arxiv上的一本关于概率人工智能的教材《Probabilistic Artificial Intelligence》
arxiv.org/pdf/2502.05244
作者是苏黎世联邦理工学院计算机科学系的教授Andreas Krause和Jonas Hübotter博士。
“智能的一个关键方面不仅在于做出预测，还在于推理这些预测中的不确定性，并在做出决策时考虑这种不确定性。这就是“概率人工智能”的意义所在。本书第一部分涵盖了机器学习的概率方法。我们讨论了由于缺乏数据而导致的“认知”不确定性与不可约的、源于例如噪声观测和结果的“任意”不确定性之间的区别。我们讨论了概率推理的具体方法，例如贝叶斯线性回归、高斯过程模型和贝叶斯神经网络。通常，使用此类模型进行推理和预测是难以处理的，我们将讨论现代高效近似推理方法。
本稿的第二部分是关于在顺序决策任务中考虑不确定性。我们考虑主动学习和贝叶斯优化——这些方法通过提出有助于减少认知不确定性的实验来收集数据。然后我们考虑强化学习，这是一种用于建模在不确定环境中学习行动的智能体的丰富形式。在涵盖了马尔可夫决策过程的基本形式之后，我们考虑了使用神经网络函数逼近的现代深度强化学习方法。最后，我们讨论了基于模型的现代强化学习方法，这些方法利用认知和任意不确定性来指导探索，同时还推理安全性。”
