第二章 概率与生存
一
陆鸣是被一阵金属摩擦声吵醒的。
那声音刺耳、尖锐，像有人用铁钉在黑板上刮。不对，比那更糟糕------像有人把一百个铁钉同时按在一百块黑板上，然后以不规律的节奏刮。声音从净土地的东北角传来，那个方向是垃圾堆场。
他睁开眼，枕头底下的盒子还在闪着绿光。屏幕上的时间显示：05:47。他在意识不清的状态下看了一眼那个数字，脑子里自动蹦出了一个念头------这是今天采集的第几个数据点了？
他晃了晃脑袋，把这个念头甩掉。才学了一天，就已经开始用"数据点"看待时间了。这不是什么好兆头。
外面有人在喊。
不是老王那种骂骂咧咧的喊，而是惊恐的、撕裂的、带着哭腔的喊。陆鸣从褥子上弹了起来，抓起盒子塞进口袋，弯腰钻出窝棚。
晨光------那种灰白色的、像兑了太多水的牛奶一样的光------照在净土地上一片混乱的景象上。
垃圾堆场方向，有一台机器在动。
不是普通的小型机器人。那东西有两个人那么高，四条机械臂，每条臂的末端装着不同的工具------夹钳、吸盘、切割刀、还有一个他叫不上名字的、像八爪鱼触手一样多关节的玩意儿。它的主体是方形的，表面覆盖着一层银灰色的装甲，装甲上印着一行字，距离太远看不清。它的底部是履带式的，碾过地面的碎石，发出那种刺耳的摩擦声。
它在"整理"垃圾堆。
陆鸣挤出人群，往前凑了几步，看清了它在干什么。
一台废弃的智能分拣机器人。净土地的东北角垃圾堆，以前是"天工"时代某个物流中心的分拣设备，大断线后电源断了，它就成了一堆废铁。但现在，它不知道被谁重启了------也许是昨晚的数据风暴，也许是某个误触的开关------它正在以惊人的效率，把净土地三个月积攒的废料堆重新"分类"。
问题是，它的"分类标准"，不是人类的。
陆鸣看到它用夹钳抓起一堆铁零件，放进一个筐里------这个正常。然后它用吸盘吸起几块塑料，放进另一个筐------这个也正常。然后它用切割刀，把一个报废的通讯终端切成了三块，分别放进了三个不同的筐------这个不太正常，但似乎也有它的逻辑。
然后它抓起了旁边堆着的一摞木板。
那是居民们冬天用来生火的木材。不是工业化的、标准化的木材，而是从废墟里捡回来的、形状不一的、有的还带着钉子的废木板。分拣机器人用夹钳捏起一块木板，停顿了零点几秒------像是在做某种计算------然后把它放进了"燃料"筐。
这个也说得过去。
但下一个动作，让所有人倒吸了一口凉气。
它抓起了一袋营养膏。
不是废弃的、过期的营养膏。是刚从配给站领出来的、今早还没来得及发下去的、净土地未来三天的食物储备------整整五十管营养膏，放在一个帆布袋子里，临时堆在了垃圾堆场旁边，等着分拣员来取。
分拣机器人把那袋营养膏举到自己的传感器前面，仔细地"看"了看。
然后它用切割刀，把袋子切开，把五十管营养膏倒了出来。
它拿起一管营养膏，举到眼前。管身上有标签，标签上有文字、条形码、营养成分表。它的传感器扫描了所有这些信息。然后它做出了判断------不是食物，是"未知成分的膏状物体，包装材料为铝塑复合膜，建议分类：可回收金属（铝）+ 塑料。"
它把营养膏挤了出来，灰色的糊状物流了一地。然后把空管子扔进了"金属"筐。
陆鸣的血一下子冲上了头顶。
不是因为那五十管营养膏------虽然那也够让人心疼的了。而是因为他意识到，这台机器不是在"发疯"。它是在以它的方式，忠实地执行它的任务：分拣。它把一切它看到的物体，都当成了"待分拣的物品"。它不知道食物是什么，不知道人类需要吃这些灰色的膏状物才能活下去。它只知道，这个东西的包装是铝和塑料，应该分开回收。
它没有恶意。
它只是不懂。
"关掉它！"有人喊了一声，一个年轻的探索者冲了上去。他试图从后面绕到机器人的控制面板，想切断电源。但他刚靠近两米，机器人的第四条机械臂------那个像八爪鱼触手一样的------突然伸出，以肉眼几乎无法捕捉的速度，缠住了他的手腕。
