在米兰的AI周期间,Waldo Lockwin教授将注意力集中在一个经常被忽视但对人工智能发展具有革命性意义的概念上:可能性理论。
这是对传统概率方法的替代方案,能够以更接近人类思维的方式建模不确定性。
在一个由依赖数据、频率和统计的算法主导的世界中,可能性理论提出了一种基于集合、词汇和模糊性的逻辑。这一范式可能对未来真正想要理解自然语言、上下文和现实细微差别的AI至关重要。
目录
什么是可能性理论?
可能性理论(可能性理论)作为模糊逻辑的扩展而诞生,提供了一种数学工具来处理不确定性,不是以频率的形式(如概率),而是以与可用信息的兼容性为基础。
简单来说:概率回答的问题是:“X发生的频率是多少?”
可能性回答的问题是:“在这种情况下,X的可能性有多大?”
这种区别对于构建依赖模糊词汇、人类直觉或数据不完整、不确定或主观的场景的AI系统至关重要。
一个真实的例子:肿瘤学和人工智能
在AI周的演讲中,Lockwin讲述了他如何使用可能性理论开发个性化肿瘤放射治疗模型。目标是基于医生提供的定性描述(如“最低剂量”或“最大效果”)来提供能够杀死肿瘤的最小辐射量。
这些表达无法直接转换为数字或百分比。但可以通过模糊集合和可能性模型来表示,考虑到语言的多重解释和主观性。
结果?一个比单纯依赖统计概率的模型更灵活、人性化和适应性强的系统。
为什么这对今天(和明天)的AI很重要
在当前由机器学习和深度神经网络主导的环境中,关于如何使人工智能更具可解释性、可靠性和语义性的讨论正在展开。
这就是可能性理论的用武之地:
- 🔹 自然语言:现代AI,如大型语言模型(LLM),经常遇到模糊和不明确的概念。可能性模型可以为处理“非常”、“几乎”、“可能”、“足够”等术语提供更一致的框架。
- 🔹 决策制定:在如金融、医学或自动驾驶等依赖于相互矛盾信号或不完整信息的决策场景中,可能性方法可能比经典概率更为稳健。一个例子是医学中的人工智能的使用。
- 🔹 伦理和责任:能够以可能性和替代方案解释“为什么选择该决策”的AI在人的眼中可能更透明和可接受,如在AI在法律中的未来角色中讨论的那样。
可能性 vs 概率:两个世界的对比
| 方面 | 概率 | 可能性 |
|---|---|---|
| 基于 | 频率,历史数据 | 与当前知识的一致性 |
| 逻辑类型 | 统计 | 模糊逻辑 / 模糊集合 |
| 典型应用 | 预测,风险管理 | 解释,人类决策 |
| 不确定性管理 | 定量 | 定性和描述性 |
这不是替代,而是整合:可能性和概率可以共存,以创造更完整的AI,能够应对现实世界的复杂性,如在这项研究中所强调的。
可能性理论
在关于人工智能的大辩论中,可能性理论代表了一种与概率互补的替代途径。它不太为人所知,使用较少,但可能更接近人类的思维方式。
正如在2025年AI周上所展示的,这一理论不仅仅是哲学:它有具体的应用,行之有效,并且可以在如医疗或关键自动化等最敏感的领域产生影响。
在一个我们要求AI不仅仅是计算,还要理解的时代,也许是时候给可能性一个机会了。




