嗯, 用這種模式化的方法的確比較方便又易維護.........
用在準確無誤的手動學習上的確有效, 不過我恐怕用在自主學習不太實用..........
(其實我寫學習系統主要是為了自主學習, 不是手動學習)
原因大概如下:
1. 學習過程中, "類"的屬性會不斷改變(畢竟有可能出現新的未知屬性), 甚至某父類或實例會突然脫離關係(基於發現錯誤連繫)
看看以下例子:
類1--木瓜{ 特徵:生果 ; 属性:味道,氣味,品種...... ; 方法:被吃}
如果某輸入"番木瓜是木瓜來的", AI會分類"番木瓜"是屬於"木瓜"
於是會出現 類2--番木瓜{ 特徵:木瓜,生果 ; 属性:味道,氣味,品種...... ; 方法:被吃}
重點是, 萬一跟你跟AI說"其實番木瓜跟木瓜是兩種東西的喔!"
AI究竟要怎樣分割番木瓜和木瓜之間的關係呢?! 或許您曾經輸入過"番木瓜的味道很好"(同時表示番木瓜有味道這屬性)
本來屬於番木瓜的屬性(例如味道) , 究竟要怎樣判斷是否跟木瓜有關呢?
所以你會發現我的寫法是"面向實例"的, 因為只要它們有獨自的屬性
就不會出現類屬之間的直接干涉
(尤其是直接版, 由始至終不會自動歸類, 每個事物只會記錄自己的特徵)
2.類別的多樣化絕對是問題. 以您的看法, 始終要定義某個"類"的屬性, 特徵和方法
可是實際上, AI可能在自動學習中知道"蘋果"有"甜"這種屬性....但在AI知道"甜"是"味道"之前
不可能出現一個擁有"味道"這個屬性的類!! 那麼"甜"這屬性之前要怎樣處理呢?
難道AI每次的自動學習之後, 都要問主人要怎樣處理嗎(汗)
而且每個事件自己也是個類, 屬性可能會加加減減的.........
怎樣說都會搞出程式混亂
再者, 就算是手動學習, 恐怕要窮盡"類"的可能性是超級苦力幹, 效果也不見得有多好 囧
3.這種方法似乎不利於一些屬性的辨別
例如: 某某君--[屬性:性格(善良)&性別(雄性).........]
如果我輸入"我遇到個很好很好的男人喔!"........AI會辨別得到"某某君"是屬於他說的那類人嗎?
我們因此一定要建構"同義詞/詞彙意思庫", 記錄"善良"有"好"的意思, "雄性"等於"男"等等
4.屬性是不言而喻的記錄(例如指定函數/陣列的某個位置), 還是用文字記錄的?
請您想想, 如果我輸入"味道很甜的水果"
AI大概會分析自己要從"水果"這個類中找出擁有"味道"這屬性是"甜"的實例
好啦, 如果屬性是不言而喻的話, AI根本無法分析"味道"這屬性在哪裡
不要說只需要找出"甜"這屬性的存在, 因為除了"味道很甜"之外, 還有"笑得很甜"等等的
直接找出"甜"的話會正中下懷呢(畢竟人類的說話就有很多變化, 會一詞多用呀)
所以屬性最終要用到文字記錄(這樣AI就知道"味道"在哪裡), 同時需要"同義詞/詞彙意思庫"
這樣就變得跟我寫的聯想判斷式差不多了..............
所以如果不是準確無誤的學習, 面向對象也不是好用得多的方法
以上是我的部分見解~ 請多多指教啦(死)
因為本人沒有接受過正統程式學習, 所以邏輯上可能不太完整~
-------------------------------------------------------------------------------------------------------------------
其實樂觀點來看, 如果今年中國一定會有大地震的話, 在這種日子出現總比在奧運時出現好!
如果奧運的時候, 北京突然震了一震, 水立正的水突然出現了波濤, 鳥巢突然搖了一搖.........
恐怕會引起觀眾恐慌吧...........某些可愛的人又要嚷著要離開的了(順便杯葛)
再者, 如果發生在冬天的話, 下雪和冷天氣會凍死沒有被立即救出來的人.........
如果發生在炎夏的話, 下雨會引發更可怕的山泥傾瀉和令救援困難起來........因屍體而起的疫病會很嚴重...........
[
本帖最後由 yinkit 於 2008-5-15 11:26 編輯 ]