有很多读者在跟我们交流时，都会提到非常惊讶于人工智能居然可以做这么多令人意想不到的事。从下围棋到自动驾驶，从辨识古文字到宇宙测绘，似乎有点无所不能的意思。也有读者希望我们做个专题，专门列一个“你想不到AI居然可以做这些”的清单。
非常非常不好意思，我可以非常负责任的说，这清单太容易了，但问题是根本列不完。即使不考虑技术的可能性，仅仅是每天统计新的论文和研究报告里又让AI能做什么了，那都是个近乎无法完成的工作。
但这并不是说AI已经无所不能。事实上，AI在绝大多数基础工作中并没有传统计算机效率高，完全谈不上取而代之。AI总能在意想不到的领域冒出来，是因为它采取了完全不同的底层策略，专注于解决那些经典计算和人工无法解决的问题。
所谓鱼不如渔，与其大家一起感叹“AI居然能做这个！”不如来思考“如何知道AI还能做哪些”。想要获得这个能力，就需要知道今天主流AI解决方案的依据是什么。这就不得不提一个对AI发展至关重要的名字：贝叶斯。
想要寻找上帝，却找到了人工智能
假如没有贝叶斯他老人家，实在很难想象今天的人工智能会怎样。也不仅是人工智能，可能统计学、应用数学、测绘学、医学，甚至犯罪学都会受到巨大的影响。
但对学术如此重要的一个人，却根本不是一位科学家。生活在300年前的托马斯·贝叶斯，是英国的一名牧师。当然，同时还是一位业余数学家。
可能是出于把爱好和工作融合到一起的考虑吧。贝叶斯提出了将归纳法应用于概率统计的方法，希望能以此向世人证明上帝是存在的。但很不幸，三百年之后上帝存在的依据依然未找到，但贝叶斯决策却在无数科学领域开花结果。
所谓贝叶斯归纳，其实基础原理非常简单。比如说一个人做了一件好事，那他是不是个好人呢？显然不一定。但是假如一个人每天都做好事，那他是不是一个好人呢？其实也不一定，也可能他在背后十恶不赦丧尽天良，但假如没有他做坏事的证据，每天做好事就是好人显然已经概率非常大了。
这就是贝叶斯归纳的核心逻辑：不必获取所有证据之后再进行判断，而是结合已知条件先进行判断，再通过数据不断去验证、调整、修改这个判断，让它无尽趋于合理化。
这个逻辑听起来蛮简单的，并且好像还有点不靠谱，在贝叶斯生前他的想法甚至没有发表出来。即使其死后的两百多年里，贝叶斯归纳也没有得到多少重视。因为从数据严谨性出发的经典统计学显然可以更好的接触事物本质，而不是像贝叶斯归纳一样用“猜”来开启计算。
直到上世纪七八十年代之后，沉寂百多年的贝叶斯理论开始重新在统计学中被重视。
因为经典统计学虽然可靠，但是却需要依靠完整的数据模型，往往效率太低，无法满足实际需求。
比如说在搜寻海面遇难船只时，经典统计学需要每个海域的气象数据、监控数据、过往船只数据，然后综合计算这些因素来精准定位。但事实上，这些数据是不可能马上齐全的，即使可以，分秒必争的搜救工作也不能等。
而用贝叶斯理论来解决这个问题，会先让有经验的专家主观判断船只失事海域，然后通过不断获得的数据一点点修正专家的判断，争取在最短时间内解决问题——这就是著名的1968年美国天蝎号潜艇失事事件，也是贝叶斯理论进入应用化的标志。
贝叶斯理论在工作中强调从人类先验知识出发，对目标进行模糊判断，然后不断学习进行判断校对，这成为了后来大量人工智能技术的诞生起点。