“知识获取”是人工智能和知识工程的基本技术之一，也是主要问题之一。知识获取和知识表示是知识推理的前提条件，通过知识表示，将所获取的知识，存储在知识库中，才能利用知识进行推理，求解问题。因此，知识获取是设计和建造各种人工智能和知识工程系统的关键问题。 一、知识获取的基本概念
所谓“知识获取”，是指在人工智能和知识工程系统中，机器（计算机或智能机）如何获取知识的问题。有二种定义： 叶之枫1．狭义知识获取
指人们通过系统设计、程序编制和人爱国家不等于爱朝廷-机交互，使机器获取知识。例如，知识工程师利用知识表示技术，建立知识库，使专家系统获取知识。也就是通过人工移植的方法，将人们的知识存储到机器中去。因此，狭义知识获取也可称为“人工知识获取”。
2．广义知识获取
除了人工知识获取之外，机器还可以自动或半自动地获取知识。比如，在系统调试和运行过程中，通过机器学习进行知识积累，或者，通过机器感知直接从外部环境获取知识，对知识库进行增删、修改、扩充和更新。因此，广义知识获取包括人工知识获取、自动和半自动知识获取。 二、知识获取的主要途径
在人工智能或知识工程系统中，一般说来，机器（计算机或智能机）获取知识的方法和途径，可分为三类：
1．人工移植
所谓“人工移植”，是依靠人工智能系统的设计师、知识工程师、程序编制人员、专家或用户，通过系统设计、程序编制及人机交互或辅助工具，将人的知识移植到机器的知识库中，使机器获取知识。
人工移植的方式可分为二种：
(1) 静态移植。在系统设计过程中，通过知识表示、程序编制、建立知识库，进行知识存储、编排和管理，使系统获取所需的先验知识或静态知识。故称“静态移植”或“设计移植”。
(2) 动态移植。在系统运行过程中，通过常规的人机交互方法，如“键盘-显示器”的输入/输出交互方式，或辅助知识获取工具，如知识编辑器，利用知识同化和知识顺应技术，对机器的知识库进行人工的增删、修改、扩充和更新，使系统获取所需的动态知识。故称“动态移植”或“运行移植”。
2．机器学习
所谓“机器学习”，是人工智能系统在运行过程中，机器通过学习，获取知识，进行知识积累，对知识库进行增删、修改、扩充与更新。
机器学习的方式可分为二种：
(1) 示教式学习。在机器学习过程中，由人作为示教者或监督者，给出评价准则或判断标准，对系统的工作效果进行检验，选择或控制“训练集”，对学习过程进行指导和监督。这种学习方式通常是离线的、非实时的学习，也可以在线、实时学习。
(2) 自学式学习。在机器学习过程中，不需要人作为示教者或监督者，而由系统本身的监督器实现监督功能，对学习过程进行监督，提供评价准则和判断标准，通过反馈进行工作效果检验，控制选例和训练。这种学习方式通常是在线、实时的学习。
在上述二种学习方式中，机器可以采用各种学习方法，如强记式、指导式、示例式、类比式方法等。
3．机器感知
所谓“机器感知”，是人工智能系统在调试或运行过程中，通过机器视觉、机器听觉、机器触觉等途径，直接感知外部世界，输入自然信息，获取感性和理性知识。
机器感知主要有二种方式：
(1) 机器视觉。在系统调试或运行过程中，通过文字识别、图象识别和物景分析等机器视觉，直接从外部世界输入相应的文字、图象和物景的自然信息，获取感性知识，经过识别、分析和理解，获取有关的理性知识。
(2) 机器听觉。在系统调试或运行过程中，通过声音识别、语言识别和语言理解等机器听觉，直接从外部世界输入相应的声音、语言等自然信息，获取感性知识，经过识别、分析和理解，获取有关的理性知识。
在机器视觉、听觉中，都要用模式识别、自然语言理解等方法和技术。
§4.2 机器学习
一、学习和学习系统的概念
1．“学习”的概念
“学习”是一个通俗的、广泛应用的概念，同时也是一个含义丰富、难以确切定义的术语。
不同的学科，不同的发展阶段，对“学习”的概念有不同的定义。例如：
∙ 在神经生理学中，巴甫洛夫把“学习”称为“条件反射的形成过程”。
∙ 在控制论中，维纳把“学习”称为“系统自我完善的过程”。
∙ 在人工智能中，西蒙把“学习”称为“系统积累经验，改善性能的过程”。
∙ 在知识工程中，认为“学习”是“知识结构的改进，知识的获得、积累和修正”。
这里包括两方面的知识：
∙ 显示知识——可用语言、文字或符号表示的知识，如书本知识。
