Cảm ơn các bạn đã tham gia chúng ta sẽ thảo luận về Max Ent, hay nguyên lý entropy tối đa hoặc các phương pháp entropy tối đa Max Ent có thể chia làm 2 phần được giới thiệu trong nửa đầu và cuối của bài này. Max Ent do ông E.T Jaynes nghĩ ra ông là người đầu tiên viết những điều này thành bài hoản chỉnh để người khác đánh giá Jaynes đã tự hỏi những câu sâu sắc về triết học, thậm chí nhận thức luận về tính chất của thực tế, vì sao các định luật vật lý lại như vậy. những năm gần đây chúng ta biết max ent, nguyên lý entropi tối đa, đã được sử dụng rất nhiều trong "máy học", trong mô hình hóa các chu trình tự nhiên ngược với sự giải thích và hiểu biết về những chu trình đó. có những người rất quan tâm đến dự báo, ví dụ họ muốn biết thị trường chứng khoán biến động thế nào vào ngày mai họ muốn biết một bệnh nhân ung thư muốn mô hình hóa một cách tốt nhất có thể để dự đoán điều gì xảy ra vào ngày mai. Đó là một mục đích khó, về trí tuệ một mục tiêu đầy tham vọng mà người làm về trí thông minh nhân tạo và máy học có. Max ent được dùng nhiều, cụ thể là trong giới học thuật và những gì chúng ta làm bắt đầu ở đó. Phần 2 tôi sẽ diễn giải quan hệ của những điều các bạn học về dự đoán và máy học để áp dụng vào những vấn đề hay trong sinh học, trong hệ thống xã hội. cụ thể tôi sẽ đi sâu một chút vào ý nghĩa triết học của entropy tối đa rằng vì sao nó hoạt động tốt. Tôi sẽ bắt đầu bằng vấn đề dự báo. Cụ thể tôi bắt đầu với vấn đề mà max ent được dùng nhiều Dự báo từ dữ liệu đa chiều, dữ liệu đa chiều mà chúng ta bàn ở đây hãy định nghĩa, là những gì thuộc về: hệ thống đa chiều có cấu hình gồm nhiều biến (gọi là n) hơn rất nhiều lượng dữ liệu chúng ta có gọi là k. Tức là liên quan đến lượng dữ liệu và số lượng các đặc điểm cấu hình có thể có một hệ thống có thể có nhiều cách biểu diễn hơn số cách bạn có thể quan sát được trong thế giới thực. Số lần quan sát được trong thế giới thực thường thì chúng ta nói về các chiều của một bộ số liệu, vậy hãy lấy một hình ảnh làm ví dụ, hình đen trắng. Coi như hình này có 10000 điểm ảnh. mỗi điểm ảnh trong hình, mỗi điểm ảnh trong hình, nhận giá trị +1 hoặc -1. Đen là +1 còn trắng là -1. Vậy bất kỳ hình nào sẽ có một tổ hợp tùy ý một tổ hợp tùy ý các điểm ảnh. Nếu 10000 điểm ảnh mỗi điểm là +1 hoặc -1 thì tổng số hình là 2 mũ 10000 mỗi điểm ảnh có 1 chiều gián đoạn +1 hoặc -1, tất cả có 10000 điểm nếu bạn xây dựng mô hình về chữ viết tay chẳng hạn, thì bạn sẽ cần mô hình toàn bộ các cách mà tôi viết chữ e bạn không thể nào làm được thế, thực ra tôi nghĩ có thể chứng minh là vũ trụ sẽ diệt vong vì nhiệt độ cao trước khi bạn có hết mẫu chữ viết tay của tôi nên lượng dữ liệu bạn có (k) không là gì với 2^10000 Cho dễ hiểu, 2^10000 là 1000^1000 10^3000. Tức là mũ 30 lần. Có nghĩa là chúng ta cần phải nói về hoặc ít ra đưa ra xác suất về một hình cụ thể lấy từ tập hợp các số hình ít hơn rất nhiều tổng số hình có thể có. Đó là khi ta dùng max ent