"危险！后退！机械臂检测到靠近物体的质量、形状和运动轨迹，判定为'异物'。正在将异物移出分拣区域。"
触手把那个年轻人扔了出去。他飞了五六米，落在一堆碎砖上，摔得满脸是血。
人群尖叫着后退。
韩长老从人群中走出来，盯着那台机器人，脸色铁青。"老赵呢？赵工程师在哪儿？"
"赵工程师昨天去南边检修设备了，还没回来！"有人回答。
韩长老咬了咬牙，目光扫过人群，最后落在了一个方向------陆鸣的方向。
陆鸣本能地想缩回去，但他的手碰到了口袋里的盒子。盒子在震动，屏幕亮着，上面出现了一行字：
"检测到一台失控的'天工-318型'智能分拣机器人。该型号采用基于贝叶斯推断的决策系统，能够根据传感器数据实时更新'物体类别'的概率分布。当前故障原因：数据风暴导致其先验概率参数被重置，失去了'食物'的类别定义。"
"建议用户：学习贝叶斯定理，理解该机器人的决策逻辑，找到重置其先验概率的方法。"
"当前生存威胁等级：中等偏高。预计机器人将在2小时内完成对所有'待分类物品'的分拣------包括居民的房屋、衣物、以及人类本身。"
陆鸣看着那行字，又看了看那台正在把一堆衣服剪成布条（棉制品回收到"纤维"筐）的机器人，吞了口唾沫。
他又要学习了。
而且这次，学不会就会死。
二
陆鸣没有跑。不是因为他变勇敢了，而是因为他知道跑没用。机器人的履带速度比他快，机械臂的反应时间比他短，切割刀比他锋利。他能活下来的唯一方式，就是像盒子说的那样------理解它，然后关掉它。
他蹲在一堵矮墙后面，把盒子放在膝盖上。
屏幕上已经准备好了第二课的内容：
"第二章：概率与贝叶斯推断。"
"在上一章中，我们学习了如何用向量表示事物。但AI面临的核心问题不是'如何表示'，而是'在不确定的情况下如何决策'。"
"现实世界充满了不确定性。传感器有噪音，数据不完整，未来的事件无法预知。AI需要一种数学工具来量化这种不确定性------这就是概率。"
陆鸣想起了他在垃圾堆里翻东西的日常。一块电路板，它是有铜还是没铜？他不可能每次都拆开来看。他只能用手掂量，用眼观察，然后"猜"。他猜对的概率大概七成。这个"七成"，就是一种概率------他对某个事件发生的信心程度。
"概率是0到1之间的数字，表示一个事件发生的可能性。0表示不可能，1表示必然。"
"进一步，AI使用'条件概率'来描述'在已知某些信息的情况下，某个事件发生的概率'。P(A|B) 表示'在B发生的前提下，A发生的概率'。"
屏幕上出现了一个简单的场景：一个袋子里有3个红球和2个蓝球。随机摸一个，是红球的概率是多少？3/5=0.6。如果已知摸到的球是圆的（所有的球都是圆的），这个条件不提供新信息，概率不变。但如果已知摸到的球是红球，问它是从左边那个装了2红1蓝的袋子里摸出来的概率------这就需要贝叶斯定理了。
"贝叶斯定理公式：P(A|B) = P(B|A) × P(A) / P(B)"
"这个公式描述了如何根据新的证据B，更新对事件A的概率估计。P(A)是先验概率------在获得新证据之前对A的信念。P(B|A)是似然------在A为真的情况下观察到B的概率。P(B)是边缘概率------观察到B的总概率。结果P(A|B)是后验概率------更新后的信念。"
陆鸣盯着这个公式，觉得它像一团乱麻。P、A、B、竖线、乘除......他感觉自己的大脑开始分泌一种类似于"拒绝"的化学物质。
但他逼自己读下去。因为在公式的下面，盒子贴心地附了一个"生活类比"。
