Неопределённость и шансы: как ИИ принимает решения¶

Коротко

Реальный мир полон неопределённости, поэтому умный ИИ работает не категориями «точно да / точно нет», а степенями уверенности. Язык этих степеней — вероятность: число от 0 до 1, которое показывает, насколько событие правдоподобно. Рядом живёт второе понятие — шансы (odds): тот же смысл, но в виде соотношения «за и против». В этом уроке разберём, зачем ИИ нужна вероятность, как связаны вероятность и шансы и почему мыслить вероятностями полезнее, чем рубить сплеча.

В предыдущей главе мы смотрели, как ИИ ищет решения и играет против человека по чётким правилам. Но шахматы — редкий случай, где известно всё. Обычно ИИ действует вслепую: данных не хватает, будущее туманно, а ошибиться можно в обе стороны. Эта глава — про то, как машины справляются с незнанием.

Почему «да/нет» не работает в реальном мире¶

Представьте, что вы спросили навигатор, успеете ли на встречу. Честный ответ — не «да» и не «нет». Дорога зависит от пробок, светофоров, погоды и сотни мелочей, которые заранее не известны. Поэтому разумнее сказать так: «скорее всего, успеете, но небольшой риск опоздания есть».

Именно так устроены задачи, где работает ИИ:

Прогноз погоды. Завтрашний дождь — не факт, а возможность. Атмосфера слишком сложна, чтобы обещать осадки наверняка.
Антифрод в банке. Система не знает точно, мошенник ли совершает платёж. Она лишь оценивает, насколько операция похожа на обман.
Медицинский скрининг. Анализ не выносит приговор — он показывает, насколько повышен риск и стоит ли проверяться дальше.

Во всех этих случаях категоричный ответ был бы враньём. Мир не делится на чёрное и белое, и хороший ИИ это учитывает.

Важно

Степень уверенности — это не слабость ИИ, а честность. Система, которая говорит «вероятность мошенничества высокая», полезнее той, что жёстко лепит ярлык «обман» и блокирует ваши покупки на отдыхе. Уверенность можно настраивать: где-то достаточно лёгкого подозрения, а где-то нужна почти полная убеждённость.

Вероятность — язык неопределённости¶

Вероятность — это число от 0 до 1, которое показывает, насколько правдоподобно событие. Ноль означает «невозможно», единица — «обязательно произойдёт», а всё интересное лежит посередине. Часто вероятность записывают в процентах: 0,7 — это те же 70%.

Несколько ориентиров, чтобы почувствовать шкалу:

Вероятность	Как это звучит по-человечески
0,0	Этого не случится
0,1	Маловероятно, но бывает
0,5	Пятьдесят на пятьдесят, как монетка
0,9	Почти наверняка
1,0	Случится точно

Когда в приложении Яндекс Погоды вы видите «вероятность осадков 60%», это и есть вероятность простыми словами. Она не обещает дождь — она говорит, что в похожих условиях дождь шёл примерно в шести случаях из десяти. Поэтому зонт брать стоит, но паниковать рано.

Главная ценность вероятности в том, что это общий язык. На нём ИИ описывает что угодно: шанс клика по рекламе во ВКонтакте, вероятность, что фильм понравится вам на Кинопоиске, риск, что посылка на Wildberries задержится. Разные задачи — одна шкала от 0 до 1.

Шансы (odds): тот же смысл с другой стороны¶

Есть второй способ говорить о неопределённости, привычный по спорту и азартным играм. Шансы (odds) — это соотношение «за и против»: во сколько раз исход вероятнее, чем его отсутствие. Их записывают как «5 к 1» или «3 к 2».

Разница между понятиями простая:

Вероятность сравнивает удачные случаи со всеми случаями. «Из 6 раз дождь шёл 3» → вероятность 3 из 6.
Шансы сравнивают удачные случаи с неудачными. Те же данные → шансы «3 к 3», то есть «1 к 1».

Звучит как мелочь, но форма записи иногда меняет восприятие. Фразу «шансы один к четырём» многие чувствуют интуитивнее, чем «вероятность 0,2». А ещё, забегая вперёд, шансы очень удобно использовать в правиле Байеса — там расчёты через шансы получаются особенно наглядными.

Как перевести одно в другое¶

Никаких тяжёлых формул не нужно — достаточно понять логику на пальцах.

Из шансов в вероятность. Сложите обе части соотношения, чтобы получить «всего случаев», а потом возьмите долю удачных. Шансы «3 к 1» означают: 3 удачных исхода и 1 неудачный, всего 4. Значит, вероятность — 3 из 4, то есть 0,75.

Из вероятности в шансы. Возьмите вероятность и сравните её с остатком до единицы. Вероятность 0,8 означает, что на 8 удачных приходится 2 неудачных (это остаток 1 − 0,8). Сокращаем «8 к 2» и получаем шансы «4 к 1».

