Bayesian programming

Bayesian programming (tsz. Bayesian programmings)

1. (informatika, mesterséges intelligencia) Bayesian programming egy valószínűségi megközelítés a programozásban és mesterséges intelligenciában, amely a Bayes-tételre épül. Lényege, hogy nem determinisztikus, hanem bizonytalan, valószínűségi modellek alapján hoz döntéseket vagy jósol megfigyelések alapján. A program nem csak “mit tud”, hanem azt is kifejezi, mennyire biztos a tudásában.

A klasszikus programozás azt mondja:

Ha ez történik, akkor azt csináld.

A Bayesian programozás inkább így gondolkodik:

Ha ez történt, akkor ennek és ennek mekkora a valószínűsége? Ez alapján döntök.

A Bayes-tétel így szól:

$${\displaystyle P(H|D)={\frac {P(D|H)\cdot P(H)}{P(D)}}}$$

ahol:

• ${\textstyle P(H|D)}$ – a hipotézis valószínűsége az adatok ismeretében (posterior)
• ${\textstyle P(D|H)}$ – az adatok valószínűsége a hipotézis ismeretében (likelihood)
• ${\textstyle P(H)}$ – a hipotézis kezdeti (prior) valószínűsége
• ${\textstyle P(D)}$ – az adatok összesített valószínűsége (evidence)

A Bayesian program általában négy részből áll:

1. Leírás: Milyen valószínűségi változók szerepelnek? (pl. eső, felhő, vizes_föld)
2. Struktúra: Milyen összefüggések vannak a változók között? (pl. eső → vizes_föld)
3. Tudás (prior): Kezdeti becslések, tapasztalatok (pl. P(eső) = 0.3)
4. Megfigyelések: Például: „látom, hogy a föld nedves”
5. Következtetés: Mennyi a valószínűsége annak, hogy esett az eső?

Cél: Megjósolni, esett-e az eső, ha a föld nedves.

változók: eső, vizes_föld
prior: P(eső) = 0.3
feltételes valószínűség: P(vizes_föld | eső) = 0.9, P(vizes_föld | ¬eső) = 0.1
megfigyelés: vizes_föld = igaz

Bayes alapján: 
P(eső | vizes_föld) ∝ P(vizes_föld | eső) * P(eső)

A pontos számítást követően kiszámolható, hogy a megfigyelés alapján milyen valószínűséggel esett az eső.

• Számításigényes nagy modellek esetén
• Nehézségek a prior becslésében
• Nem mindig intuitív a modellezés kezdőknek
• Pontosság függ a modell minőségétől

A Bayesian programming lehetővé teszi, hogy a gépek ne csak „gondolkodjanak”, hanem valószínűségi alapon mérlegeljenek és következtessenek a bizonytalan, hiányos vagy zajos adatok alapján. Az ilyen típusú programozás közelebb áll az emberi gondolkodáshoz, és kulcsszerepet játszik a modern mesterséges intelligenciában, robotikában, orvosi diagnosztikában és adatvezérelt döntéshozatalban.

• Bayesian programming - Szótár.net (en-hu)
• Bayesian programming - Sztaki (en-hu)
• Bayesian programming - Merriam–Webster
• Bayesian programming - Cambridge
• Bayesian programming - WordNet
• Bayesian programming - Яндекс (en-ru)
• Bayesian programming - Google (en-hu)
• Bayesian programming - Wikidata
• Bayesian programming - Wikipédia (angol)