基于人工智能技術的機器學習研究分析

趙哲園

（四川大學，四川 成都 610000）

0 引言

在二十世紀中期，人工智能技術誕生，這對于社會發展以及經濟的進步而言都有著重要意義。人工智能技術涉及到很多不同領域與內容，比如，計算機科學領域、信息科學領域、數學科學領域、工程技術領域等。研究的主要內容與核心問題就是，使得機器能夠具備學習能力、交流能力、輸入能力與輸出能力，使得機器能夠具備與人類相類似的獨立思考能力，以及認識世界、感知世界的能力。在人工智能技術背景下，怎樣實現機器學習，是目前世界發展中面臨的一個重要問題。

1 人工智能技術基本概述

對于人工智能技術的理解，通常情況下可將其分為兩部分內容，一部分是人工，另一部分是智能。有關人工的理解較為容易，而且沒有太多爭議。但是對于什么是智能的理解爭議就相對較多，智能涉及到很多不同內容，比如，意識、自我、思維等，人唯一了解的智能，屬于人本身的智能，對于這一觀點沒有更多爭議。但是人們對于智能的了解有限，同時也沒有掌握更多有關智能的因素，因此，就很難對智能作出定義。雖然對于人工智能技術無法作出準確定義，但是人工智能技術對人類的影響不可小覷。在當今社會快速發展背景下，人工智能技術在計算機領域中得到更多人的重視與關注，同時也在政治領域、仿真系統中得到廣泛應用。人工智能在計算機中的實現，通常是采取兩種方式，一種是通過加強對傳統編程系統的應用，促使傳統系統能夠呈現出智能的效果，不需要考慮所使用的方法是否與動物機體、人類機體所使用的方法相同。該種方式被稱之為工程學方式，在很多領域中已經得到良好應用。

2 機器學習分析

2.1 定義

機器學習通常情況下主要是指，通過系統識別或者知識識別方式，促使機械的學習能力可以得到提升，并促使機器能夠掌握更多新知識與新技能。機器學習與人類學習相類似，如果沒有進行系統性的學習，沒有掌握有效的學習方式，那么實際的學習效果也會受到影響，新知識、新作品的創作會受到很大制約[1]。機器學習也是同樣，只有不斷地進行學習，掌握更多先進的學習方式，提升分析問題能力與解決問題能力，才能獲取相應的創新能力，不斷提高創新能力。在人工智能的發展中，機器學習是一個較為熱門的研究內容，研究的主要目的是使機器能夠具備人一樣的學習能力，創建相應的知識框架體系，并將學習的知識更好應用在實際問題的解決中。

2.2 研究目的

機器學習研究的主要目的有三點：（1）在機器學習過程中，要對人類學習過程進行模擬，在此基礎上，建立相應的學習認知模型；（2）機器需要對相關理論進行學習與研究，并對不同的學習方法進行深入探索，結合機器本身特性情況，進行特定程序設計工作，并對其中的相似性與區別性進行體會；（3）要設計與機器學習有關的程序，研究的主要內容包括對知識工具的獲取以及對相關系統的獲取。在建立機器發函系統過程中，要構建相應數據庫，積累更多知識與經驗，促使機器的智能化能力得到提升，掌握更多與人類相類似的學習能力。

2.3 方式方法

機器學習的方式是在人類學習方法基礎上，及時將機器與人類學習的方式進行有機結合，從而掌握更多有效的學習方式。能夠在人類思考方式、學習方式之上，做好機器性能的拓展，把機器工作的快速性、大內存性以及高復制性體現出來，從而獲得更為有效的機器學習方式。從目前機器學習中不難看出，機器學習的方式方法有兩種，一種是演繹學習系統，也就是從一般再到特殊的學習方式，利用公理推斷方式，獲得相應的結果或者結論。另一種是歸納學習系統，該思路方法與演繹方法相反，主要是從特殊思維轉化到一般思維。這其中包含兩種模式，分別是傳統歸納模式與創新歸納模式，同時也包括完全歸納模式與不完全歸納模式[2]。傳統的歸納方式是通過對歸納關系的應用，并結合事實思考的方式，對共性進行歸納。

