一本新著介绍了贝叶斯规则（Bayes Rules）这个无处不在的定理如何从18世纪的神学肇端，一步步进入到21世纪的机器人汽车中。

谷歌手上有若干辆机器人汽车。这些汽车可以完全自主行驶而不需要人的操作，从去年秋天起，它们至今已经在加利福尼亚州北部的大街小巷累计驶过了数千英里的路程，从未出过一次状况，比如说撞上路人，闯红灯，或者是迷失方向需要问路等。这些汽车能够分析从摄像头、雷达传感器、激光测距仪等装置收集的海量数据，而此种能力则源自于18世纪的一条数学定理——贝叶斯规则。在熬过了争议不断、备受漠视的数十年之后，该定理现在强势崛起，成了全球各地目前正在实施的若干最尖端机器人研究项目的基石。

托马斯·贝叶斯(Thomas Bayes，1702-1763)

贝叶斯规则是英国牧师托马斯·贝叶斯（Thomas Bayes）发现的。它其实很简单，可以用一个颇为风趣的公式来概括：开始时的想法+最新的客观资料=改进后的新想法。此规则的一种现代形式是法国数学家皮埃尔·西蒙·拉普拉斯（Pierre-Simon Laplace）提出的。拉普拉斯的方法是，每当获得新的数据后都重新使用贝叶斯公式运算一次，由此便可以把极有可能成立的假说与不那么站得住脚的假说区分开来。他通过运用贝叶斯规则，阐释了为何18世纪初在巴黎出生的男婴数略多于女婴数。在收集了全球各地30年间的人口统计资料后，拉普拉斯得出结论说，新生男婴数与女婴数之比在全世界都一样的，并且是由生物学因素决定的。

皮埃尔·西蒙·拉普拉斯(Pierre Simon Laplace，1749～1827)

很多年来，不少理论统计学家一直痛批贝叶斯规则，说它带有主观色彩。但决策人士则坚称在信息稀缺、结果难料的情况下，贝叶斯规则有助于澄清问题。20世纪70年代，美国的地中海潜艇部队司令约翰·尼科尔森（John Nicholson）就曾运用贝叶斯计算机分析来确定苏联核潜艇最可能的行动路线。如今贝叶斯数学理论则用来识别垃圾电子邮件，评估医疗风险和国内安全风险，破译DNA编码等等。

贝叶斯法则

美国斯坦福大学人工智能实验室主任、谷歌无人驾驶汽车项目主管塞巴斯蒂安·特伦（Sebastian Thrun）指出，贝叶斯规则目前正使机器人技术彻底改观。此规则用概率分布来表示所有信息，这样便可以根据数量不多且没有确凿把握的证据得出比较可靠的估计。谷歌的无人驾驶汽车利用安装在车顶上的各种传感器收集有关道路和车流的新数据，并用这些数据来更新从地图上获得的信息。谷歌希望，有朝一日机器人汽车能充分展现它的优势：使道路交通事故死伤人数减少一半，降低能耗，在拥挤的道路上让汽车能更加密集地行驶，并帮助有私家车的上班族腾出开车的工夫去做些更有成效的事情，比如想出更好的方法来利用一个已有250年历史的定理。

Sebastian Thrun和他的自动汽车