无监督学习让智能服务机器人更聪明（无线充电）

如果A是一个未定义的样本集，包含六个样本元素:人、狐狸、汽车、风、苹果和狗，我们将这个集合记为A = {人、狐狸、汽车、风、苹果和狗}。当处于“无监督学习”状态的计算机第二次接触集合A时，它会按照一定的逻辑关系对上述六个元素进行排序和分类，假设这六个元素暂时区分为两个小集合A和B，其中集合A = {人、狐、狗}标记为“活的”；集合B记录为{汽车、风、苹果}，标记符号为“无生命”。然后下一次一个样本元素“蚯蚓”进入计算机计算程序时，计算机会进行预判断，将元素“蚯蚓”划分到标记为“活的”的集合A中，并利用该集合的运算规则进行约束计算。

认为“无监督学习”实际上大大提高了人工智能的自主性。利用这套学习理论，智能服务机器人可以在大量样本中总结出合适的规则，并将新的样本元素与相似的规则进行比较。这样一种“自学并学以致用”的方法，无疑会给整个智能服务机器人的研发带来更加突出的贡献。

本·西奥教授进一步解释说，当人类接触到外界环境时，会根据环境的变化产生相应的心理变化。人在接收信息的同时，也会提出问题并给予反馈，不断修正自己对大脑中信息的原有判断。事实上，这样的思维模式正是“无监督学习”的集中表现。计算机接触到大量样本信息后，会根据这些样本的信息进行提炼和分类。当它遇到类似的数据信息时，可以利用之前完成的知识库进行比对，然后做出相应的程序操作。在这里，我们还是用例子来分析这个过程。

也就是说，“无监督学习”实际上赋予了计算机自主分类、判断甚至制定数据传输规则的能力。在这样的操作模式下，智能服务机器人也会有更强的学习和总结能力。一些专家正在设想，一些服务机器人可以通过特殊的设置，获得识别生命体的能力，然后在生命体面前保持安全。

       对于智能AI的“无监督学习”，蒙特利尔大学计算机科学与运筹学教授约书亚·本西奥就说道：“机器的进步是由大批量的样本学习训练进化而来，而这些数据必须都要有人为的规则标记。但是这样一种标记耗时耗力，无法形成规模化，因此在教导机器人的时候，我们必须找到另外一种方法。而在这个时候，‘无监督学习’也就浮出了水面。”