英特尔即将正式公开一套贝式网络(Bayesian network)软件程式库，以协助程式撰写人员建立更佳的程式机器学习能力。
贝式网络包含两种数学模式，贝式几率理论与图形模式，能依据连续性的最新资料来模拟几率值，对不确定性进行演算与推论，将一组随机变数之间的关连性表现出来。
贝式网络的用途很多，已经应用在许多领域，例如在电子邮件的处理上，借着分析电脑使用者对先前电子邮件的筛选经验，可以学习到垃圾邮件的特性。 美国太空总署Ames Research Center的 AutoClass 计划，即尝试将贝式网络应用于星际探测与深太空探索原始搜集数据的自动化解析。国内学术单位或研究机构对此题目也做了不少研究。
虽然此种演算功能非常强大，然而相对于其他的机器学习方法，极耗电脑计算，因此贝式网络在之前并未广泛使用，不过因为最近个人电脑性能的提升，已经足以使用此种机器学习方法。英特尔公司贝式网络程式库研发小组负责人Gary Bradski称，Google 与网络书店Amazon 已经广泛的使用此种方法，波音公司并将其应用于诊断系统上。
Gary Bradski声称，英特尔将提供一套性能完整的程式库供使用者设计几率模型，在资料探勘(data-mining)、电脑视觉(computer vision)、机器人、生物资讯(bioinformatics)、诊断与决策分析(diagnostic and decision making)系统将有所帮助。
英特尔希望于2003年六月举行的神经资讯处理系统研讨会(Neural Information Processing Systems conference) 公开此程式库， 同时于八月份的人工智能不确定度研讨会(Uncertainty in Artificial Intelligence conference)举办程式库的使用训练课程。
英特尔此举对机器学习等领域影响很大，研究人员无须辛苦的重头撰写所有的程式，利用英特尔的程式库，可以更快、更容易的进行更复杂的应用。加州博克莱大学贝式网络专家Michael Jordan认为贝式网络程式库一但公开，就会被广泛的使用。
Sciscape成立于1999年4月，为一非营利的专业科学新闻网站。