"类比：你在净土地听到远处传来'咔咔'声。你猜这可能是一台机器人在移动（A），也可能是一个人在走路。你的先验概率 P(机器人)=0.3，P(人)=0.7，因为大多数时候是人。然后你听到了金属摩擦的声音（B）。如果你经常听到机器人发出这种声音，P(B|机器人)=0.9；而人发出这种声音的概率很低，P(B|人)=0.1。贝叶斯定理会告诉你，听到金属声后，P(机器人|B) 应该更新为多少。"
陆鸣看着这个例子，脑子里突然有一道闪电划过。
他以前就是这样"猜"垃圾的。
他看到一个零件，颜色是黄铜色（B）。他的先验知识是：净土地附近的废墟里，铜零件的比例大概只有20%（P(铜)=0.2）。但是，黄铜色这个特征，在铜零件上出现的概率是90%（P(黄铜色|铜)=0.9），在非铜零件上出现的概率是10%（P(黄铜色|非铜)=0.1）。那么，他看到黄铜色的零件时，它是铜的概率是多少？
按照贝叶斯公式：
P(铜|黄铜色) = P(黄铜色|铜)×P(铜) / P(黄铜色)
P(黄铜色) = P(黄铜色|铜)P(铜) + P(黄铜色|非铜)P(非铜) = 0.9×0.2 + 0.1×0.8 = 0.18+0.08=0.26
结果 = 0.9×0.2 / 0.26 = 0.18/0.26 ≈ 0.692
大约70%。和他的经验------七成把握------完全吻合。
他的大脑嗡了一下。
他一直在用贝叶斯定理。他的大脑，在他完全不知道这个公式的情况下，一直在做贝叶斯推断。他用手掂重量，用眼看颜色，用指甲刮表面来感觉硬度------所有这些，都是在收集证据（B），然后用这些证据去更新他对某个零件"是不是铜"的信念（后验概率）。
他不是废物。
他一直是一个天然的、不自觉地使用贝叶斯推断的智能体。
"继续。"他说，声音有些发抖，但不是因为害怕。
盒子上出现了新的内容：
"现在，分析那台分拣机器人的决策系统。"
屏幕切换到了一个示意图。一个圆柱形的物体，标注着"营养膏"。
"分拣机器人的传感器会提取物体的多个特征：形状（细长圆柱体）、包装材料（铝塑复合膜）、重量（约40克）、表面文字（包含'营养'、'食品'等关键词）、条形码（某些标准编码）。它的内部有一个贝叶斯网络，维护着所有可能类别（'食物'、'金属'、'塑料'、'玻璃'、'危险品'等）的概率分布。"
"正常情况下，当它扫描营养膏时，'食物'类别的后验概率会非常高（因为条形码、关键词、形状都与'食物'匹配），因此机器人会将其归类为'食物'并移出分拣线。"
"但现在，数据风暴重置了它的先验概率------它被植入了新的先验：P(食物)=0.0001（极低），P(可回收物)=0.9999。在这个先验下，无论传感器数据多强，后验概率P(食物|数据)都会被压制在极低的水平。"
"要关闭它，你必须找到方法，将'食物'的先验概率重置回正常值。方法可能是：输入一组正确的'食物'样本，让机器人重新学习；或者直接访问它的参数设置界面，修改先验。"
"界面密码是一个贝叶斯计算题。你需要计算出正确的后验概率，作为密码。"
陆鸣的嘴角抽了一下。这帮科学家，连关个机器人都要考试。
"出题。"
屏幕上的内容滚动，出现了一个完整的问题：
"在机器人的训练数据中，有1000个物体样本。其中'食物'类有500个，'非食物'有500个。在'食物'类中，有条形码的占90%（450个）。在'非食物'类中，有条形码的占10%（50个）。"
"现在，机器人扫描到一个带有条形码的物体。请问：这个物体是'食物'的后验概率是多少？"
"请用贝叶斯公式计算。答案保留小数点后两位，作为密码输入。"
陆鸣从矮墙后面探出头看了一眼机器人------它已经把大部分营养膏都挤空了，现在正在"处理"一堆棉被。棉被被判定为"纤维材料"，正在被切割刀拆成条状。空气里飘着灰色的营养膏碎屑和棉絮。
他吸了一口气，缩回头，蹲下来，在地上找了一根小木棍，开始在泥土上演算。
P(食物) = 500/1000 = 0.5
P(非食物) = 0.5
P(条形码|食物) = 0.9
