人工智能中的机器学习研究及其应用

人工智能中的机器学习研究及其应用

林浩钊 1 罗金满 2

广东电网有限责任公司东莞供电局 523000

摘要：在社会和经济发展过程中，人工智能技术应用范围不断扩大，为人们的生活和工作提供便利的条件。许多领域积极应用人工技术，用于提高机器的学习能力，使机器具备掌握人工操作方法，并充分发挥智能优势，使机器保持长久的运行状态，有效提高工作效率。本文WIR人工智能中机器学习研究及其应用展开讨论，为机器学习人工智能技术提供参考依据。

关键词：人工智能；机器学习

引言：

早在上世纪50年代开始，许多国家研究人工智能技术，并将人工智能技术应用在不同的领域，同时配合使用多种学科的知识，包括神经生理学、心理学以及工程技术等，使机器具备人工智能功能，按照计算机设定的程序开展工程。机器在人工智能技术的引导下，具有人类的思维方式，从而快速学习不同专业的技能，使机器可以满足任何工作需求。

1. 人工智能机器学习的概述及目标分析

   1. 人工智能机器学习的概念

机器学习概念体现在以下几个方面：首先，使机器按照人类的思维方式学习新知识和技能；其次，掌握新知识和新技能，可以不断进行创新研究，提高机器自身的工作能力；三，机器学习过程与人工智能技术发展建立密切的关系，人工智能技术帮助机器建立学习体系，机器掌握不同的技术，可以在各个领域进行生产和工作。

1. 2. 人工智能机器学习的研究目标

机器学习的研究目标设定为三个阶段：第一个阶段，模拟人类学习过程，通过机器学习建立学习模型，使机器在具备认识科学的能力，理解学习科学知识的重要意义；第二个阶段，促进机器学习理论的研究。为使机器具备理论学习的能力，应根据机器的特点，采用合适的学习方法，让机器学习贴近人类学习，并找到机器学习与人类学习存在的区别，进一步优化机器学习体系，提高机器的学习能力；第三个阶段，机器学习应用目标。机器通过学习理论知识和实践知识，将学习的知识通过工具展现出来，使机器积累学习经验和操作经验的同时，不断强化人工智能技术应用在机器学习中的价值。

图 1 人工智能机器学习的研究目标

1. 3. 机器学习的方法

现阶段机器学习方法分为两种，一种为机器自身学习方法，另一种为模仿人类学习方法。两种方法有各自的优势，将各自的优势充分的融合，使机器在掌握人类学习方法的同时，还能充分发挥机器的优势，包括速度快、存储多以及可复制性等。

许多国家在研究机器学习过程中，通过应用人工智能技术，使机器学习的方法更加丰富，具体方法如下：一，演绎学习方法。演绎学习方法使机器内部建立演绎学习系统，通过演绎学习系统，机器具备推理能力，并且推理过程由基础层面逐步升级到特殊层面，在逐步升级期间，机器学习会衍生出公理系统，并建立推理定理法则，每次推理过程，按照公理系统设定的流程进行，根据推理定理法则获得准确的研究理论；二，归纳学习方法。与演绎学习方法相比，归纳学习方法在研究理论过程中，采用完全归纳方法和不完全归纳方法，通过归纳分类不同的信息，使归类后的信息之间建立因果关系；三，类比学习方法。类比学习方法具有模仿特点，机器学习过程中，主要精力用于研究特殊理论，在研究期间进行类比，通过特殊理论研究联系创新事物，提高机器的创新能力。

2. 影响人工智能机器学习应用的因素

   1. 环境信息的准确性

在机器学习系统设计过程中，应用人工技术提高机器的学习能力，需要设计人员综合考虑环境信息对机器学习产生的影响。在机器学习过程中，由于环境的变化，会使机器学习过程产生波动，以机器存储信息为例，如果机器处于稳定的环境中，机器按照人工智能技术要求开展工作，工作过程较为平稳。但是环境发生变化后，会使机器工作方式发生变化，主要是机器为适应环境变化，需要学习新的知识。环境信息的准确性，对机器学习系统设计产生较大的影响，通常情况下，环境信息准确性越高，机器学习质量越高。在机器内部建立数据库过程中，机器向环境学习各种信息，由于环境信息较为复杂，同时存在多样性的特点，机器数据库必须不断扩大容量，只有学习更多准确的环境信息，才能保证机器学习有效的技能。此外机器工作期间，一般处于连续工作状态，提供机器数据库的存储能力，在面对复杂的环境时，机器应用学习的知识完成各项工作。

