构建于 PyTorch 之上，Facebook 母公司开源 Bean Machine
Meta（前身为 Facebook）近日在 GitHub 平台发布一个名为 Bean Machine 的新项目，Meta 将 Bean Machine 定义为概率编程系统，能够使人工智能模型中的不确定性更容易表示和学习。 Bean Machine 能够用于开发特定领域的概率模型，并使用自动、不确定性感知学习算法自动学习模型中尚未观察到的属性。根据 Meta 的说法，Bean Machine 与其他机器学习方法相比，提供的优势包括： 不确定性估计： 预测是通过概率分布形式被可靠的不确定性度量来量化的。分析师不仅可以了解系统的预测，还可以了解其他可能预测的相对可能性。 表达性： 能够轻松的在源代码中直接编码丰富的模型，这允许人们将模型的结构与问题的结构相匹配。 可解释性： 由于模型与领域匹配，因此可以查询模型的中间学习属性。这意味着用户不仅可以使用“黑匣子”，还可以解释为何会做出特定的预测，进而可以在模型开发过程中帮助开发者。 深度学习中包含两种不确定性，即认知不确定性和偶然不确定性（Epistemic Uncertainty & Aleatoric Uncertainty）。认知...
