（一）学习
学习是人类具有的一种重要的智能行为，但至今还没有一个精确的、能被公认的学习的定义。这一方面是由于来自不同学科，例如神经学、认知心理学、计算机科学等的研究人员，分别从不同的角度对学习给出了不同的解释；另一方面，也是最重要的原因是学习是一个多侧面、综合性的心理活动，它与记忆、思维、知觉、感觉等多种心理行为都有着密切联系，使得人们难以把握学习的机理与实质，因而无法给出确切的定义。
目前，对“学习”的定义有较大影响的观点主要有：
（1）学习是系统改进其性能的过程。这是西蒙（Simon）关于“学习”的观点。1980年，他在卡内基梅隆大学召开的机器学习研讨会上作了“为什么机器应该学习”的发言。在此发言中，他把学习定义为：学习是系统中的任何改进，这种改进使得系统在重复同样的工作或进行类似的工作时，能完成得更好。[1]这一观点在机器学习研究领域中有较大的影响。学习的基本模型就是基于这一观点建立起来的。
（2）学习是获取知识的过程。这是专家系统研究人员提出的观点。由于知识获取一直是专家系统建造中的困难问题，因此他们把机器学习与知识获取联系起来，希望通过对机器学习的研究，实现知识的自动获取。[2]
（3）学习是技能的获取。这是心理学家关于如何通过学习获得熟练技能的观点。[3]人们通过大量实践和反复训练可以改进机制和技能，如像骑自行车、弹钢琴等都是这样。但是，学习并不只是获得技能，它只是学习的一个方面。
（4）学习是事物规律的发现过程。在20世纪80年代，由于对智能机器人的研究取得了一定的进展，同时又出现了一些发现系统，于是人们开始把学习看作是从感性知识到理性知识的认识过程，从表层知识到深层知识的转化过程，即发现事物规律、形成理论的过程。
综合上述各种观点，可以将学习定义为：学习是一个有特定目的的知识获取过程，其内在行为是获取知识、积累经验、发现规律；外部表现是改进性能、适应环境、实现系统的自我完善。(www.xing528.com)
（二）机器学习的概念
机器学习使计算机能模拟人的学习行为，自动地通过学习获取知识和技能，不断改善性能，实现自我完善。
作为人工智能的一个研究领域，机器学习主要研究以下三方面问题：
（1）学习机理。这是对人类学习机制的研究，即人类获取知识、技能和抽象概念的天赋能力。通过这一研究，将从根本上解决机器学习中的问题。
（2）学习方法。研究人类的学习过程，探索各种可能的学习方法，建立起独立于具体应用领域的学习算法。机器学习方法的构造是在对生物学习机理进行简化的基础上，用计算的方法进行再现。
（3）学习系统。根据特定任务的要求，建立相应的学习系统。
从计算机算法角度研究机器学习问题，与生物学、医学和生理学，从生理、生物功能角度研究生物界，特别是人类学习问题有着密切的联系。最近国际上新兴的脑机交互（brain－computer interface，BCI）就是从大脑中直接提取信号，并经过计算机处理加以应用。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
