从赌博中的概率到AI中的概率

人工智能 3年前 0 478

不确定的国际

咱们生活的这个国际里面普遍具有不确定性，除了很少一部分事情具有确定性，其它大部分事情都是不确定的。而这些不确定事情咱们就需求概率来描绘，现在概率论现已渗透进各个学科，可以说它是人类知识系统中十分重要的部分。概率论是科学的，科学理论也需求概率论去支撑。

关于概率

如果有人跟你说明日太阳从东边升起来，那么你会觉得这是确定的，因为在人类可以预见的未来都会是这样，这种事咱们会说它的概率是100%。但如果有个卖保= g E C h险的人向你推荐保险，关于有概率思想的你或许很快就会用各种理论去核算看哪款产品更优。从简略的掷骰子到复杂微观的气候V T . d i L % 8猜测、股市经济猜测，微观的量子力学等等都需求概率来描绘。

概率下的游戏

概率论的最早来源可以追溯到公元前的埃及人，他们就现已跟现i l : A V代人相同开端用骰子来玩游戏了。与现代人不相同的是，他们玩骰子是因为当时饥馑很严重而玩骰子，这样他们就能忘记饥饿了，而现代人是因为吃太饱闲得慌去玩骰子赌博。

到十七世纪欧洲贵族盛行赌博，经过运用各种随V U 8 q b * v 0机游戏来进行K B _ B 3 o % Z T赌博。其间有些人就开端对随机游戏进行考虑，哪种情况的可能性较大呢？一直到1654年，费尔马和帕斯卡两位数学家关于“分r – S H l 8 h H 5赌注问题^ N T } ) p”的通信评论被公认为是概率论诞生的标志，他们两与惠更斯被称为前期概率论的创立者。

可以说，概率论的w K 8 P来源是赌博和游戏，后* ] l l 3 `边才开端跳出赌博游戏而开展的。

概率论后期开展

后边概率论的开展现已跟赌博联系不大，首要是由科学技术开展而推动，同时社会生活中也9 M T s p r ( 1有很多概率现象也推动了概b # E % @ 0 , E率论的开展。现在与概率论密切相关的学科有很多，比方物理、经济、核算机科学、自然科学、社会科学、信息学、通信工程、| ( K # V * 生物、气象等等。

AI的概率论

人工智能 ; * V h C Y p触及到了数学的多个方面，首要包含线性代数、微积分、概率论、数理计算、最优化理论等z | z a )等。可以说现在的AI是数学与核算机科学融合的产品P p , 9，经过数学的方法来建立模型，并经过数据和核算能力来驱动模型，然后让机器具有认识客观国际的能力。现A * B 0 l在AI的干流还是机器学习和深度o D E e l = , 3 :学习，其间~ V w – 3也都触及到概率论，往下了解。

深度学习中的概率核算

深度神经网络在输出时会运用一个似然函数，用来表明各o 6 g c u l个分类的概率，一般会运用softmax。softmax能使概率归一化，输出层中每个单元i ^ [ 6 V k s q {表明每个分类的概率值，加起来总和为1，且最大概率分类作为猜测分类。神经网络会包含输入层和隐含层，最后经过softmax剖析器就能得到不同条件下的概率，下图中是分为三个类别，最终会得到y=0、y=1、y=2的概率: Z ] H s $值。

深度学习的随机机制

除了前面说到的输出层softmax概率核算，深度学习中还有权重随机初始化和dropout机制触及到随机问题。可以说深度神经网络在练习过程中参数的初始化是很重要的，它将可能影响K K g –到模型练习不了或许练习时刻更长问题，比方权重全部初始化为0则会导致梯度下降失效，一般会运用正态散布对权重进行随机初始化。~ u % , g此外，练习过程中也会运用drov M 0 q ~ Mpout机制来防止过拟合问题，它| t 5 F s m I { %会随机使神经元失效，然后避} o u Q 1 t ^ 2免过拟合。

探索性剖析及预处理

探索性数据剖析及数据预处理会l q O很多触及概率计算方法，比方最简略的, + @频率、众数、均值、中位数、偏差、[ ( H B方差、协方差、相联系数等等。而数据预处理时可能会进行归一化处理，1 – L还可能会修正样本的散布等等操作。

贝叶斯概率图模型

贝叶斯概率图模型可以说是AI的另外一个十分有生机的分支，虽然现在比起深度学习较少人关注，但它却是AI重要的方向。简略地说概率图模型是概率论与图论结合的一个方向，其间观测T 4 L R ~ . 4 W 0节点表明观测数据而隐含节点表明知识，边则表明知识与数据的联系，根据图结构得到概率散* W ? [ j $布来解决问题。常见的概率图模型包含最简9 d !略的朴素 e t d贝叶斯、最大熵模型、隐马尔可夫模型和条件随机场。