“人工智能”中的知识获取技术研究

淮北市第一中学 濮义龙 陈 思

1.概述

“人工智能”一词最开始是在1956 年Dartmouth学会上提出的。从此以后,研究者们发展了众多理论和原理,人工智能的概念就此开始扩展。

人工智能（Artificial Intelligence，简称AI）是计算机科学的一个分支，它探讨智慧的本质，创造人类的智慧可以在类似智能机的目的的方式作出反应。首先，出现和人工智能的发展，是一个革命性的科学思维，它依赖于生成和科学思维革命发展到一定程度，但它也是思维和方法产生了深刻的变革人类的方式。人工智能是最密切的科学和哲学主题之间的关系，其研究结果汇集了来自心理学，语言学，神经科学，逻辑，数学，计算机科学，机器人学，经济学，社会学等学科的认知。随着人工智能以人类认识自身的方式在过去的半个世纪的时间里来改造世界，发挥重要作用。

人工智能的研究不仅是让机器有解决问题的能力，还应该注重机器的研究具有自学习能力，使机器也能像智慧生物一样积累生活经验和智慧不断总结教训，改正错误，提高性能，适应不断变化的环境，也要有发现和发明的能力。这也成为人工智能和智能控制的主要内容。特别是70年代以来，由于基于知识工程的人工智能的发展，人工智能的三个中心问题已形成：知识表示（Represent）、知识应用（Utieigation）和知识获取（Acquisition）。知识获取解决机器知识的来源和补充。所有先进、完善的人工智能系统都必须具备学习能力。机器只能根据人类的“逻辑”或“传授”的原始知识行事。它不能适应环境变化和事物发展的需要。

2.人工智能的基本概念

2.1 人工智能的定义

“人工智能”一直是存在许多争议的概念，甚至于没有有个广为接受的定义。简单的来说，即是“人工”与“智能”，也就是人工创造的具有拟人智能的系统。其智能包括诸如意识、自我、心灵等一系列只有生命具有的特质。基本的人工智能即是具有学习能力的机器或系统。以实现某些机器思维[3]。

2.2 的应用领域

每个学科都有自己独特的研究课题和研究方法，在其研究领域中，还包括这更为详细的分支。在人工智能中，这些分支包括自动定理证明、问题求解、自然语言处理、人工智能方法、编程语言和智能数据检索系统以及自动编程。在过去的几十年中，已经建立了一些人工智能的计算机软件系统。例如人工合成自然语言、飞机控制、疾病诊断、水下作业、太空操作、集成电路的设计与分析以及检索情报等，都有各种新型人工智能软件。它可以被称为某种广义的机器人。

2.3 人工智能的核心手段

而其中机器学习的能力无疑是人工智能研究方面最基本也最重要的课题。学习是获得知识的根本手段，学习能力既代表着人工智能系统的之所以具备智能的重要标志。机器学习是使微机具有机器智能的基本途径，也是促进系统进步的最根本手段。

3.机器学习

3.1 机器学习及其相关概念

机器学习技术是目前自动获取知识的主要途径。它主要用于专家指导和从所提供的数据中归纳有用的知识。

“学习”是什么，“学习”是一个流行的、被广泛使用的概念，也是一个丰富、难以定义的术语。“学习”的概念对不同学科或不同发展阶段有不同的定义。在人工智能中，西蒙称之为“学习”过程，如“系统积累经验和提高性能”。“学习系统”有五种不同的定义：

（1）一个系统，可以从某个过程或环境的未知特性中获取信息，并将其用作未来评估、分类、决策或控制的经验，以提高其性能，称为学习系统。

（2）若系统在其环境发生改变后的一段时间(T)内，相对于性能函数(P)的响应是令人满意的，则可称为“学习系统”。

（3）我们可以利用与环境交互时获得的信息，在未来与环境的互动中提高其性能，这就是所谓的“学习系统”。

（4）与环境相互作用，使知识库完善的系统，称为“学习系统”。

（5）在系统运行过程中，从外部环境中获取知识，提高系统性能的系统称为“学习系统”。

机器学习的目的是研究如何使计算机模拟或实现人类的学习行为，从而获得新的知识或技能，重组已有的知识结构，提高学习绩效。它是人工智能的核心，是计算机智能化的关键环节。其应用已遍及所有分支中的人工智能技术，如专家系统、计算机视觉、自动推理、模式识别、自然语言理解、智能机器人等。这也是专家系统知识获取中一个非常典型的瓶颈，研究人员一直试图利用机器学习方法来克服这些困难。

