1. 定位导航从本篇开始进入概率与信息论，深度学习的第二大数学支柱（第一个是线性代数）。概率论在 AI 领域有两大用途：设计算法：概率法则指导 AI 系统如何在不确定性下推理分析系统：用概率和统计理论分析 AI 系统的行为2. 核心问题：确定性世界的崩塌计算机科学的大部分领域处理的是完全确定的实体——CPU 完美执行每条指令，数据结构精确存储每个比特，算法在给定输入下总是产生相同的输出。程序员通常不需要担心"也许这次加法的结果和上次不一样"。但机器学习从根本上不同。它必须处理不确定量，有时甚至是随机量。一个训练好的图像分类器看到一张模糊的照片，它不能说"这是一只猫"——它只能说"这有 87% 的概率是一只猫"。这个 87% 从何而来？为什么不能给出一个确定的答案？3. 不确定性的三个来源不确定性并非来自"我们不够聪明"，而是有三个根本性的来源：3.1 系统内在的随机性