AI数学基础之:概率和上帝视角

简介: AI数学基础之:概率和上帝视角

目录



简介


天要下雨,娘要嫁人。虽然我们不能控制未来的走向,但是可以一定程度上预测为来事情发生的可能性。而这种可能性就叫做概率。什么是概率呢?概率就是事情出现的可能性。比如扔骰子,我们知道骰子有六面,很容易知道扔出1点的概率是1/6,听起来很简单,但是如果放在复杂事件中,概率计算就变得比较麻烦和抽象,很多时候,我们可能没办法很简单的进行计算。今天我们来介绍一个计算概率的完全不同的视角:上帝视角。


蒙题霍尔问题


蒙题霍尔问题出自美国的一个电视节目Let's Make a Deal,问题名字来自该节目的主持人蒙提·霍尔(Monty Hall)。该问题内容大概是这样的:有三扇门,其中一个门中藏的是汽车,另外两扇门中藏的是山羊。这三扇门最开始都是关闭的,参赛者可以选择其中的一扇门,选择有汽车的那扇门就可以赢得汽车。


一开始的时候,参赛者会选择其中一扇门,然后主持人会打开剩下两扇门中藏有山羊的那扇,然后问参赛者是否需要更换选择。


聪明的读者,你们的选择是换还是不换呢?


最开始参赛者的中奖几率是1/3大家应该是没有问题的。问题是打开一扇门之后,参赛者最初选择的门和剩下那个未开的门中奖几率是否发生了变化呢?假设三个门分别被标记为A,B,C。


有人可能这样想,最开始的时候A,B,C三个门的中奖概率都是1/3。
现在打开了一个门,假设是B门被打开了。那么剩下的A和C的概率都变成了1/2。


听起来好像很有道理。


那么我们再换一个角度来看下这个问题。


如果参赛者最初选择了A,那么A有1/3的概率中奖,还有2/3的概率不中奖。这很好理解。
我们来考虑下如果重选,那么会发生什么事情:
假如A是正确的,那么重选一定错误。
假如A是不正确的,那么重选一定正确。


换句话说,A正确的概率也就是重选错误的概率。重选正确的概率= 1 - A正确的概率 = 1- 1/3 = 2/3。


也就是说重选更加有利。


问题的关键在于,在参赛者做出选择的时候,几率就已经确定了。后面发生的任何事情都不会影响它的几率。也就是说当参赛者选择A的时候,A获胜的几率就是1/3,不会因为后面发生事情的改变而改变。


注意,概率指的是事件发生多次的统计结果,并不是指确切的某个事件。


上帝视角解决概率问题


概率还是太抽象了。上面我的解释可能还有一些小伙伴不相信。那么我们来换个角度看概率的问题,我们把这个角度称之为上帝视角。


概率是指事情多次发生的时候,某种特殊情况可能出现的比率。比如扔骰子,我们仍1000次,1点出现的次数大概是170次,也就是1/6,我们说1点出现的概率是1/6。


回到上面的蒙题霍尔的问题,我们来构建一个上帝视角,这次不再是3个门了,而是3*360个门。假设我们有360个电视节目都在做猜奖的活动。每个电视节目都有3个门,其中只有1个门有汽车。那么我们总共会有总共有360个汽车。因为A,B,C三个编号的门中放有汽车的概率是一样的。


我们可以构建下面的一张表:


参赛者选择A 参赛者选择B 参赛者选择C
A中有汽车 40个电视节目中奖 40 40
B中有汽车 40 40个电视节目中奖 40
C中有汽车 40 40 40个电视节目中奖


