# 章節包：人工智慧導論（AI）W4（10/1）第 06 章「語意與建構網路的步驟」
Ch13 Part 1（2021 錄影）影片 0:19:02–0:33:53，YouTube ID MxNi_mjW4qs，逐字稿 C:\D槽\TAICA課程\人工智慧導論\第四周1151001\W4_人工智慧導論_Ch13_Part1.逐字稿.txt。Notion 章節頁 https://app.notion.com/p/3ecfc631b03081f19fe0d87a2b1bbab2（頁 ID 3ecfc631b03081f19fe0d87a2b1bbab2），頁面標題「06 語意與建構網路的步驟（0:19–0:33）」。
## 1. 第一行（直接照抄，不要改）
[人工智慧導論](https://app.notion.com/p/3e6fc631b0308131b213f0a3d93fe91d) › [W4（10/1）](https://app.notion.com/p/3ecfc631b03081e895d2c5f3aec0353e) › 06｜Ch13 Part 1（2021 錄影）影片 [0:19:02–0:33:53](https://www.youtube.com/watch?v=MxNi_mjW4qs&t=1142s)｜投影片 Ch13 p.9–10｜上一章 [05 貝氏網路的定義與警報器例子（0:00–0:19）](https://app.notion.com/p/3ecfc631b0308143bb9bc5ea30a57b40)｜下一章 [07 網路的精簡性與節點順序（0:33–0:48）](https://app.notion.com/p/3ecfc631b03081a4b341d85d2cb7f773)
## 1b. 最後一行（直接照抄，放在 Self-check 後面，當全頁最後一行）
讀完了嗎？下一章：[07 網路的精簡性與節點順序（0:33–0:48）](https://app.notion.com/p/3ecfc631b03081a4b341d85d2cb7f773)｜回到週頁：[W4（10/1）](https://app.notion.com/p/3ecfc631b03081e895d2c5f3aec0353e)
## 2. 各段標題（照順序；每段一個 ## 標題，直接照抄連結）
- `## [0:19:06](https://www.youtube.com/watch?v=MxNi_mjW4qs&t=1146s) 兩種角度看語意` 老師講什麼：貝氏網路可以看成聯合機率分布的表示法，也可以看成條件獨立敘述的編碼；兩者等價，前者適合拿來建網路，後者適合理解推論過程。
- `## [0:20:31](https://www.youtube.com/watch?v=MxNi_mjW4qs&t=1231s) 用網路算聯合機率` 老師講什麼：算「警報響、兩個鄰居都打來，但沒有竊賊也沒有地震」的機率：把每個節點在給定 parent 下的機率相乘、查表即可，結果很低，代表警報器很少誤報。
- `## [0:24:12](https://www.youtube.com/watch?v=MxNi_mjW4qs&t=1452s) 本章兩大問題` 老師講什麼：第一是怎麼建構貝氏網路，讓它好好代表一個領域；第二是怎麼基於網路推論出想要的機率；這支先講第一個。
- `## [0:24:50](https://www.youtube.com/watch?v=MxNi_mjW4qs&t=1490s) 用 chain rule 拆聯合機率` 老師講什麼：用 product rule 一層一層把聯合機率拆成條件機率相乘（chain rule），每一項的條件其實可以縮小成該變數的 parent。
- `## [0:28:02](https://www.youtube.com/watch?v=MxNi_mjW4qs&t=1682s) 建網路的三個步驟` 老師講什麼：先決定有哪些隨機變數，再排一個順序，接著對每個節點從前面的節點中挑出最少的 parent、畫箭頭、寫 CPT；老師提醒不同順序建出的網路簡潔程度不同。
- `## [0:29:43](https://www.youtube.com/watch?v=MxNi_mjW4qs&t=1783s) MaryCalls 只需要 Alarm` 老師講什麼：Burglary、Earthquake、JohnCalls 都不直接影響 Mary 打不打電話，真正直接影響的只有 Alarm，所以條件可以簡化成只看 Alarm。
- `## [0:31:35](https://www.youtube.com/watch?v=MxNi_mjW4qs&t=1895s) 照順序建就不會有環` 老師講什麼：每個節點只連到比它早的節點，所以網路保證無環；但老師提醒排順序時仍要考慮因果關係。
- `## [0:32:55](https://www.youtube.com/watch?v=MxNi_mjW4qs&t=1975s) 沒有多餘的機率值` 老師講什麼：網路裡沒有重複的機率值，所以不會互相矛盾，專家不可能建出違反機率公理的網路（例如機率總和超過 1）。
## 3. 老師強調／會考／不考的地方（原句已驗證；寫進筆記時 ASR 錯字要改正）
- (0:32:53) [強調] 「所以這是要注意的」 → 排節點順序時要考慮變數之間的因果關係，建出來的網路才不會出問題
## 3b. 數學段候選（程式抓的，只是提示；寫「跳過提示」行用）
0 段候選（門檻 5.6 字／30 秒）
## 4. 這章摘要與重要度
（Ch13 Part 1 影片，時間是那支影片的時間）用兩種角度看貝氏網路的意義，示範用網路算聯合機率，再用 chain rule 推出建網路的步驟與它保證無環、不矛盾的性質。（核心）
## 5. 整堂課的提醒（ASR 錯字、老師口誤、投影片缺公式等；只用跟這章有關的）
- 這週老師採非同步上課，給三支 2021 年錄的舊影片。各章的影片時間是那一支影片自己的時間，章節第一行寫了是哪一支。
- [Ch12 Part 2] 這支是 2021 年錄的舊影片（10/1 非同步上課三支之一），內容只有上課，沒有提到作業、日期或考試安排。
