การเขียนโปรแกรมเชิงความน่าจะเป็น ( PP ) เป็นกระบวนทัศน์การเขียนโปรแกรมที่อิงตามข้อกำหนดเชิงประกาศของแบบจำลองความน่าจะเป็นซึ่งการอนุมานจะดำเนินการโดยอัตโนมัติ^{[ 1 ]}การเขียนโปรแกรมเชิงความน่าจะเป็นพยายามที่จะรวมการสร้างแบบจำลองความน่าจะเป็นและการเขียนโปรแกรมทั่วไปแบบดั้งเดิมเข้าด้วยกัน เพื่อให้การสร้างแบบจำลองความน่าจะเป็นง่ายขึ้นและใช้งานได้กว้างขวางมากขึ้น^{[ 2 ] [ 3 ]}สามารถใช้เพื่อสร้างระบบที่ช่วยในการตัดสินใจเมื่อเผชิญกับความไม่แน่นอน ภาษาการเขียนโปรแกรมที่ปฏิบัติตามกระบวนทัศน์การเขียนโปรแกรมเชิงความน่าจะเป็นเรียกว่า "ภาษาการเขียนโปรแกรมเชิงความน่าจะเป็น" (PPLs)

การให้เหตุผลเชิงความน่าจะเป็นถูกนำมาใช้สำหรับงานที่หลากหลาย เช่น การทำนายราคาหุ้น การแนะนำภาพยนตร์ การวินิจฉัยคอมพิวเตอร์ การตรวจจับการบุกรุกทางไซเบอร์ และการตรวจจับภาพ^{[ 4 ]}อย่างไรก็ตาม จนกระทั่งเมื่อไม่นานมานี้ (ส่วนหนึ่งเนื่องมาจากกำลังการประมวลผลที่จำกัด) การเขียนโปรแกรมเชิงความน่าจะเป็นมีขอบเขตจำกัด และอัลกอริธึมการอนุมานส่วนใหญ่ต้องเขียนด้วยตนเองสำหรับแต่ละงาน

อย่างไรก็ตาม ในปี 2558 โปรแกรม คอมพิวเตอร์วิชั่นเชิงความน่าจะเป็น 50 บรรทัดถูกนำมาใช้เพื่อสร้างแบบจำลอง 3 มิติของใบหน้ามนุษย์โดยอิงจากภาพ 2 มิติของใบหน้าเหล่านั้น โปรแกรมนี้ใช้กราฟิกผกผันเป็นพื้นฐานของวิธีการอนุมาน และสร้างขึ้นโดยใช้แพ็กเกจ Picture ในJulia [ ^{4 ] ซึ่งทำให้สามารถทำได้ "ด้วยโค้ด เพียง} 50 บรรทัดในสิ่งที่เคยต้องใช้หลายพันบรรทัด" ^{[ 5 ] [ 6 ]}

ไลบรารี การเขียนโปรแกรมเชิงความน่าจะเป็น Gen (ซึ่งเขียนด้วยภาษา Julia) ได้ถูกนำไปใช้กับงานด้านการมองเห็นและหุ่นยนต์^{[ 7 ]}

เมื่อไม่นานมานี้ ระบบการเขียนโปรแกรมเชิงความน่าจะเป็นTuring.jlได้ถูกนำไปใช้ในแอปพลิเคชันทางเภสัชกรรม^{[ 8 ]}และเศรษฐศาสตร์ ต่างๆ ^{[ 9 ]}

การเขียนโปรแกรมเชิงความน่าจะเป็นใน Julia ยังได้รับการรวมเข้ากับการเขียนโปรแกรมเชิงอนุพันธ์โดยการรวมแพ็คเกจ Julia Zygote.jl เข้ากับ Turing.jl ^{[ 10 ]}

ภาษาการเขียนโปรแกรมเชิงความน่าจะเป็นยังใช้กันทั่วไปในวิทยาศาสตร์ความรู้ความเข้าใจแบบเบย์เซียนเพื่อพัฒนาและประเมินแบบจำลองความรู้ความเข้าใจ^{[ 11 ]}

PPL มักจะขยายมาจากภาษาพื้นฐาน ตัวอย่างเช่น Turing.jl ^{[ 12 ]}นั้นมีพื้นฐานมาจากJulia , Infer.NETมีพื้นฐานมาจาก. NET Framework [ ^{13 ]}ในขณะที่ PRISM ขยายมาจากProlog ^{[ 14 ] อย่างไรก็ตาม PPL บาง ภาษา}เช่นWinBUGSนำเสนอภาษาที่ครบถ้วนในตัวเองซึ่งเชื่อมโยงอย่างใกล้ชิดกับการแสดงทางคณิตศาสตร์ของแบบจำลองทางสถิติ โดยไม่มีต้นกำเนิดที่ชัดเจนจากภาษาโปรแกรมอื่น^{[ 15 ] [ 16 ]}

