基于人工智能下的机器学习发展历史及展望
收藏
打印
发给朋友
发布者：lunwenchina
热度0票 浏览503次
时间：2017年5月18日 09:28
摘要：机器学习作为最近三十年新兴起的科研学科之一，已经在现
代信息生活尤其是互联网生活中实现了较为广泛的应用。机器学
习是在基于严格数学理论经众多学科交叉而成，包括信息控制理
论、逻辑科学、数理统计学、神经科学、计算科学等。目前，机
器学习已经衍生出了众多分支，如数据挖掘、深度学习、语音识别、
生物信息学、模式识别、机器人的智能控制、遥感信息安全等。
综上所述，机器学习已经取得了较大发展，并且将在未来的信息
社会取得更为瞩目的成就。
【关键词】机器学习 多学科交叉 数理统计
人工智能 深度学习
机器学习是人工智能领域发展最快的一
个分支之一。机器人学习的本质是通过利用计
算机系统强大的运算及数据处理能力，借助大
量的数据训练，使计算机具有自发模拟人类学
习行为，通过学习获取知识和技能，在不断改
善自身性能的同时，实现人工智能的一种思想。
在信息时代，特别是随着互联网技术的爆发式
发展，信息爆炸现象表现的尤为明显。现代社
会互联网中每天都会产生的海量数字化数据，
如数字化的微博数据，数字化的聊天记录、数
字化的网页浏览数据等。针对以上海量数据，
大数据（BigData）处理必然成为当今社会研
究的一个热点问题。在这种大的氛围下，如何
对海量数据进行分析并根据严格的数学定理提
取有价值的规律信息，机器学习在以后的学科
发展中必将占有一席之地。
1 机器学习的发展历史
1.1 机器学习“萌芽”阶段
上世纪五、六十年代，机器学习技术研
究正处于“萌芽”阶段，人们试图给机器例如
大型计算机通过编程手段使其最终具备逻辑推
理能力，进而使机器具有一定的智能思考和自
我优化的能力。这一阶段的代表性工作主要是
由 A.Newell 和 H.Simon 完成的。所做工作包
含各种“逻辑”程序以及之后的“求解”程序
等，这些进展在当时令人振奋。A.Newell 和
H.Simon 也因此获得了 1975 年图灵奖。然而，
进一步的研究证明只具有逻辑并不能使机器具
基于人工智能下的机器学习发展历史及展望
文/余殷博
机器学习作为最近三十年新
兴起的科研学科之一，已经在现
代信息生活尤其是互联网生活中
实现了较为广泛的应用。机器学
习是在基于严格数学理论经众多
学科交叉而成，包括信息控制理
论、逻辑科学、数理统计学、神
经科学、计算科学等。目前，机
器学习已经衍生出了众多分支，
如数据挖掘、深度学习、语音识别、
生物信息学、模式识别、机器人
的智能控制、遥感信息安全等。
综上所述，机器学习已经取得了
较大发展，并且将在未来的信息
社会取得更为瞩目的成就。
摘
要
有智能“”。E.A.Feigenbaum 等人认为，智能
存在的前提还必须具有先验“知识”。
1.2 机器学习“发展”阶段
上世纪七、八十年代被称为机器学习的
“发展”阶段。在这一时期的主流为“专家系
统”。“知识工程”之父 E.A.Feigenbaum 凭
此在 1994 年摘取了图灵奖章。但是，所谓“专
家系统”也要面临“知识困境”，简单地说，
对近乎无限的信息人类很难通过自身思维提取
规则并赋予计算设备。机器自主学习的设想浮
出水面。机器学习相关工作在上个世纪五十年
代就已经展开，主要进行的基于神经网络的训
练学习方面的研究。
在二十世纪六七十年代，多种学习技术
层出不穷，例如基于决策理论的统计学习技术
以及强化学习技术等，代表作品为“跳棋程序”
以及“学习机器”等，统计学习理论和符号学