- [Ch12 Part 2] 影片最後在 0:41:36「講到這邊我們想先」句子講到一半就斷了，接續內容應在 Ch12 Part 3。
- [Ch12 Part 2] 老師引用的是課本舊版編號（equation 13.1、13.2；3rd edition 的機率章是 Ch13），今年課本第 4 版是 Ch12，公式編號可能不同。
- [Ch12 Part 2] Ch12 投影片本機沒有，章節的 Exam-ready 英文要用老師唸出的投影片英文句或自己的話（標 my wording），不要憑記憶背課本原文。
- [Ch12 Part 3] 這是 2021 年的錄影。片尾 0:31:05 老師說「下一次上課」會講 Bayesian network，這是 2021 年的課程安排，不代表今年的進度。今年接下來是 Ch13 Part 1 影片，內容剛好接得上。
- [Ch12 Part 3] Ch12 投影片本機沒有，slides 欄寫「Ch12（投影片待補）」。老師在 0:21:29 說「回去翻一下之前那幾頁」、0:27:48 說「最後兩頁」，都要等拿到投影片才能對頁碼。
- [Ch12 Part 3] 逐字稿 0:01:45–0:02:20 有語音辨識重複句和亂碼（日文、土耳其文碎字），內容只有「推廣到隨機變數、可以加入其他證據」一句，寫的時候不要照抄。
- [Ch12 Part 3] 語音辨識常見錯字：Base rule／Best Rule＝Bayes' rule、腦模擬＝腦膜炎、cursal＝causal、cost＝cause、to sac＝toothache、探身＝探針（probe）、basion network＝Bayesian network、頭影片＝投影片。
- [Ch12 Part 3] 預期中的 wumpus world 例子這支片沒有講；絕對獨立（天氣）只在 0:24:48 順口帶過一句，可能 Part 2 已經講過。
- [Ch13 Part 1] 這支是 2021 年錄的舊影片（10/1 非同步上課的三支之一）。影片裡沒有提到作業、日期或考試安排，所以沒有需要標成「2021 年說法」的行政資訊。
- [Ch13 Part 1] Ch13 投影片本機沒有，slides 欄一律寫「Ch13（投影片待補）」。老師口頭引用的是課本第 3 版的圖號（Figure 14.3），第 4 版對應的是 Ch13，拿到投影片後要再核頁碼。
- [Ch13 Part 1] 逐字稿把「貝氏網路」辨識成「被視網路／備試網路／被子網路／貝斯網路」，把 Earthquake 辨識成「R-squared／EarthCraft」，把 axioms 辨識成「axing」，把 It contains 辨識成「Lay contains」，寫筆記時要改回正確寫法。
- [Ch13 Part 1] 影片停在「怎麼建構貝氏網路」（0:48:13 老師說「稍微告一個段落」），本章第二大問題「怎麼用貝氏網路做推論」留到之後的影片。
- [Ch12 Part 2] Ch12 投影片本機沒有，無法對照頁碼；老師在 0:31:13 說「回到45頁」，指的是算 P(cavity|toothache)=0.6 那一頁（2021 版投影片 p.45），拿到投影片後可用來對齊頁碼。
- [Ch12 Part 2] 老師引用 equation 13.1、13.2（課本第 3 版編號），今年第 4 版是 Ch12，編號可能是 12.1、12.2，不確定。
- [Ch12 Part 2] 0:03:06 逐字稿寫 Weather 的機率「0.6、0.1、0.29、0.11」，0:03:3x 又說「0.6、0.1、0.29、0.01」；課本例子應是 0.01（加總才等於 1），以 0.01 為準。
- [Ch12 Part 2] 0:29:55 附近逐字稿把 0.008 有時寫成 0.08（例如 0:31:5x「0.12 除上 0.12 加 0.08」）；正確是 <0.12, 0.08>，正規化後 0.6／0.4（0.12/0.2=0.6），寫筆記時要統一成 0.08。
- [Ch12 Part 2] ASR 錯字很多：to sec／to snack／tootsack＝toothache、注牙＝蛀牙、join＝joint、the basic action Asian＝the basic axioms、正宗5＝正中午、random robot＝random variable、出題字的e＝粗體字的 e。0:02:02–0:02:34 有 Whisper 重複段落與亂碼（"propablythe patient...tis act"），內容是 P(cavity|¬toothache, teen)=0.1 的例子。
- [Ch12 Part 2] 影片開頭直接從隨機變數講起，沒有重講 W3 的條件機率與 product rule，只在 0:02:04 用「給定沒牙痛的青少年蛀牙機率 0.1」一句回顧，已併在第 1 章第 1 段。
- [Ch12 Part 2] 第 2 章約 25.7 分鐘，略超過 25 分鐘；獨立性（0:35:50 起約 6 分鐘）太短不足以單獨成章，所以併入第 2 章。
- [Ch12 Part 3] 只切成 2 章：第 1 章約 18.8 分鐘、第 2 章約 12.9 分鐘。第 2 章比 15 分鐘短一點，但它是一個完整主題（多證據、條件獨立、naive Bayes），又是片尾，切不出第 3 章，併進第 1 章會超過 30 分鐘，所以維持 2 章。
- [Ch12 Part 3] 沒有投影片，所以每段對應哪一頁沒辦法確認。老師的數字（0.7、1/50000、0.01、0.108、0.016、0.871／0.129）看起來跟 AIMA 課本一致，但沒有拿投影片核對過。
- [Ch12 Part 3] 老師在 0:20:28 一度把 0.016 唸成「0.01 呃 0.016」，應以 0.016 為準。
- [Ch12 Part 3] 0:13:47 老師說的「五千分之一」是假設中有經驗醫生的診斷數字，跟算出來的 0.0014（約 1/714）不一樣；寫筆記時要說清楚兩者是不同來源，不要混在一起。
