1．知识表示方法
问题求解模块的结构是怎样一种形式？在那里用到的知识又
是怎样表示的呢？
— 4, 1 关于学习和机器学习 53
由于知识表示存在着可能相互变换 的情况 ，所 以学 习的本质
上的分类标准不可能得到 ，但是在参数 表示、神经 网络 、决策树等
方法中，由于在记述上是一种强限制的表示 ，所以它们各 自形 成为
一种单独的学 习范例 。
2．依 靠学习强化对 象
用什么样的观点提高媒体的能力呢？
增加知识量 （增大解决问题 的范围）；
增大响应速度 ；
精练的知识记述；
增加正确的回答率 。
以前 ，所谓机器学习与上述第一项中列举 的，以增加知识量为
目标 的研究 ，几乎是一样的 ，那 时，希望与现实之间存在着相当大
的距离。近年来 ，上述其他各项 内容 已成 为被 重视 的观点 。响应
速度的增大 ，与在限定 的时间内，能够处理多少 问题这种能力的提
高密切相关。同样 ，在记忆 容量受到限制的情况下 ，能对知识的整
理精练到何种程度 ，是和能与多少种类 的问题相适应密切相关 的。
另外 ，以前都是把学习没有错误的完全的知识作为前提的 ，但是实
际上允许知识 的不完全性 ，所以便 出现了正确 的回答率这种观点 。
3．从外界得到的信息
从外界得到什么样 的信息？这些信息又是怎样得到的呢？
首先 ，在学习中存在着
有教师的学习（supervised learning) ;
无教师的学习（unsupervised learning).
虽然教师和学生是具有共 同 目的的行 为媒体 ，但是哪一方处
于主导地位呢？
教师给学生提供信息 （教师主导型）；
教师回答学生提出的问题（学生主导型）；
双方根据需要边提 问边讲授 （交互型）。
另外 ，当考虑把教师提供 的信息 与学习 目标 的知识进行 比较
时，有
一般化了的情况；
特殊化了的情况 ；
提供的正是学习 目标的知识本身的情况。
所谓一般化了的情况，比如在零博奕的情况下，提供“请先占
据棋盘角落”这样一种建议 ，就属于这种情况。这种策略在棋赛终盘时是不适当的，因此学习者应对规则的适用条件作严格的规定 ，
从而有必要对知识进行 特殊化处理 。反之，对于所谓 特殊化了的
情况 ，只有像“这个是椅子”、“那个也是椅子”这样表示的具体例子
才是合适 的。当对提供 给学 习者的具体例子进行一般化 处理时，
必须得到关于什么是椅子的规则的记述。
在没有教师的情况下，学生对外界产生作用行为时，与有教师
的情况是不同的，这时