相辅相承，十分精彩

一周把Book of Why（BOW）和他那本Causal Inference in Statistics: A Primer（Primer）看完了。非常精彩。

从时间顺序上而言，其实是Primer先写完，BOW才开始动笔的。但是两本书参照着看就能明白，BOW里所有的技术框架，都是依照着Primer来写的。BOW是在这个骨架上讲了一个Causal inference的故事。

BOW的规划非常整齐，第一章开门见山，抛出因果律的三段阶梯论：观察，干涉和反事实。这三个阶梯是不断攀升的、因果律的三个不同层次。只有当机器人达到了反事实的思维阶段，才能通过他自设的所谓的“迷你图灵测试”。

在这里我觉得要说明的是，这一部分的讨论是根植于西方哲学对于因果律的传统的，从亚里士多德一路到休谟。国外很多哲学系的人一直在follow Judea Pearl在因果律上的工作。如果忽略了这个思想背景，那么对于pearl的思维方式和深度的理解就要打折扣。

因果律本身的问题谈完之后，就要面临统计学的问题。事实上很多人都清楚，自Pearson的时代，就是靠着把因果这个难以定义的哲学概念从统计学中清理出去，专注于纯客观的、步骤性的、量化不确定性的方法研究，统计学才出现了第一次大发展。量化不确定性和随机试验继续在Fisher那里发扬光大。Fisher在世时俨然是统计学的教父。

这本书的二到六章本质上就是对于统计学发展的一次梳理。pearl在回顾统计学发展的过程中，统计学家们是如何在一次次的选择中，错过casual inference的发展。并把自己的研究思路，在历史的纵线上进行了回溯。

回到CI本身，Pearl要引入的第一个问题就是，统计学中，甚至是现代科学体系中，对于因果性研究语言的缺失。这也是典型的分析哲学的思路：语言是思维的表达，而思维夜受囿于语言。语言缺失的原因就是概念的模糊。他的因果律三阶梯就是在这个背景下确立的。

由于抛弃了因果分析的研究，现代统计学关注的conditional probability其实只是对现实世界的描述。P（X｜Y）是我们观察到的Y和X的相关性。我们可以解释，鸡鸣和日出的相关，但是我们无法得出鸡鸣导致日出的结论。为了进入第二个干预层，Pearl引入了前半生的心血，do operator和do calculus来研究干预层。

第三层反事实是全书的倒数第二章。这个时候参照Primer看来，对于图像的部分已经很少了，分析开始更加深入和技术化。Primer在这一部份写得也比较潦草。

最后一章大数据，其实就是一个总结章。Pearl在整个BOW里最打动我的一个点就是：不要天真地认为数据里面含有一切。这是个幻想。(Data are fundamentally dumb. You’re smarter than your data.) 数据永远不能帮你确认因果律。因果律模型的意义就在于可以构建人类的主观架构，而数据能做的就是核实这种主观架构的适应性和正确性。不看清楚这一点，就永远不能摆脱被数据奴役的命运。

Primer的三四章主要对应了BOW的七到九三章最技术的章节。实话说，技术部分的细节看BOW里的自然语言表述还是有点绕。换到Primer里严格的数学语言一下就清楚了。但是BOW可贵就在于，这本书包含了很多motivation的讲解。印象最深就是Pearl写，如何在阅读法律文书的时候产生灵感，把反事实层面的表达放回到deterministic functions，实现了理论的突破。

Pearl的书写得非常迷人，文笔流畅清晰，表达简洁优雅。BOW里面谈到他自己的职业生涯，以及他最重要的几个Eureka的瞬间。餐巾纸上do calculus的证明，和如上一段提到的，在读discrimination的法律定义时候，忽然想到了反事实这个层次的突破。事实上只要看这本书，就会发现pearl看待事物独到而深刻的方式。我觉得这个是最让我心生佩服的。Pearl的儿子是华尔街日报的记者，被恐怖分子绑架最后砍头。书里也写了，在最困难的几年，疏忽了学生们的课业指导，深感抱歉。作为一个学者，一个知识分子和一名父亲，Pearl这一生都是传奇而闪光的。