规则很简单，用途却不简单
贝叶斯定理的核心是告诉你，在得知新信息时如何更新一个信念。你先从一个先验概率出发，把它与每个假设下新证据出现的可能性结合起来，得到一个更新后的后验概率。整套机制就是如此。它之所以有趣，在于这一点算术可以被用来处理非常不同的不确定性。
有一项应用用它来估计意大利北部一处考古遗址中的椭圆形围圈是否由一位女祭司按特定尺寸建造。作者给出的概率约为55%，不确定度约为8个百分点，并报告贝叶斯因子高于约5.7，按照他们选定的尺度，这算作“超过实质性”的证据，支持山南高卢存在德鲁伊女祭司[1]。无论人们是否接受这一历史结论，这个例子都展示了该定理如何把零散的考古线索转化为一个带有明确误差范围的概率陈述。
在一个完全不同的场景中，一篇营销论文描述了如何用同样的规则处理广告活动和其他决策中的不确定性，更新现有数据以做出更明智的选择，并将这种方法与替代方案进行比较[2]。对比本身就是重点：同一个简短公式，既被当作铁器时代考古的工具，也被当作现代商业决策的工具。
为什么贝叶斯定理不是全部
一篇关于贝叶斯推断的教程提供了一个有用的纠正。它指出，贝叶斯方法以贝叶斯定理命名，该定理将后验概率表示为先验概率与似然的归一化乘积。但这些方法实际上用到了整个概率论，而不只是那一个定理[3]。
根据那篇教程，其大部分威力来自全概率公式和边缘化：对你不知道的辅助因素（例如不确定的背景率或校准因子）进行平均。许多科学假设是复合的，意味着它们的强度取决于那些未知的额外因素，而妥善处理这些因素正是重要能力所在。同一篇教程警告说，当未知参数空间很大时，边缘化也可能让人有理由保持谨慎[3]。所以有趣的部分与其说是定理本身，不如说是围绕它的那套对不确定性的严谨核算。
应用起来会变得棘手
法医科学的案例展示了社会与伦理的一面。一篇批评性文章认为，贝叶斯方法被广泛用于计算证据的证明价值，但挑战了“这是评估假设的无问题方式”这一观点。它考察了两个例子，发现贝叶斯方法暴露了难以处理的缺口，有些缺口对分析人员显现，另一些则隐藏在技术黑箱内部。应用贝叶斯主义涉及情境化的推理实践，有些明显是非计算性的、具身的，另一些则建立在可疑且可能具有歧视性的假设之上[5]。
这并不是说该定理错了，而是说有趣的问题从公式转移到了使用它的人和机构：证据如何被见证、证词如何被配置、谁控制着计算。文章将此框定为对“看见”与“作证”之间关系的一种颠覆性重构，提出了关于司法系统如何控制物质见证的认识论和伦理问题[5]。
数学本身也仍在被扩展。一篇论文将贝叶斯定理推广到上概率，当先验和似然都不确定而非精确时，给出后验概率的一个上界，并陈述了该上界成为等式的条件。作者称这一结果本身就有趣，并在工程、机器学习和人工智能中有潜在应用[4]。这提醒我们，即使是一条有数百年历史的规则，当输入本身并不精确已知时，也可以被重新改造。
那么它真的有那么有趣吗？
诚实的答案是：这条定理的有趣之处，就像一件好工具的有趣之处——不在于它的优雅，而在于它能承担的各种任务，以及这些任务引发的争论。它可以为一个关于古代仪式专家的主张附上概率和不确定范围[1]，可以构建营销决策[2]，还可以作为进入一个更广阔的、建立在边缘化之上的推断框架的入口[3]。
它也可以被延伸到输入模糊的场景中，比如上概率[4]；它还可以动摇既定做法，比如在法医科学中，它的使用提出了认识论和伦理问题，而不是解决了它们[5]。如果你以为一个公式要么深刻要么琐碎，证据指向的地方更有用：公式是朴素的，而使用它的后果并不朴素。
本文引用的文献
贝叶斯定理在文化天文学问题中的一次应用
研究者用贝叶斯定理估计，一处考古围圈由女祭司按特定尺寸建造的概率约为55%，贝叶斯因子高于约5.7，被称为支持山南高卢存在德鲁伊女祭司的“超过实质性”证据。
用贝叶斯定理解决营销中的不确定性问题
贝叶斯定理被呈现为一种实用工具，用于处理营销决策中的不确定性并更新数据，包括对一项广告活动的分析。
贝叶斯推断：不止于贝叶斯定理
贝叶斯推断依赖整个概率论，而不只是贝叶斯定理，其大部分威力来自对冗余参数的边缘化，而当参数空间很大时，这也可能让人有理由保持谨慎。
上概率的一种新贝叶斯定理
一个推广的贝叶斯定理在先验和似然都不确定时给出后验概率的上界，在工程、机器学习和人工智能中有潜在应用。
颠覆性见证：贝叶斯定理对法医科学的破坏性影响
法医科学中的贝叶斯方法可能暴露难以处理的缺口，并涉及情境化的、有时是非计算性的推理和可疑假设，提出了关于司法系统如何控制物质见证的认识论和伦理问题。