条件概率表 (CPT)

条件概率表（Conditional Probability Table, CPT）是概率图模型（如贝叶斯网络）中用于定义节点条件独立性的基础数据结构。它精确描述了在父节点取特定状态时，子节点取各可能状态的联合概率分布。作为连接图结构（拓扑关系）与参数结构（数值概率）的桥梁，CPT 将抽象的因果依赖转化为可计算的数值，使得系统能够根据观测证据动态更新信念，是人工智能、决策系统及不确定性推理领域的基石。

在现代计算架构与智能系统中，条件概率表扮演着‘知识编码’的关键角色。它将领域专家的经验或历史数据转化为机器可理解的数学模型，使得系统具备处理模糊性、不确定性及复杂因果链的能力。从医疗诊断系统的症状分析，到金融风控中的违约概率评估，再到推荐系统中的用户意图推断，CPT 都是实现‘数据驱动决策’的核心引擎。其生态地位在于实现了从静态规则系统向动态概率推理系统的范式转变，是构建可信 AI 系统的必要组件。