Бернулли

Распределение Бернулли — простейшая вероятностная модель с двумя исходами: «успех» и «неудача». В ИИ оно встречается повсюду: множество задач сводится к бинарному выбору — да/нет, спам/не спам, клик/пропуск. На нём строятся логистическая регрессия, наивный байес и генеративные модели. Понимание помогает чувствовать, как алгоритмы оценивают вероятности и принимают решения в условиях неопределённости.

Как это работает? Представьте неправильную монету. Пусть вероятность орла (успеха) равна p, тогда решка — 1−p. Бернулли задаёт эту пару для одного испытания. p — любое число от 0 до 1, и алгоритм учит его по данным. Чем больше наблюдений, тем точнее оценка. Отсюда растут мультиномиальное распределение для нескольких категорий и биномиальное — для последовательности испытаний.

Пример: фильтр почты. Для каждого письма модель вычисляет вероятность спама — это и есть p. Если p больше порога (например, 0,5), письмо идет в спам, иначе во входящие. Каждое письмо — испытание Бернулли, обучение — подгонка p под реальность. Нейросети в бинарной классификации выдают p через сигмоиду, порог решает ответ.

Итак, Бернулли — фундаментальный кирпичик ИИ. Кажущаяся простота обманчива: на этой модели строятся многие сложные алгоритмы. Понимание её логики — первый шаг к вероятностному мышлению, которым пронизан современный искусственный интеллект. Освоив Бернулли, вы получаете ключ к чтению более изощрённых вероятностных моделей — от байесовских сетей до вариационных автокодировщиков.