AI-Powered Bayesian Inference

作者: Veronika Ročková, Sean O'Hagan

发布时间: 2025-02-27

来源: arxiv

研究方向: 人工智能与贝叶斯推理

主要内容

本文研究了如何利用生成式人工智能（GAI）来构建贝叶斯推理中的先验分布，从而在贝叶斯框架下进行预测和不确定性量化。

1. 提出了一种基于生成式人工智能的贝叶斯先验构建方法，将GAI作为Dirichlet过程先验的基分布。

2. 开发了一种基于AI预测的后验模拟方法，通过优化而非条件采样来生成后验样本。

3. 在皮肤疾病预测和螺旋星系比例估计的两个实际应用中验证了该方法的有效性。

1. Dirichlet过程先验

2. 生成式人工智能模型

3. 后验模拟

4. 优化方法

5. 后验靴截法

在皮肤疾病预测实验中，该方法提高了分类准确率。在螺旋星系比例估计实验中，该方法获得了紧致的置信区间，并且能够有效估计参数的值。

进一步研究如何将该方法应用于其他领域，例如金融、生物医学和天文学。此外，还可以研究如何改进GAI模型的性能，以提高先验分布的质量。