3 基于人工智能技術的機器學習分析

3.1 主動學習

首先，測算出近鄰熵。具體是采用前期訓練好的CNN模型分類預測沒有標記過的圖像，獲得CNN模型測算出的該樣本屬于各類的幾率，進而進行歸一化處理，公式如下：

f(zj)代表的是歸一化處理后該樣本隸屬于第j類的幾率。近鄰熵是某個圖像樣本經分類器預測以后的最大概率和第二大概率之間的差，可采用如下公式測算出近鄰熵：

其次，人工設定閾值（L），比較測算獲得的近鄰熵（S）與閾值（L），若S＜L，則通過存儲過程對該樣本作出特殊標記。

最后，采用相關領域專家標注過的樣本迭代訓練網絡，利用這些樣本輸出情況建設相應的網絡模型，更新前期訓練好的模型參數。

3.2 環境適應性機器學習分析

機器與人類存在的一個主要區別就是，對于環境的適應能力不同。在人工智能技術的研究中，研究機器對環境適應性是一項重點工作，環境為系統提供的實際質量，會對機器學習質量產生直接影響。機器內部存放原則的構建，往往是在環境適應性原則基礎之上建立起來的。一般情況下，外界環境存在復雜性特點，因此，在學習期間需要大量數據信息提供支持與保障，刪減多余環節，這樣可以為總結推廣工作打下良好基礎[3]。在良好的學習環境中，機器的學習效率與學習質量會得到很大提升，學習更多專業知識，掌握有效的學習方法，并將人工智能技術的優勢發揮出來，為社會更好發展打下良好基礎。

3.3 機器知識庫擴展延伸分析

在機器學習過程中，機器知識庫的建設具有重要意義。在這一過程中，機器知識庫要確保種類的豐富性、表現形式的多樣性，同時在其中還要包含規則化語言、網絡化關聯等。基于此，在機器知識庫設計工作開展中，要根據實際情況，對知識庫進行延伸，使得機器學習能力可以得到提升。在機器知識庫的擴展延伸中，要注意以下幾點問題：（1）機器知識庫的擴展延伸，要確保其邏輯簡單，而且表意明確。（2）整個推理過程要做到通俗易懂，這樣能夠在一定程度上節約更多機器計算成本。因此，機器學習系統要在最大程度上保證推理過程的簡單化與簡易性。（3）知識的擴展與延伸要做到充分性，在當今人工智能技術發展背景下，機器學習過程中不僅要對基礎知識進行掌握，而且還要明確知識的表達方式[4]。學習系統構建的主要目的是，促使機器能夠對自身的知識庫進行完善與調整，并對一般性執行規則進行填充。在機器學習過程中，如果發現其中的某些規則無法被更好應用在系統中，那么需要盡快將該規則刪除。

3.4 反饋評價體系分析

在人工智能技術發展背景下，機器學習要構建相應的反饋評價體系。實際上，機器學習的反饋評價體系包含不同內容，比如，結合簡單基礎的規則做好基礎反饋評價、對多個復雜性評價反饋體系進行構建、加強對小型分析評價體系的構建。在機器學習反饋評價體系的構建中，要結合實際情況，按照步驟進行，采取循序漸進原則[5]。在此基礎上，要將提升反饋評價體系的透明度作為一項重點內容，執行過程要保證公開透明，而結果需要利用更加簡單的方式展現出來。針對已有知識庫，要做出科學合理評價。在具體的反饋評價中，可以采取元級表述方式，這樣構建的反饋評價體系，才能被更好應用在機器學習中。

4 結語

綜上所述，在機器學習中，人工智能技術在其中發揮著不可替代的作用。因此，對于人工智能技術具備的優勢，以及具體特點，要有著明確的認識與了解。分析以往機器學習中存在的問題或者不足，根據具體情況作出調整。利用反饋評價體系構建等方式，實現對機器學習內容的延伸，并對機器學習作出具體評價，這樣才能了解在機器學習中存在的問題，并給出調整措施。確保機器在學習過程中，能夠掌握有效的學習方式與學習方法。促使人工智能技術可以被應用在各個領域中，為社會更好發展奠定良好基礎。