摘要：我国的经济建设在进入21世纪以来发展得越发迅速，同时现代化的科学技术也有了十分明显的进步，其中在计算机技术基础上发展起来的人工智能技术发展尤为明显，作为一门融合了信息科科学、数学等多种知识的新学科，其在未来社会必将对机器学习产生极其深远的影响。本文首先介绍了机器学习的三个发展进程，随后分析了基于人工智能技术的机器学习研究，旨在明确机器学习在未来社会的发展方向。
关键词：人工智能；机器学习；发展
前言：人工智能是诞生于上世纪中期的技术，自诞生以来就在社会发展中扮演着非常重要的角色。人工智能不只是一种技术，它更是一种包含了多种知识的学科。人工智能主要的研究题目的为学习、交流等内容，研究的最终目标是让计算机能够和人一样进行独立思考，要让计算机给人一种“人”的感觉。机器学习是人工智能重要的分支，同时也是发展最为迅速的分支，并且在现代社会的地位越来越高，因此对基于人工智能技术的机器学习进行分析是非常必要的。
一、机器学习的发展
（一）初始阶段
上世纪中期，机器学习刚刚开始萌芽，当时人们的目的是通过编程赋予机器“思考”的能力，从而使机器可以利用思考能力进行自我学习，进而实现自我的进化。这一阶段主要的工作内容为机器编辑各种逻辑程序和各种求解程序，这在当时是非常惊人的研究，而这也让当时的两位研究者获得了1975年的图灵奖。但当时的研究并没有赋予机器智能，后来有人提出了要先让机器懂得知识的观点，但当时的研究仍然为了后来的机器学习研究奠定了基础。
（二）发展阶段
机器学习的发展阶段是上世纪70年代到80年代，这个时期的专家系统使机器学习进入了新的发展阶段。但知识困境也同样存在于专家系统中，因为人类根本无法利用自身思维将无限的知识赋予机器，而为了解决这一困境，有人提出了让机器自己进行学习的观点[1]。机器的自主学习在上世纪50年代就有人开始研究了，到60年代已经有了非常多的学习技术，此时关于机器学习的统计学习和符号学习开始发展。到了1983年，世纪顶尖专家联合出版了《机器学习：一种人工智能》一书，其中汇聚了16篇关于机器学习的珍贵研究成果，引领了机器学习的走向。
（三）繁荣阶段
从上世纪80年代到现在，由于机器学习对其他知识的吸收，使其成为了一门独立的学科，并开始有了爆发式的发展，更新、更先进的机器学习技术出现得越来越频繁，算法也在向着多样化的方向发展。随着机器学习的繁荣，人们对其也有了更加明确的划分，例如“实例学习”、“观察发现学习”等都是机器学习被细分之后才出现的。机器学习的经典图书《人工智能手册》将机器学习更细致的分为了四个部分，分别为“机械学习”、“式教学系”、“类比学习”、“归纳学习”，今天机器学习的分支更多，在各种数据的处理上得到了非常好的应用。
二、基于人工智能技术的机器学习研究
（一）环境适应性机器学习
人类和机器最大的不同在于环境适应性，因此环境适应性也成为了人工智能技术下机器学习研究的主要内容。环境质量和机器学习的质量有直接关系，同时环境适应原则决定了机器内部体系的存放原则。但环境是复杂的，只有提供大量的外部数据支持才能实现机器在复杂的环境下进行的学习，在删减对应环节的基础上推广机器学习的环境适应性，并将其当作学习系统的动作准则。这样可使机器在复杂环境下进行学习，但是却导致学习过程变过于复杂，不利于机器学习的长期发展，因此对于环境适应性还需要继续研究。
（二）机器知识库的扩展延伸
机器知识库对机器学习来讲同样有着非常重要的意义，需要为知识库中知识的多样性提供保障，主要内容有知识库的特征向量、规则预言、网络关联，当对知识库进行设计的过程中，要保证知识可以对外进行延伸，从而切实提升机器的学习能力[2]。其具体的设计有以下几点要求（见图1），第一要保证机器表达的逻辑简单，第二要使推理过程简单化，第三要充分扩展和延伸知识。在人工智能的背景下，机器不仅要学习知识，更要懂得如何将学习的知识表达出来，这样对延伸知识提出了更高的要求。
（三）机器学习反馈评价体系
反馈和评价对基于人工智能的机器学习很重要，其中有三点重要的因素：第一是反馈和评价要以简单的规则为基础；第二复杂型反馈体系的建立要以多卜概念为基础；第三以对机器学习的反馈评价为基础，分步对小型评价进行设计。除此之外，还要让反馈评价更加透明，要用更透明的方式表现相应过程和结果，同时合理评价现有知识库，在反馈评种采用元级表达的方式，这样能够帮助机器学习更好的应用人工智能。
结束语：综上所述，对基于人工智能的机器学习进行研究是非常必要的，在明确机器学习不同发展阶段的基础上，通过环境适应性机器学习、机器知识库的扩展延伸、机器学习反馈评价体系研究机器学习在人工智能背景下的发展，从而推动机器学习对人工只能技术的深入应用，并以此为基础让人工智能推动社会向前发展。
参考文献
[1]黄鼎曦.基于机器学习的人工智能辅助规划前景展望[J].城市发展研究，2017，23(05):56-61.
[2]许祖铭.基于人工智能的机器学习历史及展望研究[J].电子世界，2018，49(15):72-74.
邓文强(1992--)，男，汉族，硕士研究生，研究方向：天体物理，云南大学物理与天文学院，云南省昆明市，650504
论文作者:邓文强
论文发表刊物:《科技新时代》2019年4期
论文发表时间:2019/6/18
标签：机器论文; 人工智能论文; 知识论文; 环境论文; 技术论文; 反馈论文; 知识库论文; 《科技新时代》2019年4期论文;