在人工智能发展早期，机器学习的技术内涵几乎全部是符号学习
问题一：在人工智能发展早期，机器学习的技术内涵几乎全部是符号学习，可是从二十世纪九十年代开始，统计机器学习犹如一匹黑马横空出世，迅速压倒并取代了符号学习的地位，人们可能会问：
在满目的统计学习期刊和会议文章面前，符号学习是否被彻底忽略了？它还能成为机器学习的研究对象吗？它是否将继续在统计学习的阴影里生活并苟延残喘？对这个问题有三种可能的答案：一是告诉符号学习：“你就是该退出历史舞台，认命吧！”二是告诉统计学习：“你的一言堂应该关门了！”单纯的统计学习已经走到了尽头，再想往前走就要把统计学习和符号学习结合起来，三是事物发展总会有“三十年河东，三十年河西”的现象，符号学习还有“翻身”的日子．第一种观点我没有听人明说过，但是我想恐怕有可能已经被许多人默认了．第二种观点我曾听王珏教授多次说过，他并不认为统计学习会衰退，而只是认为机器学习已经到了一个转折点，从今往后，统计学习应该和知识的利用相结合，这是一种“螺旋式上升，进入更高级的形式”，否则，统计学习可能会停留于现状而止步不前．王珏教授还认为：进入转折点的标志就是Koller等的《概率图模型》-书的出版，至于第三种观点，恰好我收到老朋友，美国人工智能资深学者、俄亥俄大学Chandrasekaran教授的来信，他正好谈起符号智能被统计智能“打压”的现象，并且正好表达了河东河西的观点．我请求他允许我把这段话引进正在撰写的序言中，他爽快地同意了，仅仅修改了几处私人通信的口吻，全文如下：“最近几年，人工智能在很大程度上集中于统计学和大数据．我同意由于计算能力的大幅提高，这些技术曾经取得过某些令人印象深刻的成果．但是我们完全有理由相信，虽然这些技术还会继续改进、提高，总有一天这个领域(指AI)会对它们说再见，并转向更加基本的认知科学研究．尽管钟摆的摆回去还需要一段时间，我相信定有必要把统计技术和对认知结构的深刻理解结合起来．”看来，Chandrasekaran教授也并不认为若干年以后AI真会回到河西，他的意见和王珏教授的意见基本一致，但不仅限于机器学习，而是涉及整个人工智能领域．只是王珏教授强调知识，而Chandrasekaran教授强调更加基本的“认知”．
400-626-7377
录播
公开课
题库
在线咨询