∙ 隐式知识——不便用语言、文字或符号表示的知识，如经验技能。
2．“学习系统”的概念
由于学习的概念不同，相应的“学习系统”（也叫“学习机器”）的概念也有所不同。例如：
∙ 能够从某种过程或环境中的未知特征获取信息，并作为经验用于未来的估计、分类、决策或控制，以改进其性能的系统，称为“学习系统”。
∙ 若系统在其环境发生变化后的一段时间(T)内，相对于性能函数(P)的响应是令人满意的，则可称为“学习系统”。
∙ 能利用与环境相互作用时所获得的信息，在未来的与环境的相互作用中，改进其性能的系统，称为“学习系统”。
∙ 在与环境的相互作用中，不断使知识库完善化的系统，称为“学习系统”。
∙ 在系统运行过程中，能不断地从外界环境中获取知识，改善系统性能的系统，称为“学习系统”。
上述学习系统的定义大同小异，其中，学习系统应具备的二点共性是：
∙ 获取知识（信息）；
∙ 改善系统性能。
二、机器学习系统的类型
机器学习系统的类型很多，可按下列几个方面进行分类：
1．学习能力
机器学习能力大小的主要标志，是对人的监督和示教作用的依赖程度。据此可分为：
(1) 示教式学习系统
在学习过程中，需要人作为教师，进行示教、监督和训练，学习结束后才能投入工作。这也称为“离线”学习系统。
(2) 自学式学习系统
不需要人进行示教、监督和训练，机器在运行过程中，自动获取知识，改善性能。这也称为“在线”学习系统。
2．学习方法
机器学习方法，是指获取知识和改进性能的方式。据此可分为：
(1) 强记学习系统
机器在学习过程中，通过反复训练，利用奖惩规则或评价标准，强行记忆所获得的知识。
(2) 指导学习系统
在学习过程中，由人给出指导性的建议，机器通过知识推理，获得改善性能的具体行动规则，具有从一般到特殊的演绎推理功能。
(3) 示例学习系统
系统从训练集的许多事例或样本中，获取关于事物的特性和规律的知识，以提高其识别能力和性能，具有概括（从特殊到一般）和归纳推理功能。
(4) 阿克毛事件类比学习系统
系统通过类比方法，进行联想推理，获得类比关系和转换规则的知识，提高对其他类似事物的识别能力。
3．学习内容
水族繁殖
按所学习的知识的内容，可分为：
(1) 概念学习系统
学习内容是关于事物的概念、状态、性质等叙述性知识。其中包括单概念学习，如判断事件的真假、是否等；多概念学习，如疾病诊断、质谱分析等。
(2) 过程学习系统
学习内容是关于事物状态变化的过程性知识，如问题求解的步骤，机器人行动规则，语言的句法分析，模式的文法推断等。
4．知识表示方式
煤矸石砖根据机器学习系统中知识表示的方式，可分为：
(1) 数值学习系统
用数值表示知识，如概率值、权系数等，又可分为：
∙ 统计学习系统，如贝叶斯学习分类器。
∙ 参数学习系统，如权系数修正器。
(2) 符号学习系统
用符号表示知识，如产生式规则、语义网络、“与solver/或”树等，又可分为：
∙ 产生式学习系统，用产生式规则表示知识。
∙ 网络式学习系统，用语义网络表示知识。
三、机器学习系统的原理结构
机器学习系统是根据人工智能的学习原理和方法，应用知识表示、知识存储、知识推理等技术，设计和构成的，具有知识获取功能，并能逐步改善其性能的系统，可称之为“人工智能学习系统”或“智能学习系统”。
机器学习系统可以采取示教式或自学式，进行离线或在线学习。在学习过程中，可采用强记、指导、示例、类比等各种学习方法，进行奖惩式、演绎式、归纳式、联想式学习。根据所采用的学习方法，设计系统中的学习环节。
为了能够获取知识，改善性能，在机器学习系统中，应拥有知识库，并且要求知识库具有
增删、修改、扩充和更新的功能。在示教式学习系统中，还需要有相应的人机接口，以便机器向示教者学习，获取知识信息。
示教式学习系统通常是离线学习、非实时学习，但也可以在线学习、实时学习。自学式学习系统一般是在线学习、实时学习。所谓“在线”，是指学习系统与其工作对象或环境是直接联机的；而“离线”是不联机的。所谓“实时”，是指学习系统与其工作对象或环境的时间域是相同的，即实际运行时间；而“非实时”，其时间域是不同的。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议