机器学习的历程：从冷静期到复兴与快速发展

"这篇内容主要讲述了机器学习的发展历程和核心概念。从60年代到80年代，机器学习经历了冷静期和复兴期，期间技术从只能学习单一概念进步到能够处理多个概念，并依赖大规模知识库。自1986年以来，人工神经网络(ANN)得到了快速发展。此外，文中还引入了机器学习的基本定义和形式，强调学习是系统性能提升的过程，涉及知识获取和技能求精。" 在第六章“机器学习1”中，我们可以看到机器学习这一领域的历史演变。首先，60年代中叶到70年代中叶被称为冷静期，此时的机器学习技术尚不成熟，只能处理单一概念的学习，且受限于神经网络(NN)的局限性。接着，70年代中叶到80年代中叶是复兴期，机器学习开始发展到能够学习和处理多个概念，这通常基于大规模知识库的支持，使得机器学习的复杂度和能力有了显著提升。 1986年以后，人工神经网络(ANN)的迅速发展推动了机器学习的革新。ANN模拟人脑神经元的工作方式，通过学习数据来调整权重，从而实现对复杂模式的识别和预测。这一时期的进步极大地扩展了机器学习的应用领域，包括图像识别、自然语言处理等。 机器学习的定义在学界并没有统一标准，但普遍认为，学习是系统性能的提升，使系统能更高效地执行任务。例如，西蒙(Herb Simon)提出，学习是系统内部发生的改变，使得系统在执行相同任务时变得更加有效。明斯基(Minsky)则强调学习是心理内部发生的过程，涉及认知和技能的改进。 机器学习分为两个主要方面：知识获取和技能求精。知识获取是指通过学习得到新的信息和模型，构建对现实世界的理解；技能求精则指通过实践和反馈改进行为，如学习骑自行车，这种技能的习得和改进往往需要反复尝试和错误纠正。 在基本形式上，知识获取涉及创建新的符号知识结构和智力模型，这是一个自觉的过程。而技能求精更多是通过无意识的反复练习，如通过不断的骑行来改善平衡和协调能力。这两种形式共同构成了机器学习的核心，使计算机能够模仿人类学习并不断提高其性能。