作者:
[美] 朱迪亚·珀尔
/
[美] 达纳·麦肯齐
译者: 江生 / 于华
出版社: 中信出版集团
出版年: 2019-7
ISBN: 9787521705072
页数: 373
装帧: 精装
定价: 69.00元
原作名: The Book of Why: The New Science of Cause and Effect
译者: 江生 / 于华
出版社: 中信出版集团
出版年: 2019-7
ISBN: 9787521705072
页数: 373
装帧: 精装
定价: 69.00元
原作名: The Book of Why: The New Science of Cause and Effect
内容简介 · · · · · ·
在本书中，人工智能领域的专家朱迪亚·珀尔及其同事领导的因果关系革命突破多年的迷雾，厘清了知识的本质，确立了因果关系研究在科学探索中的核心地位。而因果关系科学真正重要的应用则体现在人工智能领域。作者在本书中回答的核心问题是：如何让智能机器像人一样思考？换言之，“强人工智能”可以实现吗？借助因果关系之梯的三个层级逐步深入地揭示因果推理的本质，并据此构建出相应的自动化处理工具和数学分析范式，作者给出了一个肯定的答案。作者认为，今天为我们所熟知的大部分机器学习技术，都建基于相关关系，而非因果关系。要实现强人工智能，乃至将智能机器转变为具有道德意识的有机体，我们就必须让机器学会问“为什么”，也就是要让机器学会因果推理，理解因果关系。或许，这正是我们能对准备接管我们未来生活的智能机器所做的有意义的工作。
为什么的创作者
· · · · · ·
![[美] 达纳·麦肯齐](https://img1.doubanio.com/f/vendors/8dd0c794499fe925ae2ae89ee30cd225750457b4/pics/personage-default-medium.png)
作者简介 · · · · · ·
朱迪亚·珀尓（Judea Pearl）
现加州大学洛杉矶分校计算机科学教授，“贝叶斯网络”之父，2011年因创立因果推理演算法获得图灵奖，同时也是美国国家科学院院士，IEEE 智能系统名人堂第一批10位入选者之一。目前已出版3本关于因果关系科学的经典著作，分别为《启发法》(1984)、《智能系统中的概率推理》(1988) 和《因果论：模型、论证、推理》(2009)。他还获得过多项顶级科学荣誉，包括认知科学领域的鲁梅哈特奖、物理学及技术领域的富兰克林奖章以及科学哲学领域的拉卡托斯奖。
达纳·麦肯齐（Dana Mackenzie）
普林斯顿大学数学博士，自由科学记者，知名科普作家，著有《无言的宇宙》等作品，其学术论文多次收录于《科学》《新科学家》《科学美国》《探索》等重量级期刊。
目录 · · · · · ·
前言
导言：思维胜于数据
第一章 因果关系之梯
第二章 从海盗到豚鼠：因果推断的起源
第三章 从证据到因：当贝叶斯牧师遇见福尔摩斯先生
第四章 混杂和去混杂：或者，消灭潜伏变量
· · · · · · (更多)
导言：思维胜于数据
第一章 因果关系之梯
第二章 从海盗到豚鼠：因果推断的起源
第三章 从证据到因：当贝叶斯牧师遇见福尔摩斯先生
第四章 混杂和去混杂：或者，消灭潜伏变量
· · · · · · (更多)
原文摘录 · · · · · · ( 全部 )
-
