知識就是力量
我非常確切地知道，我的智力不屬於人類前20%的那種。所以，餘生努力的方向，顯然不能放在學術前沿的研究上。更能做出成果的方向，是“六經注我”，然後“我注六經”。也就是集中在這樣一個經典問題上：
這個模型、這個方法、這個知識在我的實際生活和工作中可以如何落地運用？如何嵌入到我的知識體系當中，融入到我的血液當中？
比如說，今天接觸到了一個模型——馬爾可夫模型和隱馬爾可夫模型。
馬爾可夫（1856~1922），蘇聯數學家。切比雪夫的學生。在機率論、數論、函式逼近論和微分方程等方面卓有成就。
簡單地查了資料，這個模型
主要應用於
語音識別、音字轉換、詞性標註。
隱馬爾可夫模型最早的成功應用是語音識別。20世紀70年代，當時IBM華生實驗室的賈里尼克領導的科學家，主要是剛剛從卡內基–梅隆大學畢業的貝克夫婦（Jamesand Janet Baker），他們提出用隱馬爾可夫模型來識別語音，語音識別的錯誤率相比人工智慧和模式匹配等方法降低了2/3（從30%到10%）。20世紀80年代末李開復博士堅持採用隱馬爾可夫模型的框架，成功研發出了世界上第一個大詞彙量連續語音識別系統Sphinx。接下來，隱馬爾可夫模型陸續成功地應用於機器翻譯、拼寫糾錯、手寫體識別、影象處理、基因序列分析等很多IT領域，近20年來，它還廣泛應用於股票預測和投資。
這個和我有什麼關係呢？第一個關係是，可以使用根據這個模型做出來的產品和工具，比如說IPhone的siri，小米的人工智慧音箱“小愛同學”，吉利汽車搭載的語音助手等等。這些產品和工具，給我提供了更豐富的與手機、汽車互動的方式和手段。給生活帶來了很大的便利性，同時增添了很多趣味。比如說，開車的時候，想聽音樂了，直接說一句：“博越，播放王力宏的音樂”，不到5秒鐘，車載音樂播放器就開始播放王力宏的歌。在整個過程中，手不用離開方向盤，眼睛的視線一秒鐘都不用離開前方道路。駕駛的安全性就提升了很多，並且非常的方便和流暢。再比如，晚上和寶寶在床上做遊戲，二歲的寶寶拿著手機和siri說話，完全不用幹預，對話過程極其有趣。寶寶：“siri，你睡了嗎？” Siri：“睡覺真是說起來容易，睡起來難啊。”這樣一番對話，直接把我們給笑得人仰馬翻，頓時整個房間就被我們哈哈哈的笑聲給填滿了，久久迴盪。
除此以外呢？還有什麼關係呢？於是進一步找資料，探索，看有沒有什麼是我能弄明白的，並且弄明白了可以用在生活和工作中的。在探索的過程中，就接觸到了這樣一些概念：
狀態；隱藏狀態；可觀察的狀態；狀態轉移矩陣；時間序列資料；通用的統計工具；統計模型；機率估計；機率模型；鏈的大數定律；馬爾可夫過程；馬爾可夫性質；馬爾可夫鏈；隨機過程理論
等等。有了一些基本的理解和認識。
馬爾可夫模型可以歸類到《機率論與數理統計》這一學科中，是一個用來做機率估算的模型。這個模型有一個基本的假設，也是馬爾可夫為了簡化問題，提出的一種簡化的假設：
隨機過程中各個狀態Xt的機率分佈，只與它的前一個狀態Xt-1有關P(Xn+1=x∣X0,X1,X2,…，Xn)=P(Xn+1=x∣Xn)
。具體的模型此處不贅述，對於這個模型感興趣的可自行去找資料，很多。我感興趣的是這個模型如何用。
舉個例子，我今天的健康狀態和昨天的健康狀態有關係，也和從我出生的那一天開始的每一天的健康狀態有關係，這個好理解吧。比如說我犯有某一種先天性的疾病，那那個初始健康狀態就會影響我今天的健康狀態。如果昨天我感冒了，那麼今天感冒的機率也很大。為了簡化這個問題，依據馬爾可夫假設，就是我今天的健康狀態，只和昨天的健康狀態有關。同樣的，關於工作狀態、學習狀態、心情狀態，也可以以此類推。
馬爾可夫鏈
以上面馬爾可夫鏈舉例，如果m1代表星期一的健康狀態，m2代表星期二的健康狀態，m3代表星期三的健康狀態，m4代表星期四的健康狀態，連線線上的數字代表機率或權重。透過這個模型我們就可以完成預測和反推。如果有大資料的餵養，經過一段時間的訓練（調參），這個模型的預測能力就會越來越強。比如說預測你明天的健康狀態。
隱馬爾可夫模型，就是在這個模型裡，有一個可見狀態，一個不可見狀態，且可見狀態與不可見狀態之間唯一相關。
參考書籍
吳軍：《數學之美（第三版）》
