มุมมองโลกของเราและการกระทำที่เป็นผลลัพธ์มักขับเคลื่อนด้วยทฤษฎีบทง่ายๆ ซึ่งคิดขึ้นอย่างลับๆ เมื่อกว่า 150 ปีที่แล้วโดยนักคณิตศาสตร์และนักเทววิทยาชาวอังกฤษผู้เงียบขรึม โทมัส เบย์สและเผยแพร่หลังจากเขาเสียชีวิต เท่านั้น ทฤษฎีบทของ Bayesมีชื่อเสียงในการถอดรหัสรหัส Enigma ของนาซีในช่วงสงครามโลกครั้งที่ 2 และตอนนี้จัดการความไม่แน่นอนในด้านวิทยาศาสตร์ เทคโนโลยี การแพทย์ และอื่นๆ อีกมากมาย
ความแตกต่างระหว่างแนวทางแบบเบส์กับแบบที่ใช้บ่อยนั้นชัดเจน
ที่สุดเมื่อคำอธิบายที่ไม่น่าเชื่อเหมาะสมกับหลักฐานชิ้นใหม่อย่างสมบูรณ์แบบ สมมติฐานที่ไม่น่าเชื่อ Michael Lee (มหาวิทยาลัย Flinders และพิพิธภัณฑ์ South Australian)
ฉันมองขึ้นไปบนท้องฟ้าและรวบรวมหลักฐานใหม่ที่เกี่ยวข้อง โดยสังเกตว่าดวงจันทร์มีสีเหลืองวิเศษ ในกรอบการทดสอบสมมติฐานแบบดั้งเดิม ฉันจะสรุปว่าหลักฐานใหม่นั้นสอดคล้องกับสมมติฐานเชิงรากของฉัน ซึ่งจะเป็นการเพิ่มความมั่นใจให้กับฉัน
วิธีการทดสอบสมมติฐานแบบดั้งเดิม (แนวทางที่ใช้บ่อย) จะพิจารณาเฉพาะว่าสมมติฐานเหมาะสมกับหลักฐานใหม่เพียงใด Michael Lee (มหาวิทยาลัย Flinders และพิพิธภัณฑ์ South Australian)
แต่การใช้ทฤษฎีบทของเบย์ ฉันจะรอบคอบกว่านี้ แม้ว่าสมมติฐานของฉันจะเหมาะสมกับหลักฐานใหม่ แต่แนวคิดนี้เริ่มต้นด้วยเรื่องตลกขบขัน ซึ่งละเมิดทุกสิ่งที่เรารู้เกี่ยวกับจักรวาลวิทยาและแร่วิทยา
ดังนั้น ความน่าจะเป็นโดยรวมที่ดวงจันทร์จะเป็นเนยแข็ง ซึ่งเป็นผลจากทั้งสองคำนั้นยังคงต่ำมาก
การอนุมานแบบเบย์พิจารณาว่าสมมติฐานเหมาะสมกับความรู้ที่มีอยู่เพียงใด และเหมาะสมกับหลักฐานใหม่เพียงใด เพื่อความง่าย ค่าคงที่ Normalizing ถูกตัดออกจากสูตร Michael Lee (มหาวิทยาลัย Flinders และพิพิธภัณฑ์ South Australian)
เป็นที่ยอมรับว่านี่เป็น การ์ตูนล้อเลียน ที่รุนแรง ไม่มีนักวิทยาศาสตร์ผู้น่านับถือคนไหนกล้าที่จะทดสอบสมมติฐานโง่ๆ แบบนี้ แต่นักวิทยาศาสตร์ทั่วโลกมักประเมินสมมติฐานจำนวนมากอยู่เสมอ และบางสมมติฐานก็ค่อนข้างเกินจริง ตัวอย่างเช่น การศึกษาในปี 2010 ในขั้นต้นแนะนำว่าคนที่มีความคิดเห็นทางการเมืองในระดับปานกลางจะมีดวงตาที่สามารถมองเห็นเฉดสีเทาได้มากขึ้น
สิ่งนี้ถูกยกเลิกในภายหลังหลังจากการทดสอบเพิ่มเติม ดำเนินการ