- [Ch12 Part 3] 片尾 0:30:54 老師說「今天我們主要講的就是整個機遇的介紹」，聽起來 Part 3 是 2021 年某一堂課的結尾，Part 2 與 Part 3 可能是同一堂課的前後段，主 session 合併時可以留意章節之間是否有重疊。
- [Ch13 Part 1] 沒有投影片可對照，章節只能照逐字稿切，頁碼範圍全部待補。拿到 Ch13 投影片後要補每章的頁碼，並核對 Exam-ready 英文句。
- [Ch13 Part 1] 老師引用「figure 14.3」是課本第 3 版的編號（第 3 版貝氏網路在 Ch14，第 4 版在 Ch13），筆記引用圖號時要註明版本。
- [Ch13 Part 1] 0:23:21 逐字稿說聯合機率算出來是「0.00628」，課本的值是 0.000628（0.90×0.70×0.001×0.999×0.998）；同一段 John 打電話的機率被辨識成「0.98」，前面 0:13:31 說的是 0.9。不確定是老師口誤還是辨識錯，寫筆記時照課本數字寫，並加一句「注意」。
- [Ch13 Part 1] 逐字稿有大量貝氏網路的錯字（被視網路、備試網路、被子網路、貝斯網路）和英文辨識錯誤（R-squared＝Earthquake、Lay contains＝It contains、axing＝axioms），寫筆記與 Exam-ready 時要改正。
- [Ch13 Part 1] 全片沒有老師明說「會考／不考」的地方；emphasis 只列了帶強調語氣的句子（特別要注意、這是要注意的、ordering 很重要、不要忘了同一個分布）。
- [投影片 2026-10-01 補到] 這章草稿是在沒有投影片時寫的。審稿時必做：(1) 第一行換成章節包第 1 節那行（投影片頁碼已更新）；(2) Exam-ready 每一行標「（自擬，投影片待補）」或 (my wording) 的英文，全部換成章節包第 6 節的投影片原句並標頁碼（例 Ch12 p.31），中文解釋跟著改；投影片有、筆記沒有的重要句子補進去；(3) 正文和概念檔裡的 (my wording) 定義改成投影片原句；(4) 投影片的數字、符號、例子跟草稿不同時，以投影片為準。
## 6. 投影片文字（這章範圍）
**這幾頁的公式或內容只在圖裡（文字檔抓不到），寫 Exam-ready 與公式前先用 Read 看這幾張圖：**
- Ch13 p.10 → C:\D槽\TAICA課程\_work\notes-v2\ai-w4\img\brief_Ch13_p010.png
--- Ch13 p.9 ---
Representing the full joint distribution
9
• A method for constructing Bayesian networks
--- Ch13 p.10 ---
• Intuitively, the parents of node Xi should contain all those nodes in X1, . . . ,
Xi−1 that directly influence Xi.
• Because each node is connected only to earlier nodes, this construction method
guarantees that the network is acyclic.
Representing the full joint distribution
10
## 7. 逐字稿（0:19:02 前後各多 1 分鐘，原始行）
[00:18:02] 可能很細
[00:18:04] 而且無法量化的比如說
[00:18:06] 可能溫度濕度
[00:18:08] 溫度濕度很高所以你的這個
[00:18:10] 警報器失靈啊
[00:18:12] 或者沒電了啊
[00:18:14] 等等等等這個我們都不考慮
[00:18:16] John或Marry他出去吃飯了啊
[00:18:18] 他出去度假了
[00:18:20] 這個我們都不考慮
[00:18:22] 好那所以說呢
[00:18:24] in this way a small agent
[00:18:26] can cope with a very large world
[00:18:28] 那就是因為有這樣的一些假設
[00:18:30] 所以我們可以用剛剛上面
[00:18:32] 這個簡單的網路的結構
[00:18:34] 就能夠去模擬一個
[00:18:36] 很大而複雜的
[00:18:38] 這個世界
[00:18:40] the degree of approximation
[00:18:42] can be improved if we introduce
[00:18:44] additional relevant information
[00:18:46] 當然你要安排的
[00:18:48] 再更仔細也可以
[00:18:50] 那你這個網路就變得比較複雜
[00:18:52] 那而且你
[00:18:54] 你要能夠寫得出
[00:18:56] 這裡面的每一個
[00:18:58] no的conditional probability
[00:19:00] 好
[00:19:02] 那所以呢以上是一個
[00:19:04] 簡單的貝斯網路的一個介紹
[00:19:06] 那接下來
[00:19:08] 貝斯網路代表的
[00:19:10] 其實就是實體世界當中的
[00:19:12] 一些knowledge
[00:19:14] 或者一些相關的意義
[00:19:16] 那我們可以從兩個角度
[00:19:18] 來去了解貝斯網路的
[00:19:20] 他的語意是怎麼樣
[00:19:22] 第一個呢我們貝斯網路可以
[00:19:24] 視為是join probability
[00:19:26] distribution的一種呈現
[00:19:28] 對吧
[00:19:30] 我們剛剛一直在講的
[00:19:32] 第二種我們可以把它表達成是一種
[00:19:34] 我們可以把它視為是一種
[00:19:36] conditional independence statement
[00:19:38] 的一種編碼方式