3.2 机器学习的研究意义

一个没有学习能力的智能系统很难称之为真正的智能系统。当它们错了时，它们不会自我纠正；它们不会通过经验来提高他们的表现；它们不会自动获取和发现所需的知识。它们的推理仅限于演绎和归纳，所以至多只能证明现有的事实和定理，不能找到新的定理、法则和规则。随着人工智能技术的发展，这些局限性越来越突出。正是在这种情况下，机器学习逐渐成为人工智能研究的核心内容之一。

本研究基于机器学习生理学、认知科学、人类认知的学习机制，建立学习过程的计算模型和理解的人体模型，学习理论和学习，建立学习系统中的应用具体任务导向的发展分析的一般理论和学习算法。每一个研究目标的突破可能导致其他领域的进展。通过模拟人的学习过程，建立了知识学习模型。从而为认知科学的发展提供了依据。

3.3 机器学习的方法

机器学习的方法分为三个系统，分别是演绎学习系统、归纳学习系统和类比学习系统。

（1）演绎学习系统主要用于一般到特殊的推理，通过建立公理系统和推理定理法则，从之前可知的题目中推出相应的结论。推理从公理出发，经过逻辑变换推导出结论。这种推理是“保真”变换和特化(specialization)的过程，这样学生便可以在推理过程中获取有用的知识。这种学习方法包含宏操作(macro-operation)学习、知识编辑和组块(Chunking)技术。

（2）归纳学习系统是演绎推理的逆过程，主要用于自特殊到一般的推理。在系统中归纳分为完全归纳和不完全归纳，因果关系归纳和简单枚举归纳。

（3）类比学习系统又叫做模仿系统，一种自特殊到特殊的推理。包括相似的特征等目标域的相应知识推断，使用两种不同的字段、源域或目标域的知识的相似性，通过类比前者的知识，以达到学习的目的。类比学习系统允许现有的计算机应用到新的领域，以适应和实现类似的功能不是最初设计。

3.4 机器学习系统的结构原理

机器学习系统是建立在人工智能的学习原理和方法基础上的。它是应用知识表示、知识存储、知识推理等技术进行设计和制造的。该系统具有知识获取功能，能够逐步提高其性能，可以称之为人工智能学习系统或智能学习系统。

机器学习系统可以进行自学或教育，离线或在线学习。在学习过程中，可以用实例，类比，指导学习惩罚的方法，归纳，演绎和联想学习。根据所采用的学习方法，实际系统中的学习环节。

在机器学习系统中，需要建立知识库来获取知识和提高性能，需要知识库进行添加、删除、修改、扩展和更新等功能。在教学和学习系统中，还有一个人机界面，用来向教师学习和获取知识。

教学系统通常是离线学习、非实时学习、实时和在线学习。“在线”指的是系统与学习系统中的工作对象或环境的时间域之间的直接连接。“离线”相反，是不在线的。“实时”指的是学习系统的时间域与其工作对象或环境的时间域相同，即实际运行时间，而“非实时”指的是不同的时间域。

图1显示了机器学习系统或智能学习系统的一般结构图。

图1 智能学习系统总体结构图

当监控链接是教师时，图1是一个教学系统。当监视链接是监视器时，图1是一个自学习系统。当系统没有直接连接到环境时，图1表示离线学习系统；当环境和系统联机时，图1表示在线学习系统。

