Demo 03
概率推理：机器如何处理不确定性？
当世界无法被写成确定规则时，AI 需要表达不确定性。这个章节展示证据如何改变信念，让用户理解统计推理与规则推理的差异。
教学型交互案例
贝叶斯更新实验
证据如何改变信念？
后验信念会随证据改变
统计推理不是把世界写成绝对规则，而是在新证据出现时更新不确定性。
学习目标
- 理解先验信念会在新证据出现后被更新，而不是被直接替代。
- 观察反对、中性和支持证据如何推动后验概率变化。
- 区分概率推理和确定性规则推理的表达方式。
简化说明
本案例把 50% 设为中性证据，低于 50% 表示反对、高于 50% 表示支持，并用简化 odds 更新展示方向感；不代表完整医学、法律或科学推断流程。
观察指南
证据不是替代信念，而是更新信念
它之前的问题是规则系统难以处理模糊和噪声。概率推理解决了不确定性表达，但没有自动解决因果解释、数据质量和建模假设。后续影响包括朴素 Bayes、图模型和统计机器学习。
参考资料
Concept Check
用一个问题检验核心直觉
自测只帮助你检查理解，不影响继续学习。记录仅保存在本设备。