ภาษา WinBUGS ถูกพัฒนาขึ้นเพื่อใช้ในการคำนวณแบบเบย์เซียนโดยใช้การสุ่มตัวอย่างแบบกิบส์ (Gibbs Sampling) และอัลกอริธึมที่เกี่ยวข้อง แม้ว่าจะเขียนด้วยภาษาโปรแกรมที่ไม่ค่อยเป็นที่รู้จัก (Component Pascal) แต่ภาษานี้ก็ช่วยให้สามารถอนุมานแบบเบย์เซียนสำหรับแบบจำลองทางสถิติที่หลากหลายโดยใช้วิธีการคำนวณที่ยืดหยุ่น ภาษา BUGS เดียวกันนี้สามารถใช้เพื่อระบุแบบจำลองแบบเบย์เซียนสำหรับการอนุมานผ่านตัวเลือกการคำนวณที่แตกต่างกัน ("ตัวสุ่มตัวอย่าง") และข้อกำหนดหรือค่าเริ่มต้น โดยใช้โปรแกรมแบบสแตนด์อโลน WinBUGS (หรือแพ็กเกจ R ที่เกี่ยวข้อง เช่น rbugs และ r2winbugs) และ JAGS (Just Another Gibbs Sampler ซึ่งเป็นโปรแกรมแบบสแตนด์อโลนอีกโปรแกรมหนึ่งที่มีแพ็กเกจ R ที่เกี่ยวข้อง ได้แก่ rjags, R2jags และ runjags) เมื่อไม่นานมานี้ ภาษาอื่นๆ ที่สนับสนุนการระบุและการอนุมานแบบจำลองแบบเบย์เซียนได้อนุญาตให้มีตัวเลือกที่แตกต่างกันหรือมีประสิทธิภาพมากขึ้นสำหรับการคำนวณแบบเบย์เซียนพื้นฐาน และสามารถเข้าถึงได้จากสภาพแวดล้อมการวิเคราะห์ข้อมูลและการเขียนโปรแกรม R เช่นStan , NIMBLE และ NUTS อิทธิพลของภาษา BUGS ปรากฏให้เห็นอย่างชัดเจนในภาษาโปรแกรมรุ่นหลังๆ เหล่านี้ ซึ่งแม้แต่ใช้ไวยากรณ์เดียวกันในบางส่วนของการกำหนดรายละเอียดของแบบจำลอง

PPL หลายตัวกำลังอยู่ในระหว่างการพัฒนาอย่างต่อเนื่อง รวมถึงบางตัวอยู่ในระหว่างการทดสอบเบต้า เครื่องมือยอดนิยมสองตัวคือ Stan และPyMC ^{[ 17 ] [ 18 ]}

ภาษาการเขียนโปรแกรมเชิงสัมพันธ์แบบความน่าจะเป็น (PRPL) คือภาษาการเขียนโปรแกรมเชิงโปรแกรม (PPL) ที่ออกแบบมาเป็นพิเศษเพื่ออธิบายและอนุมานด้วยแบบจำลองเชิงสัมพันธ์แบบความน่าจะเป็น (PRM)

โดยทั่วไป PRM จะถูกพัฒนาขึ้นโดยใช้ชุดอัลกอริธึมสำหรับการลด การอนุมาน และการค้นพบการแจกแจงที่เกี่ยวข้อง ซึ่งฝังอยู่ใน PRPL ที่เกี่ยวข้อง

การเขียนโปรแกรมเชิงตรรกะแบบความน่าจะเป็น (Probabilistic logic programming) เป็นรูปแบบการเขียนโปรแกรมที่ต่อยอดจากการเขียนโปรแกรมเชิงตรรกะแบบดั้งเดิมโดยใช้ความน่าจะเป็น

แนวทางส่วนใหญ่ในการเขียนโปรแกรมตรรกะเชิงความน่าจะเป็นนั้นขึ้นอยู่กับความหมายของการกระจายซึ่งแบ่งโปรแกรมออกเป็นชุดของข้อเท็จจริงเชิงความน่าจะเป็นและโปรแกรมตรรกะ โดยกำหนดการกระจายความน่าจะเป็นบนการตีความของจักรวาล Herbrandของโปรแกรม^{[ 19 ]}

รายการนี้สรุปประเภทของใบอนุญาตนักบินส่วนตัว (PPL) ที่มีอยู่ในปัจจุบัน และชี้แจงที่มาของใบอนุญาตเหล่านั้น

• การให้เหตุผลเกี่ยวกับตัวแปรในฐานะการแจกแจงความน่าจะเป็นทำให้เกิดความยากลำบากสำหรับโปรแกรมเมอร์มือใหม่ แต่ความยากลำบากเหล่านี้สามารถแก้ไขได้โดยการใช้การแสดงภาพเครือข่ายเบย์เซียนและกราฟของการแจกแจงตัวแปรที่ฝังอยู่ในตัวแก้ไขซอร์สโค้ด^{[ 54 ]}
• เนื่องจาก PPL จำนวนมากอาศัยการระบุค่าความน่าจะเป็นล่วงหน้าของตัวแปรที่สนใจ การระบุค่าความน่าจะเป็นล่วงหน้าที่ทราบข้อมูลจึงมักเป็นเรื่องยากสำหรับมือใหม่ ในบางกรณี ไลบรารีเช่น PyMC มีวิธีการอัตโนมัติในการค้นหาพารามิเตอร์ของค่าความน่าจะเป็นล่วงหน้าที่ทราบข้อมูล^{[ 55 ]}

• การเรียนรู้เชิงสัมพันธ์ทางสถิติ
• การเขียนโปรแกรมแบบอุปนัย
• การเขียนโปรแกรมแบบเบย์เซียน
• การบันทึกแผ่น

• พื้นฐานของการเขียนโปรแกรมเชิงความน่าจะเป็น
• รายชื่อชุดเครื่องมือภาษาขนาดเล็กสำหรับแบบจำลองความน่าจะเป็น