Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
ROZDZIAŁ3
3.1.Dlaczegoprawdopodobieństwo?
Wielegałęzinaukkomputerowychmadoczynieniazelementami,któresą
całkowiciedeterministyczneipewne.Programistamożezwyklebezpiecznie
założyć,żeprocesorwykonakażdąinstrukcjębezbłędów.Błędysprzętowe
sięzdarzają,alesąnatylerzadkie,żewiększośćaplikacjiprogramistycznych
niemusiichbraćpoduwagę.Wzwiązkuztym,żewieluinformatykówipro-
gramistówdziaławewzględnieczystymipewnymśrodowisku,zaskoczeniem
możebyćdlanichszerokiezastosowanieteoriiprawdopodobieństwawdeep
learningu.
Systemyuczącesięmajądoczynieniazniepewnymiilościami,aczasami
teżzelementamistochastycznymi(niedeterministycznymi).Niepewnośćisto-
chastykamogąpochodzićzwieluźródeł.Począwszyodlatosiemdziesiątych
XXwiekunaukowcyprzedstawiliistotneargumentynaocenęniepewności
zapomocąprawdopodobieństwa.Wieleprzedstawianychtuargumentów
stanowipodsumowanielubjestzainspirowanychpracamiPearla(1988).
Prawiewszystkiedziałaniawymagająwnioskowaniawwarunkachniepew-
ności.Wzasadziepozatwierdzeniamimatematycznymi,któresązdefinicji
prawdziwe,trudnoznaleźćtwierdzenia,któresązpewnościąprawdziwe,lub
zdarzenia,którenapewnobędąmiałymiejsce.Ototrzymożliweźródła
niepewności:
1.
Stochastycznanaturamodelowanegosystemu.Naprzykładwiększość
interpretacjiwmechanicekwantowejopisujedynamikęcząsteczeksub-
atomowychjakoprobabilistyczne.Możemyteżstworzyćteoretyczne
scenariusze,któremajądynamikęlosową,jakhipotetycznagrawkarty,
gdziezakładamy,żekartysąnaprawdępotasowanewkolejnościlosowej.
2.
Niepełnemożliwościobserwacji.Nawetsystemydeterministycznemo-
gąokazaćsięstochastyczne,gdyniemożnaobserwowaćwszystkich
zmiennych,którewpływająnazachowaniesystemu.Naprzykładwpa-
radoksieMonty’egoHalla
uczestnicygrymogąwybraćjednoztrojga
drzwi,awygranaznajdujesięzazamkniętymidrzwiami.Dwojedrzwi
prowadzidokozy,atrzeciedosamochodu.Wynikwyboruuczestnika
gryjestdeterministyczny,alezjegopunktuwidzeniajestonlosowy.
3.
Niekompletnemodelowanie.Gdykorzystasięzmodelu,wktórymtrze-
baodrzucićczęśćzaobserwowanychinformacji,toodrzuconeinformacje
wprowadzająniepewnośćdoprzewidywańmodelu.Przypuśćmy,że
budujemyrobota,którypotrafidokładnieokreślićpołożeniekażdego
*OdnazwiskaprezenterateleturniejupopularnegowUSAiKanadzie.
52
