贝叶斯主义和古人阴阳观念（我和GPT交流的一些若至问题）

我认可的科学观是贝叶斯主义，实际上人脑就是一个贝叶斯机器: 人脑就是一个贝叶斯机器，贝叶斯主义的根源是人脑，不是数学。贝叶斯方法很可能是人与生俱来的思维框架，不是后天经验获得的，有点像康德的先验主义。未来脑科学的发展，有可能会发现 大量神经元之间连接形成的“贝叶斯推理”结构。有点像gpt,gpt下一个字的生成也是按照概率生成的，概率取决于训练gpt的材料,概率类似于置信度，通过材料来按概率调整自己的模型和改变置信度。 至于贝叶斯和阴阳学说的共同点: 强调更新思维：贝叶斯主义强调不断地更新自身信念，而在阴阳学说中，我们也需要保持开放态度，不断地学习和探索。对于复杂的问题（含有阴阳两面），我们应该采取多元思考的方式，引入新的因素和证据 举一个二者结合的例子吧: 假设我们想要预测一个电商网站上某件商品的销售量，可以结合阴阳学说和贝叶斯主义来进行分析。 首先，我们可以运用阴阳学说的“分类阴阳”的思想，将所有相关数据分成两个部分，如已知咨询、支付记录，以及价格等属性的“阳”属性，和不确定或无法精确了解的“阴”属性，例如个人口味喜好，产品风格流行趋势等。 接着，我们将这些“阳”属性输入到贝叶斯公式中，计算出特定条件下销量变化的概率。但是在这种情况下，我们仍然存在大量未知的“阴”属性，如果忽略这些属性的影响结果会偏差较大。为此，我们可以借助阴阳学说中“互补共生”的原则，将这些未知属性作为“先验知识”放入模型中，对影响因素的统计进行综合，从而更好地预测销售额变化。 最后，这个模型也需要不断迭代优化。在使用本次销售预测的时候，我们同时获得了一些销售数据，相当于得到了新的信息。因此可以将这些结论反馈回模型中，验证模型的准确性并进行不断更新，以更精准地预测销售额。 综上所述，将阴阳学说与贝叶斯主义相融合，可以更好地应用统计工具来满足我们的需求，并帮助解决如何处理多种来源的不确定性数据，从而提高准确性和可靠性。 阴阳学说的相对性: 例如因为普遍上讲上男人比女人更有阳刚之气所以男为阳，所以男为阳，女为阴，但也有女人比男人更阳刚的例子，所以结论的不是绝对的而是相对的。再比如说动为阳，静为阴，所以把动物归入阳，植物归入阴，但有些植物也会动，而且树风吹了也会动 包括个体也有相对性:一个人在家是父亲为阳，但他去朝中做官见到了皇帝，便是阴（不同情况同一个体阴阳不一样） 甚至同意情况有可能不一样，电冰箱，冷所以为阴，但它主动耗电制冷所以为阳 一位爷爷为了孙子的能活下去，而去抢银行给孙子攒治病钱。你说他是好是坏，是善是恶？是阴是阳？（同一情况下阴阳也可能不一样，因为角度不同） 孔子的所谓中庸之道也是这样，在不同的情况（包括立场）为了不同的用处，必须从相应的角度去分析和相应的立场对待事物和相应方式处理事情，该走极端时就走，该折中就折中 在我们欣赏文学之美时就不该用科学的严谨去给予批判，当我们在研究科学时则应该有严谨的态度 美国双标虽然可耻，但却是智慧的体现，傻子才人定一个理，理是死的人是活的！ 《易传》曰“一阴一阳谓之道”。阴阳壹体两面，彼此互藏，相感替换，不可执一而定象。二者虽无定象，随道而变，上皆可为道，下亦可为器。道用无穷，处处有之，因用而论。用即出，阴阳即定，二者虽定，亦随时而变迁。故曰：阴阳不二，以壹而待之。壹者太极是也，统领二物，相互作用，运化万千。