เนื่องจากนักวิจัยตระหนักดีว่าการเริ่มต้นนั้นไม่น่าเชื่อถือ แต่เกือบจะแน่ใจว่าการศึกษาอื่นที่คล้ายคลึงกันได้รับการยอมรับโดยไม่มีการวิจารณ์
แนวทางแบบเบย์ในชีวิต
เราใช้ความรู้เดิมจากประสบการณ์และความทรงจำของเรา และหลักฐานใหม่จากประสาทสัมผัสของเรา เพื่อกำหนดความน่าจะเป็นให้กับสิ่งต่างๆ ในชีวิตประจำวันและจัดการชีวิตของเรา
ลองนึกถึงสิ่งง่ายๆ เช่น รับโทรศัพท์จากที่ทำงาน ซึ่งปกติแล้วคุณจะวางไว้บนโต๊ะทำงานเมื่ออยู่ที่ทำงาน หรือบนที่ชาร์จเมื่ออยู่ที่บ้าน
คุณกำลังทำสวนที่บ้านและได้ยินเสียงดังภายในบ้าน ข้อมูลใหม่ของคุณสอดคล้องกับทุกที่ในอาคาร แต่คุณตรงไปยังที่ชาร์จ
คุณได้รวมความรู้เดิมของคุณเกี่ยวกับโทรศัพท์ (โดยปกติจะอยู่ที่โต๊ะทำงานหรือที่ชาร์จที่บ้าน) เข้ากับหลักฐานใหม่ (ที่ใดที่หนึ่งในบ้าน) เพื่อระบุตำแหน่งของโทรศัพท์
หากโทรศัพท์ไม่ได้อยู่ที่เครื่องชาร์จ แสดงว่าคุณใช้ความรู้เดิมของคุณที่บางครั้งคุณทิ้งโทรศัพท์ไว้เพื่อจำกัดการค้นหาให้แคบลง
คุณไม่สนใจสถานที่ส่วนใหญ่ในบ้าน (ตู้เย็น ลิ้นชักเก็บถุงเท้า) เพราะเป็นเรื่องที่ไม่น่าจะเป็นไปได้สูงและจดจ่ออยู่กับสิ่งที่คุณพิจารณาว่าน่าจะเป็นที่ใดมากที่สุด จนกว่าคุณจะพบโทรศัพท์ในที่สุด คุณกำลังใช้ทฤษฎีบทของเบย์เพื่อค้นหาโทรศัพท์
ความเชื่อและหลักฐาน
คุณลักษณะของการอนุมานแบบเบย์คือความเชื่อก่อนหน้านี้มีความสำคัญที่สุดเมื่อข้อมูลอ่อนแอ เราใช้หลักการนี้โดยสัญชาตญาณ
ตัวอย่างเช่น หากคุณกำลังเล่นปาลูกดอกในผับและมีคนแปลกหน้าอยู่ใกล้ๆ บอกว่าเขาหรือเธอเป็นนักปาลูกดอกมืออาชีพ ในตอนแรกคุณอาจคิดว่าคนๆ นั้นพูดเล่น
คุณแทบไม่รู้อะไรเกี่ยวกับบุคคลนั้นเลย แต่โอกาสที่จะได้พบกับนักปาลูกดอกมืออาชีพจริงๆ นั้นมีน้อย DartPlayers Australiaบอก The Conversation มีเพียงประมาณ 15 รายการในออสเตรเลีย
หากคนแปลกหน้าขว้างลูกดอกไปโดนเป้าเป้า มันอาจจะยังไม่แกว่งไกวคุณ อาจเป็นเพียงการยิงที่โชคดี
แต่ถ้าคนๆ นั้นยิงทะลุเป้าหมายสิบครั้งติดต่อกัน คุณก็มีแนวโน้มที่จะยอมรับคำกล่าวอ้างว่าเป็นมืออาชีพของพวกเขา ความเชื่อเดิมของคุณจะถูกลบล้างเมื่อหลักฐานสะสม ทฤษฎีบทของเบย์ทำงานอีกครั้ง
ทฤษฎีเดียวที่จะปกครองพวกเขาทั้งหมด
