人类在做事情之前都是在对过往已做案例的认识升级，从过去吸取经验教训，调整进行新的探索和创新。但是各个事情之间是否一定遵循必然的因果关系，A导致B的发生，A是B发生必要条件、充分条件、两者是否有相关性、为什么会发生？AB之间是否有必然的因果关系，对于复杂的事情这种必然的因果关系是难以寻找的，本身事物的发生是由于诸多条件导致才发生的，例如聪明的孩子一定是遗传的好么，那首先要看对聪明的定义，聪明和基因有一定关系，但不是必然的因果关系。
Pearl认为因果关系是比大数据更基本的东西，因果模型是比数据更真实的逻辑，正如作者所言Date ari profoundy dump.真正掌握因果思维比掌握大量的数据更有意义，从观察、干预、想象三个步骤进行逐级升华：观察是通过数据分析做出预测，是观察思维的能力，是需要通过案例反馈案例，追究两者关系发生的源头，是处理已经观察到的世界，这是因果思维的开端；干预就是判断一个行动的结果，同时也是加上了你的主动判断，为此判断而采取的主动行动，这样达到了思维的第二级；光靠行动想要达到第三极思维是不够的，需要的是你对以前事情反思和升华，是针对从来没有发生的事情的想象，想象不一样的事情，想象未发生的事情，若没有古人对上天的想象，怎能到现在的飞船的天空翱翔。
用问题代表三个思维阶段可以归类如下：1、这件事发生了，那件事是否也跟着发生；2、我采取这个行动，会有什么结果；3、如果当初我没有这么做，现在会怎么样。对第一个阶段你可以用事实通过数据分析回答，对于后两个问题必须采用因果模型了，必须有自己的独立思考和判断了，这样持续不断的思考、判断、想象才使得人类智慧一步步发展和突变。
P(y/do)(x))＞P(y)该公式可以这样解释，如果你单方面对x做一个干预动作，导致y的概率增加，但是并不是x导致y的因果关系，只能说明相关关系。以审判犯人的案例说明判死刑的相关因素：法庭判决、队长命令是否开枪、士兵A或B的执行、犯人是否死亡，若用每一个箭头代表一个因果关系，从缘故指向结果，则很好地说明了观察、干预、想象的三个问题。
再深入分析，其实导致犯人死亡的因素众多，只是该图把最相关的最容易看到的因素表达出来了，这只是简单的因果关系图，并不能彻底回答犯人为什么死了这个问题。其实这个因果模型并不是客观的，你不可能通过数据分析、机械化的流程去得到这张图，而是用你自己的知识、阅历和判断画出来的。也就是说，因果关系，其实是你的主观假设。
我们可以按照这种因果关系图去解决我们的日常问题，第一步，根据自己的见识画一张主管的因果模型图，因果关系是概率性的，A发生不一定会让B发生，只要A对B有影响就行；第二步，使用实验和数据分析，确定图中每个因果关系的强弱大小；第三步，使用因果模型，回答“观察、干预、想象”那三种问题。在解决这些问题时，不需要确定真正的因果关系，无须回答为什么。因果关系只是我们回答这三种问题的手段。
《The book of why ：The new science of cause and effect》by Judea pearl
网友评论