Please use the form below to provide your feedback. Because your feedback is valuable to us, the information you submit in this form is recorded in our issue tracking system (JIRA), which is publicly available. You can track the status of your feedback using the ticket number displayed in the dialog once you submit the form.

第 15 章 概率编程 (Probabilistic Programming)

      +
      本章主旨

      本章是 AIMA 4e 的"概率编程"——PPL / 表示 / 推断。理解后才能掌握 AI 各子领域。

      一、核心概念

      本章围绕 2 个核心概念展开：

      概念 定义 + 重要性 实现提示

      概率编程

      PPL 表示

      §15.1-15.2

      PPL 推断

      MCMC / 变分

      §15.3-15.5

      二、本章要点

      • 概率分布可以定义为每个随机选择的概率的乘积： P(ω) = ∏ i P(xi|x1, …, xi−1)。这类似于 OUPM

      • 的逻辑语句本身是对可能世界的约束一样。在标准逻辑意义上，任何满足约束的分布 P 都是概

      • 确定概率断言的可满足性（Hailperin, 1984; Nilsson, 1986） 。因此，我们具有与“时态逻辑”同

      学习建议

      • AIMA 4e 是 AI 标准教材——每章配套习题巩固理解。

      • 实现关键算法（搜索 / CSP / 逻辑 / 概率 / 学习）才能真正掌握。

      • 与机器学习 / 深度学习课程结合；现代 LLM / Diffusion 改变 AI 格局。

      三、关键图表

      视觉图表

      图 {ch_num}-1
      Figure 1. 图 {ch_num}-1：{zh}总览

      四、思维导图

      mindmap
  root((第 {ch_num} 章 {zh}))
    概率编程
    PPL 推断

      五、重点与易错点

      • PPL / 表示 / 推断。

      • 配套习题：原书第 {ch_num} 章末尾。

      • 实现建议：用 Python / AIMA 代码库 (aima.cs.berkeley.edu) 实践关键算法。

      • 跨章衔接：第 14 章上下文；AI 各子领域互为基础。