本文将在哲学视野下研究人工智能科学,把人工神经网络模式识别的学习过程作为研究的对象,通过在哲学视域下对有无监督学习的调节机制的探讨,以解决在人工智能的发展过程中引发的瞩目问题。并将对比有监督学习与无监督学习的不同学习阶段,指出经验与数据是人类和计算机进行模式识别的关键,从产生依据上明确人工神经网络模式识别和人类模式识别的过程和方法。本文通过将人工神经网络模式识别的方法与哲学学科古老问题智慧的研究相结合,丰富人工智能科学的研究领域,在这一研究过程中,试图找到研究哲学问题的新视角与新途径。首先,本文从人工神经网络模式识别的原理进行概述,依据生物神经网络模式识别过程与人工神经网络模式识别过程的差异,认为人工神经网络模式识别具备适应性、容错性和可调节性的特点,这些特点符合人脑模式识别的特征,所以在机器识别当中数据可以转换为人类模式识别的经验,成为人工智能科学智慧研究的对象。除此之外,人脑具有自我保护和自我意识等人类独有的能力,可以在无监督的环境下进行自主学习。对人工智能来说,需要外在监督环境进行数学算法,以及从有监督学习与无监督学习之间的差别来探讨在模式识别过程之中,人工智能与人类智能分别进行的不同的学习和训练过程。其次,从人工神经网络模式识别的机理来进行探讨。对于人工神经网络模式识别的研究发现,由于十分侧重于对人类思维过程和行为能力的模仿,并在模仿的基础上对人工智能的未来发展趋势进行预测。在人工智能的发展历程当中,人工神经网络模式识别占有十分重要的地位,其中的人工神经网络更与人类大脑的生物神经网络中有不谋而合之处。人工智能主要是通过利用大数据来获取纷繁复杂的项目类别信息,用模式识别对信息中的特征进行选择、分析和判断的过程。由于人工智能的核心就是算法,人工神经网络模式识别是从大量的、未知的、不确定的、随机的数据当中,提取隐含在其中的、人们无法预先知道的、具有深层价值信息的过程。这种识别过程还被认为是模式识别系统中最重要、最具发展前景的方法。本文以有监督学习和无监督学习为例,对其中模式识别、模式调整以及学习过程的探讨出发来证得算法的智能性、组织性和适应性。以此对模式识别的过程进行梳理,得出经验是人脑在进行模式识别的主要基础,而人工智能则是以数据为前提和条件进行。基于数据和经验这两种不同的信息获取方式,有部分人工智能悲观主义者认为,人工智能在很大程度上将会超越人脑的功能性,还有的甚至会威胁到人类的生存地位。人工智能的快速发展,研究人员在惊讶的同时,也需要不断的反思回顾,由人类创造出的人工智能是一种什么种类的智能,它的存在和发展能否将取代人类的生存和发展,这都是需要通过验证分析去得出结论的。最后,基于对人工神经网络模式识别机理的认识,对人工智能与人类智能的存在前提进行讨论,得出人工智能与人类智能的主要区别在于是否需要外在监督。数据虽然作为人工智能解决现实问题的基础,但数据是由数学逻辑符号和人为数据集的提供产生。而在真正的现实生活中,是无法存在这样一个监督者给与监督的。于是,人类作为具有自我意识的主体,应当完善自己的思考方式和行为方式,通过对这些问题的思考,发展出人工智能与人类智能界限产生的新认识,是规范人工智能发展的必不可少的要素。