Die Gibbs-Verteilung weist Wahrscheinlichkeiten zu, die proportional zu exp(−E(x)/T) sind, und verknüpft Zufälligkeit mit einer Energielandschaft. In der Wahrscheinlichkeitstheorie definiert sie Markov-Zufallsfelder und Gleichgewichtssysteme. In ML treibt sie energiebasierte Modelle, Boltzmann-Maschinen und Sampling-Methoden wie Gibbs-Sampling an. Im realen Leben tritt sie in der statistischen Physik, in Verkehrs- und Menschenmengenmodellen sowie in Entscheidungsprozessen auf, bei denen Entscheidungen den rauschhaften Präferenzen folgen.