5.7 机器学习的特点 5.7.1 对机器学习系统的评价 预测机器学习系统的行为，要比预测没有学习能力的系统更困难。学习的特点就是获取前所未有的新知识。因此，在获得巨大成效的同时，也存在着超出人类期望和控制的潜在危险。轻易使用机器学习解决重大问题，可能导致意外的困难和危险。 学习结果的正确性往往不能保证。机器学习方法一般采用归纳推理进行概括。归纳推理不是保真的，只是保假的。例如已知前提为："一中的学生都不迟到。"归纳推理的结论是："各中学的学生都不迟到。"显然，前提真时结论未必真。但若前提假则结论必然假。 归纳推理总能得到多个结论。怎样从中找到正确的结论呢？人类在进行归纳推理时往往使用各种启发信息、假设和约束。人类的一类认知过程是提出假设或猜想，再经实践验证。很多机器学习方法也是基于猜测和证实。但是严格的验证各种猜测，往往是困难的过程。 5.7.2 机器学习与人类学习的区别 人类的学习过程是漫长的，而且是极其缓慢的。从上小学到研究生毕业要花费20年的时间，而且毕业后还要在实际工作后继续学习。不能设想让计算机也用20年培养出一个科学家。摆脱这种低速度的学习，也是推动机器学习发展的动力。 当人类学习到概念、方法、原理后，不一定能实际完成有关的计算。因为人的计算速度太慢。但是机器学习到有关知识后，就能以相当快的速度完成实际计算。甚至不太懂原理，只要给出算法就能计算。 一个人学到的知识，几乎不能完全传授（复制）给其它人。人死后，他掌握的一切也随之消失。知识的传授极其困难。这也是导致学习过程缓慢的原因之一。而机器学到的知识，可以任意复制给另一台机器。这避免了大量的重复学习。机器学习是"一次性的"。 是否可以说："人类学习虽然慢，却是最有效的学习方式呢"？理解人类学习的机制，仍是人工智能研究的重要目标之一。 |