在数学上，我们把自愿服药的病人的生存期L的观测频率记作P（L|D），这就是统计学教科书中常用的条件概率。这个公式表示生存期L的概率（P）是以观察到病人服用药物D为条件的。注意P（L|D）与P（L|do（D））完全不同。观察到（seeing）和进行干预（doing）有本质的区别，它解释了我们不认为气压计读数下降是风暴来临的原因。观察到气压计读数下降意味着风暴来临的概率增加了，但人为迫使气压计读数下降对风暴来临的概率并不会产生影响。 (查看原文) —— 引自章节：导 言：思维胜于数据 -
事实上，我在机器学习方面的研究经历告诉我，因果关系的学习者必须熟练掌握至少三种不同层级的认知能力：观察能力（seeing）、行动能力（doing）和想象能力（imagining）。 (查看原文) —— 引自章节：第一章：因果关系之梯
> 全部原文摘录
喜欢读"为什么"的人也喜欢的电子书 · · · · · ·
支持 Web、iPhone、iPad、Android 阅读器
喜欢读"为什么"的人也喜欢 · · · · · ·
-
- 因果论 (原书第2版) 9.2
-
- 生命与新物理学 8.7
-
- 现实不似你所见 9.2
-
- 我是个怪圈 8.3
-
- 统计学的世界 (第8版) 8.7
-
- 直觉泵和其他思考工具 7.6
-
- 复杂 8.9
-
- 这不科学！ 8.1
-
- 概率论沉思录 9.1
-
- 时间的秩序 8.9
为什么的书评 · · · · · · ( 全部 105 条 )
主治Y生
《为什么》l 思维导图
这篇书评可能有关键情节透露
1、 文章结构 人类创造出了我们今天所享有的科技文明。所有这一切都源于我们的祖先提出了这样一个简单的问题：为什么？因果推断正是关于这个问题的严肃思考。因果革命背后有数学工具上的发展作为支撑，这种数学工具最恰当的名称应该是“因果关系演算法”。其一为因果图（causal... (展开)
xusparrow
Allen Lane2018版
机器人的局限是？—从相关关系和因果关系谈起
这篇书评可能有关键情节透露
书读到大概1/3多一点，已经有一些想法，赶紧记录下来。 数了下，大约已经学了3年的统计，我对统计中不确定性的衡量深深着迷，但是也正是因为这种不确定性有时会让我十分的迷茫，比如统计中最常用的相关性（Correlation）。不论是因果性还是相关性，都是衡量不同变量之间关系的... (展开)
水中月
Allen Lane2018版
珀尔：“数据非常愚蠢”，领会因果关系才是理解世界的关键
2016年，在大数据的帮助下，人工智能（AI）围棋软件AlphaGo在系列赛中以4:1战胜了世界围棋顶尖高手李世石，震惊了全人类。 当时网络上有人戏谑道：“人工智能赢了不可怕，至少说明它还不懂得韬光隐晦，如果它假装输给人类，那才更加可怕。”这句看似戏言的话，却暗藏了人工智能...
(展开)
ᕙ(⇀↼)ᕗ
Basic Books2018版
An imperfect partial solution
rather than a new science. 1，作者并没有区分自然科学和社会以及行为科学，没有讨论这两个领域因果推断的异同，也没有上升到科学哲学的层面讨论因果推断本身。这些本身都不是问题。只是就内容来说，书中的science实际上指的是社会科学和行为科学，作者所说的“因果革命 (the ...
(展开)
咸鱼吴
Basic Books2018版
Causal Inference 在实操中的尴尬
最近一直在做相关工作，读了一些paper和书籍。记录一下对Causal Inference在行业中运用的想法。 最近在marketing measurement 的项目都想引入Causal Inference。Marketing和recommendation算是目前运用比较广泛的地方。 如书中提到 human intelligence 制造的causal graph + 模...
