【摘要】：人工智能的核心问题是学习。机器学习的核心是统计，这一点可从Vapnik 的书中明确看出。用统计归纳方法可得到系统运动遵循的轨道规律，然后根据这种规律推测出特定系统的运动轨道，这是现在人工智能的学习方法。目前在语音识别研究中，已经建立了种种国际标准语音库。写有关语音处理的文章时，必须用标准语音库学习，否则学习效果不被承认。
人工智能的核心问题是学习。如果一台机器有自己学习的功能，则可称其具有人工智能。人工智能学习的关键是什么？要有数据库。机器学习的核心是统计，这一点可从Vapnik 的书中明确看出。Vapnik 认为，机器碰到的所有学习问题都可以从统计中找到答案［45］，他还提出了统计学习理论，该理论现在被广泛采用，而且发展十分迅速，统计已经成为人工智能不可缺少的工具。用统计归纳方法可得到系统运动遵循的轨道规律（经验学习过程），然后根据这种规律推测出特定系统的运动轨道，这是现在人工智能的学习方法。可是这种学习几十年来并没有帮助机器学到人的学习方法。目前在语音识别研究中，已经建立了种种国际标准语音库。写有关语音处理的文章时，必须用标准语音库学习，否则学习效果不被承认。问题是现在的“标准语音库”真的标准吗？虽然使用了标准语音库进行学习，机器的语音辨识能力还是远不如人。有人认为机器的学习效果之所以差，关键是它们还没有掌握正确的学习对象的特征量。只要能真正理解语音，正确掌握特征量，机器便能和人一样进行语音辨识。事实证明，使用同样的程序但使用不同数据库，学习结果就是不一样的。但到目前为止，世界上还没有找到标准的英语语音数据库，同样也没有标准的中文语音数据库，有了S 空间理论，是否需要反思“统计”这个概念的适用性？经过分析，我们认为根本不存在标准数据库。(www.xing528.com)
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。