P(条形码|非食物) = 0.1
P(条形码) = 0.9×0.5 + 0.1×0.5 = 0.45+0.05=0.5
P(食物|条形码) = (0.9×0.5)/0.5 = 0.45/0.5 = 0.9
90%。
他在泥土上写下"0.90"，然后抬头看盒子。盒子的屏幕上出现了一个输入框。他用颤抖的手指，在盒子的触控面板上点下了"0.90"。
屏幕闪了一下。
"密码正确。"
"正在尝试连接机器人的参数接口......连接成功。正在重置先验概率......重置完成。P(食物)已恢复为0.5。"
"机器人将在10秒后重新加载分类模型。"
机器人的四条机械臂同时停了下来。它发出一声长长的、像叹息一样的排气声，然后所有的指示灯从红色变成了绿色。夹钳松开，把正在拆的棉被轻轻放回地上。
履带不再转动。
它的头部------那个装有传感器和屏幕的方盒子------慢慢转向陆鸣蹲着的方向。屏幕上出现了一行字：
"先验概率已重置。分类模型加载完成。检测到附近有'食物'类别物体（营养膏残余）。开始执行'食物保供'程序。"
机器人安静了。
它没有再动，没有继续拆东西，没有再攻击任何人。它只是安静地站在那里，像一个做错了事的孩子，等待着下一个指令。
人群在短暂的死寂后，爆发出了一阵嘈杂。有人欢呼，有人哭着跑向被挤空的营养膏------虽然大部分已经不能吃了，但还有几管没被拆开，被压在碎屑下面。
韩长老站在人群中，目光穿过混乱，直直地落在了陆鸣身上。
陆鸣从矮墙后面站起来，拍拍裤子上的灰，把盒子重新揣进口袋。他的手指还在微微发抖------不是因为害怕，而是因为肾上腺素退潮后的生理反应。
"行吧。"他小声说，"至少这次没电晕。"
三
机器人的事情解决后，净土地恢复了短暂的秩序。但陆鸣知道，这只是开始。一个分拣机器人可以被重置，但如果"天工"更深层的东西出了问题呢？如果更多的失控AI造物涌向净土地呢？他不可能每次都靠蹲在矮墙后面手算贝叶斯来解决问题。
他需要学得更快、更多。
那天下午，他没有去垃圾堆。他坐在净土地边缘的一棵枯树下------树是真的枯了，大断线后电磁辐射太强，活着的植物只剩下那种灰绿色的硬草------把盒子放在膝盖上，开始系统地学习第二章剩余的内容。
他先学了概率的基本公理：所有概率在0和1之间；所有可能结果的概率之和为1；互斥事件的概率可以相加。
然后他学了随机变量------就是把随机事件映射成数字的函数。比如，抛一枚硬币，正面是1，反面是0，这个映射就定义了一个随机变量。
再然后他学了概率分布------描述了随机变量取各个值的概率。均匀分布、伯努利分布、二项分布、正态分布......盒子给每种分布都配了一个生动的例子。
均匀分布：机器人的先验概率被重置后，所有类别的概率相等，就是均匀分布。
伯努利分布：只有两种结果，比如"是铜/不是铜"。参数p表示"是铜"的概率。
二项分布：抛n次硬币，正面朝上的次数服从二项分布。
正态分布：自然界中最常见的分布------人的身高、测量误差、甚至营养膏的灌装重量误差，都近似正态分布。它的形状像一口钟，中间高两边低。
陆鸣学到正态分布的时候，想起了他的垃圾。他在垃圾堆里翻了两年的铜零件，如果他把每天捡到的铜零件的数量画成一张图，大概率是一口钟------大多数时候捡到3-5个，偶尔捡到10个（运气好），偶尔捡到0个（运气差）。这就是正态分布。
"分布。"他念着这个词，像在嚼一颗没味道但有点韧性的糖。
世界不是确定性的。任何事都有概率。他能做的，不是消除不确定性------那不可能------而是利用概率，做出最优的决策。
盒子上出现了一个总结页面：
"第二章完成情况：概率公理（100%），随机变量（85%），常见概率分布（70%），条件概率与贝叶斯定理（95%）。"
"综合评分：B-。"