[00:19:40] 也是嘛
[00:19:42] 你根據哪一個know的
[00:19:44] 誰指到誰
[00:19:46] 方向怎麼樣
[00:19:48] 他基本上就是在incode
[00:19:50] 你的conditional independence
[00:19:52] 的狀況嘛
[00:19:54] 而這兩個
[00:19:56] 角度基本上是
[00:19:58] 等價的
[00:20:00] 只是說呢
[00:20:02] 看你的目的而定
[00:20:04] 第一個角度
[00:20:06] 他在於我們瞭解
[00:20:12] 在我們要建構這個貝斯網路的時候呢
[00:20:14] 我們可以從這個
[00:20:16] 想辦法去描寫這個join probability
[00:20:18] distribution的角度
[00:20:20] 來建構網路
[00:20:22] 那第二個角度是
[00:20:24] 比較適合用來理解
[00:20:26] 我整個推論的過程
[00:20:28] 是說
[00:20:31] 好那接下來呢
[00:20:33] 下一段就是想說
[00:20:35] 那我們就是要來表達
[00:20:37] full join distribution
[00:20:39] 那怎麼弄呢
[00:20:41] 我們一旦有了這樣的一個
[00:20:43] 貝斯網路之後
[00:20:45] 我們就可以去計算
[00:20:47] 很多很多不同的機率
[00:20:49] we can calculate the probability
[00:20:51] that alarm has sound
[00:20:53] but neither a burglary
[00:20:55] nor an earthquake
[00:20:57] has occurred and both
[00:20:59] 假設今天警報器想的
[00:21:01] join probability
[00:21:03] 也都打來給你了
[00:21:05] 但實際上
[00:21:07] 根本就沒有竊到案
[00:21:09] 也沒有地震發生的機率
[00:21:11] 是多少
[00:21:13] 那這個機率寫下來怎麼寫呢
[00:21:15] 就這樣啊
[00:21:17] probability
[00:21:19] 還記得
[00:21:21] 這裡如果寫小寫
[00:21:23] 代表的是
[00:21:25] 隨機變數的一個特定的值
[00:21:27] 這裡寫j代表說
[00:21:29] john有打電話來
[00:21:31] 如果john沒有打電話來就寫
[00:21:33] not today
[00:21:35] 所以這個機率就說
[00:21:37] 代表的就是john有打來
[00:21:39] Mary有打來
[00:21:41] 警報器有響
[00:21:43] 這個a就是代表
[00:21:45] 警報器有響
[00:21:47] not a就是警報器沒響
[00:21:49] 然後呢沒有竊到案
[00:21:51] 沒有地震的
[00:21:53] 機率是這樣子
[00:21:55] 好啦
[00:21:57] 那這個機率怎麼算呢
[00:21:59] 這個機率呢
[00:22:01] 首先地震跟竊到
[00:22:03] 它都是沒有parent的
[00:22:05] 所以我們可以單獨的
[00:22:07] 而且它們兩個又是independent
[00:22:09] 所以我們可以單獨的把這兩個機率
[00:22:11] 拆開來乘
[00:22:13] probability not e乘上
[00:22:15] probability not b
[00:22:17] 然後再來along有沒有產生
[00:22:19] 是跟有沒有
[00:22:21] 竊到跟地震有關
[00:22:23] 所以說我們要算的是
[00:22:25] 在沒有竊到
[00:22:27] 沒有地震的情況底下
[00:22:29] 它警報器會響的機率
[00:22:31] 在乘上
[00:22:33] 當警報器響的情況底下
[00:22:35] Mary會打來的機率
[00:22:37] 在乘上當警報器響的情況底下
[00:22:39] John會打來的機率
[00:22:41] 對不對
[00:22:43] 這個就是整個john
[00:22:45] john probability
[00:22:47] 那這機率怎麼算
[00:22:49] 就很簡單啊
[00:22:51] 你只要查表就好了嘛
[00:22:53] 那比如說像這個not e
[00:22:55] 就是沒有地震
[00:22:57] 因為有地震是0.002
[00:22:59] 沒有竊到
[00:23:01] 就0.999
[00:23:03] 沒有
[00:23:05] 沒有竊到沒有地震
[00:23:07] 會產生a
[00:23:09] 那就是0.001
[00:23:11] 有警報器響
[00:23:13] Mary會打來的機率
[00:23:15] 0.7
[00:23:17] John會打來的機率
[00:23:19] 0.98
[00:23:21] 就等於是0.00628
[00:23:24] 所以就是也沒有地震
[00:23:26] 也沒有警報器
[00:23:28] 那通常你會覺得好像
[00:23:30] 兩個鄰居都打來的
[00:23:32] 很緊張耶
[00:23:34] 那而且警報器真的有響耶
[00:23:36] 那
[00:23:38] 真正是有竊到
[00:23:40] 真正是
[00:23:42] 真正是因為沒有
[00:23:44] 沒有竊到
[00:23:46] 然後
[00:23:48] 沒有地震
[00:23:50] 所以這完全是一個誤報嘛
[00:23:52] 對不對又沒有竊到又沒有地震
[00:23:54] 可是兩個鄰居卻打來
[00:23:56] 這個機率呢是很低的
[00:23:58] 0.00628這麼低
[00:24:00] 好
[00:24:02] 所以代表說我們這個
