机器学习策略(2)符号学派

本节将讨论这些学派的代表性方法,并探究它们背后的思维方式和适用场景。通过学习四大学派,读者不仅能掌握不同的技术手段,还能培养多角度分析和解决问题的能力,为未来学习和实践构建完整的知识框架。

符号学派认为,认知的基本单元是符号,而认知过程则是对这些符号进行逻辑运算。根据这一思想,可以让计算机通过符号演算来模拟人类的智能行为。符号学派的研究者坚信,只要能正确表示和操作符号,计算机就能表现出足够的智能。从 20 世纪 50 年代中期到 80 年代后期,符号学派一直是人工智能研究的主流,其基于符号演算的智能理论及实践在当时占据了主导地位。

传统上,符号系统中的知识是由人类专家预先定义的。然而,在实际应用中,预定义规则往往无法涵盖所有新知识。为解决这一问题,符号学派的研究者引入了学习方法,通过整理数据发现新规律,使符号系统更适应复杂多变的现实环境。

符号学派从数据中总结出新规则

我们以专家系统来说明符号学派的学习过程。专家系统通常使用产生式规则进行符号演算,这些规则一般以"如果-那么"的形式呈现。例如,观察到"天空有云"和"湿度大"这两个条件时,可以推理出"可能会下雨"的结论。这些规则最初可能基于气象专家的经验设计,但也可以从观测数据中提取出新的规则,如图"如果天空有云且空气湿度大于 80%,那么可能会下雨",然后将其加入知识库以供后续推理,进而增强系统的适用性。

符号学派在人工智能早期取得了重要进展,但其局限性也逐渐显现。其主要问题在于学习能力有限------系统通常依赖预先定义的规则,且一旦规则确定,修改规则可能会破坏整个系统的稳定性,导致推理结果不可靠。

相关推荐
孟健9 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV9 小时前
Google 重返第一梯队
人工智能·google·aigc
十有八七9 小时前
手搓 Agent(五):学会翻书——RAG,先查资料再回答
前端·人工智能·后端
阿里云大数据AI技术9 小时前
阿里云 Milvus 场景中心|一键部署你的AI应用
人工智能
京东云开发者10 小时前
Agent 研发工作系统:面向多需求并行端到端开发的设计与实践
人工智能
IT大白鼠11 小时前
当 AI 开始自动化渗透:FBI ARTEX 警报的防守对策
运维·人工智能·自动化
进击的丸子11 小时前
1126B的Demo实操——虹软ArcFace SDK(RV1126BP ARM64 V5.0)交叉编译与运行指南
人工智能·程序员·代码规范
独隅11 小时前
Cann-Samples 实战应用与场景落地指南
人工智能·cann·cann-samples
阿里云大数据AI技术12 小时前
让 Agent 学会诊断 Elasticsearch:一套证据绑定的智能运维方法论
人工智能
十有八七12 小时前
手搓 Agent(四):长点记性——上下文满了怎么办,怎么记住上一次
前端·人工智能·后端