ขณะ นี้การใช้เหตุผลแบบเบส์ สนับสนุนการสอบถามของมนุษย์ อย่างกว้างขวาง ตั้งแต่การตรวจคัดกรองมะเร็งไปจนถึงภาวะ โลกร้อนพันธุกรรมนโยบายการเงินและปัญญาประดิษฐ์
การประเมินความเสี่ยงและการประกันภัยเป็นพื้นที่ที่การใช้เหตุผลแบบเบย์เป็นพื้นฐาน ทุกครั้งที่เกิดพายุไซโคลนหรือน้ำท่วมในพื้นที่เบี้ยประกันจะพุ่งสูงขึ้น ทำไม
ความเสี่ยงอาจซับซ้อนอย่างมากในการหาปริมาณ และสภาวะปัจจุบันอาจให้ข้อมูลไม่เพียงพอเกี่ยวกับภัยพิบัติที่อาจเกิดขึ้นในอนาคต ผู้เอาประกันจึงประเมินความเสี่ยงจากทั้งสภาวะปัจจุบันและเหตุการณ์ที่เกิดขึ้นก่อน
ทุกครั้งที่เกิดภัยพิบัติทางธรรมชาติ พวกเขาจะอัปเดตข้อมูลก่อนหน้าเกี่ยวกับภูมิภาคนั้นให้เป็นข้อมูลที่ไม่เอื้ออำนวย พวกเขาคาดการณ์ถึงความน่าจะเป็นที่มากขึ้นในการเรียกร้องในอนาคต และเพิ่มเบี้ยประกันภัย
การอนุมานแบบเบย์มีบทบาทสำคัญในการวินิจฉัยทางการแพทย์ เช่น เดียวกัน อาการ (หลักฐานใหม่) อาจเป็นผลมาจากโรคต่างๆ ที่เป็นไปได้ (สมมติฐาน) แต่โรคที่แตกต่างกันมีความน่าจะเป็นที่แตกต่างกันไปสำหรับคนที่แตกต่างกัน
ปัญหาสำคัญเกี่ยวกับเครื่องมือทางการแพทย์ออนไลน์เช่นwebMDคือความน่าจะเป็นก่อนหน้านี้ไม่ได้นำมาพิจารณาอย่างเหมาะสม พวกเขารู้น้อยมากเกี่ยวกับประวัติส่วนตัวของคุณ โรคภัยไข้เจ็บที่อาจเกิดขึ้นได้มากมาย
การไปพบแพทย์ที่ทราบประวัติทางการแพทย์ของคุณก่อนหน้านี้จะส่งผลให้มีการวินิจฉัยที่แคบลงและสมเหตุสมผลมากขึ้น ทฤษฎีบทของเบย์อีกครั้ง
อลัน ทัวริง และ Enigma
วิธีการแบบเบส์ช่วยให้เราสามารถดึงข้อมูลที่แม่นยำจากข้อมูลที่คลุมเครือ เพื่อหาคำตอบแคบๆ จากความเป็นไปได้ในจักรวาลอันกว้างใหญ่
พวกเขาเป็นศูนย์กลางในการที่Alan Turing นักคณิตศาสตร์ชาวอังกฤษ ถอดรหัสรหัส Engima ของเยอรมัน ได้อย่างไร สิ่งนี้เร่งชัยชนะของพันธมิตรในสงครามโลก ครั้งที่สองอย่างน้อยสองปี และช่วยชีวิตผู้คนนับล้าน
ในการถอดรหัสชุดข้อความภาษาเยอรมันที่เข้ารหัส การค้นหาคำแปลที่เป็นไปได้จำนวนเกือบไม่สิ้นสุดนั้นเป็นไปไม่ได้ โดยเฉพาะอย่างยิ่งเมื่อรหัสเปลี่ยนทุกวันผ่านการตั้งค่าโรเตอร์ที่แตกต่างกันบนเครื่องเข้ารหัส Enigma ที่ซับซ้อนและคดเคี้ยว
ข้อมูลเชิงลึกแบบเบย์ที่สำคัญของทัวริงคือข้อความบางอย่างมีแนวโน้มมากกว่าข้อความอื่นๆ
Credit : สล็อตแตกง่าย
