【摘要】:尽管如此,机器学习的不可预测性使得中国中医医疗诊断系统难以得到实际应用。如果将机器学习的目的扩展到从环境、工作、人机交互中自动提取、更新知识,那么学习产生的效果就更加不可预测。演绎推理是从多数现象中总结出结论。同时,这些也都是人为制定的,因此机器学习中依然存在着不可靠性。3)判断难机器目前很难判断什么重要,什么有意义,应该学习什么。
1)预测难
目前的大多数专家系统都是脱离环境的学习,即将人类专家准备好的知识以某种方式传授给机器。尽管如此,机器学习的不可预测性使得中国中医医疗诊断系统难以得到实际应用。如果将机器学习的目的扩展到从环境、工作、人机交互中自动提取、更新知识,那么学习产生的效果就更加不可预测。
2)推理难
现有的归纳推理只保证假,不保证真(演绎推理保真)。而且,归纳的结论是无限多的,其中相当多是假的,给生成的知识带来不可靠性。
演绎推理是从多数现象中总结出结论。例如根据“今天下雨了同时也阴天,昨天下雨了也是阴天”可以演绎出规则:“下雨”→“阴天”。即从一般的现象推出总结性的结论。(www.daowen.com)
归纳推理是从特殊的数个例子中总结出一般的规律,例如燕子会飞→鸟会飞。这比较容易产生错误,比如鸵鸟不会飞,孔雀也不会飞。
演绎与归纳不是矛盾的,各有利弊,两者经常是在一起使用的。归纳的结论有可能是假的,因此,推理过程中要使用很多假设和约定,加上适当的回溯以避免中间过程中的错误。同时,这些也都是人为制定的,因此机器学习中依然存在着不可靠性。
3)判断难
机器目前很难判断什么重要,什么有意义,应该学习什么。如果要使机器能够从实践中提取知识,自动学习,就必须首先要求机器懂得什么是该学的,什么是值得学的。
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。
有关人工智能原理及应用的文章