Page 62 - 高中 信息技术 选择性必修4 人工智能初步

第三章 机器学习与人工智能的核心算法

持否定意见的一方的一个主要论据是：机器是人造的，其性能和动作完全是由设计者
规定的，因此无论如何其能力也不会超过设计者本人。这种意见对不具备学习能力的机器
来说是对的，可是对具备学习能力的机器来说就值得商榷了，因为这种机器的能力在应用

中能不断提高，一段时间之后，连设计者本人也不知它的能力到了什么水平。
机器学习广泛应用于多个领域，如数据挖掘、计算机视觉、自然语言处理、生物特征
识别、搜索引擎、医学诊断、信用卡欺诈检测、证券市场分析、DNA测序、语音和手写
识别、战略游戏和机器人运用等。

3 . 1 . 1 机器学习的基本原理

讨 论

机器能否像人类一样具有学习能力呢？1959年，某科学家设计了一个西洋跳棋程序，
这个程序具有学习能力，可以在不断的对弈中提高自己的棋艺。1962年，这个程序战胜了

职业选手，向人们展示了机器学习的能力，引出了许多令人深思的社会问题与哲学问题。

从广义上来说，机器学习是一种能够赋予计算机学习能力，并以此完成直接编程无法

完成的功能的科学。 广东教育出版社
从实践的意义上来说，机器学习是利用数据训练模型，然后使用模型进行预测的一种
方法。
在上述语义层次探讨的基础上，我们对机器学习给出如下语法定义：

对于某类任务 T（Tasks）和性能指标 P（Performance），如果一个计算机程序在任务
T 中以 P 衡量的性能随着经验 E（Experience） 自我完善，那么就称这个计算机程序在从
经验 E 中学习。

通常，为了很好地定义一个学习问题，我们必须明确以下三个要素：任务T，任务性
能指标P，经验来源E。
以垃圾邮件分类系统为例，机器学习的三个要素如下：

（1）任务（T）：区分正常邮件与垃圾邮件。
（2）性能指标（P）：成功过滤垃圾邮件的百分比。
（3）经验（E）：“阅读”现有的邮件内容。

以“阿尔法围棋”为例，机器学习的三个要素如下：
（1）任务（T）：确定当前局面下一步的落子位置。
（2）性能指标（P）：落子后击败对手的概率。

（3）经验（E）：与自己进行对弈。
机器学习的基本思路如图3-4所示，以现有的或部分数据（训练集）为学习素材（输
入），通过特定的学习方法（机器学习算法），让机器学习（输出），使其能够满足现实

54 54

21Y3228.indd 54 2019/10/10 14:23:51