(展开)
这本书的其他版本 · · · · · · ( 全部7 )
以下书单推荐 · · · · · · ( 全部 )
- 37°暖书单（二） (37°暖)
- 所有感兴趣的都要看~~~~~~~ (qianyu)
- 已上传libgen的中文书 (奥吉尔维同志)
- 高评分kindle电子书 (人闲桂花落)
- 鎮長的新書列 (鎮長)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
订阅关于为什么的评论:
feed: rss 2.0
6 有用 也者乎之 2019-09-08 10:46:03
本来以为是讲讲DAG这一套，没想到是本不错的统计学历史，对Monty Hall，吸烟和肺癌，Pearson、Neyman和Fisher的故事回顾得都很好……
9 有用 BUYER 2020-01-12 14:22:27
说实话，没有完全看懂就给一本书评价不太公平。但就我的感受来说，作者提出了一条和机器学习、深度学习理念不同的路，其中“因果”初衷我认可，但是方法怎么看都像是贝叶斯的延伸。或者说因果论的箭头就是这样?！那不是又回到老路上去了吗？ 为了学习自动驾驶，是不是得分析上万种不同情况的因果关系和逻辑顺序？ 书中举的例子可都是简单的因果分析啊。深度学习的成果太耀眼了，但也逐渐让我担忧，能够走多远。这本书的理论价值... 说实话，没有完全看懂就给一本书评价不太公平。但就我的感受来说，作者提出了一条和机器学习、深度学习理念不同的路，其中“因果”初衷我认可，但是方法怎么看都像是贝叶斯的延伸。或者说因果论的箭头就是这样?！那不是又回到老路上去了吗？ 为了学习自动驾驶，是不是得分析上万种不同情况的因果关系和逻辑顺序？ 书中举的例子可都是简单的因果分析啊。深度学习的成果太耀眼了，但也逐渐让我担忧，能够走多远。这本书的理论价值在新药研究等领域值得推广和进一步研究，未来再看结果。对我来说目前最大启发是理解了统计学的一些悖论和误区（也可能这部分是我唯一容易理解的，哈哈）。另外这本书语言有点啰嗦啊，看上去好累，个人意见 (展开)
71 有用 ∞ 2019-08-01 03:56:21
本书关于因果关系模型的概念，基本可打开知乎搜索因果模型点开第一个搜索结果获得；举了不少例子，但切合主题能在作者限定框架下成立的没几个；序言写得又宽泛又浮夸，以为这是什么了不得的划时代巨作，但看到文中“历史学家尤瓦尔·赫拉利在他的《人类简史》一书中指出，人类祖先想象不存在之物的能力是一切的关键，正是这种能力让他们得以交流得更加顺畅”这段话差点笑喷，初中毕业的人都知道人类无法想象自己未曾见过的、不存在... 本书关于因果关系模型的概念，基本可打开知乎搜索因果模型点开第一个搜索结果获得；举了不少例子，但切合主题能在作者限定框架下成立的没几个；序言写得又宽泛又浮夸，以为这是什么了不得的划时代巨作，但看到文中“历史学家尤瓦尔·赫拉利在他的《人类简史》一书中指出，人类祖先想象不存在之物的能力是一切的关键，正是这种能力让他们得以交流得更加顺畅”这段话差点笑喷，初中毕业的人都知道人类无法想象自己未曾见过的、不存在的事物，不然为啥上帝总是以人类形象出现、飞机总像张开翅膀的鸟啊。不过有一点是真的，不了解因果关系的人阅读本书会感到非常吃力，与作者写作水平无关，与概念本身有关。Ps.不知是原文如此还是翻译错误，作者写“我们不是神创论者，连我们的老师骨子里都是达尔文主义者”，达尔文主义者是这么用的？大写的迷惑。 (展开)
61 有用 Moon 2019-07-07 12:54:45
这本书关于因果讨论可分为两个部分，第一部分注重思想层面的探讨，主要用的是案例和因果图示法，这部分内容值得反复研读，是非常好的思维训练，如果能完全摸透作者这套方法论，对于涉及因果的问题的理解会有质的飞跃。第二部分是作者对技术处理层面的探讨，当然对学术来说这部分很重要，但是普通读者看懂比较困难，但即便忽略所有这些内容，也不影响阅读和吸收这本书的核心内容。当然，作为一本综述性的著作，作者穿插了大量因果理... 这本书关于因果讨论可分为两个部分，第一部分注重思想层面的探讨，主要用的是案例和因果图示法，这部分内容值得反复研读，是非常好的思维训练，如果能完全摸透作者这套方法论，对于涉及因果的问题的理解会有质的飞跃。第二部分是作者对技术处理层面的探讨，当然对学术来说这部分很重要，但是普通读者看懂比较困难，但即便忽略所有这些内容，也不影响阅读和吸收这本书的核心内容。当然，作为一本综述性的著作，作者穿插了大量因果理论发展的历史，以及他自己的学术生涯经历，也颇有可看性，且趣味十足。如果你想对因果关系和相关关系有透彻的理解，亦或是想对学术领域成果（涉及因果的结论）有更佳的判断力，那么这本书非常值得一读，特别是作者这套因果图工具，堪称经典。 (展开)
16 有用 阿道克 2020-03-04 08:56:33
科普+综述+老科学家回忆录，千万别当成教科书