《机器学习的哲学探索》部分摘抄

《机器学习的哲学探索》对机器学习发展至目前阶段进行了哲学上的阶段性反思，对许多具体的问题做了一定的哲学探索工作，这里对其结论章节做部分摘抄。

“

一、对机器学习的基本看法

机器学习研究的前沿和热点问题是“决策树”、“增强学习”、“贝叶斯网络”、“聚类”、“神经网络算法”、“数据挖掘”、“支持向量机”、“关联问题”、“预测”、“独立组建分析”、“在线学习”等，在此基础上 归纳概括成九个知识群；昆兰，布莱曼，瓦普尼克，珀尔，萨顿，米切尔等是机器学习研究中的主要科学共同体。“增强学习”与人工智能中的行为主义密切相关，联结主义和物理符号主义两个派别由队里走向了融合，形成了一“分类技术”为核心，向“分类算法的改进”和“计算学习理论”两个方面的演化，理论与实践之间的胡栋平衡是机器学习研究发展的内在动力。

对机器学习的概念做一个总结就是：机器学习，不仅是人工智能的一个重要分支，而且是实现人工智能的一个重要途径。机器学习的研究目的有两个：一个是主要是为人类服务的，是人类获得知识的一个辅助手段，通过机器学习获得的知识能够为人类理解，并且成为人类知识体系的一个组成部分；另一个主要是为机器本身服务的，而这部分只是形式人类未必能够理解，主要用于提高和改善机器的性能，使机器具有更强的智能。

二、从哲学角度探索机器学习的实现途径

如何从哲学的角度探索机器学习的实现途径，是机器学习哲学的一部分。机器学习的本体论基础是“存在着一台能够实现足够轮机功能的通用机器，能够模拟所有的逻辑规律”。那么根据不同的分类标准，可以得出许多不同的可能实现途径；如果从人类认识论的角度来粉嫩系，那么机器学习有两种可能实现途径。

第一种途径是演绎推理模式。通过构建一个相对深刻的哲学系统，人类把知识体系进行编码，形成相应的推理规则，机器可以执行逻辑推理，实现类似于人类的学习功能；在这条途径中，一个隐含的假设是人类拥有的知识是对客观世界的近似表达。第二种途径是归纳统计模式。统计学为概然性问题提供了一个适当的经验基础，盖然性和形而上的新年为选择合适的假说提供了条件，从而使得机器能够根据经验自动编写或修改程序，以及获得新知识，增强机器的性能。

三、机器学习对传统知识发现问题的推进作用

“科学发现的逻辑”是科学哲学中的一个重要论题。机器学习的一个重要功能是知识发现，而基于机器学习的知识发现是通过算法实现的。机器学习算法的构建过程是“本体论”、“方法论”、“学科基础问题”、“具体算法的实现”四个阶段组合而成的。

”