谷歌拥有一小队机器人汽车，自秋季以来，这些汽车已经在北加利福尼亚州的街道上自动驾驶了数千英里，从未撞到行人、闯红灯或需要问路。这些汽车分析海量数据的能力——来自摄像头、雷达传感器、激光测距仪——源于18世纪被称为贝叶斯规则的数学定理。这个公式经历了数十年的争议和边缘化，如今已成为全球一些最先进的机器人项目的基石。
这个公式由英国牧师托马斯·贝叶斯发现，非常简单：初始信念 + 最近的客观数据 = 全新且改进的信念。现代形式来自法国数学家皮埃尔-西蒙·拉普拉斯，他通过每次获得新数据时重新计算方程，可以区分高概率假设和不太有效的假设。他的应用之一是解释为什么1700年代后期在巴黎出生的男孩略多于女孩。在收集了世界各地30年的人口统计数据后，他得出结论，男孩与女孩的比例是人类普遍存在的，并且由生物学决定。
多年来，许多理论统计学家抨击贝叶斯方法带有主观性。然而，决策者坚持认为，当信息稀缺且结果不确定时，它们可以带来清晰度。在1970年代，美国地中海潜艇舰队指挥官约翰·尼科尔森使用贝叶斯计算机分析来计算出苏联核潜艇最可能的路径。如今，贝叶斯数学有助于从电子邮件中筛选垃圾邮件、评估医疗和国土安全风险以及解码DNA等。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保未来能够继续产出关于塑造我们当今世界的发现和想法的有影响力的报道。
斯坦福大学人工智能实验室主任兼谷歌无人驾驶汽车项目负责人塞巴斯蒂安·特龙表示，现在贝叶斯正在彻底改变机器人技术。通过用概率分布来表达所有信息，贝叶斯可以从稀缺且不确定的证据中产生可靠的估计。
谷歌的无人驾驶汽车使用车载传感器获取的新道路和交通数据来更新从地图上收集的信息。谷歌希望机器人汽车有一天能将道路死亡人数减半，降低能源消耗，更密集地适应拥挤的道路，并让通勤者有更多时间从事更有成效的活动——比如想出更好的方法来使用这个有250年历史的定理。