人工智能08不确定性.pptxVIP

手写数字识别文本分类图像分割第八章 Uncertainty不确定性对应教材第13章本章大纲Uncertainty不确定性Probability概率Syntax and Semantics语法与语义Inference推理Independence and Bayes‘ Rule— 独立性及贝叶斯法则不确定性智能体几乎从来无法了解关于其环境的全部事实。因此其必须在不确定的环境下行动。概率推理得到了某一证据，那么有多大的几率结论为真？ 例如：我颈部痛; 我得脑膜炎的可能有多大?不确定性假如有如下规则:if toothache（牙疼） then 原因是cavity（牙齿有洞）但并不是所有牙疼的病人都是因为牙齿有洞，所以我们可以建立如下规则:if toothache and ?gum-disease（牙龈疾病） and?filling（补牙） and ... then problem = cavity以上规则是复杂的; 更好的方法:if toothache then problem is cavity with 0.8 probabilityor P(cavity | toothache) = 0.8 the probability of cavity is 0.8 given toothache is observed不确定性 Let action At = 离起飞时间提前t分钟动身去机场At 会使我准时到达机场吗?Problems:1. partial observability/部分可观察性 (road state, other drivers‘ plans)2. noisy sensors (traffic reports)3. 行动结果的不确定性(flat tire, etc.)4. immense complexity of modeling and predicting traffic因此一个纯粹的逻辑描述方法：1. risks falsehood（错误风险） : “A25 will get me there on time”, or2. leads to conclusions that are too weak for decision making:“A25 will get me there on time if there’s no accident on the bridge and it doesn‘t rain and my tires remain intact etc etc.”(A1440 might reasonably be said to get me there on time but I’d have to stay overnight in the airport …)世界与模型中的不确定性True uncertainty: rules are probabilistic in nature 掷骰子，抛硬币惰性: 把所有意外的规则都列举出来是很困难的 花费太多时间来确定所有的相关因素 这些规则过于繁杂而难以使用理论的无知: 某些领域中还没有完整的理论 (e.g.,medical diagnosis)实践的无知: 掌握了所有规则但是 并不是所有的相关信息都能被收集到处理不确定性的方法概率理论作为一种正式的方法for：不确定知识的表示和推理命题中的模型信度(event, conclusion, diagnosis, etc.)给定可获得的证据, A25 will get me there on time with probability 0.04概率是不确定性的语言 现代AI的中心支柱Probability概率概率理论提供了一种方法以概括来自我们的惰性和无知的不确定性。Probabilistic assertions summarize effects ofLaziness（惰性） : failure to enumerate exceptions（例外） , qualifications（条件） , etc.Ignorance（理论的无知） : lack of relevant facts, initial conditions, etc.Subjective probability（主观概率） :Probabilities relate propositions（命题） to agents own state ofknowledge e.g., P(A25 | no reported accidents) = 0.06These are not assertions（断言） about the world命题的概率随着新证据的发现而改变:e.g., P(A25 | no reported a