机器学习通俗谈
石文学
一、学习的概念
学习最初是一个哲学概念，后来教育学从哲学中分离出来后，学习又成为了一个教育学的概念, 思维学从哲学中分离出来后，学习又成为了一个思维学的概念, 再后来思维学与生物学、生理学相结合产生了心理学后，学习又成为了一个心理学的概念，教育学与心理学相结合产生了教育心理学后，学习又成为了一个教育心理学概念。
目前关于学习的理论可以大体分为三类。
（一）行为主义学习论的刺激反应连结说。
此种理论认为学习是在无条件反射基础上建立起的一系列有条件和无条件反射的连结。在条件刺激的种类上又分为外界对主体的被动刺激和主体主动对刺激的选择两类，学习主要表象为一系列的训练特征。
（二）认知学习论的顿悟说。
此种理论认为学习是主体在原有知识、经验结构基础上遇到外界新事物刺激时，出现了与原有知识、经验结构的矛盾失衡，在外界新事物和原有知识、经验结构的矛盾斗争中，主体对原有知识、经验结构进行调整寻找到新平衡的过程，学习主要表现为思考后的恍然大悟特征。
（三）人本主义学习论的人性说。
此种理论是在行为主义学习论和认知学习论的基础上，注重人区别于动物诸因素对学习的影响，学习主要表现出具有兴趣、爱好、情感、意志、态度、信念、价值观等非智力因素特征。
行为主义学习论和认知学习论把人的学习当作动物的学习，人本主义学习论突出了人特有的学习特征。
但他们的共同点都是把人作为一个系统，被动的或主动地与外界发生作用，经过一系列内部的连结、同化、顺应、调整过程，最终形成理想化的认知、情感、意志和能力。
二、学习的抽象
（一）狭义学习与广义学习。
狭义的学习是指动物和人类的学习，甚至专指人类的学习，广义的学习是指事物的指向反应、细胞的指向反射。如：动物的趋利避害、植物的向光趋肥都可以理解为是一种学习。
（二）简单学习与深度学习。
简单学习是只需要一次指向反应或指向反射完成的学习称作简单学习。深度学习是需要都多次指向反应或指向反射才能完成的学习称作深度学习。
深度学习中的每一个指向反应或指向反射可能是暂时横向并列的多个指向反应或指向反射，也可能是纵向的前后相关的互为因果条件的多个指向反应或指向反射，这些纵向和横向的多个指向反应或指向反射中，某几个指向反应或指向反射还有可能会跳跃地、斜向的构成相关联的因果条件关系，但最终所有纵向和横向指向反应或指向反射都会指向相同的一个指向反应或指向反射的方向，构成一个总相关的指向反应或指向反射网络。我们可以把它理解为深度学习网络。
(三)抽象学习与数学学习。
抽象学习是把学习理解为一个指向反应或指向反射的系统。简单学习就是一个简单的指向反应或指向反射系统，复杂学习就是一个由多个总相关的指向反应或指向反射子系统构成的网络系统。
数学学习是把学习理解为一个由因变量引起次变量的函数系统。简单学习就是一个简单的由因变量引起次变量的函数系统；复杂学习就是一个由多个总相关简单的由因变量引起次变量的函数系统构成的函数网络系统。
三、被动学习与主动学习
被动学习是学习中的刺激、条件、环境等因变量的出现
是通过有外界被动地提供给学习的主体、函数、系统，进而在这些刺激、条件、环境等因变量出现后，主体、函数、系统不能自觉进行指向性地连结、同化、顺应、调整、运算等引发因变量，也需要外界的扶助措施才能完成。
主动学习是学习中的刺激、条件、环境等因变量的出现
由主体、函数、系统自觉地进行探索而得，在这些刺激、条件、环境等因变量出现后，主体、函数、系统能自觉地进行指向性地连结、同化、顺应、调整、运算等引发因变量，不需要外界的扶助措施就能完成。
