下载掌阅APP，畅读海量书库
立即打开
为了在不确定的环境中做出明智的决策，智能体必须能够对其不确定性进行量化。决策领域在很大程度上依赖于概率论来完成这项任务。值得一提的是，贝叶斯统计在本书中发挥了重要的作用。1763年，托马斯·贝叶斯的一篇论文在其去世后被发表，该论文中包含了后来被称为贝叶斯规则的相关内容。直到20世纪中叶，研究人员发现贝叶斯方法在许多环境中都非常有用，此时，托马斯·贝叶斯所提出的概率推理方法才受到人们的青睐 [21] 。在第二次世界大战期间，数学家伯纳德·库普曼发现了该理论的实际用途：
搜索中的每一项操作都充满了不确定性，只能使用……的概率来定量地理解。现在，这一发现可能被视为一个真理，这似乎也已经从第二次世界大战时运筹学的发展回归到其本身的实际意义 [22] 。
作为曼哈顿项目的一部分，20世纪初为大规模计算开发的 蒙 特 卡罗 方法 （Monte Carlo method）是一类基于抽样的方法，该方法的采用使得一些以前难以处理的推断技术成为可能。这些理论基础为贝叶斯网络奠定了基石。在20世纪后期，贝叶斯网络在人工智能领域日益普及。