Пример: антифрод в банке

Допустим, система Сбера или Т‑Банка оценила платёж и решила: шансы, что это мошенничество, — «1 к 9». Переведём в вероятность. Складываем части: 1 + 9 = 10 случаев. Удачных (в смысле «это обман») — 1 из 10. Значит, вероятность мошенничества — 0,1, или 10%.

Что банк сделает с этой цифрой? Если порог тревоги — 50%, операция спокойно пройдёт. Но если бы шансы были «9 к 1» (вероятность 90%), система притормозила бы платёж и попросила подтверждение по СМС. Один и тот же механизм, разные пороги — так настраивается баланс между безопасностью и удобством.

Почему мыслить вероятностями полезнее¶

Привычка рассуждать в вероятностях помогает не только машинам, но и людям. Категоричность («это точно сработает», «он наверняка обманывает») загоняет в ловушку: при первой же осечке приходится резко менять мнение. Вероятностный подход мягче и точнее — вы заранее закладываете, что бывает по‑разному.

Для ИИ это вообще основа основ:

Можно сравнивать варианты: показать пользователю на Ozon тот товар, у которого выше вероятность покупки.
Можно управлять риском: блокировать платёж только когда уверенность в обмане действительно высокая.
Можно честно признавать незнание: ответ «вероятность 55%» прямо говорит, что ситуация почти на грани и решение стоит перепроверить.

Этот образ мышления — фундамент всей главы. На нём строится правило Байеса, которое учит обновлять уверенность при появлении новых данных, и наивный байесовский классификатор, на котором работают спам‑фильтры. А дальше вероятности станут опорой и для машинного обучения.

Упражнение: переведите шансы и вероятность

Попробуйте сами, прежде чем смотреть ответ.

На улице вы заметили, что из каждых 5 прохожих 4 идут с зонтом. Какова вероятность встретить человека с зонтом? А какие это шансы «к одному»?
Прогноз обещает вероятность дождя 0,75. Выразите это в виде шансов.

Разбор первого пункта. Удачных случаев (с зонтом) — 4, всего прохожих — 5. Вероятность = 4 из 5 = 0,8, или 80%. Теперь шансы: с зонтом — 4 человека, без зонта — 1 (это 5 − 4). Значит, шансы «4 к 1».

Разбор второго пункта. Вероятность 0,75 — это 75 удачных исходов на каждые 100. Неудачных тогда 25 (остаток до 100). Соотношение «75 к 25» сокращаем на 25 и получаем шансы «3 к 1». Проверка в обратную сторону: «3 к 1» → всего 4 → 3 из 4 = 0,75. Сходится.

Проверьте себя¶

Короткий тест по уроку: выберите ответ и нажмите «Проверить» — увидите счёт и разбор.

Частые вопросы¶

В чём разница между вероятностью и шансами простыми словами?

Вероятность сравнивает удачные исходы со всеми возможными (например, «3 из 4»). Шансы сравнивают удачные с неудачными (те же данные — это «3 к 1»). Смысл один, форма записи разная: вероятность чаще нужна для расчётов, шансы — привычнее на слух.

Зачем ИИ вероятность, если можно дать чёткий ответ?

Потому что в реальных задачах чёткого ответа просто нет: данные неполные, а будущее неизвестно. Вероятность позволяет ИИ честно оценить риск, сравнить варианты и настроить порог, при котором он принимает решение. Жёсткое «да/нет» в таких условиях вело бы к грубым ошибкам.

Что значит «вероятность осадков 60%» в прогнозе погоды?

Это значит, что в похожих погодных условиях дождь шёл примерно в 6 случаях из 10. Прогноз не обещает дождь наверняка — он оценивает его правдоподобность. При 60% разумно взять зонт, но и сухой день вполне возможен.

Как быстро перевести шансы в вероятность?

Сложите обе части соотношения, чтобы получить общее число случаев, и возьмите долю удачных. Например, шансы «1 к 4»: всего 1 + 4 = 5, удачных 1 из 5, то есть вероятность 0,2 (20%). Обратно: из вероятности 0,2 получаем 2 удачных и 8 неудачных на каждые 10 — это «1 к 4» после сокращения.

В курсе: ← Назад: Игры против ИИ: минимакс и перебор ходов · Дальше: Правило Байеса простыми словами →

Авторы курса: Герман Коваленко (основатель ENGRAM) и Сергей Добров.

Попробуйте ENGRAM на своих данных

Нейросеть на ваших встречах, документах и переписке: отвечает со ссылкой на источник. Это ваша вторая память на базе ИИ. Данные хранятся в России, старт бесплатный.

Зарегистрироваться бесплатно