Name: Sức mạnh của suy luận Bayes | BBC Ideas (The power of Bayesian reasoning | BBC Ideas)
Uploaded: 2026-01-22T18:21:13.000Z
Duration: 4 min 56 s
Description: Thousands of YouTube videos with English-Chinese subtitles! Now you can learn to understand native speakers, expand your vocabulary, and improve your pronunciation...

every time you change your mind based on new information, like rethinking a decision after hearing a friend's advice, you're using something called Bayesian reasoning.

mỗi khi bạn thay đổi suy nghĩ dựa trên thông tin mới, giống như suy nghĩ lại về một quyết định sau khi nghe lời khuyên của bạn bè, bạn đang sử dụng thứ gọi là suy luận Bayes.

Bayesian reasoning was first articulated by the Reverend Thomas Bayes, a clergyman from Tunbridge Wells in southern England, way back in the 18th century.

Suy luận Bayes lần đầu tiên được trình bày bởi Cha Thomas Bayes, một giáo sĩ đến từ Tunbridge Wells ở miền nam nước Anh, vào thế kỷ 18.

Bayes không nổi tiếng khi còn sống.

In fact, his theory wasn't published until two years after he had died.

Trên thực tế, lý thuyết của ông chỉ được xuất bản hai năm sau khi ông qua đời.

But his work has gone on to profoundly shape science, medicine, and artificial intelligence.

Nhưng công trình của ông đã định hình sâu sắc khoa học, y học và trí tuệ nhân tạo.

It even helped crack the Nazis Enigma code during World War II.

Nó thậm chí còn giúp giải mã Enigma của Đức Quốc xã trong Thế chiến II.

So what is Bayesian reasoning, and how can it help us understand the world?

Vậy suy luận Bayes là gì, và nó có thể giúp chúng ta hiểu thế giới như thế nào?

Thomas Bayes đã giới thiệu hai ý tưởng quan trọng.

First, that our beliefs can be expressed as probabilities, and

Thứ nhất, niềm tin của chúng ta có thể được diễn đạt dưới dạng xác suất, và

second, how our beliefs should be revised when we obtain more information.

thứ hai, niềm tin của chúng ta nên được điều chỉnh như thế nào khi chúng ta thu thập thêm thông tin.

Essentially, he produced a theory for learning from experience.

Về cơ bản, ông đã đưa ra một lý thuyết về việc học hỏi từ kinh nghiệm.

Bayesian analysis can be used in any situation where each new item of information changes our beliefs.

Phân tích Bayes có thể được sử dụng trong bất kỳ tình huống nào mà mỗi thông tin mới thu thập được sẽ thay đổi niềm tin của chúng ta.

Alan Turing and his team at Bletchley park used Bayesian ideas to learn about the settings of Enigma machines in World War II, changing their opinion as new patterns were found.

Alan Turing và nhóm của ông tại Bletchley park đã sử dụng các ý tưởng Bayes để tìm hiểu về cài đặt của máy Enigma trong Thế chiến II, thay đổi quan điểm của họ khi các mẫu mới được tìm thấy.

The spam filter on your email account will use Bayesian analysis to change its probability that your email message is spam as each new suspicious feature is detected.

Bộ lọc thư rác trên tài khoản email của bạn sẽ sử dụng phân tích Bayes để thay đổi xác suất email của bạn là thư rác khi mỗi tính năng đáng ngờ mới được phát hiện.

Take breast cancer Screening in the UK, mammograms are rather accurate, detecting about 90% of cancers, and

Hãy xem xét sàng lọc ung thư vú ở Vương quốc Anh, chụp nhũ ảnh khá chính xác, phát hiện khoảng 90% ung thư, và

97% of women without cancer correctly get a negative test result.

97% phụ nữ không bị ung thư nhận được kết quả xét nghiệm âm tính chính xác.

Let's consider what we would expect to happen to 100 women being tested.

Hãy xem xét những gì chúng ta mong đợi xảy ra với 100 phụ nữ đang được xét nghiệm.

Based on past experience of the rate of breast cancer among women getting mammograms, we would expect one out of the hundred to have cancer, and

Dựa trên kinh nghiệm trong quá khứ về tỷ lệ ung thư vú ở phụ nữ chụp nhũ ảnh, chúng ta mong đợi một trong số một trăm người sẽ bị ung thư, và

that case is almost certain to be picked up on the mammogram.

trường hợp đó gần như chắc chắn sẽ được phát hiện trên ảnh chụp nhũ ảnh.

Of the remaining 99 without cancer, we would expect three women to get a false positive result.

Trong số 99 người còn lại không bị ung thư, chúng ta mong đợi ba phụ nữ sẽ nhận được kết quả dương tính giả.

So in total, we expect one plus three equals four positive tests.

Vì vậy, tổng cộng, chúng ta mong đợi một cộng ba bằng bốn kết quả xét nghiệm dương tính.

Nhưng chỉ có một người thực sự bị ung thư.

