近十几年来由于对人工智能的需求的增加,机器学习如异军突起,获得了极为迅速的发展,成功的研制了多种学习系统,发表了大量影响巨大的论文和专著.机器学习是一个活跃的充满生命的研究领域,同时也是一个困难的争议较多的研究领域.其中新的概念、新的思想以及新的研究方法不断涌现,取得了令人瞩目的成就.机器学习与其它多种学科有着密切的联系.机器学习的核心是学习.它是一种系统性、理论性很强的逻辑和推理严密的方法手段.机器学习的方法很多,既有按传统的方法分类的归纳学习、演绎学习、分析学习、类比学习、科学发现、连接学习和遗传算法等,又有近十年来发展起来的加强学习,以及作为进化计算的模拟退火算法.实例学习是归纳学习的一种有示教的学习,模拟退火算法实际上是一种自适应学习机制.机器发现是从实例或经验数据中经归纳产生一般归律或规则的学习方法,是一种最富创造性的学习方法.科学发现是一个复杂过程.它包括设计实验、发现经验定律、制造新的仪器、形成理论、检验假说等侧面.各侧面间又存在复杂的相互联系.但科学发现同其它智力活动一样,可采用启发式搜索.另一方面科学发现具有与其它智力活动显然不同的特殊性.其中模型这一概念刻画了这种特殊性的一个方面.科学发现过程可以看作是分析原始实验数据,提出一种模型,在它的指导下进行新的实验,进而不断的改进与完善模型.清华的石纯一老师研制的CASM系统就反映了这种思想.其中发现使之间的关系在科学发现中占重要地位(如MP系统).要想发现多元、多种函数形式还有待进一步的改进.数值环境中的模型的这种基于归纳的发现,以模型思想为指导,把定量与定性结合起来.强调知识的获取、应用与完善的统一.本文将具体谈到它在自动诊断识别系统中的一些应用.