Rate this post

Tính không chắc chắn:

Cho đến bây giờ, chúng ta đã học biểu diễn tri thức bằng cách sử dụng logic bậc nhất và logic mệnh đề một cách chắc chắn, có nghĩa là chúng ta đã chắc chắn về các vị từ. Với biểu diễn tri thức này, chúng ta có thể viết A → B, có nghĩa là nếu A đúng thì B đúng, nhưng xét một tình huống mà chúng ta không chắc chắn về việc A có đúng hay không thì chúng ta không thể diễn đạt câu này, tình huống này được gọi là tính không chắc chắn.

Các bài viết liên quan:

Vì vậy, để biểu diễn tri thức không chắc chắn, nơi chúng ta không chắc chắn về các vị từ, chúng ta cần suy luận không chắc chắn hoặc suy luận xác suất.

Nguyên nhân của sự không chắc chắn:

Sau đây là một số nguyên nhân hàng đầu dẫn đến sự không chắc chắn xảy ra trong thế giới thực.

  • Thông tin lấy từ các nguồn không đáng tin cậy.
  • Lỗi thử nghiệm
  • Lỗi thiết bị
  • Sự thay đổi nhiệt độ
  • Khí hậu thay đổi.

Lý luận xác suất:

Lý luận xác suất là một cách biểu diễn tri thức trong đó chúng ta áp dụng khái niệm xác suất để chỉ ra sự không chắc chắn trong tri thức. Trong lý luận xác suất, chúng tôi kết hợp lý thuyết xác suất với logic để xử lý sự không chắc chắn.

Chúng tôi sử dụng xác suất trong lý luận xác suất vì nó cung cấp một cách để xử lý sự không chắc chắn là kết quả của sự lười biếng và thiếu hiểu biết của ai đó.

Trong thế giới thực, có rất nhiều kịch bản mà ở đó sự chắc chắn của một điều gì đó không được xác nhận, chẳng hạn như “Hôm nay trời sẽ mưa”, “hành vi của ai đó trong một số tình huống”, “Trận đấu giữa hai đội hoặc hai cầu thủ.” Đây là những câu có thể xảy ra mà chúng ta có thể cho rằng nó sẽ xảy ra nhưng không chắc chắn về nó, vì vậy ở đây chúng ta sử dụng suy luận xác suất.

Cần lý luận xác suất trong AI:

  • Khi có những kết quả không thể đoán trước.
  • Khi các thông số kỹ thuật hoặc khả năng của các vị từ trở nên quá lớn để xử lý.
  • Khi một lỗi không xác định xảy ra trong quá trình thử nghiệm.

Trong lý luận xác suất, có hai cách để giải quyết vấn đề với kiến ​​thức không chắc chắn:

  • Quy tắc của Bayes
  • Thống kê Bayes

Lưu ý: Chúng ta sẽ tìm hiểu hai quy tắc trên trong các chương sau.

Vì lý luận xác suất sử dụng xác suất và các thuật ngữ liên quan, vì vậy trước khi hiểu lý luận xác suất, chúng ta hãy hiểu một số thuật ngữ phổ biến:

Probability: Probability có thể được định nghĩa là khả năng xảy ra một sự kiện không chắc chắn. Nó là thước đo bằng số về khả năng một sự kiện sẽ xảy ra. Giá trị của xác suất luôn duy trì trong khoảng từ 0 đến 1 đại diện cho độ không đảm bảo đo lý tưởng.

0 ≤ P (A) ≤ 1, trong đó P (A) là xác suất của biến cố A.

P (A) = 0, cho biết tổng độ không đảm bảo trong một sự kiện A.

P (A) = 1, chỉ ra sự chắc chắn hoàn toàn trong một sự kiện A.

Chúng ta có thể tìm xác suất của một sự kiện không chắc chắn bằng cách sử dụng công thức dưới đây.

P (¬A) = xác suất của một sự kiện không xảy ra.

P (¬A) + P (A) = 1.

Sự kiện: Mỗi kết quả có thể xảy ra của một biến được gọi là một sự kiện.

Không gian mẫu: Tập hợp tất cả các sự kiện có thể xảy ra được gọi là không gian mẫu.

Biến ngẫu nhiên: Các biến ngẫu nhiên được sử dụng để đại diện cho các sự kiện và đối tượng trong thế giới thực.

Xác suất trước: Xác suất trước của một sự kiện là xác suất được tính toán trước khi quan sát thông tin mới.

Xác suất sau: Xác suất được tính sau khi tất cả các bằng chứng hoặc thông tin đã được tính đến. Nó là sự kết hợp của xác suất trước và thông tin mới.

Xác suất có điều kiện:

Xác suất có điều kiện là xác suất xảy ra một sự kiện khi một sự kiện khác đã xảy ra.

Giả sử, chúng ta muốn tính sự kiện A khi sự kiện B đã xảy ra, “xác suất của A với các điều kiện của B”, nó có thể được viết là:

Trong đó P (A⋀B) = Xác suất chung của a và B

P (B) = Xác suất cận biên của B.

Nếu xác suất của A là cho trước và chúng ta cần tìm xác suất của B, thì nó sẽ được cho là:

Nó có thể được giải thích bằng cách sử dụng biểu đồ Venn dưới đây, trong đó B là sự kiện xảy ra, vì vậy không gian mẫu sẽ được giảm xuống tập B và bây giờ chúng ta chỉ có thể tính toán sự kiện A khi sự kiện B đã xảy ra bằng cách chia xác suất của P (A⋀ B) bởi P (B).

Ví dụ:

Trong một lớp học có 70% số học sinh thích tiếng Anh và 40% học sinh thích tiếng Anh và toán học, sau đó tỷ lệ học sinh thích tiếng Anh cũng thích toán là bao nhiêu?

Giải pháp:

Giả sử, A là một sự kiện mà một học sinh thích Toán học

B là một sự kiện mà một học sinh thích tiếng Anh.

Do đó, 57% học sinh thích tiếng Anh cũng thích Toán học.

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

Contact Me on Zalo
Call now