From this perspective, looking only at the women who get a positive result, perhaps the test does not seem so accurate.

Từ góc độ này, chỉ nhìn vào những phụ nữ nhận được kết quả dương tính, có lẽ xét nghiệm không còn vẻ chính xác nữa.

Around three out of four or 75% of the women recalled don't have cancer.

Khoảng ba trên bốn, hay 75% số phụ nữ được gọi lại không bị ung thư.

Further tests should rapidly identify these three false positives.

Các xét nghiệm sâu hơn sẽ nhanh chóng xác định ba trường hợp dương tính giả này.

This is an example of using Bayesian analysis.

Đây là một ví dụ về việc sử dụng phân tích Bayes.

Since we are taking into account the base rate for the condition, our prior probability that a random woman being tested has breast cancer is 1%.

Vì chúng ta đang xem xét tỷ lệ cơ bản của tình trạng này, xác suất tiên nghiệm của chúng ta rằng một phụ nữ ngẫu nhiên được xét nghiệm bị ung thư vú là 1%.

And after getting a positive test result, this is updated to what is called a posterior probability, which is 1 out of 4 or 25% of course, further investigations will eventually change the probabilities of those who are recalled either to 0% or less, fortunately 100%.

Và sau khi nhận được kết quả xét nghiệm dương tính, điều này được cập nhật thành cái gọi là xác suất hậu nghiệm, là 1 trên 4 hay 25%. Tất nhiên, các cuộc điều tra sâu hơn cuối cùng sẽ thay đổi xác suất của những người được gọi lại thành 0% hoặc may mắn là

The use of Bayesian analysis in medical testing is now standard.

Việc sử dụng phân tích Bayes trong xét nghiệm y tế giờ đã trở thành tiêu chuẩn.

However, more controversial is the use of Bayesian methods in science, so called Bayesian inference.

Tuy nhiên, gây tranh cãi hơn là việc sử dụng phương pháp Bayes trong khoa học, hay còn gọi là suy luận Bayes.

The traditional view of science is that it is a completely objective activity, that data is analyzed without preconceptions and the results speak for the the Bayesian perspective is somewhat different.

Quan điểm truyền thống về khoa học là nó hoàn toàn khách quan, dữ liệu được phân tích mà không có định kiến và kết quả tự nói lên tất cả. Tuy nhiên, quan điểm Bayes có phần khác.

It acknowledges that there are always judgments underlying every analysis and that we don't start from a blank slate.

Nó thừa nhận rằng luôn có những đánh giá nằm dưới mọi phân tích và chúng ta không bắt đầu từ con số không.

Each set of data adds to our existing knowledge rather than standing entirely on its own.

Mỗi bộ dữ liệu bổ sung vào kiến thức hiện có của chúng ta thay vì đứng hoàn toàn độc lập.

For example, clinical trials of new drugs are not designed in complete ignorance.

Ví dụ, các thử nghiệm lâm sàng thuốc mới không được thiết kế trong sự hoàn toàn không biết gì.

There is always some historical evidence available about the potential effectiveness of the new therapy, and

Luôn có một số bằng chứng lịch sử về hiệu quả tiềm năng của liệu pháp mới, và

expert judgments can be elicited and used to prioritize investigations and produce efficient designs.

các đánh giá của chuyên gia có thể được thu thập và sử dụng để ưu tiên điều tra và tạo ra các thiết kế hiệu quả.

And it's even thought that we have Bayesian brains.

Và người ta thậm chí còn cho rằng chúng ta có bộ não Bayes.

We don't start from scratch to interpret our sensations for each second that passes.

Chúng ta không bắt đầu lại từ đầu để diễn giải cảm giác của mình mỗi giây trôi qua.

Instead, we always have prior expectations of what we might experience next, and

Thay vào đó, chúng ta luôn có những kỳ vọng ban đầu về những gì mình có thể trải nghiệm tiếp theo, và

then new observations update our beliefs accordingly.

rồi những quan sát mới sẽ cập nhật niềm tin của chúng ta cho phù hợp.

Fundamentally, Bayesian ideas reflect what it means to be human.

Về cơ bản, các ý tưởng của Bayes phản ánh ý nghĩa của việc làm người.

Chúng ta sống trong một thế giới đầy bất định, nhưng

we always have prior expectations of what might happen next, and

chúng ta luôn có những kỳ vọng ban đầu về những gì có thể xảy ra tiếp theo, và

we revise that uncertainty as we learn from experience, all based on the ideas of a rather obscure 18th century cleric from Tunbridge Wells.

chúng ta điều chỉnh sự bất định đó khi học hỏi từ kinh nghiệm, tất cả đều dựa trên ý tưởng của một giáo sĩ khá uyên bác thế kỷ 18 đến từ Tunbridge Wells.

Subtitles ListPlay Video

Sức mạnh của suy luận Bayes | BBC Ideas (The power of Bayesian reasoning | BBC Ideas)

perspective

articulate

vital

prioritize