在人工智能中，概率值大小是通過概率模型來計算得出的。在測試概率值大小時，可以通過以下幾種方法來評估：
1. 統計學方法：可以使用統計學方法來分析當前數據集的概率分布情況，通過計算均值、方差、標準差等指標來評估概率模型的效果。如果這些指標的值比較接近實際情況，則可以認為概率模型效果比較好。
2. 交叉驗證方法：使用交叉驗證方法來評估概率模型的效果。將數據集進行分組，每次使用其中一組作為測試數據，其余作為訓練數據，不斷對模型進行訓練、測試，直到所有數據組都作為測試數據。通過計算每次測試的準確率，可以評估概率模型的效果。
3. ROC曲線和AUC：通過繪制ROC曲線和計算AUC值來評估概率模型效果。ROC曲線橫坐標為1-Specificity，縱坐標為Sensitivity，AUC值為ROC曲線下的面積。如果ROC曲線高度向左上方發展，并且AUC值接近1，則可以認為概率模型的效果比較好。
4. 實際應用測試：將概率模型實際應用于一些場景中，對結果進行評估。如果預測準確率高，并且實際效果達到預期，則可以認為概率模型的效果比較好。
綜上所述，人工智能中的概率值大小可以通過多種方法進行測試和評估，可以根據具體場景和需求選擇適合的方法。
京公網安備 11010802030320號