[00:24:04] 警報器應該是挺
[00:24:06] 挺可以信賴的
[00:24:08] 它不會隨便在那邊亂響
[00:24:10] 好
[00:24:12] 那我們剛剛舉的例子呢
[00:24:20] 是一個簡單的例子
[00:24:22] 那當我們面對一個
[00:24:24] 真正的一個問題的時候
[00:24:26] 我們現在要分兩階段
[00:24:28] 第一個階段是
[00:24:30] 我們面對一個問題的時候
[00:24:32] 我們要如何去建構備試網路
[00:24:34] 另外一個大的問題
[00:24:36] 我們本章這個chapter
[00:24:38] 要解決的兩大問題第一個就是
[00:24:40] 我們要如何建構備試網路
[00:24:42] 第二個就是
[00:24:44] 那我們要如何基於這樣的備試網路
[00:24:46] 去推論出
[00:24:48] 我們想要的機率這樣
[00:24:50] 好所以我們現在來講第一部分
[00:24:52] 我們要如何去建構
[00:24:54] 備試網路
[00:24:56] in such a way that
[00:24:58] the resulting joint distribution is a good
[00:25:00] representation of a given domain
[00:25:02] 好我們要如何
[00:25:04] 有效的去建構這個網路呢
[00:25:06] 首先第一個
[00:25:08] 我們寫下
[00:25:10] join distribution the entry
[00:25:12] in terms of conditional probability
[00:25:14] using the product rule
[00:25:16] 所以假設我們要算的join probability
[00:25:18] 負我的join probability
[00:25:20] 長這樣
[00:25:22] 我有S1
[00:25:24] 一直到Sn這麼多個隨機變數
[00:25:26] 那
[00:25:28] 這個機率呢這個join probability
[00:25:30] 根據之前我們講過的
[00:25:32] 它就可以表達
[00:25:34] 可能性S1
[00:25:36] 一直到Sn-1的join probability
[00:25:38] 在乘上
[00:25:40] 給定
[00:25:42] S1到Sn-1的情況底下
[00:25:44] Sn出現的機率嘛
[00:25:46] 對不對
[00:25:48] 這個沒有問題吧
[00:25:50] 這是一般的join probability的
[00:25:52] 這個拆解法
[00:25:54] 本來就是這樣
[00:25:56] 那我們持續的
[00:25:58] 去拆解這個機率
[00:26:00] 那我們可能就會變成說
[00:26:02] 我們現在呢本來是condition
[00:26:04] S1到Sn-1的
[00:26:06] 那這裡可能還是
[00:26:08] 太多變數join在一起了
[00:26:10] 那所以我們可以再進一步
[00:26:12] 往下細猜
[00:26:14] 就是這個
[00:26:16] 這個部分我們可以繼續往下細猜
[00:26:18] 就可以寫成是
[00:26:20] probability Xn-1
[00:26:22] given Xn-2
[00:26:24] Xn-3一直到X1
[00:26:26] 對不對然後呢再繼續往下
[00:26:28] 細猜所以就可以拆解成
[00:26:30] 像這樣
[00:26:32] 一個一個這樣拆解
[00:26:34] 那和寫起來的
[00:26:36] 的這個notation
[00:26:38] 就長這樣
[00:26:40] probability Xn-1given Xn-1
[00:26:42] 一直到X1
[00:26:44] 那這個就是我們機率課裡面學到的
[00:26:46] chain rule
[00:26:48] 我們可以利用chain rule展開
[00:26:50] 用chain rule展開
[00:26:52] 那
[00:26:54] 對於每一項
[00:26:56] 就是我們chain rule裡面的
[00:26:58] 每一項
[00:27:00] 其實我們又可以仔細的去看一下
[00:27:02] 這個其實就是說
[00:27:04] 給定X1一直到X1-1
[00:27:06] 的情況底下
[00:27:08] X1出現的機率
[00:27:10] 而
[00:27:12] 如果我們知道
[00:27:14] 某一些
[00:27:16] 某
[00:27:18] 就是說
[00:27:20] 這個condition
[00:27:22] 其實這個就是X1的parent
[00:27:24] 因為他們可能對我X1
[00:27:26] 有影響
[00:27:28] 所以parents of X1
[00:27:30] 其實就是X1一直到X1-1
[00:27:32] 如果真的
[00:27:34] 我有I-1個node
[00:27:36] 都有一個箭頭指向我X1的話
[00:27:38] 那的確
[00:27:40] 這個機率就是這樣
[00:27:42] 這個機率就是這樣
[00:27:44] 那所以說呢
[00:27:46] 如果
[00:27:58] 好
[00:28:00] 所以大概狀況是這樣
[00:28:02] 那所以整理一下
[00:28:04] Node就是什麼
[00:28:06] 我們首先我們要先決定好
[00:28:08] 我們有哪些隨機變數
[00:28:10] 那
[00:28:12] 然後呢orderNet
[00:28:14] 我們給他一些適當的順序
[00:28:16] OK
[00:28:18] 基本上任何的一個順序
[00:28:20] 都可以啦
[00:28:22] 但是等一下我們就會秀給大家看說
