规则:从界限到相关性——维特根斯坦后期思想对"机器学习"的启示

摘要：

"机器学习"的关键就在于学习"规则".后期维特根斯坦认为学习是一个整体,规则在语境中才有意义,他主张用相似性取代规则.因此,在"机器学习"中既需要规则作为学习的基本结构,也需要相关性来展现语境,规则随之由封闭的界限变成了开放的相关性.相关性可以用要素之间的权重大小来表示,通过众多样例的集合形成语境,进而在动态的相关性中生成理解.由于相关性和语境紧密相关,而人类生活的语境恰恰是机器所匮乏的,因此机器学习虽然在某些方面胜过人类,但并不能取代人类学习,它只能作为人类学习的延伸.

关键词：规则、学习、家族相似、相关性、语境

所属期刊栏目：38

分类号：N031(科学的方法论)

资助基金：中央高校基本科研业务费专项2020jbkyzy031

在线出版日期：2022-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：40-46