如何找到一艘黄金沉船

无数船只和飞机在海洋的某个地方沉没，找到它们并非易事。其中一艘船就是SS中美洲号，它于1857年沉没。这艘船被称为“黄金船”，当它沉没时，船上载有14000公斤黄金。显然，很多人都非常渴望找到它，但它一直没有被发现。直到有一天，一群人决定使用一种叫做贝叶斯搜索理论的东西，该理论涉及到利用所有可用数据绘制概率图。麦德龙科学解决方案公司的拉里·斯通参与了这项研究，他向乔治娅·米尔斯解释了他们是怎么做的。

Larry -我们搜索的方法是使用贝叶斯理论。可获得的信息是赫恩登船长最后记录的位置，他是SS中美洲号的船长，他实际上和船一起沉没了，但他在晚上6点左右向一艘经过的船大喊他的位置。船在8点钟沉没。有路过的船只看到了中美洲。第二天早上8点左右，幸存者被找到。我们找到了找到他们的那艘船。

所以你把所有这些信息放在贝叶斯框架中你这样做的方法是量化不确定性和概率分布。然后，用似然函数把这些信息组合到概率图中似然函数是贝叶斯分析中常用的信息。你把所有这些线索放在一起，这是技巧的一部分因为贝叶斯方法是整合所有可用信息的主要方法，包括客观的和主观的来生成沉船位置的概率图。概率图告诉你的是沉船位置概率高的地方和概率低的地方。高概率区域就是你要搜索的区域

乔治亚-让我们来分析一下。你把你最喜欢的帽子弄丢了——你这个白痴!那么贝叶斯理论如何帮助你找到它呢?

嗯，你知道你经常把它放在卧室里，所以它很可能在那里。但有时你也会在厨房里戴着它，一个朋友告诉你他最后一次看到它是在你的书房里。你使用所有可用的数据绘制一个位置网格，计算出在每个位置找到帽子的概率。也许把所有因素都考虑进去，它有70%的几率出现在你的卧室，但只有20%的几率出现在浴室。

但它的特别之处在于你可以随时更新你的数据。例如，另一个朋友说他们听说它在阁楼上，所以你增加了它在那里的可能性。或者你搜索了一个房间，但没有找到它，那么它在那里的概率就降低了。这是关键，即使你在一个地方找过，它仍然比在其他地方有更高的概率。因此，根据你的模型，有时在搜索另一个地方之前搜索两次是有意义的。

现在，想象一下你有更多的数据，更多的地方可以看，更多的计算机程序可以玩，这就是贝叶斯理论在很大程度上被用来寻找海底装满黄金的残骸。说到这个……

拉里-在SS中美洲号的案例中，这是可行的。我们找到了沉船，他们找到了一吨金条和金币，驶回诺福克的港口。有乐队、报纸和电视报道他们的到来。

乔治亚州-这是本世纪的发现。数学被用来寻找一艘失踪了几百年的船。每个人最终都变得富有，从此过上了幸福的生活……

拉里:嗯，遗憾的是，事情并不是那样结束的。

乔治亚州——啊。首先是老的保险公司，当原船在法庭上要求收回大量黄金时，他们支付了赔偿金，并得到了回报。然后由领队汤米·汤普森(Tommy Thompson)在投资者之间分配剩余资金。

赖瑞-但是没有。出于某种原因，他没有那样做。他没有出售黄金，也没有向投资者提供任何有关他如何处理这笔钱的信息。他借了很多钱，最后投资者要求他出庭解释他是怎么用这些钱的。他没有出现在俄亥俄州的法庭上，而是逃到佛罗里达州待了几年，最后在那里被捕，他现在在监狱里，直到他告诉人们，投资者，他拿钱做了什么。不幸的是，这就是故事的悲惨结局。

乔治亚州:嗯，这个故事没有一个特别幸福的结局;贝叶斯理论在现代搜索操作中一直被使用。

拉里-我们在搜索从里约飞往巴黎途中坠毁的法航447航班时也做了这个。负责这次搜索的是法国调查分析局(BEA)，他们在两个夏季的搜索中都没有找到残骸。然后他们联系了我和Metron，说你们能不能利用所有搜索到的信息。不仅是飞机最后报告的位置，还包括漂流和打捞的残骸，以及所有失败的搜索。所以我们把所有这些都纳入到他们的概率分布中，第二年夏天，早春季节的开始，他们开始在我们提供给他们的概率图的高概率区域进行搜索，他们在搜索的一周内找到了沉船。这是一个巨大的成功故事。

乔治亚州——哦，哇!

拉里:事情并不总是这样发生的，但是当它发生的时候，我非常满意。