|
想象这么一个场景......
你开着车，快速地往下一个路口驶去，你知道，到了下一个路口就要右转了。
【这件事情很简单，坐在驾驶室内，看到下一个路口，往右边打方向盘就好了】 
突然，前挡风玻璃碎了...... 【由于故事情节需要而设计的情节，不要深究】
此刻，你已经无法看清前面的路了，这时候，你该怎样才能知道什么时候右转？
还好，你是一位数学家， 智商及时上线... 数学家根据自己的经验， 估计这条笔直的道路上 
这也就意味着如果随意的右转，有 95% 的概率是错误的。 数学家从后视镜看出去，发现后面有一辆车在打右转弯灯，他意识到： 
新的信息出现了，此时如果右转，错误的概率就比之前小很多。 这种思考方法，就是 贝叶斯定理 所阐述的思考方法。 Thomas Bayes 贝叶斯是18世纪英国数学家，他原本是一位神父，主要研究的是概率统计。其发明贝叶斯公式的初衷也是为了证明上帝的存在。没想到上帝没找到，却让人类找到了人工智能。 贝叶斯公式的基本理念是，如何通过现象来做出预测，从而形成判断。这几乎就构成了人工智能的基础。 
把刚才的开车给符号化: 
我们再来理解下贝叶斯公式: 
如果我们知道，在整个车辆行驶过程中，会有 2% 的概率打右转弯灯，即 P(B)=2%,，我们就可以计算P(A|B)了
因此贝叶斯公式实际上阐述了这么一个事情： 
至于每一项如何计算的，可以参考《概率论》 总之，当我们结合这些数据后， 人工智能就可以从一些现象得出背后某一事件的概率， 从而有判断的基础。
从贝叶斯公式可以看出，需要知道各个事件的统计概率
尤其是“先验概率”，比如驾驶者在右拐时打转弯灯的概率 可以想象，人工智能需要的另一个领域：大数据！
当然，最终转弯后也可能造成撞车 没关系，我们可以不断的去修正我们的假设 比如，通过“多次的撞车”（现实中当然是不允许的），可能发现之前估计的十字路口打转向灯的数据明显偏大了，必须修正，等等 这又涉及人工智能的另一个领域：深度学习 
从这里可以发现，200多年前的贝叶斯，已经慢慢的帮我们找到了人工智能的存在方法。
本文节选自TODOLAB ID：todolab
|
