摘要：在大數(shù)據(jù)和人工智能時代,建立能夠有效處理復雜數(shù)據(jù)的模型和算法,以從數(shù)據(jù)中獲取有用的信息和知識是應用數(shù)學、統(tǒng)計學和計算機科學面臨的共同難題.為復雜數(shù)據(jù)建立生成模型并依據(jù)這些模型進行分析和推斷是解決上述難題的一種有效手段.從一種宏觀的視角來看,無論是應用數(shù)學中常用的微分方程和動力系統(tǒng),或是統(tǒng)計學中表現(xiàn)為概率分布的統(tǒng)計模型,還是機器學習領域興起的生成對抗網(wǎng)絡和變分自編碼器,都可以看作是一種廣義的生成模型.隨著所處理的數(shù)據(jù)規(guī)模越來越大,結(jié)構(gòu)越來越復雜,在實際問題中所需要的生成模型也變得也越來越復雜,對這些生成模型的數(shù)學結(jié)構(gòu)進行精確地解析刻畫變得越來越困難.如何對沒有精確解析形式(或其解析形式的精確計算非常困難)的生成模型進行有效的分析和推斷,逐漸成為一個十分重要的問題.起源于Bayes統(tǒng)計推斷,近似Bayes計算是一種可以免于計算似然函數(shù)的統(tǒng)計推斷技術(shù),近年來在復雜統(tǒng)計模型和生成模型的分析和推斷中發(fā)揮了重要作用.該文從經(jīng)典的近似Bayes計算方法出發(fā),對近似Bayes計算方法的前沿研究進展進行了系統(tǒng)的綜述,并對近似Bayes計算方法在復雜數(shù)據(jù)處理中的應用前景及其和前沿人工智能方法的深刻聯(lián)系進行了分析和討論.