且还必须是“活到老，学到老”。而机器那艾仪器学习却 能以 惊人 的速度 进行，并 且机器 不会 疲倦、不 用休息，因此其学习速度是人类所无法比拟的。 人类的知识不具有继承性，而机器的知 识可以 具有 继承 性。人类 的生命 年限 对人 们的 学习是一个极大的障碍。一个人一生可能积累了很多知识，但一旦生命结束，这些知识也就 随之消失了，他不能将其已经掌握的知识传递给他的子孙，使他的子孙在他已有的知识上继 续发展，他的子孙要想拥有他已有的知识，还必须花十几年的时间从头再学。随着社会和科 学技术的进步，知识以爆炸的形式增长，这就会使 一个 人的学 习时 间越 来越长，这 其实 是对 生命的一种浪费。如果计算机具有学习的功能，就可以把学习不断地延续下去，避免大量的 重复学习，使知识积累达到新的高度。 利用机器学习有利于知识的传播。对于人类来说，一个人通过一辈

子的学习，已经拥有 大量的知识，但他无法 让其 他 人拥 有和 他一 样的 知 识，其他 人必 须从 头学 起。而 对 于计 算 机，只要有一台机器“学会”了，其他机器只要简 单地“复制”一 下也 就“学会”了，非 常容 易实 现知识的快速传播。 综上所述，机器学习速度快、便于知识积累、学习结果易于传播，因此人类在机器学习领 域的每一点进步，都会使计算机的能力显著增 强，从而 对人类 社会 产生 影响，尤其 对今 天信 息化社会来说，这种影响将是十分深远的。 ６．１．３ 机器学习的发展史 自从２０世纪５０年代开始研究机器学习以来，经过了几个不同的发展时期，若以它们的 研究目标和研究方法来划分，可以分为四个阶段。其研究内容分别为：神经元模型和决策理 论；符号概念获取；知识增强和论域专用学习；连接学习。 １． 神经元模型和决策理论的研究 这一阶段始于２０世纪５０年代中期，主要研究目标是应用决策理论的方法，研制各类自 组织的、自适应的通用学习系统。这类系统 实际上 可以 称为 神经网 或自 组织系 统。它 的基 本思想是：系统是一个由互连的元件组成的网 络，网络 结构可 能是 任意 的，这 些元 件类 似于 神经元；如果给系统一组刺激、一个反馈源和修改 自身 组织的 自由 度，那么系 统就 可以 自适 应地趋向最优化。 这类学习系统的典型代表有 Ｆ．Ｒｏｓｅｎｂｌａｔｔ提出的感知器模型，它由阈值性神 经元组成， 试图模拟动物和人的感知及学习能力。 ２． 符号概念获取研究 这一阶段始于２０世纪６０年代中期。本阶段 的研 究目标 是模 拟人 类的概 念学 习过程， ６．１ 概 述 ２１３ 并采用逻辑结构或图结构作为机器的内部描述。

研究者们力图在高层知识符号表示的基础 上建立人类的学习模型，使机器能够采用符号来描述概念（符号概念获取），并提出关于学习 概念的各种假设。本阶段的代表 性工 作有 Ｗｉｎｓｔｏｎ的 结构 学习 系统 ＡＲＣＨ 和海 叶 斯－ 罗 斯（Ｆ．Ｈａｙｅｓ－Ｒｏｔｈ）等 的基 于 逻辑 的 归纳 学 习 系 统。虽 然 这 类 学习 系 统 取 得 了较 大 的 成 功，但只能学习单一概念，并且未能投入实际应用。 ３． 知识增强和论域专用学习 这一阶段始于２０世纪７０年代中期。这一阶段对机器学习的研究从学习单个概念扩展 到学习多个概念，探索不同的学习策略和各 种学习 方法。 机器学 习过 程一般 都以 大规 模知 识库为背景。学习系统中包括预先确定的概念、知 识结 构、论 域约 束、启发式 规则 和论 域有 关的变换。系统在开始时并不具有所有的属性或 概念，但 在学习 过程 中系统 将会 得到 一些