[00:28:24] 你用不同的順序
[00:28:26] 你創造出來的被視網路
[00:28:28] 他的簡潔程度會不一樣
[00:28:30] 所以其實這邊是有一點
[00:28:32] 有一點
[00:28:34] 就是有一些原則
[00:28:36] 你可以去follow的
[00:28:38] 好那
[00:28:40] 從node1-n
[00:28:42] 我們選定
[00:28:44] I-I-1
[00:28:46] 那麼a minimum set
[00:28:48] of parents for X1
[00:28:50] 然後去把他
[00:28:52] 這個箭頭畫出來
[00:28:54] for each parent insert a link
[00:28:56] from the parent to X1
[00:28:58] 然後我們就可以去
[00:29:00] 寫下這個CPT
[00:29:02] 我們就是把
[00:29:03] probability X1
[00:29:05] given parents of X1
[00:29:07] 去把他對應的這個機率
[00:29:09] 想辦法去估算出來
[00:29:11] 或者是根據經驗或者根據統計
[00:29:13] 去把它估算出來
[00:29:15] 然後寫到這個CPT裡面去
[00:29:17] 這個就是整個的過程
[00:29:19] 整個的過程
[00:29:23] 好那概念上
[00:29:25] the parents of node X1
[00:29:27] should contains all those nodes in X1
[00:29:29] 到X1-1
[00:29:31] that directly influence X1
[00:29:33] 如果有直接跟
[00:29:35] 對於X1的值有直接影響的
[00:29:37] 都會是X1的
[00:29:39] parent
[00:29:41] 所以舉個例子來講
[00:29:43] the choice of
[00:29:45] parents for Mary Coates
[00:29:47] 那Mary會不會
[00:29:49] 打電話來顯然
[00:29:51] 呃
[00:29:53] 呃
[00:29:55] 顯然會跟什麼有關
[00:29:57] 跟有沒有竊盜案
[00:29:59] 跟有沒有地震有關
[00:30:01] 但這個所謂的有關
[00:30:03] 並不是直接相關
[00:30:05] 那麼Mary沒有打來
[00:30:07] 她直接相關的因素是在於
[00:30:09] 她有沒有聽到警報器在響
[00:30:13] 因為她自己本身對於地震沒感覺
[00:30:15] 那她也看不到你家
[00:30:17] 她沒有辦法直接
[00:30:19] 親眼看到
[00:30:21] 有沒有竊賊闖入你家
[00:30:23] 所以會不會影響Mary打不打來
[00:30:25] 只靠
[00:30:27] 這個所謂的警報器響
[00:30:29] 這件事情
[00:30:31] 所以說直覺上我們的知識
[00:30:33] 告訴我們說
[00:30:35] 會影響Mary有沒有打來的呢
[00:30:37] 是Alarm
[00:30:39] 這件事情
[00:30:41] 所以呢
[00:30:43] 本來啦有一個變數
[00:30:45] 假設Mary Coates
[00:30:47] 這個變數現在是X1
[00:30:49] 那X1到X1-1就是
[00:30:51] Burglary
[00:30:53] Earthquake
[00:30:55] Alarm跟John's Code
[00:30:57] 那我們知道說
[00:30:59] 其實
[00:31:01] 這個有沒有地震跟
[00:31:03] 有沒有竊盜基本上
[00:31:05] 跟Mary Coates沒有直接相關
[00:31:07] John有沒有打電話來
[00:31:09] 也跟Mary會不會打電話
[00:31:11] 沒有直接相關
[00:31:13] 因為他們兩個沒有串通嘛
[00:31:15] 所以
[00:31:17] 跟Mary Coates這個變數
[00:31:19] 直接相關的只有Alarm
[00:31:21] 因此我們可以把這樣子的
[00:31:23] Conditional Probability
[00:31:25] 簡化成這個
[00:31:27] 它指
[00:31:29] Given Condition on Allow
[00:31:31] OK這很合理吧
[00:31:33] 完全符合我們的這個
[00:31:35] 這個直覺
[00:31:37] 那也就是因為這樣的原因
[00:31:39] 所以說它其實是要
[00:31:41] 引導出大家就是說
[00:31:43] 好啦我們拆解成很多這樣子的
[00:31:45] 機率 這樣子的機率相乘
[00:31:47] 但是呢我們又可以根據
[00:31:49] 我們的背景知識
[00:31:51] 我們的假設去把這些
[00:31:53] Conditional Probability呢
[00:31:55] 去簡化
[00:31:57] 他講的其實就是這件事
[00:31:59] Because each node is connected
[00:32:01] only to earlier nodes
[00:32:03] this construction method
[00:32:05] guaranteed that the network is
[00:32:07] Acyclic
[00:32:09] 那這裡我們剛剛為什麼
[00:32:11] 前面說這個S1到SN
[00:32:13] 我要有一個編號的一個順序
[00:32:15] 因為我們就是要從Node1到N
[00:32:17] 這樣一步一步的
[00:32:19] 往下長出這個
[00:32:21] 被子網路
[00:32:23] 那我們要Follow這個Ordering
[00:32:25] 這個順序
