老码农和你一起学AI：数学基础知识系列-贝叶斯和频率学派

AI 的许多核心算法，如机器学习中的分类、回归等，其底层逻辑都与概率统计紧密相关，贝叶斯学派和频率学派的理论为这些算法提供了不同的思路和支撑，掌握它们能帮助我们看透 AI 运行的本质。与此前那些充斥着代码演示的章节不同，本章将纯粹聚焦于理论层面，一起梳理下相关的得内容。

当医生告诉患者 “手术成功的概率是 90%” 时，这个数字背后隐藏着两种截然不同的思考方式。频率学派会解释为 “在过去 100 次同类手术中，有 90 次获得了成功”；而贝叶斯学派则更可能理解为 “根据现有医疗数据和患者具体情况，我有 90% 的把握认为手术会成功”。这种看似细微的差异，恰恰折射出两大统计学派长达三个世纪的深刻分歧。而理解这两大学派的核心思想，对于深入了解人工智能至关重要。

一、概率革命

17 世纪中期，当帕斯卡和费马在赌场中解决赌博问题时，他们恐怕不会想到，这个关于骰子和硬币的研究将奠定现代概率论的基础。频率学派的思想在此时已初现端倪 ——概率被定义为事件在长期重复试验中出现的相对频率。如果我们抛一枚硬币 1000 次，正面朝上出现了 503 次，那么根据频率学派的观点，这枚硬币正面朝上的概率就是 50.3%。

这种思维方式在工业革命时期展现出强大的实用性。工厂主需要通过抽样检测判断一批产品的合格率，保险公司要根据历史数据计算火灾发生的概率，这些场景都符合 “可重复试验” 的前提。频率学派通过严格的数学推导，建立起置信区间、显著性检验等整套方法论，成为 20 世纪统计学的主流范式。直到今天，我们在科学论文中看到的 “p<0.05” 显著性水平，仍是频率学派思想的直接体现。

二、贝叶斯的信念世界

与频率学派不同，贝叶斯学派的起源带有浓厚的主观色彩。18 世纪，英国数学家托马斯・贝叶斯在一篇遗作中提出了一个颠覆性的观点：概率可以表示对某个命题的信念强度。这种信念不是固定不变的，而是会随着新证据的出现而动态更新。

贝叶斯公式的核心 ——P (A|B)=P (B|A) P (A)/P (B)，看似简单却蕴含着深刻的哲学思想。其中 P (A) 被称为先验概率，代表我们在获取新信息前对事件 A 的信念；P (A|B) 则是后验概率，反映了在得知事件 B 发生后对 A 的信念更新。这种 “先验 + 数据 = 后验” 的逻辑，构成了贝叶斯推理的完整链条。

在 GPS 导航中，贝叶斯思想的应用堪称精妙。系统首先根据历史数据（先验）预测你可能的行驶路线，随着你不断转弯、变道（新数据），它会实时更新对你当前位置和目的地的判断（后验）。这种动态调整能力，正是贝叶斯方法应对不确定性的独特优势。

三、哲学战场上的三大分歧

两大学派的根本冲突，本质上是对概率本质的不同理解造成的。在频率学派眼中，概率是客观存在的物理属性，就像物体的质量一样不依赖于人的主观认知；而贝叶斯学派则认为，概率是主观信念的量化表达，不同观察者基于不同信息可以对同一事件赋予不同概率。

这种哲学差异直接导致了方法论上的分歧。频率学派坚持通过大量重复试验来估计概率，对无法重复的事件（如 “明天股市上涨”）拒绝赋予概率；贝叶斯学派则坦然接受主观先验，认为即使没有历史数据，也可以通过先验信念和新信息的结合做出判断。当面对新冠疫情这类前所未有的突发事件时，贝叶斯方法能够快速整合有限数据和专家经验，为决策提供及时支持，而频率学派的传统方法则往往因缺乏足够样本而束手无策。

在参数估计问题上，两派的对立更加明显。频率学派将待估参数视为固定不变的常数，试图通过样本数据找到最优估计值；贝叶斯学派则将参数视为随机变量，用概率分布描述其不确定性。这种差异在机器学习领域表现为：频率学派更倾向于支持向量机、决策树等算法，而贝叶斯学派则发展出贝叶斯网络、马尔可夫链蒙特卡洛等独特方法。

四、现实世界的融合与妥协

有趣的是，在实际应用中两大学派并非泾渭分明。现代统计学更像是一场精妙的融合艺术 —— 当样本量足够大时，贝叶斯方法的后验分布会逐渐收敛到频率学派的估计结果，先验信息的影响被稀释；而频率学派发展出的经验贝叶斯方法，则巧妙借用了先验分布的思想处理复杂数据。

在人工智能领域，这种融合趋势更为显著。AlphaGo 在围棋对弈中，既使用了频率学派的蒙特卡洛树搜索（基于大量模拟对局），又运用了贝叶斯思想动态调整落子策略。自动驾驶系统处理路况时，既需要频率学派的统计模型识别交通标志（基于海量标注数据），又依赖贝叶斯滤波实时更新对周围环境的判断。

这场持续三个世纪的学术之争，最终在解决实际问题的过程中找到了平衡点。正如统计学家乔治・博克斯所言：“所有模型都是错误的，但有些是有用的。” 无论是将概率视为客观频率还是主观信念，其价值终究体现在帮助人类应对不确定性的能力上。当我们下次听到 “降雨概率 70%” 时，或许不必纠结于这个数字的哲学内涵，而应思考：在这个不确定的世界里，我们该如何更好地结合已有经验和新信息，做出最合理的决策 —— 这恰恰是两大学派共同带给我们的智慧启示。

最后小结

贝叶斯学派与频率学派围绕概率本质展开了长期争论，频率学派将概率视为事件在长期重复试验中出现的相对频率，强调客观性和大量重复试验，在工业革命等依赖可重复试验的场景中实用性强；贝叶斯学派则把概率看作对命题的信念强度，认为其会随新证据动态更新，在应对不确定性和处理有限数据时更具优势。两派在哲学认知、方法论和参数估计等方面存在分歧，但在现实应用中呈现融合趋势，共同为人类应对不确定性、做出合理决策提供助力。理解它们的差异与融合，能让我们更清晰地认识概率世界的复杂与奇妙。