单个语音模型的建立让我们看到了贝叶斯定理解决问题的能力，但贝叶斯网络的拓展让我们隐约感觉到了AI背后“天网”的恐怖。
人类相对简单的问题已经解决得差不多了，剩下的都非常复杂。
龙卷风的形成，2的50次方可能的最小参数值比对。
癌症致病基因，2的100次方种可能的基因图谱。
星系起源，2的350次方种可能的星云数据处理。
大脑运作机制，2的1000次可能的意识量子流。
面对这样数理级的运算，科学家别无选择，必须从可能的法则中选择一些可以信任的，并以此为基础建立理论模型。贝叶斯公式正好以严谨的数学形式帮他们实现了这一点。科学家把所有假设与已有知识、观测数据一起代入贝叶斯公式，就能得到明确的概率值。而要破译某种现象的成因网络，只需将公式本身也结成网络，即贝叶斯网络，接下来只需要向这个模型代入观测数据，通过网络节点间的贝叶斯公式重新计算出概率值。为每个新数据、每个连接重复这种计算，直到形成一个网络图，让任意两个原因之间的连接都得到精确的概率值为止。人类认知的缺陷越大，贝叶斯网络展示的力量越让人震撼。
但这还不是最可怕的，这里我们要引入“蜂群效应”，一只个体蜜蜂，基本上没有智力，但当它们组建成一个蜂群时，就会爆发出一种整体智力，拥有记忆能力，能制造出巧夺天工的蜂巢。贝叶斯网络的每一个节点就像一只蜜蜂，这种群体的连接不仅生动，而且非常严谨，一旦这个群体达到一定数量级别，有没有可能产生整体智慧？这不仅是哲学家需要思考的问题，生命学家需要讨论的问题，AI圈的科学家也应该直接去面对。
今天一场轰轰烈烈的“贝叶斯革命”正在AI界发生：贝叶斯公式已经渗入到工程师的骨子里，分类算法也成为主流算法。在很多人眼中，贝叶斯定理就是AI进化论的基石。