可以看到在360个电视节目中,选择A的会中奖40次,选择B的会中奖40次,选择C的同样会中奖40次。总共中奖120次,也就是说中奖的概率是1/3。


再来详细看一下主持人选择打开一个门时,参赛者如果选择更换会什么情况。


在A中有汽车的情况中,参赛者本来选择A,如果换选择,不管选择B或者C,都会失败,也就是说有40个电视节目是未中奖的。


如果参赛者本来选择的是B或者C,如果换选择则一定会成功,也就是说有40+40个节目会中奖。


同样的情况发送在B或者Z中有汽车的情况。统计一下,如果换选择,中奖的次数说80*3 = 240 。 中奖的几率是 240/360= 2/3。


明显看出,换选择之后,中奖比例是提高的。


上帝视角的好处



从上面的例子中,我们可以看出,上帝视角将一个概率问题,转换成了大数据情况下的,统计问题。在某些情况下,可以为我们的概率计算提供更加直观可靠的解释。

相关文章
|
29天前
|
人工智能 自然语言处理 API
Mathtutor on Groq:AI 数学辅导工具,实时计算并展示解题过程,支持通过语音提出数学问题
Mathtutor on Groq 是一款基于 Groq 架构的 AI 数学辅导工具,支持语音输入数学问题,实时计算并渲染解题过程,适用于代数、微积分等领域的学习和教学辅助。
101 5
Mathtutor on Groq:AI 数学辅导工具,实时计算并展示解题过程,支持通过语音提出数学问题
|
28天前
|
机器学习/深度学习 人工智能 算法
UCLA、MIT数学家推翻39年经典数学猜想!AI证明卡在99.99%,人类最终证伪
近日,加州大学洛杉矶分校和麻省理工学院的数学家团队成功推翻了存在39年的“上下铺猜想”(Bunkbed Conjecture),该猜想由1985年提出,涉及图论中顶点路径问题。尽管AI在研究中发挥了重要作用,但最终未能完成证明。人类数学家通过深入分析与创新思维,找到了推翻猜想的关键证据,展示了人类智慧在数学证明中的不可替代性。成果发表于arXiv,引发了关于AI在数学领域作用的广泛讨论。
136 89
|
19天前
|
人工智能 测试技术
陶哲轩联手60多位数学家出题,世界顶尖模型通过率仅2%!专家级数学基准,让AI再苦战数年
著名数学家陶哲轩联合60多位数学家推出FrontierMath基准测试,评估AI在高级数学推理方面的能力。该测试涵盖数论、实分析等多领域,采用新问题与自动化验证,结果显示最先进AI通过率仅2%。尽管存在争议,这一基准为AI数学能力发展提供了明确目标和评估工具,推动AI逐步接近人类数学家水平。
72 37
|
6天前
|
机器学习/深度学习 人工智能 算法
Transformer打破三十年数学猜想!Meta研究者用AI给出反例,算法杀手攻克数学难题
《PatternBoost: Constructions in Mathematics with a Little Help from AI》提出了一种结合传统搜索算法和Transformer神经网络的PatternBoost算法,通过局部搜索和全局优化交替进行,成功应用于组合数学问题。该算法在图论中的Ramsey数研究中找到了更小的反例,推翻了一个30年的猜想,展示了AI在数学研究中的巨大潜力,但也面临可解释性和通用性的挑战。论文地址:https://arxiv.org/abs/2411.00566
32 13
|
1月前
|
人工智能 数据挖掘
AI长脑子了?LLM惊现人类脑叶结构并有数学代码分区,MIT大牛新作震惊学界!
麻省理工学院的一项新研究揭示了大型语言模型(LLM)内部概念空间的几何结构,与人脑类似。研究通过分析稀疏自编码器生成的高维向量,发现了概念空间在原子、大脑和星系三个层次上的独特结构,为理解LLM的内部机制提供了新视角。论文地址:https://arxiv.org/abs/2410.19750
80 12
|
4月前
|
人工智能 算法 自动驾驶
用AI自动设计智能体,数学提分25.9%,远超手工设计
【9月更文挑战第18天】《智能体自动设计(ADAS)》是由不列颠哥伦比亚大学等机构的研究者们发布的一篇关于自动化设计智能体系统的最新论文。研究中提出了一种创新算法——“Meta Agent Search”,此算法通过迭代生成并优化智能体设计,从而实现更高效的智能体系统构建。实验表明,相比人工设计的智能体,Meta Agent Search生成的智能体在多个领域均有显著的性能提升。然而,该方法也面临着实际应用中的有效性与鲁棒性等挑战。论文详细内容及实验结果可于以下链接查阅:https://arxiv.org/pdf/2408.08435。
115 12
|
4月前
|
人工智能
AI设计自己,代码造物主已来!UBC华人一作首提ADAS,数学能力暴涨25.9%
【9月更文挑战第15天】近年来,人工智能领域取得了显著进展,但智能体系统的设计仍需大量人力与专业知识。为解决这一问题,UBC研究人员提出了“自动智能体系统设计(ADAS)”新方法,通过基于代码的元智能体实现智能体系统的自动化设计与优化。实验结果表明,ADAS设计的智能体在多个领域中表现优异,尤其在阅读理解和数学任务上取得了显著提升。尽管如此,ADAS仍面临安全性、可扩展性和效率等挑战,需进一步研究解决。论文详情见链接:https://arxiv.org/pdf/2408.08435。
75 4
|
5月前
|
人工智能
Meta开源用于数学等复杂推理AI Agent—HUSKY
【8月更文挑战第19天】Meta AI团队开源了HUSKY,一种统一的AI代理,专长解决数学及复杂推理任务。HUSKY通过学习在通用操作空间内推理,涵盖数值、表格和基于知识的任务。它分为生成和执行两阶段,利用专家模型如语言和数值推理模型解决问题。经过14个数据集测试,HUSKY展现出超越同类代理的性能,尤其是在新提出的HUSKYQA评估集中,其7B模型的表现媲美甚至超越GPT-4等大型模型。相关代码和模型已公开,以推动领域内的研究进展。[论文](https://arxiv.org/abs/2406.06469)
71 2
|
5月前
|
人工智能 算法
AI 0基础学习,数学名词解析
AI 0基础学习,数学名词解析
35 2
|
6月前
|
人工智能 BI
客户在哪儿AI助大客户销售最高成功概率的见到目标客户决策层
文章摘要:大客户经理触及决策层可使成交率翻倍,但初次成功接触是关键。通过AI技术,可挖掘目标客户决策者的真实关系网,匹配公司人脉,找到合适的外部引荐人;分析历史活动,预测未来参与,提高非办公地偶遇概率;同时,识别并接触目标企业内部员工,促其主动引荐决策层,最大化首次会面成功率。

热门文章

最新文章