1. 2. 机器知识库的影响

知识库是机器学习系统设计重要的组成部分，由于机器学习需要学习不同的知识，要求机器数据库必须具备语言网架建立功能、特征向量描述功能等，同时按照产生式规则要求，保证机器运行期间使用正确的知识。机器学习系统设计过程中，应保证机器知识库充分发挥优势，其优势体现在以下几个方面：首先，表达能力强。机器应用人工智能技术，必须具备较强的表达能力，才能将学习的知识应用在生产中；其次，推理简单。机器学习不同知识后，机器系统应简化计算和推理过程，才能提高机器的运行能力；三，知识库修改简单。机器在学习不同知识时，应实时更新数据库内容，按照填充执行标准，如果知识库内的信息影响机器正常的学习或者工作，知识库采用简答的方法修改内容，有助于提高机器知识库的更新效率；四，知识表示扩展简单。机器学习能力在提升过程中，学习系统设置不同的表达方式，每种方式使机器扩展知识学习能力，合理运用不同的知识，提高机器的工作能力。

1. 3. 执行能力的影响

      1. 任务的复杂性

让机器将学习的知识应用在实际工作中，需要向机器设定不同的任务，不同的任务会体现出复杂性特点。如果完成简答的任务时，机器学习系统会设定单一概念，并按照分配规则，将任务划分成不同目标，每完成一个目标，系统会自动分配下一个目标，直至机器完成任务。如果机器完成复杂的任务，并且任务包含不同的概念，机器学习系统会学习不同的知识，以便按照概念完成任务。如果机器完成特殊并且极其复杂的任务，机器学习系统会设置多种学习模式，每种模式相互组合，并将执行模式作为完成任务的基础，保证机器完全按照设定的规则进行学习，通过不断的学习掌握完成任务的方法，最终高质量高效率的完成工作任务。

1. 1. 2. 透明性

机器学习过程中，每个学习阶段必须体现出透明性特点。机器学习过程中，通过建立的知识库，按照已有的评价方式，对每个工作环节进行评价，保证每个环节可以获得最佳的工作效果。以人工智能下棋机器为例，机器知识库内已经存储大量的下棋方法，根据不同的下棋方法，可以判断最终棋局的走向，机器会采用合适的方法，最终赢得棋局的胜利。

3. 机器学习研究难点

机器学习研究难点体现在以下几个方面：首先，机器以人工智能方式进行学习，学习内容应涵盖相应的理论知识，但是机器学习理论知识时，由于缺乏一定的基础，并且产生的问题会发生变化，机器学习时会产生不同的思维，致使形象思维、逻辑思维等不断的变化；其次，机器在学习过程中，由于学习的知识较为复杂，并且容量较多，机器学习质量会受到影响。现阶段机器学习过程中，采用数据监督的模式，要求机器在短时间内，不仅快速处理产生的信息，还应充分利用现有的资源，以便提高学习效率。但是机器学习技术水平较低，无法在短时间内完成指定的学习任务；三，电机计算机是机器学习的核心，尽管电子计算机发展速度不断加快，在许多领域应用较为广泛，但是计算机的工作原理未能进行有效的创新，导致机器必须按照计算机的数理逻辑思维进行学习，使机器学习过程时间较长。应充分发挥知识库的优势，通过数据库提升机器的学习能力。

结语：

综上所述，在人工智能领域，研究机器学习，应充分发挥人工智能的优势，使机器学习具备人工智能功能，一方面形成人类思维方式，使机器学习效率不断提高，另一方面利用人工智能技术，丰富机器学习内涵，使机器采用不同的方式进行学习，掌握不同的技能，以便适应环境的变化，从而提高机器的运行能力。

参考文献：

[1]雷明.《机器学习：原理、算法与应用》[J].自动化博览. 2020(03)：64-65.

[2]安增波,张彦.机器学习方法的应用研究[J].长治学院学报. 2007(02):34.

[3]魏权利.论人工智能科学中的机器学习[J].宁夏工学院学报. 2016(03)：289.