02 选择最可能的句子（Picking the Most Likely Sentence）
这一节在讲什么
这一节要解决一个很关键的问题：
模型已经学会“给某个翻译打概率”了，但怎么真正挑出“最好的翻译”？
这一步不是训练问题，而是“搜索问题”。
机器翻译其实是条件语言模型
普通语言模型学的是：
\[P(y)\]也就是一句话本身出现的概率。
而机器翻译学的是：
\[P(y \mid x)\]意思是：给定输入法语句子 $x$，某个英语句子 $y$ 作为翻译有多大概率成立。
这里：
- $x$ 是输入句子
- $y$ 是输出句子
所以机器翻译可以看成“条件语言模型”。
为什么不是随机抽样
课程里举了同一个法语句子的不同翻译候选：
Jane is visiting Africa in September.Jane is going to be visiting Africa in September.In September, Jane will visit Africa.Her African friend welcomed Jane in September.
它们不一样，质量也不一样。
如果你只是从 $P(y\mid x)$ 这个分布里随机采样，可能会抽到不错的句子，也可能抽到很差的句子。
机器翻译真正想做的是：
\[\hat y = \arg\max_y P(y \mid x)\]意思是：
在所有可能的英语句子里，找一个条件概率最大的。
这个概率是怎么分解的
因为句子是逐词生成的，所以：
\[P(y \mid x) = \prod_{t=1}^{T_y} P\left(y^{\langle t \rangle} \mid x, y^{\langle 1 \rangle}, \dots, y^{\langle t-1 \rangle}\right)\]这句话的直白意思是：
- 第 1 个词看输入句子 $x$
- 第 2 个词看 $x$ 和前面已生成的词
- 第 3 个词继续看 $x$ 和更长的历史
- 最后把所有步骤的概率乘起来
为什么贪心搜索不行
贪心搜索（Greedy Search）是：
- 第 1 步选当前最可能的词
- 第 2 步再选当前最可能的词
- 一路选下去
听起来很合理，但有个坑：
“当前最优”不一定能组成“整体最优”。
课程里的直觉例子是：
Jane is visiting Africa in September.更自然、更简洁Jane is going to be visiting Africa in September.虽然也能理解，但更啰嗦
如果只看局部，going 可能在某一步比 visiting 概率更高；
但整句话看下来，反而是 visiting 这条路更好。
所以贪心搜索容易“走错分支”。
为什么这个问题很难
假设：
- 词表大小是 10000
- 句子长度是 10
那么可能的句子数量大约是：
\[10000^{10}\]这个数量巨大到根本不可能暴力枚举。
所以问题不是“会不会算概率”，而是：
候选句子太多，根本试不完。
这就需要一种近似但高效的搜索方法。
这一节真正铺垫了什么
这节最后把问题清楚地变成了：
\[\hat y = \arg\max_y P(y \mid x)\]但又告诉你：
- 不能随机采样
- 贪心搜索不可靠
- 穷举所有句子不现实
因此下一步必须上 Beam Search（束搜索）。
这一节最该记住的要点
要点 1：机器翻译不是生成任意句子
机器翻译是找：
\[\arg\max_y P(y \mid x)\]要点 2：它本质上是条件语言模型
普通语言模型学 $P(y)$，翻译模型学 $P(y\mid x)$。
要点 3：整句概率来自逐词条件概率连乘
\[P(y \mid x) = \prod_t P(y^{\langle t \rangle} \mid x, y^{\langle 1:t-1 \rangle})\]要点 4：贪心搜索容易局部最优
某一步看起来最优，不代表整句最好。
要点 5：真正的困难是搜索空间爆炸
候选句子数量极大，所以必须用近似搜索算法。
这一节一句话总结
这节课把机器翻译重新表述成“在所有输出句子里找条件概率最大的那个”，并说明了为什么随机采样和贪心搜索都不够好，从而自然引出束搜索。