“人工智能的数理基础”主题论坛，他们从数学角度解决AI问题( 六 )_图1

图6/6

机器学习是从数据中挖掘出有价值的信息。数据本身是无意识的，它不能自动呈现出有用的信息。怎样才能找出有价值的东西呢？第一步要给数据一个抽象的表示；接着基于表示进行建模；然后估计模型的参数，也就是计算。

张志华认为机器学习的第一个阶层是基于规则的学习，这个阶段的历程比较成熟，它的目的就是规则，用规则去做预测。代表的形态有专家系统和句法模式识别。

后来，研究人员慢慢发现要做到从数据到表示牵涉深入的领域背景知识。比如，自然语言处理需要生活与的语言学背景，视觉或图像则需要通过认知、神经科学等来获取表示。

研究人员也慢慢发现，基于规则去学习出现了一些问题，比如，基于规则的模型对于浅层推理有效，但没法用来进行深层次的推理。如果规则过多，要做到在规则里面进行搜索，就容易出现维数灾难的问题。

为了解决这个问题，一个简单的思路是弱化从数据到表示的环节，基于这样的理论，机器学习进入了第二个阶段，即统计推理学习。

“人工智能的数理基础”主题论坛，他们从数学角度解决AI问题( 六 )