习技术开始萌芽。
1980 年，人工智能领域 TopJournal《策
略分析与信息系统》专门以“机器学习”为
主题连续开辟三期专栏；1983 年，Tioga 出
版 社 出 版 了 R.S.Michalski、J.G.Carbonell 和
T.M.Mitchell 等顶尖专家联合主编的图书教材
《机器学习：一种人工智能途径》面世，书中
汇集了超过 20 位学者撰写的 16 篇高影响因子
文章，对当时多年机器学习领域的研究工作进
行了系统的总结和阐述，引领了学术方向，有
较大影响。
1.3 机器学习“繁荣”阶段
从二十世纪八十年代至今，机器学习成
为一个独立的学科领域并开始爆发式发展、各
种机器学习技术不断涌现，机器学习算法呈现
多样化。机器学习研究进入“繁荣”阶段，机
器学习研究在这一时期也被科学的划分成“实
例学习”、“求解规划学习”、“观察发现学习”、
“指令学习”等多种范畴；而 E.A.Feigenbaum
等专家合著的经典图书《人工智能手册》中，
则把机器学习技术从另一个角度重新划分为四
大范畴，包含“机械学习”、“示教学习”、
“类比学习”、“归纳学习”四种。直到今天，
机器学习继续蓬勃发展并演化出了众多分支，
例如数据挖掘、深度学习、语音识别、生物信
息学、模式识别等。大量机器学习算法被广泛
应用到信息处理特别是互联网海量数据的分析
处理当中。
2 机器学习的发展趋势
从当前研究的发展趋势看，机器学习今
后将有如下几个热点的研究方向：
（1）从人类自身出发找出大脑本身生物
学习机制，通过严格数学化应用于机器学习。
（2）在已有的人工智能方法的基础上不
断优化发展和改良现有学习算法，同时展开新
的研究算法的开发工作。
（3）令众多的机器学习算法走出“象牙
塔”，建立实用的机器学习的算法应用系统，
特别是在互联网领域开展多种学习方法集成化
的研究。
（4）多种机器学习算法的同步协调使用，
利用多种算法是优势规避其中的不足，改善学
习系统性能。
3 结语
现有的计算机系统和人工智能系统从其
硬件结构和实现原理上不具备自主学习能力，
至多也只是具有非常低级的“被动”学习能力，
因而不能满足科技和生产提出的新要求。对机
器学习进行比较系统化的讨论和和方向把握，
对以后学习机器学习方面的知识和进行相应的
科研工作有方向性作用。学习机器学习本质是
把控研究机器学习算法的内在数学原理、建立
通过数据训练使现代计算机系统具备不断学习
并自动提高自身水平。近年来机器学习理论在
诸多领域例如天气预报、互联网、军事等取得
成功，已成为计算机科学的基础研究热点之一。
参考文献
[1] 杨树仁 , 沈洪远 . 基于相关向量机的机器
学习算法研究与应用 [J]. 计算技术与自
动化 ,2010,29(01):43-47.
[2] 何清 , 李宁 , 罗文娟 , 等 . 大数据下的机
器学习算法综述 [C]// 中国计算机学会人
工智能会议 .2013.
[3] 刘鲁 , 刘志明 . 基于机器学习的中文微博
情感分类实证研究 [J]. 计算机工程与应
用 ,2012,48(01):1-4.
[4] 李 凡 长 , 钱 旭 陪 , 谢 琳 , 等 . 机 器 学
习 理 论 及 应 用 [J]. 计 算 机 工 程 与 科
学 ,2012,34(09):F0003-F0003.
[5] 王昊 , 严明 , 苏新宁 . 基于机器学习的中
文书目自动分类研究 [J]. 中国图书馆学
报 ,2010,36(06):28-39.
作者单位
武汉市外国语中学高二（3）班 湖北省武汉
市 430050