被动学习与主动学习是相对的，通常情况是被动学习中有主动学习，主动学习离不开被动学习。完全的被动学习是不会完不成学习，完全的主动学习只存在于人类，而且相对比较缓慢，有效地学习是被动中启发主动，主动中辅以被动。
四、机器学习
（一）机器学习的手段。
机器学习的手段是电子计算机，辅助于音响、图像、声纳、超声波、紫外线、电磁波等，各种可感应、涉取外部世界信息的手段。
电子计算机发展到现在，其收集信息、处理信息和进行运算的超人能力为机器学习提供了可能，各种可感应、涉取外部世界信息的现代手段，为人类认识世界提供了一个全方位的立体的全新的感觉系统，两者的结合使机器学习的资料愈加博大，使机器学习的内容和学习的收获也更加的丰富。
2、机器学习的机制。
（1）对外部世界觉的数字化。
现代感知外部世界的手段，都能把感觉到的世界转化为不同的数据信息，把世界通过各种数字化的方式表达出来，这就为通过对数据的分析、处理，实现有目的地学习探索外部世界提供了可能。
（2）各种数学理论及运算方式。
数学发展到今天，为这些数据的分析、处理提供了具体可行的运算理论和运算方式。如：集合、概率、线性代数、开关代数、模糊数学、二维平面解析、三维空间解析、四维多维数学理论及其运算等，都为数据的分析、处理提供了不同的函数模式，使这些数据的分析、处理、运算不仅成为一种可能，而且实现了按照人类期望方向上的精确运算。
（三）机器学习的特点。
机器学习的特点使较之一般意义上的电子计数机的运算表现出的特征。
一般意义上的电子计数机的运算，计算机是按照人提前设定好的程序进行运作，即计算机运算的函数是确定，人只要输入条件数据，即只要给计算机输入因变量，计算机就会按照设定好的函数程序通过运算得出结果。计算机是按照人的提前设定和人随时的输入被动地进行运算。
机器学习的特点是计算机在运算前，人没有给其特定的函数运算模式，而是有计算机自己通过对庞大的无序数据进行探索运算，从而得出规律性的函数运算模式，然后根据此函数运算模式，对输入的数据再进行运算得出结论。而且这个函数运算模式会随着数据的丰富自动地不断调整，进而再启动更高一层的运算，得出新状态下的人类需要的结论。计算机是给据人的需要自动地确定运算的函数模式，自动地进行运算得出人类需要的结果。
4、机器学习的优势。
机器学习的优势是与人类的学习比较而言的，有以下几方面的优势。
（1）电子计算机能储存人脑无法储存的大量数据。如：现代任何一台普通的电子计算机储存数据的量都远远超过了人脑。
（2）以电子计算机为代表的现代数据网更是人脑无法实现。如：各种数据库的共享已把世界连成了一体。
（3）电子计算机处理数据的能力也是人力不能望及。如：云数据、云计算。
（4）机器学习中的自选运行函数程序，自动运算也是人力难以达到。
5、 机器学习的缺陷。
机器学习的缺陷还来自与机器本身，功能再全的电子计算机从根本上讲还是机器
（1）再好的电子计算机本身还是人设计制造出来的，人如何设计制造决定了计算机的命运。
（2）再好的电子计算机都是靠人使用才能发挥作用，人如何使用电子计数机决定了电子计算机作用的发挥。
（3）作为机器的电子计算机与人相比的机械性质无法清除，人类通过眼、耳、鼻、舌、身，表情、动作语言，第六感官感知到的许多信息是电子计算机无法涉及。
（7）作为机器的电子计算机，人类可以通过电子计算机特征设计一些虚假信息对其进行误导。
（8）作为机器的电子计算机，不具备人类的情感、意志、信念、价值观的特征，没有爱恨谁用都行，这无疑成了即可造福人类又可危害人类的利器。
6、机器学习的前景。
机器学习虽然有诸多的缺陷，但它是人类实践的探索，
智慧的结晶，随着人类的继续不断探索定会不断趋于完美完善，人类的生物智慧会不断的受到挑战，有可能人类最终会毁于电子计算机的机器学习。
联系客服