[00:32:27] 那你如果Follow這個順序的話
[00:32:29] 你建出來的網路就會是
[00:32:31] Acyclic
[00:32:33] 它就會是
[00:32:35] 不會有Cycle的
[00:32:37] 當然啦你這個順序
[00:32:39] 你說隨便順序都不會有
[00:32:41] 不會有Cycle嗎
[00:32:43] 其實也不見得
[00:32:45] 你在排順序的時候其實你就要考慮到
[00:32:47] 它們之間的一些因果的關係
[00:32:49] 你建出來的網路
[00:32:51] 才不會有Cycle
[00:32:53] 所以這是要注意的
[00:32:55] 那另外一個被子網路的
[00:32:57] 重要的特性是說
[00:32:59] Lay contains no redundant
[00:33:01] Probability value
[00:33:03] If there is no redundancy
[00:33:05] and there is no chance for inconsistency
[00:33:07] 也就是說呢
[00:33:09] It's impossible for the knowledge
[00:33:11] in engineering or domain experts
[00:33:13] to create a basic network
[00:33:15] that violates the axing of probability
[00:33:17] 就是說這個被子網路
[00:33:19] 你到時候你去估算出來的
[00:33:21] 這些機率完全都會符合
[00:33:23] 機率的這些基本的定理
[00:33:25] 比如說
[00:33:27] 這個機率都在0到1之間
[00:33:29] 所有的機率加起來要等於1
[00:33:31] 完全都會符合
[00:33:33] 它不會有
[00:33:35] 什麼redundancy
[00:33:37] 比如說你走這個路徑
[00:33:39] 不要講熱路徑
[00:33:41] 你某一個這個
[00:33:43] conditional probability
[00:33:45] 跟另外一個conditional probability
[00:33:47] 整個加起來超過1不會有這種事情
[00:33:53] 好
[00:33:55] 那所以接下來我們就要來看說
[00:33:57] 我們在建這個網路的時候
[00:33:59] 我們Node的順序是怎麼樣
[00:34:01] 好
[00:34:03] 那一個被子網路呢
[00:34:05] Can often be far more compact
[00:34:07] in distribution
[00:34:09] 你如果妥善的利用它的因果關係
[00:34:11] 跟conditional independent的話
[00:34:13] 它畫出來的結果
[00:34:15] 這個網路可以非常的
[00:34:17] 簡約
[00:34:19] 比起我們的機率
[00:34:21] 寫成這樣子簡約很多
[00:34:23] 好
[00:34:25] OK
[00:34:27] 那好
[00:34:31] 那為什麼會可以
[00:34:35] 那麼簡約呢
[00:34:37] 因為基本上被子網路有所謂的
[00:34:39] 區域的結構性
[00:34:41] locally structured
[00:34:43] 或者是所謂的
[00:34:45] 稀疏的特性
[00:34:47] 也就是說
[00:34:49] 即使我整個系統裡面
[00:34:51] 整個問題裡面我有好多個變數
[00:34:53] 比如說10個變數好了
## 8. 寫作規則
（這是 `_筆記SOP.md` 第 3.1、4、5、6 節的濃縮版。兩者衝突時以 SOP 為準。）
讀者：碩士生，兩門課期末是英文考試。要只看筆記就能學會，講得比老師好懂。畫面要簡潔。
**概念優先（2026-09-26 主理人）**：主理人只想懂概念，不想補數學、不想看程式碼和座標圖。兩門課的考試也都是問答題、不考算式（AI W1 1:16:52；NLP W3 1:47:41、2:48:36）。所以：
- 每段預設看得到的只有：白話摘要（2–4 句）＋**一句生活比喻**（例：模擬退火像投資理財，年輕時敢冒險、越老越保守）＋「考試可能怎麼問」一句。
- 數學推導、公式、手算、程式碼、座標圖，全部收進標題寫「（進階，可跳過）」的摺疊，例如「它到底怎麼運作？（進階，可跳過）」。每段最多一個進階摺疊，不要寫長篇計算。
- 演算法要能「用文字說出步驟」（考試可能要你描述），這一點放在預設看得到的地方，不用數字。
- **重心比例**：白話理論與概念模式（它在解決什麼問題、核心想法、跟別的方法差在哪、優缺點、生活比喻）占主要篇幅；數學與程式細節只用一兩句帶過，細節收進進階摺疊。
**圖文並茂（2026-09-26 主理人：不要只有文字）**：
- 每章至少 2–3 個圖，放在**預設看得到**的地方，每個圖前後各用一兩句白話說明「這張圖在看什麼」。
- 流程、步驟、因果、比較 → 用 mermaid 流程圖（```mermaid，flowchart LR 或 TD；節點文字用中文、加雙引號；一張圖不超過 10 個節點）。
- 投影片上的示意圖、架構圖 → 用 [[IMG: …]] 放投影片圖。
- 仍守「每個 ## 段落最多一種視覺元素」。
### 輸出兩個檔
1. `chNN.md`（Notion 寫法，不含頁面標題），結構固定：
- 第一行：章節包第 1 節那行，原樣照抄。
- 第二行起（有數學段才寫）：**跳過提示**，每段一行，讓主理人看影片時知道從哪跳到哪。用章節包第 3b 節的候選當提示，對照第 7 節逐字稿確認（只標老師連續講公式、推導、矩陣、微積分、機率計算、程式細節超過約 1 分鐘的段落；概念講解和比喻不算）：
`跳過提示：(1:31:02–1:35:40) 老師在推導梯度公式，聽不懂可以直接跳到 [1:35:40](YouTube 連結)，接著講「步長 α 怎麼選」。`
