人工智能基础篇2——为什么选择使用概率

上一章我们说到，计算机是使用基于统计的方法来处理自然语言，那么这个过程究竟是如何进行的呢？

我们知道，一个有意义的句子由多个词按照特定的顺序排列而成，那么判定一个句子是否合理，就看它这个排列顺序出现的可能性大小如何了。

即假设有三个句子

【我爱看书

我看书爱

书看爱我】

如果第一个句子出现的概率是10-20，第二个句子出现的概率是10-30，第三个句子出现的概率是10-80，那么第一个句子出现的概率最大，也就是相对最合理的。

那么为什么会选择使用概率呢？

就像在现实生活中的许多情况一样，当我们描述一件事物之时，简单而不确定往往更为实用。例如“多数人认为自己是对的”、“多数的鸟而都会飞”往往比“除了那些抑郁的、不自信的的人，包括失去了思考能力的人、意识到错误的人……以外，人都认为自己是对的”、“除了那些还每学会飞翔的幼鸟，因为生病或是受伤而失去了飞翔能力的鸟，包括一些本身便不会飞的鸟，鸟会飞”都来得更加实用并且广泛。

在计算机处理数据之时，以上述的句子为例，对于计算机而言，它处理的每一个词都具有不确定性和随机性。事实上，不管是文字翻译、语音识别还是其他的智能行为，计算机通常都必须处理不确定的变量，这些不确定性通常有3种可能的来源：

（一） 被建模系统内在的随机性。例如在一个纸牌游戏中，我们假设纸牌被真正混洗成了随机顺序；

（二） 不完全观测。即使是确定的系统，当我们不能完全观测到这个系统的全部变量时，这个系统也呈现随机性。例如在一个游戏节目中，参与者被要求在三个门之间选择，其中两个门背后没有东西，另一个门后放置着一个礼盒。对局外人来说，参与者的每个选择的结果是确定的，但对参与者来说，结果却是不确定的。

（三） 不完全建模。当我们使用一些必须舍弃某些观测信息的模型时，舍弃的这些信息会导致模型的预测出现不确定性。

现在我们回到概率论上。当我们说一个事件A发生的概率是p，那么p代表着什么意思？p意味着如果我们反复进行一个实验无限次，有p的比例可能会发生事件A。这很容易理解，就像掷色子，如果说掷出6点的概率为1/6，那么就是说如果我们反复掷色子一百次一千次，那么掷出6点的次数就会接近掷色子次数的1/6。这便是频率派概率。

那么如果一个医生对病人进行诊断之后，说该病人患癌症的概率为30%，这个概率又是什么意思呢？在这个案例中，1表示确定病人患癌症，0表示确定病人没有患癌症，这个便是对确定性水平的一种表示，被称为贝叶斯概率。

如果我们将频率派概率和贝叶斯概率视作等同的，那么我们便可以做以下的事情：在一个纸牌游戏中，我们可以根据一个人手上的牌来计算这个人输赢的概率，就像医生根据病人的症状计算病人是否患病的概率一样。

事实上，当我们拥有了一件事物大量的数据，并依此来对此事物的不确定性进行推断的时候，我们使用的方法便是上述的方法。

逻辑推理，是在给定某些命题真假的前提下，判断另一些命题的真假。

利用概率论，则是在给定某些命题的似然的前提下，计算另一些命题的似然。由此便贴合了智能的需求。

下一章，我将以计算概率的案例来进一步讲述计算机是如何处理自然语言的。

欢迎参与讨论，同时敬请关注神灯前沿探索。