3.5 机器学习系统的基本功能

智能学习系统分为环境、选例[8]、监督、学习、知识库、工作等六个部分。本段将分别介绍各个部分的功能。

3.5.1 知识库

知识库是用来存储知识、积累知识、增加、减少、扩充、修改和更新知识的管理系统。根据存储知识的存储稳定性，可分为三类：

（1）长期记忆知识：稳定的知识。学习系统必须具有先验知识，不改变基本知识，如基本概念和定理、法律与正义、游戏基本规则等。

（2）中期记忆知识：通过研究，我们可以添加或删除或修改特定环境中正在变化的知识部分，也就是知识库。

（3）短期记忆：反映环境变化的信息和数据，学习过程中的中间结果，以及知识召唤的条件。它通常在“在线”学习过程中发生变化，通常存储在“普通数据库”或“黑板”中。

3.5.2 学习环节及其功能

学习系统的核心环节,为接受监督指导、采集环境信息、修改知识库、进行学习推理，其作用如下：

（1）接受监督指导：接受来自监督环节的评价标准、指导信息或示教。

（2）采集环境信息：通过直接采集或选例环节有关环境变化的信息。

（3）修改知识库：把学习推理所获得的结果，输入知识库，对原有的知识进行增减、修改。

（4）进行学习推理：利用所采集的环境，根据监督指导，通过示例类比、强记、指导等学习方法，进行学习过程的知识推理，获得有关问题的解答和结论。

3.5.3 工作环节

工作环节就是利用知识库中的知识，进行识别，直接引起环境的变化，如机器人行动、生产过程控制、机器博弈等。那么就形成了“在线”学习系统。

3.5.4 监督环节及其功能

在教学体系中，监督环节也是人，即教师；在自学制度中，监督环节是监督，即评价标准或检查标准。其作用如下：

（1）工作效果评价：从工作环节接收反馈信息，测试和评价系统的工作效果。

（2）全面评价标准：从不断变化的环境中接受信息。制定和修订检验标准和评定标准。

（3）学习与督导环节：根据测试的结果和评价对学习环节进行教学、培训或指导。

（4）选择实例控制环节：根据链接变化信息和工作效果反馈，控制实例链接的选择，选择其他案例或样本。

3.5.5 选择程序

选择案例的作用是从环境中选择典型的样例或样例作为系统训练集或学习对象，以提高学习效率，加快学习过程。示例的选择可以由一个人或一台机器来实现。

3.5.6 环境

环境指的是知识和信息的来源、工作的对象和性质。例如病人、医生、病历、诊断、文字、图像、场景的模式识别系统、游戏系统、游戏对手、被控对象的智能控制系统和生产过程等。

3.6 代码示例

列举一个机器学习的例子，例如通过环境影响来进行学习。

本程序将根据您的评价判断执行结果"1+1=2"，实际上仅用了最简单的if else for语句。这就是一个机器学习的例子，通过环境影响来进行学习。

通过本例我们可以看出，在人工错误的引导下，机器会给出错误的答案 1+1不等于2。所以这种学习方法，一定要在正确引导下实践，否则会得到最坏的结果。学习完毕后，计算机会储存本次学习结果，存入数据库，下次执行相应任务时，再将结果调出执行。

4.总结与展望

在现今的人工智能，推理，学习活动，其中联想是最重要的三大功能。这就需要推理和联想功能，以增加通过改进学习功能。机器学习占据了人工智能研究的重要地位，基础是人工智能理论的发展，关键是要克服知识获取技术，只是为了使人工人机界面系统完美的收购机器学习研究和开发智能发挥显著的力量。

因此，我们需要加强机器学习的研究，不断开发新的学习系统，促进人工智能的发展。

知识获取技术最近几年发展迅速，但其毕竟属于新兴领域，发展时间比较短并且技术难题很多，一直以来，人工智能机器学习能力是人工智能领域研究的一个“瓶颈”。一方面机器学习的在限制人工智能和机器学习的发展；另一方面，鉴于与其他领域的密切关系，这要求研究人员工作机器学习的同时，其他领域的发展可以在新的学习算法和学习机构的其他领域有所发现，从而推动机器学习领域的新发展。

致谢：

本论文是在陈思老师的悉心指导下完成的。在论文的开始时期，我有好多专业的知识不懂，去向老师请教，老师耐心地一一帮我解答了，从而能够在接下来写论文的过程中，能够快速的知道论文该如何的去写。老师和蔼的教学思想、一丝不苟的态度、博学的知识、严谨的治学态度，使我收获巨大，这一点永远值得我跟老师学习，不断的完善自己，追求进步，追求知识，从而使我能够向着更远的方向不断前进。在此，我对老师表示衷心的感谢，并致以最崇高的敬意！

衷心感谢授课老师课上对我们的教导，你们丰富的授课内容拓宽了我的视野，让我能更顺利的完成这篇文章；感谢同窗学友们，在与他们相处中，他们给予我诸多的鼓励、启发和帮助，使我感受到集体的温暖和相互协作的快乐，得益非浅！最后，对审阅此论文的老师们表示衷心的感谢！

再次感谢所有关心、支持、帮助过我的人！

[1]王万森.人工智能原理及其应用[M].北京:电子工业出版社,2002.

[2]史忠植.高级人工智能[M].北京:科学出版社,1998.

[3]姜雅慧.人工智能中的机器学习研究[J].计算机光盘软件与应用,2013/21.

[4]任锦,彭玮.浅谈人工智能技术[J].理工,2010/12.

[5]郭亚宁,冯莎莎.机器学习理论研究[J].中国科技信息,2010/14.

[6]王文.浅析机器学习的研究与应用[J].计算机与信息技术,2010/Z2.

[7]李健宏.人工智能中的机器学习研究及其应用[J].江西科技师范学院报,2004/10.

[8]李德毅.网络时代人工智能研究与发展[J].智能系统学报,2009/2.

[9]Weiss M A.Data Structures and Problem Solving Using C++[M].Pearson Education Inc.2000.