1.2　人工智能中的機器學習

使用機器學習的目的通常是希望借助算法進一步了解隱藏在數據中的規律，據此進行判斷和決策。例如，機器學習可以幫助人們選擇時間更短的行車路線、收益更大的股票組合、更受人歡迎的消費品。

進入20世紀60年代，人工智能技術的進展主要集中在機器學習（Machine Learning，ML）領域。1952年，Arthur Samuel加入IBM的波基普西實驗室（Poughkeepsie Laboratory），并開始從事一些機器學習程序的研究和開發，首次創建了具有檢查功能的程序。1963年，Donald Michie創建了一個由304個火柴盒和珠子組成的機器，該機器使用強化學習方法來玩“井”字游戲。1967年誕生的最近鄰（Nearest Neighbor）算法，是模式識別算法的初始階段。

1965年，由Charlie Rosen領導的美國斯坦福研究所向美國國防高級研究計劃局（Defense Advanced Research Projects Agency，DARPA）撰寫了一份研究計劃，該研究計劃詳細敘述了能夠執行偵察任務的智能自動機器人，DARPA向斯坦福研究所提供了75萬美元的資金來創建Shakey機器人。由斯坦福研究所于1979研制的Shakey機器人（見圖1.4，其組成構件如圖1.5所示）是當時最接近人工智能的機器人。Shakey是第一個能夠感知和推理周圍環境的移動機器人，通過簡單的機器學習算法，Shakey機器人具有規劃任務、尋找路線和重新排列簡單物體等功能。

圖1.4　Shakey機器人

圖1.5　Shakey機器人的組成構件

一般來說，機器學習可分為有監督學習和無監督學習，二者的區別是：

（1）有監督學習需要類別信息（即類別標簽）或目標值（即輸入數據X就能預測變量Y），主要用來執行分類和回歸。

（2）無監督學習不需要類別信息或目標值，主要用來執行聚類和密度估計。