人工知能が自動的に知識やスキルを習得し、自己向上を図るプロセスとはどのようなものなのでしょうか？

自己改善を実現するプロセスが「機械学習」です。機械学習は人工知能の中核であり、コンピューターをインテリジェントにする基本的な方法であり、コンピューターが人間の学習行動をシミュレートし、学習を通じて知識とスキルを自動的に取得し、パフォーマンスを継続的に向上させ、自己改善を達成することを可能にします。機械学習は主に 3 つの側面を研究します: 1. 学習メカニズム、知識、スキル、抽象的な概念を獲得する人間の生来の能力; 2. 生物学的学習メカニズムの単純化に基づく、それを再現するための計算手法を使用した学習方法; 3. 学習ある程度の機械学習を実装できるシステム。

このチュートリアルの動作環境: Windows 7 システム、Dell G3 コンピューター。

人工知能が自動的に知識やスキルを習得し、自己改善を図るプロセスが「機械学習」です。

機械学習は人工知能の中核であり、コンピューターをインテリジェントにする基本的な方法です。

機械学習:

機械学習により、コンピューターは人間の学習行動をシミュレートし、学習を通じて知識とスキルを自動的に取得し、パフォーマンスを継続的に向上させることができます。

機械学習では、主に次の 3 つの側面を研究します。

(1) 学習メカニズム: 知識、スキル、抽象的な概念を獲得する人間の生来の能力。
(2) 学習方法: 機械学習方法の構造は、生物学的学習メカニズムの単純化に基づいており、計算手法を使用して再現されます。
(3) 学習システム：機械学習をある程度実現できるシステム。

#学習システムは、通常、環境、学習、知識ベース、実行、評価の 4 つの基本部分で構成されます。

#機械学習の分類

1. 学習手法による分類 ( Winston、1977) 機械学習、ガイド付き学習、例学習、類推学習、説明学習など。

2. 学習能力による分類:

教師あり学習 (教師による学習)

強化学習 (強化学習または強化学習)

非教師ありlearning (教師なしでの学習)

##3. 推論方法による分類: 演繹ベースの学習（説明学習）。

帰納ベースの学習 (例学習、発見学習など)。

4. 包括的な属性による分類: 帰納的学習、分析的学習、接続学習、遺伝的学習など。

機械学習

機械学習 (暗記学習) は、記憶学習、または暗記学習とも呼ばれます。外部環境から提供される情報を直接記憶または保存することによって達成されます。学習の目的は、知識ベースの検索を通じて対応する知識を取得し、それを問題解決に直接使用することです。

機械学習の本質は、ストレージ容量を処理時間と交換することです。

典型的な例: 1959 年、サミュエル (A.L. サミュエル) のチェッカー プログラム CHECKERS。

Samuel のチェッカー プログラム CHECKERS は、評価関数を使用して、指定された検索深さでパターンにスコアを付け、逆方向計算を通じて計算します。上位ノードの値を使用して、現在の最良の手を決定します。

次回同じ状況に遭遇した場合は、再計算せずにバックキャスト値を直接使用して最善手を決定します。

#機械学習の主な問題:

組織情報の保存

:適切な保管方法を使用して、できるだけ早く取得できるようにします。

保存された情報の環境安定性と適用性: 機械学習システムは、保存された情報が外部環境の変化に適応することを保証する必要があります。
ストレージとコンピューティングの間のトレードオフ: 機械学習にとって重要な点は、システムの効率を低下させることができないことです。
ガイド付き学習

ガイド付き学習 (言われて学ぶ) は、指導型学習または教授型学習とも呼ばれます。外部環境からシステムに一般的な指示や提案を提供することです。システムは特にそれらを詳細な知識に変換し、知識ベースに送信します。学習プロセス中、形成された知識は繰り返し評価され、継続的に改善される必要があります。

誘導学習の学習プロセス:

講師から指示や提案を求め、相談意見を実行可能な社内フォームに変換し、ナレッジベース、評価。

講師に指示や提案を求める

簡単な相談: 講師が全体的な意見を述べ、システムを作るそれはコンクリートです。
複雑な相談: このシステムは、インストラクターに一般的な提案を求めるだけでなく、知識ベース内の考えられる問題を具体的に特定し、修正の提案も行います。
受動的相談: システムは、講師からの意見の提供を受動的に待つだけです。
アクティブなコンサルテーション: システムは指示を受動的に受け入れるだけでなく、インストラクターの注意を特定の問題に集中させるために積極的に質問します。

相談意見を実行可能な内部形式に変換する

学習システムには、合意された形式で表現された相談意見をコンピュータの内部形式に変換する機能が必要です。フォームを実行し、変換プロセス中に構文チェックと適切な意味分析を実行する機能。

ナレッジ ベースに参加する

参加プロセス中に、競合、冗長、ループなどを防ぐために、ナレッジの一貫性をチェックする必要があります。質問。

評価

評価方法: 新しい知識を実証的にテストします。つまり、いくつかの標準的な例を実行し、その実行が以下の内容と一致するかどうかを確認します。既知の状況と一致しています。

事例学習

事例学習（事例から学ぶ、事例学習、事例から学ぶ）：環境からある概念に関連する事例を多数取得することで、多くの場合、一般的な概念を誘導する学習方法。

事例学習では、外部環境（教師）が事例（正例と反例）を与え、その専門知識からより広い範囲に応用できる一般知識をまとめ、すべての正例をカバーします。 . 例を使用し、すべての反例を除外します。

# 学習モデルの例

#関連する知識の詳細については、

FAQ

列をご覧ください。

以上が人工知能が自動的に知識やスキルを習得し、自己向上を図るプロセスとはどのようなものなのでしょうか？の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。