Stefano Ermon 是斯坦福大学的计算机专家，他希望改进“无人驾驶汽车”和自动化系统对周围环境进行概率推理的方式，从而提高其安全性和可靠性。他解释道：“这种做法的挑战性就在于，你对接下来将要发生的事情是一无所知的，即使是这样你还是必须做出决策、采取一些行动。概率推理其实就是在假定不确定性存在的情况下，从概率的角度看待问题。”

现在，主要有两种方式可以用于提高自动化系统的安全性。首先，计算机模型收集的数据必须是准确的;其次，计算机的推理系统必须能够从模型数据中得出最佳结论。

Ermon解释道：“你需要把两种方式配合起来：为了得到一个相对可靠的计算机模型，你需要有大量的数据;然后你还需要根据模型得出正确的结论，这个时候就需要人工智能准确地思考这些模型。如果你没有一个推理的好方法，就算模型是正确的，你同样会把事情搞砸。”

举个例子：就自动化的汽车来说，模型会使用各种传感器来观察周围环境，同时收集许多存在可变性的数据，比如旁边司机的行为，前方路上的坑洼和障碍物，天气状况等所有可能的数据点。

接着，一个推理系统就会对这些数据进行解释、翻译。它利用模型提供的信息来判断你后面的司机是否具有侵略的危险性;前方的坑洼会不会硌破你的轮胎;雨势是否会阻碍视线……然后系统会根据情况的变化，不断地改变汽车行为，以适应不同的情境。

假设你身后的司机是非常激进的、带有敌意的，那么这个时候就像Ermon所说的：“你需要能够对这些模型进行推理，得出一个概率。你虽然不能预知这辆车接下来会做些什么，但至少你可以猜测。比如：你能根据这辆车之前的危险驾驶的行为，做出它接下来可能要切线的判断。”