主题：【原创】下棋与打仗——也谈形式逻辑与因明逻辑 -- 语迟

贝叶斯网络/概率推演 的范畴, 本不属形式逻辑.

在日常生活中，人们往往进行常识推理，而这种推理通常是不准确的。例如，你看见一个头发潮湿的人走进来，你可能会认为外面下雨了，那你也许错了；如果你在公园里看到一男一女带着一个小孩，你可能会认为他们是一家人，你可能也犯了错误。

在工程中，我们也同样需要进行科学合理的推理。但是，工程实际中的问题一般都比较复杂，而且存在着许多不确定性因素。这就给准确推理带来了很大的困难。很早以前，不确定性推理就是人工智能的一个重要研究领域。尽管许多人工智能领域的研究人员引入其它非概率原理，但是他们也认为在常识推理的基础上构建和使用概率方法也是可能的。

为了提高推理的准确性，人们引入了概率理论。最早由Judea Pearl于1988年提出的贝叶斯网络(Bayesian Network)实质上就是一种基于概率的不确定性推理网络。它是用来表示变量集合连接概率的图形模型，提供了一种表示事件(变元)间的因果信息的方法。当时主要用于处理人工智能中的不确定性信息。随后它逐步成为了处理不确定性信息技术的主流，并且在计算机智能科学、工业控制、医疗诊断等领域的许多智能化系统中得到了重要的应用。

参考读物:

Judea Pearl "Causality: Models, Reasoning, and Inference", Cambridge University Press, 2000

Judea Pearl "Probabilistic Reasoning in Intelligent Systems", Morgan-Kaufmann, 1988

Judea Pearl 的主页 外链出处

Michael I. Jordan (但不是球星迈克.乔丹哦!)的主页 外链出处

以上主页内含多篇在线的学术论文.

老兄大作中所谓的"直觉", 无非是人脑在漫长人生经历中所学习到的种种统计关联而已. 譬如巴甫洛夫提出的classical conditioning就是一个例子(经训练后,狗儿听到铃声就会分泌唾液).

真的灵感不是没有, 例如莫扎特的音乐灵感就是. 注意这个构词"灵感", 很妙! 因为它暗含的信息是, 这是神灵所赐. 参见:

[草纹] 影评《阿玛迪斯》 链接出处

最后, 读书要能“入乎其内”“出乎其外”。搞科学也是这样。如果还没有入乎其内，就夸口评判科学，是要闹笑话的。