5.6 机器学习的研究目标 机器学习的研究目标有三个：通用学习算法的理论分析和开发；开发人类学习过程的计算模型（又称认知模型）；构造专用学习系统的面向任务研究（又称工程目标）。 5.6.1 通用学习算法 这个方向的研究是理论分析任务和开发用于非实用性学习任务的算法。对算法的类型没有限制。算法不一定类似于人类采用的方法。有些人认为至少学习产生的知识结构应该类似人类的知识结构，即使学习过程不同。目前正在研究可能的学习算法的理论空间。这一方向的研究有Winston(1986)的由增加规则和存贮检查学习；Utgoff(1986)的改变归纳性概念学习的倾向性；Sammut(1986)的由问问题学习概念和Kodratoff(1986)的改进学习中的一般化步骤。 5.6.2 认知模型 这一方向是研究人的学习的计算理论和实验模型。这种研究不仅对人类的教育，而且对开发机器学习系统都有重要的意义。这一方向的研究有Rosenbloom(1986)的目标体系的分块（一种一般的实用模型）；Anderson(1986)的知识编译（通用学习机理）和Carbonell(1986)的推导类比（重构的问题求解和专业知识获取）。 5.6.3 工程目标 这一方向是要解决专门的实际问题，并开发完成这些任务的工程系统。一个例子是学习识别飞机危险飞行条件的程序。这些问题往往不仅涉及学习还涉及其它问题，例如合理解释输入信号或开发问题专用的数据变换。前面两个方向中的有用的思想都会用于这方面研究。往往在找到一个特定问题的解以后，把它推广为解决另一类似问题的方法。例如Dietterich(1986)的学习预测序列。 |