|
贝叶斯的应用: 一、在医疗中的应用。 看透复杂的因果关系贝叶斯网络能帮助医生诊断病情。  贝叶斯在医疗中的应用 贝叶斯网络是由美国计算机科学家朱迪亚·珀尔( Judea pearl1936-)在20世纪80年代开发的随后，很快就被应用于医疗领域。医疗场景下，一般是根据病人的症状和检查的数值去尽量查明疾病。这也正是一个由结果去推论其原因的过程，也就是说，贝叶斯统计肯定能派上用场。如果使用贝叶斯网络的话则可以把握到其中更加复杂的因果关系。 用数学去把握复杂的因果关系。 美国匹兹堡大学开发的为了诊断肝脏疾病的贝叶斯网络。肝脏疾病的原因多种多样，比如饮酒、感染了肝炎病毒、胆结石等。另外，肝脏疾病引发的症状也有很多种比如腹痛、脱发、脾脏肿大等。而医生则必须看透这些复杂的因果关系，对不同的患者选择相应的治疗方法。 这时，贝叶斯网络就能起到帮助医生诊断的作用了。医生会把患者的病历、饮酒历史、各种检查的数值、症状等输入到贝叶斯网络里去查询，这样原本不明的肝脏疾病的先验概率就会被更新成可信度更高的后验概率。随之会给出精度很高的诊断结果，判断出是肝脏疾病还是其他疾病也可以帮助医生更加容易地选择治疗方案 贝叶斯统计也活跃于癌症诊断中。 贝叶斯网络和贝叶斯统计不仅被应用于肝脏疾病的诊断中，还被应用到包含癌症等疾病诊断中。近几年能够通过计算机进行自动诊断的医疗AI(人工智能)的开发取得了进展，贝叶斯统计是其重要基础。 二、贝叶斯在AI、IT中的应用。 引人瞩目的A与T贝叶斯统计为它们奠定了基础。 近年来，人们对作为掌握隐藏在现实世界里的各种因果关系工具的贝叶斯网络有很多究。对贝叶斯网络进行深入研究的当属人工智能的研究人员。 Al的“学习”就是用贝叶斯统计来实现的。 人工智能( ArtificialIntelligence,Al)正如其名,即用人工手段去进行智能活动。具体来说，“对输入的信息自动地进行分类和判定的软件”就可以称为AI。AI的分类和判定的精度可以通过“学习”大量的数据得以提高。 如前文所述，基于得到的新结果进行贝叶斯更新会得到可信度更高的后验概率。AI的研究者正是利用了贝叶斯更新的这种能力，把它作为计算机学习的基本原理。更进一步，如果使用贝叶斯网络，则可以实现具有更加复杂的学习能力的A，贝叶斯统计正是这样成为AI学习的基础之一。 电子邮件、检索、图像识别…AI、IT杜会多亏有贝叶斯。 从21世纪初开始，贝叶斯网络和贝叶斯统计就已经引起商界的注意了，造成这个契机的其中一人正是微软公司的创始人比尔·盖茨( Bill Gates,1955-196年左右，盖茨就大力宣传微软在贝叶斯统计学相关技术领域有很大的优势。另外，盖茨还在2001年宜称，“21世纪微软公司的基本战略就是贝叶斯技术”，正是由于盖茨的这些宣传，使得贝叶斯统计备受瞩目盖茨所说的“贝叶斯技术”，就是以贝叶斯定理和贝叶斯统计作为基础的信息技术(IT)。前文介绍的垃圾邮件过滤器就是一个很好地去理解贝叶斯技术的例子。世界上最大的搜索网站—谷歌公司的搜索引擎，其基础原理采用的也是贝叶斯统计AI图像自动识别也与斯统计关系密切大家日常在电脑和智能手机等上使的大多数服务，也都可以说是贝叶斯技术的实例。 三、贝叶斯在科学研究中的应用。 贝叶斯统计还在字宙论研究领域引发了革命。 贝叶斯统计的应用并不仅局限于AI、IT以及医疗领域。现在,贝叶斯统计已经成为科学研究不可缺少的工具。 尤其是在使用计算机进行模拟和数值计算的研究领域里，贝叶斯统计发挥着巨大的威力。 用贝叶斯统计去探索“最真实的宇宙'。 日本东京大学科维理数学与物理学宇宙研究所( Kavli IPMU)正在进行通过贝叶斯统计对宇宙论的研究。宇宙论研究的目标之一，就是要知道宇宙刚诞生时的样子。 如果只通过对宇宙的实际观测，则对于宇宙刚诞生时只能得到有限的信息。在这样的情况下，研究人员只能在计算机上制作很多的“假想宇宙”模型。 这些研究中不可缺少的正是贝叶斯统计。通过使用复杂的贝叶斯统计方法，来挑选能够最好说明现实宇宙的模型，从而推导出支配宇宙的根本法则的相关信息。 用随机数去决定必要的数值。 在这样的研究中，可以说最初输入的假想宇宙的模型种类越多越好。简单说来，就像掷骰子一样，通常会使用计算机生成的随机数去初始化假想宇宙模型的各种特征。 前文介绍的的翰·冯·诺伊曼以著名赌场的名字将这种方法命名为“特卡罗法”，在实际的贝叶斯统计中，为了让后验概率的计算更加容易，一般会采用基于蒙特卡罗法改良的“MCMC”(马尔可夫链蒙特卡罗方法)。利用MCMC等方法的贝叶斯统计工具，目前在探索新药候选分子确定引起地震的断层等各个科学领域中被广泛使用。 四、贝叶斯大脑假说。 用贝叶斯统计去解释人脑的运作机制。 由18世纪的牧师提出的贝叶斯定理，在21世纪的今天已成为AI和IT的基础。此外，最近还出现了“人类的大脑活动也是构建于贝叶斯定理之上的假说，即“贝叶斯大脑假说”。 人脑是“进行预测的装置'。 在为了解释人脑运作机制的认知科学里，脑是被看作“能够响应输入的输出装置”。比如，脑接收到感觉信息后，就会输出相对应的思考或者行动。同时，贝叶斯大脑假说认为，脑是“能够提前预测输入的装置”。这个假说认为，人脑内部拥有用于预测的模型，而当接收到实际的输入时，则会产生与预测之间的误差，人脑又会根据这些误差继续更新脑内的模型。 可以把更新之前的模型看作贝叶斯定理里的先验概率。随后基于输入更新后的模型，则可以看作后验概率。这种从先验概率到后验概率的更新，当然也是贝叶斯更新。像这样，基于贝叶斯定理，试图从数学上理解通过反复学习不断优化的大脑的功能，就是贝叶斯大脑假说。 最接近人类思考的统计学贝叶斯定理和贝叶斯统计具有一个很大的特点，就是可以把人类的主观思想和信念用数学方法来把握。可以说，贝叶斯统计是最接近人类思考的统计学。 这篇特辑将贝叶斯统计精髓的基础概念做了介绍，是一篇关于贝叶斯统计的超级入门文章。在贝叶斯统计里，还有很多更具有发展性的思想。对这篇特辑感兴趣的读者，可以尝试更加深入地解贝叶斯统计的世界!  贝叶斯在脑科学中的应用 |
|
|
