Page 37 - 校本课程《人工智能启蒙》

监督学习：让机器使用人工标识过的数据训练识别图像

的过程，称为机器的“监督学习”。在监督学习过程中，准

备大量的有效数据和提取特征、建立模型是两大核心环节。

模型训练完成后，再给机器输入不加人工标识的测试数据，

得出建立的特征模型是否训练成功的结论。目前，监督学习

是机器学习中广泛使用的一种方法。

无监督学习：机器在训练过程中，使用不带人工标识的

数据，由机器通过无监督学习模型尝试理解图中的内容，并

将相似的物体聚到一起。实际上，无监督学习更接近人类的

学习方式。无监督学习为机器学习的未来发展方向给出了有

意义的启迪。

强化学习：是指从环境状态到行为映射的学习，以使系

统行为从环境中获得的累积奖励值最大的一种机器学习方

法。这种方法常被用来训练行为，比如玩游戏、无人驾驶、

推送广告等。

三、机器学习 VS 人类学习

机器学习研究的目的是使机器具有学习能力，但是机器

具有智能和机器能够思考毕竟是两个概念。人工智能算法需

要从大量的数据中学习事物规则，当缺少数据时，算法效果

不佳；作为对比，人类在缺少数据时也可以很快学习新事物，

举一反三，去应对变化中的事物，这一点目前机器学习是无

法做到的，未来人类与人工智能在学习方面的竞争将持续进

行。

33