如何用普通人听得懂的语言讲清楚人工智能的底层逻辑——贝叶斯定理？

人工智能是一个非常热的词，现在不谈点AI似乎就要与时代脱节了，可是什么才是人工智能，人工智能和人类智能到底有什么区别？计算机是如何模拟人的大脑进行决策的？

这些问题对于大众来说就是一个黑箱，许许多多没那么智能的东西冠以人工智能之名，只是为了能够多收一些智商税。

今天就用最直白的语言谈谈人工智能的基础——贝叶斯定理。

托马斯·贝叶斯（Thomas Bayes，1701年-1761年）是英国神学家、数学家，皇家学会（世界上最古老的国家科学学会）会员。其他的科学家也加入了皇家学会， 例如牛顿，达尔文和法拉第。他提出了最重要的概率定理之一，并以他的名字命名：贝叶斯定理。以下我们就称他贝爷吧。

贝爷发现，通过在人群中进行的抽样普查，有一种怪病——口歪眼斜病，每1万人中只有一个人会得，结果有一天你不知道因为什么原因发现自己突然也口歪眼斜了，于是你就去找了当地的一个名医，据说这个医生能够有99%的把握确定你得的是不是这个病，也就是说，这个医生把健康人看走眼的概率只有1%。这么来说，一旦这个医生说你得了这个病，那么是不是一定就无药可医准备后事了呢？

实际上，远远不要为这件事情担心，因为根据贝爷的理论，你确定无疑的得这个病的概率只有：

0.000099/0.010098=0.98% 连1%的概率都不到

这看上去很反直觉，对吗？其实我们做任何决策都是需要有一个先验概率的。所谓先验概率就是“每1万人中只有一个人会得”，而大多数人在检测后都忽略了这一点。在没有先验概率的基础上进行的分析是不准确的，而先验概率也不是确定准确的，而是需要通过不断地尝试进行调整。

这其实和我们人类的认知就很接近了。人不断地从外部接受信息，不断建立一个“先验概率”，然后在此基础上进行决策，而不是每一次都从零开始。

对于机器的强化学习，也就是不断地提升对事物的概率性认知判断，然后不断地强化认知。

吴军写过一本书《机器之美》，最早进行人工智能自然语言处理时，聘请了一批语言学家，研究语句的主谓宾关系，然后结果就是惨不忍睹。然后谷歌转换了研究思路，以统计概率的方法展开研究，结果发现正确率随着对系统训练的加强，不断得到提升。书中有一句话很有意思：

我每开除一个语言学家，我的语音识别系统的错误率就下降一个百分点。

看来谷歌需要先招聘100个语言学家，然后全部炒鱿鱼。LOL