贝叶斯深度学习:让AI也学会“拿不准” 想象一下,你跟一个刚认识的朋友聊天,你问他:“你觉得明天会下雨吗?” 如果他信誓旦旦地说:“肯定不会下!我昨天查了天气预报,绝对晴空万里!” 这时候你可能会觉得,嗯,这人挺自信,但万一明天真的下雨了,他是不是会很尴尬? 但如果他回答:“嗯…我觉得大概率不会下吧,毕竟最近都是晴天,但天气这事儿谁也说不准,带把伞以防万一总是好的。” 你是不是会觉得,这人靠谱,考虑得周全,即便预测错了,也不会让你觉得太离谱。 人工智能也一样。传统的深度学习模型就像那个过于自信的朋友,它们往往给出确定的预测结果,却无法告诉你这个结果有多可靠。而贝叶斯深度学习,就是让AI也学会像那个靠谱的朋友一样,学会表达自己的“不确定性”。 为什么我们需要AI的“不确定性”? 深度学习模型在很多领域都取得了惊人的成就,比如图像识别、自然语言处理等等。但它们也存在一个致命的弱点:过度自信。当模型遇到训练数据中没见过的情况时,往往会给出错误的预测,而且还自信满满,让人防不胜防。 举个例子,自动驾驶汽车的识别系统,如果遇到一个被涂鸦遮挡的路标,传统的深度学习模型可能会将其误判为其他路标,并自 …