Załóżmy, że na Steem istnieje inteligentny bot bazujący na sieciach neuronowych, którego zadaniem jest flagowanie postów, naruszających ogólnie przyjęte zasady. Niech taki post trafia się 1 na 1000. Bot jest dość skuteczny, myli się tylko w 1% przypadków. Od decyzji bota można się odwołać, wtedy kilku użytkowników o wysokiej reputacji ręcznie analizuje sytuację i w razie potrzeby cofa flagę.
Pewien nowo zarejestrowany użytkownik dodaje swojego pierwszego posta, jednak po chwili zauważa, że post ten został doszczętnie zakopany. Była to flaga własnie od tego bota. Użytkownik obraża się na platformę i postanawia nigdy więcej już tutaj nie zawitać. Czy jego decyzja była słuszna? Okazuje się, że prawdopodobieństwo, że flaga była zasłużona wynosi tylko około 9%.
Można to obliczyć na podstawie wzoru:
P(H|E) = (P(E|H) * P(H)) / P(E)
gdzie:
H - hipoteza (hypothesis)
E - zdarzenie, dowód (evidence)
P(H) - prawdopodobieństwo hipotezy H
P(E) - suma prawdopodobieństw zdarzenia E
P(H|E) - prawdopodobieństwo, że hipoteza H jest prawdziwa, jeśli wystąpiło zdarzenie E
P(E|H) - prawdopodobieństwo zdarzenia E, jeśli hipoteza H jest prawdziwa
Po podstawieniu:
P(H|E) = (0.99 * 0.001) / (0.99 * 0.001 + 0.01 * 0.999) ~= 0.09 ~= 9%
Obrazowo, skuteczność bota to 1%, więc na 1000 postów 10 zostanie oznaczonych flagą bezpodstawnie, a jeden post faktycznie na tę flagę zasłużył. Z czego wynika, że prawdopodobieństwo tego, że oflagowany post posiada zasłużoną flagę to 1/11 = 0.09.
Ciekawostka - jeśli istniałby drugi bot, oceniający w niezależny sposób (na innej zasadzie), ale z taką samą skutecznością i również zaklasyfikowałby dany post do oflagowania to wtedy prawdopodobieństwa, że ta flaga była słuszna wynosi już 93%.
Przykład zainspirowany poniższym filmem:
