在人工智能中，概率值大小是通过概率模型来计算得出的。在测试概率值大小时，可以通过以下几种方法来评估：

　　1. 统计学方法：可以使用统计学方法来分析当前数据集的概率分布情况，通过计算均值、方差、标准差等指标来评估概率模型的效果。如果这些指标的值比较接近实际情况，则可以认为概率模型效果比较好。

　　2. 交叉验证方法：使用交叉验证方法来评估概率模型的效果。将数据集进行分组，每次使用其中一组作为测试数据，其余作为训练数据，不断对模型进行训练、测试，直到所有数据组都作为测试数据。通过计算每次测试的准确率，可以评估概率模型的效果。

　　3. ROC曲线和AUC：通过绘制ROC曲线和计算AUC值来评估概率模型效果。ROC曲线横坐标为1-Specificity，纵坐标为Sensitivity，AUC值为ROC曲线下的面积。如果ROC曲线高度向左上方发展，并且AUC值接近1，则可以认为概率模型的效果比较好。

　　4. 实际应用测试：将概率模型实际应用于一些场景中，对结果进行评估。如果预测准确率高，并且实际效果达到预期，则可以认为概率模型的效果比较好。

　　综上所述，人工智能中的概率值大小可以通过多种方法进行测试和评估，可以根据具体场景和需求选择适合的方法。