虚拟现实与人工智能应用技术融合研究：简单学习模型及影响因素

学习能力是人类智能的根本特征，人类通过学习来提高和改进自己的能力。学习的基本机制是设法把在一种情况下成功的表现行为转移到另一类似的新情况中去。1983年西蒙对学习定义如下：能够让系统在执行同一任务或同类的另外一个任务时比前一次执行得更好的任何改变。这个定义虽然简洁，却指出了设计学习程序要注意的问题。学习包括对经验的泛化：不仅是重复同一任务，而且领域中相似的任务都要执行得更好。因为感兴趣的领域可能很大，学习者通常只研究所有可能例子中的一小部分；从有限的经验中，学习者必须能够泛化，并对域中未见的数据正确地推广。这是个归纳的问题，也是学习的中心问题。在大多数学习问题中，不管采用哪种算法，能用的数据不足以保证最优的泛化。学习者必须采取启发式的泛化，也即他们必须选取经验中对未来更为有效的部分。这样的选择标准就是归纳偏置。

从事专家系统研究的学者认为，学习就是知识获取。因为在专家系统的建造中，知识的自动获取很困难。所以，知识获取似乎就是学习的本质。也有的观点认为，学习是对客观经验表示的构造或修改。客观经验包括对外界事物的感受，以及内部的思考过程，学习系统就是通过这种感受和内部的思考过程来获取对客观世界的认识。其核心问题就是对这种客观经验的表示形式进行构造或修改。从认识论的观点看，学习是事物规律的发现过程。这种观点将学习看作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泛化过程，也即学习是发现事物规律，上升形成理论的过程。

总结以上观点，可以认为学习是一个有特定目的的知识获取过程。通过获取知识、积累经验、发现规律，使系统性能得到改进、系统实现自我完善和自适应环境。如图6-1所示，给出了简单的学习模型。

（一）环境

环境是指系统外部信息的来源，它可以是系统的工作对象，也可以包括工作对象和外界条件。例如，在控制系统中，环境就是生产流程或受控的设备。环境就是为学习系统提供获取知识所需的相关对象的素材或信息，如何构造高质量、高水平的信息，将对学习系统获取知识的能力有很大影响。

图6-1　简单的学习模型

信息的水平是指信息的抽象化程度。高水平信息比较抽象，适用于更广泛的问题；低水平信息比较具体，只适用于个别的问题。如果环境提供较抽象的高水平信息，则针对比较具体的对象，学习环节就要补充一些与该对象相关的细节。如果环境提供较具体的低水平信息，即在特殊情况执行任务的实例，学习环境就要由此归纳出规则，以便用于完成更广的任务。

信息的质量是指对事物表述的正确性、选择的适当性和组织的合理性。信息质量对学习难度有明显的影响。例如，若向系统提供的示例能准确表述对象，且提供示例的次序又有利于学习，系统易于进行归纳。若示例中有噪声或示例的次序不太合理，系统就难以对其进行归纳。

一般情况下，一个人的学习过程总是与他所处的环境以及他所具备的知识有关。同样，机器学习过程也与外界提供的信息环境以及机器内部所存储的知识库有关。(www.xing528.com)

（二）学习单元

学习单元处理环境提供的信息，相当于各种学习算法。学习单元通过对环境的搜索获得外部信息，并将这些信息与执行环节所反馈回的信息进行比较。一般情况下，环境提供的信息水平与执行环节所需的信息水平之间往往有差距，经分析、综合、类比和归纳等思维过程，学习单元要从这些差距中获取相关对象的知识，并将这些知识存入知识库中。

（三）知识库

知识库用于存放由学习环节所学到的知识。知识库中常用的知识表示方法有谓词逻辑、产生式规则、语义网络、特征向量、过程和框架等。

（四）执行单元

执行单元处理系统面临的现实问题，即应用知识库中所学到的知识求解问题，如智能控制、自然语言理解和定理证明等，并对执行的效果进行评价，将评价的结果反馈回学习环节，以便系统进一步的学习。执行单元的问题复杂性、反馈信息和执行过程的透明度都对学习环节有一定的影响。

当执行单元解决当前问题后，根据执行的效果，要给学习环节反馈一些信息，以便改善学习单元的性能。对执行单元的效果评价一般有两种方法，一种评价方法是用独立的知识库进行这种评价，如AM程序用一些启发式规则评价所学到的新概念的重要性；另一种方法是以外部环境作为客观的执行标准，系统判定执行环节是否按这个预期的标准工作，并由此反馈信息，来评价学习环节所学到的知识。