7、模式识别与机器学习的发展历程及影响

模式识别与机器学习的发展历程及影响

1. 模式识别的理论化与发展困境

早期模式识别在20世纪50 - 60年代存在两种话语模式。一种是基于对不可预测的社会数据可靠性的需求，追求上下文的稳健性；另一种则是极端自负的，试图重现人类感知的上下文意义，甚至是人类已知或未知的内容。

理论化是将模式识别应用于新问题的潜在手段，它可以对特定应用的复杂性进行分类，并估计开发新解决方案所需的资源。同时，理论化也是将不同研究者统一成一个学科的策略，包括举办会议、形成收入流、提供专业机会、建立培训渠道和树立威望模式等。

到20世纪60年代末，人们渴望了解机械化分类判断何时、为何以及如何失败，这需要对整个模式识别事业进行深入的方法论审视。例如，Louis Fein的“机器智能无能原则”指出，已知我们不能知道或做什么是我们现有知识中最可靠的部分，并列举了数学中的哥德尔定理、相对论中的相对性假设、量子力学中的海森堡不确定性原理、热力学第二定律等例子。这些无能原则都关注可能解决方案的普遍适用性。

在模式识别研究中，存在着一些问题。如在第二次IEEE会议上，有研究者指出模式识别倾向于解决非常有限的问题，缺乏对不同方法进行比较评估的手段，这阻碍了研究的传播和领域的统一。对此，半个世纪前的研究者提出的解决方案与如今常见的方案实质相似，即开发一种供“非专家”使用的“系统研究操作方法”，涵盖从数据集创建到最终实施及其后续影响的全过程。

2. 决策理论在模式识别中的局限性

尽管有决策理论的数学工具，但许多研究者认为它不足以解决模式识别问题。一篇论文指出，决策理论只有在辅以大量启发式思维时才会产生影响。对于设计中无法形式化的方面，交互式方法，即人类参与设计过程