謝，并致以最崇高的敬意！

衷心感謝授課老師課上對我們的教導，你們豐富的授課內容拓寬了我的視野，讓我能更順利的完成這篇文章；感謝同窗學友們，在與他們相處中，他們給予我諸多的鼓勵、啟發和幫助，使我感受到集體的溫暖和相互協作的快樂，得益非淺！最后，對審閱此論文的老師們表示衷心的感謝！

再次感謝所有關心、支持、幫助過我的人！

[1]王萬森.人工智能原理及其應用[M].北京:電子工業出版社,2002.

[2]史忠植.高級人工智能[M].北京:科學出版社,1998.

[3]姜雅慧.人工智能中的機器學習研究[J].計算機光盤軟件與應用,2013/21.

[4]任錦,彭瑋.淺談人工智能技術[J].理工,2010/12.

[5]郭亞寧,馮莎莎.機器學習理論研究[J].中國科技信息,2010/14.

[6]王文.淺析機器學習的研究與應用[J].計算機與信息技術,2010/Z2.

[7]李健宏.人工智能中的機器學習研究及其應用[J].江西科技師范學院報,2004/10.

[8]李德毅.網絡時代人工智能研究與發展[J].智能系統學報,2009/2.

[9]Weiss M A.Data Structures and Problem Solving Using C++[M].Pearson Education Inc.2000.