- `## 重點`：三點中文，每點一到兩句。
- `## Exam-ready`：3–10 行英文，**從章節包的投影片文字逐字抄**，每行 `- **Term**: "原句"（Ch3 p.14）`。老師有明確證據才在行尾加 `【老師強調】(h:mm:ss)`。
**每一行下面一定要有一行縮排的中文解釋**（主理人英文不好，看不懂的英文等於沒用）：
```
- **Hill climbing**: "It keeps track of one current state and on each iteration moves to the neighboring state with highest value."（Ch4 p.5）
- 中文：爬山法只記住「現在這一個狀態」，每一輪都移到分數最高的鄰居。白話：一直往比較高的地方走一步。
```
中文要先把句子意思講清楚，再補一句白話；最後用「英文（中文）」列出這句裡 1–3 個難字，例：sparse（稀疏）、distinct terms（不重複的字）。
**一行只放一句投影片原句**。同一頁有多句要考就拆成多行，每行各接一行中文；不要用分號串三句以上，不要把計算量 O(...) 塞進去。
- 章節包第 2 節的每一段：`## [h:mm:ss](連結) 標題`（照抄），下面 2–4 句白話摘要，其餘全部收進摺疊：
```
問句（例：用生活例子講，BFS 在做什麼？）
內容
```
摺疊種類（需要才放）：用生活例子講？／它到底怎麼運作？／要先懂什麼？（老師假設你會的數學或概念，短版教學）／老師原話是什麼？（「原話」(h:mm:ss)，只放重要的，最多 5 句）。
- 「它到底怎麼運作？」要用一組小數字把這段的演算法**真的跑 1–3 步**（例：算出梯度、更新一次、比較兩個 α），不是只示範定義的加減乘除。全章盡量沿用同一組數字，讓前一段的答案能在下一段被驗證。
- 每段正文要回答讀者最可能卡住的一個「為什麼」。投影片公式方向跟題目相反、或投影片說「解不出來」時，用一兩句講出原因，自己補的標（我補充）。
- 投影片句子停在公式前（公式在圖裡）時：Exam-ready 在粗體詞條上補公式、引號內保持原句；正文寫出同一條式子。公式圖看章節包第 6 節列出的 PNG。
- `## Self-check`：2–4 題英文考題，答案收摺疊。**至少一題考老師強調的內容**；只出 explain／why／compare 這類問答題，**不出要代數字計算的題目**（考試不考算式）；不出「老師和投影片哪裡不同」這類不會考的題目。每題格式：
```
Q1. English question?（中文：中文題目）
**Answer**: English answer.
中文：把答案完整講一遍（不是只翻一句），讓看不懂英文的人也知道要怎麼答。
```
- **最後一行**：章節包第 1b 節那行（下一章連結），原樣照抄。讓讀完的人直接點下一章。
- 不要把章節包或這份規則裡的指示句寫進筆記（例如「寫筆記時照投影片寫」「已改正 ASR 錯字」）。
- 長度：全文不超過 16,000 字元（跟 check_note.py 同一個數字）。**不要為了壓字數反覆刪改**（實測一章最多花 12 輪在刪字）；超過時只刪進階摺疊裡的第二組算例，比喻、比較表、圖說、「老師說不用背」的提醒都不刪。
- 預設看得到的正文不放計算量 O(...)、代號對照（例如 SMART 字母）、課本出處考據，一律移進進階摺疊。
2. `chNN.concepts.json`：JSON 陣列，4–12 個考試可能問的術語，每個物件：
`name`（英文）、`zh`、`type`（概念／演算法／公式／人物事件／前置知識／行政）、`signal`（"老師說會考"／"老師強調"／"核心（我判斷）"／""）、`evidence`（有 signal 前兩種時必填：原句＋時間）、`definition_en`（投影片原句；沒有就註明 (textbook)／(lecture)／(my wording)）、`plain`（一句中文）、`a4`（≤150 字元英文，可夾極短中文；期末拼貼用的小方塊）、`time`、`slides`、`prereq`（英文名陣列）。
### 風格鐵律
- 不用 emoji 或裝飾符號（✓✗★⚠ 都不要；→ 可以）。不用 callout。不用 `$`。時間不要用 code 樣式。
- 每個 `##` 段落最多一種視覺元素：一張圖、或一個表格、或一個 mermaid。
- 摺疊標題是問句，前面不加符號。
- 圖片最多 3 張，只放文字取代不了的圖。放法：單獨一行 `[[IMG: | 中文圖說]]`，PNG 用 `slides_to_png.py <圖片資料夾> <頁> --dpi=110` 產生。
- 考試訊號只在老師明確說時標。老師只說「不用背」「不講」就寫「注意：……」。
- 老師口誤或跟投影片不同：照投影片寫，加「注意：老師口頭說的是……」。
- 引用老師的話時，ASR 錯字改成正確的字。
### 沒有投影片時
不要憑記憶逐字重現課本段落或數值表。英文定義用自己的話寫、句尾標 (my wording)；Exam-ready 每行標「（自擬，投影片待補）」。例子只用老師講的。
### 寫完之後（只做一次）
跑檢查：
`C:\Users\user\.cache\meeting-record\venv\Scripts\python.exe C:\Users\user\.claude\scripts\check_note.py --transcript <逐字稿> --slides <投影片 txt …> --start <起> --end <訖> --vid <影片 ID>`
- STYLE／VISUAL／TIME／FORMAT：全部改掉。
- QUOTE：確認是不是你改正了 ASR 錯字（是就保留），不是就改成原文或拿掉引號。
- ENGLISH：確認是不是投影片斷行造成的（是就保留），不是就改成投影片原句。
**省額度守則**：章節包裡已經有你需要的全部資料。不要再去讀整份逐字稿、整份投影片、segments.json 或手冊。一次寫好整個檔（Write 一次），檢查後集中修改。