下面使用Winston（1975年）提出的结构化概念学习程序的例子作为模型来说明实例学习的过程。

Winston的程序是在简单的积木世界领域中进行操作，其目的是建立积木世界中物体概念定义的结构化表示，例如学习房子、帐篷和拱桥的概念，构造出这些概念定义的结构化描述。

系统的输入是积木世界某物体（或景象）的线条图，使用语义网络来表示该物体结构化的描述。例如，系统要学习拱桥的概念，就给学习程序输入第一个拱桥示例，得到的描述如图4-3（a）所示，这个结构化的描述就是拱桥概念的定义。接着再向程序输入第二个拱桥示例，其描述如图4-3（b）所示。这时学习程序可归纳出如图4-3（c）所示的描述。

假定下一步向程序输入一个拱桥概念的近似样品，并告知程序这不是拱桥（即拱桥的反例），则比较程序会发现当前的定义描述［见图4-3（c）］与近似样品的描述只是在B和D节点之间，“不接触”的链接弧有区别。由于近似样品不是拱桥，不是推广当前定义描述去概括它，而是要限制该定义描述适用的范围，因而就要把“不接触”链接修改为“必须不接触”。这时拱桥概念的描述如图4-3（d）所示，这就是机器最后学习得到的拱桥概念。

图4-3　拱桥概念的归纳学习过程

本章只对机器学习作了一个简单的介绍。机器学习的研究在过去10年中取得了较大的发展，越来越多的研究者加入了机器学习研究行列。现在已经建立起许多机器学习的理论和技术。除了本章介绍的学习方法，还有纠错学习、遗传学习以及训练感受器的学习和训练近似网络的学习等。(www.daowen.com)

随着机器学习的不断深入开展和计算机技术的进步，已经设计出不少具有优良性能的机器学习系统，并投入实际应用。这些应用领域涉及图像处理、模式识别、机器人动力学与控制、自动控制、自然语言处理、语音识别、信号处理和专家系统等。与此同时，各种改进型学习算法得以开发，显著改善了机器学习网络和系统的性能。

今后，机器学习将在理论概念、计算机理、综合技术和推广应用等方面开展新的研究。其中，对结构模型、计算理论、算法和混合学习的开发尤为重要。在这些方面，有许多事情要做，有许多新问题需要人们去解决。

习题

（1）什么是机器学习？为什么要研究机器学习？

（2）说明机器学习系统的基本结构，并说明各部分的作用。

（3）实例学习有几个环节构成？各有什么作用？