所有人都知道，公鸡在黎明时的啼叫并不“导致”太阳升起。但是，我们同样相信：“拨动开关将导致开灯或关灯，而闷热的夏日午后将使当地的冰激凌店的销售额上升。”这种由直觉形成的无数实践和道德判断在我们的日常生活中无处不在。然而，正如朱迪亚·珀尔（JudeaPearl）教授和科学作家达娜·麦肯齐（DanaMackenzie）在其富有启发性的新著作《为什么：关于因果关系的新科学》（‘TheBook of Why’ Examines the Science of Cause and Effect）中指出的那样，直到最近，科学家和统计学家仍缺乏共同语言来区分这些不同种类的观察。实际上，在学术界，“因果词汇实际上在半个多世纪以来都是被禁止的。”
缺乏公认的科学方法来分析因果关系不仅具有历史或理论意义。例如，它解释了外科医生关于吸烟的报告的延迟，并可能导致难以避免的可避免的早期死亡。新的建模工具极大地扩展了从“大数据”的扩散中学到的知识，并将在更广阔的范围内定义人工智能的潜力。
至少自从亚里士多德以来，因果关系的话题就已经引起了哲学家的关注。Pearl教授巧妙地利用了自己的职业生涯-最早是在RCA实验室工作的，最近50年是在加利福尼亚大学的洛杉矶分校（最初是在工程系，从1970年开始在计算机科学领域）-绘制了最近的历史。主题。这一时期与珀尔教授所说的“因果革命”大致吻合。他所谓的“因果阶梯”的三个上升梯级是推动“为什么这本书”叙述的中心隐喻。这本书让珀尔教授和他的门徒们发挥了关键作用，正是这本书使各行各业的研究人员得以超越因果关系的第一梯级，而在梯级的第一梯级上，他们被长期困扰。
最低的梯级仅用于观察-基本是寻找过去行为的规律性。珀尔教授将“当今的学习机器摆在梯级上。”虽然计算能力和可访问的深度数据集的爆炸确实产生了许多令人惊讶和重要的结果，但这些机制仍然“以相同的方式运行。统计学家试图使一条线适合点集合。”
Pearl教授说：“深度神经网络增加了拟合函数的复杂性，但原始数据仍在驱动拟合过程。”因果关系的革命使研究人员能够探索阶梯的更高梯级。
因果关系阶梯的第二个梯级从观察到执行。也就是说，它从询问发生了什么到根据可能的干预询问发生了什么。珀尔教授指出：“许多科学家都会不知所措，当得知他们在统计学中学到的任何方法都不足以表达一个简单的问题，例如'如果我们加倍价格会发生什么呢？'”，更不用说回答了。 ”提供了详细的解释和历史，说明在没有实时实验的情况下，一个模型如何以及何时可以回答此类问题。
阶梯的最高梯级涉及一个称为“反事实”的问题：如果走不同的道路，世界会是什么样？这些是“道德行为和科学思想的基础。”回顾和想象可能发生的事情的能力支配着我们对成功与失败，对与错的判断。
一旦被认为是人类的决定性特征，近几十年来，这些主题一直未能摆脱日益复杂的建模工具的影响。这些工具已用于各种社会和科学问题，包括医疗程序的效力，气候变化的影响和社会政策的实用性。
Pearl教授从“为什么”一书中脱颖而出，充满了发现的喜悦，并为他的学生和同事感到自豪。然而，他承认，当方程式出现作用时，他绝不愿意使用单词：“对我来说，公式是一个绝妙的主意。言语就是烤箱里的主意。”不认同作者对方程式的热爱的读者可能无法完全阅读本书。
本书有时具有挑战性的技术方面不应诱使对智能系统的承诺感兴趣的任何人。 “为什么书”不仅提供了关于思想史的宝贵经验，而且提供了判断大数据可以提供和不能提供的概念工具。值得注意的是，“因果问题永远无法仅凭数据回答。”
尽管“很容易理解为什么有些人会认为数据挖掘是完成而不是第一步”，Pearl教授提醒我们，最重要的问题始终需要“我们以及未来的机器”来参与。“必须考虑并阐明有关世界运作方式的实质性假设。”
尽管存在这种深思熟虑的怀疑态度，Pearl教授对人工智能可以实现什么甚至我们是否可以制造能够区分善与恶的机器非常乐观。无论是否同意这些挑衅性的结论，我们都可以希望，在任何反事实的情况下，由Pearl教授的人性化的程序员来负责。
电子书获得地址：
链接:https://pan.baidu.com/s/1CnLxFqkdeX5u8PFjYwkERA 密码:ddo2
网友评论