中文啦

让ai学会“理性思考”：思维法则与方法的全景解析（第4页）

概率推理在AI中有很多实际应用：

- 医疗诊断：AI通过患者的症状（咳嗽、发烧、乏力等），结合每种疾病对应的症状概率，计算患者得某种疾病的概率。比如某AI诊断系统对肺炎的诊断准确率能达到90%以上，就是靠大量的概率数据训练出来的。

- 金融风控：银行判断用户是否会违约，会分析用户的收入、负债、信用记录等因素，给每个因素分配概率权重，最后计算出用户违约的概率。如果概率超过一定阈值，就拒绝贷款。

- 自动驾驶：汽车通过传感器感知周围环境，比如“前方有物体的概率是95%”“是行人的概率是80%”，然后结合这些概率，决策是刹车、避让还是继续行驶。

3. 概率推理的“进阶：贝叶斯网络”

为了处理更复杂的概率推理，人们发明了“贝叶斯网络”——把多个事件的概率关系用“网络结构”表示出来。

比如，一个简单的贝叶斯网络可以表示“吸烟→肺癌→咳嗽”的关系：

- 吸烟（S）是肺癌（L）的原因，肺癌是咳嗽（C）的原因；

- 每个节点都有对应的概率表，比如P(S)（吸烟的概率）、P(L|S)（吸烟时得肺癌的概率）、P(C|L)（得肺癌时咳嗽的概率）。

当有新证据时（比如“咳嗽了”），贝叶斯网络能通过概率传播，计算出“吸烟”“得肺癌”的后验概率，帮助AI做出更全面的判断。

现在的AI在处理复杂的不确定性问题时，大多依赖贝叶斯网络或其升级版（比如马尔可夫决策过程、隐马尔可夫模型）。

四、从“理性思考”到“理性行动”：AI成为“理性智能体”

但光“会思考”还不够，AI得把思考转化为“行动”，才能真正解决现实问题。这就需要“理性智能体”的概念——一个能感知环境、理性思考、做出最优行动的系统。

1. 理性智能体的“构成要素”

一个完整的理性智能体通常包含四个部分：

- 感知模块：收集环境信息，比如自动驾驶汽车的摄像头、雷达；

本小章还未完，请点击下一页继续阅读后面精彩内容！