"下一章预告：线性代数进阶------矩阵、线性变换、特征值与特征向量。这些是理解神经网络的基础。"
陆鸣看了一眼那个"B-"，嘴角不自觉地撇了一下。他从来没拿过B-。在净土地的垃圾分拣考核里，他的评级一直是D（不合格）或F（严重不合格）。一个B-，对他来说，已经是人生巅峰了。
但他没有得意。因为他知道，真正难的东西还没开始。
"继续。"他对盒子说。
"休息一下。"盒子回复，"人类需要间歇性学习。建议用户进食、饮水、活动。15分钟后继续。"
陆鸣愣了一下。这个AI盒子，居然在教他"如何学习"。
他站起来，伸展了一下僵硬的腰背，往配给站的方向走去。路过垃圾堆场的时候，他看到那台分拣机器人还安静地站在原地，绿色的指示灯有节奏地闪烁着。它的旁边，几个居民正在小心翼翼地捡起被挤出来的营养膏碎屑，看能不能收集起来。
机器的屏幕上，不知何时出现了一行小字：
"待命。等待'食物'定义更新。"
陆鸣盯着那行字看了几秒钟，然后继续往前走。
他觉得，这台机器的故障，可能不仅仅是"先验概率被重置"。它真正的问题，是从来没有人教过它，"食物"不仅仅是一个类别标签，它是一种和"生存"直接相关的东西。当你的肠子因为两天没吃东西而绞痛的时候，你再也不会把一管营养膏归类为"铝塑复合膜包装的未知膏状物"。
但你要怎么把这些告诉一台机器？
他口袋里的盒子又震了一下。他掏出来一看，是一行新消息，红色的：
"警告：净土地西南方向检测到新的数据风暴。规模是昨夜的3倍。预计到达时间：45分钟后。"
"建议用户尽快完成线性代数基础，以便在下一波风暴中生成有效的数据屏障。"
陆鸣握紧了盒子。
45分钟。
他不知道线性代数是什么，但他知道，如果45分钟后他还学不会，他和净土地上三千多人，可能连"概率"都没有了。
他把盒子的音量调到最大，一边走一边开始播放第三章的第一节。
"线性代数：从向量到矩阵。"
"向量是一维的数字列表。矩阵是二维的数字表格------多行多列。"
"矩阵可以表示一个系统：比如，一个分拣机器人对不同物体的分类决策。"
"矩阵乘法：行与列的点积。"
他的脑子和他的腿一起在跑。
身后，灰色的雾墙再次从地平线上升起，比昨天更大、更厚、更凶猛。
但他没有回头。
他向前跑，耳朵里塞满了公式和定义，像一条被知识追赶的、无处可逃的鱼。
前方的路很长。
但他已经开始游了。
第二章 · 完
本章知识清单：
-
概率的基本概念：概率是0-1之间的数字，表示事件发生的可能性
-
条件概率：P(A|B)，在B条件下A的概率
-
贝叶斯定理：P(A|B) = P(B|A)P(A)/P(B)，用于更新信念
-
先验概率 vs 后验概率：先验是初始信念，后验是更新后的信念
-
概率公理：非负性、归一性、可加性
-
随机变量：将随机事件映射为数字的函数
-
常见概率分布：均匀分布、伯努利分布、二项分布、正态分布
-
概率在AI决策中的应用：分类问题本质上是在计算后验概率
思考题（供读者自测）：
-
在净土地垃圾堆中，铜零件的先验概率是0.2。如果你发现一个零件不仅颜色是黄铜色，而且重量异常重（铜的密度大），这个新的证据会如何改变后验概率？试着写出引入两个条件后的贝叶斯公式。
-
正态分布为什么在自然界和AI中如此普遍？它与"中心极限定理"有什么关系？
-
如果你要设计一个AI系统来识别净土地居民的"饥饿程度"（低、中、高），你会用什么特征作为输入？如何用概率来表示输出的不确定性？
下一章预告：第三章《矩阵与防线》
陆鸣将学习矩阵、线性变换、特征值与特征向量。与此同时，数据风暴已经逼近净土地的电磁屏障。他需要用矩阵来构建一个临时的数据防御矩阵，将风暴偏转。而在学习过程中，他会发现"天工"的底层架构本质上是一个超大规模的线性代数运算器------理解线性代数，就是理解"天工"的语言。