人工智能中的机器学习问题

人工智能领域关注感知、思考、行为三个方向，机器学习作为人工智能领域的子领域应属于思考范畴，人类通过不断的学习不断突破自身认知的束缚，从经验中学习、从失败中学习、从痛苦中学习，以获得更多的自由，那么机器呢，也能学习嘛？目前对于机器学习还没有一个统一的定义，类比人类学习我认为机器学习本质上也是一个让机器不断优化自身的过程，所以它是一个过程是动态的概念，而不是静态确定的状。如果学习是一个自优化过程，那么这个过程是怎么实现的呢？实现方式可以分为两类：一类是基于测量和规则的学习，这种模式是机器最擅长的，需要大量的数据、存储空间以及算力，这类学习模型常见有KNN（基于距离规则）、神经网络（模仿神经网络的规则）、随机森林（集成不同的学习结果的优化规则）；另一类是像人类一样学习，人类学习的模型从来都不是基于大数据的，这类学习模型有一次性学习（基于一个样本获取确定的知识）、解释学习（自言自语式学习）。那些需要依据外部数据进行优化的问题都可以归结为学习问题，可依据问题自身的不同的特点来选择不同的学习方式（学习模型）。