Judea Pearl is a professor of computer science at UCLA and winner of the 2011 Turing Award and the author of three classic technical books on causality. He lives in Los Angeles, California.
Dana Mackenzie is an award-winning science writer and the author of The Big Splat, or How Our Moon Came to Be. He lives in Santa Cruz, California.
发表于2024-11-02
The Book of Why 2024 pdf epub mobi 电子书
一 五月,腾讯稳坐公司新闻头条,与今日头条互诉,腾讯视频打造的女团选拔节目《创造101》中的选手王菊逆袭翻盘,现象级的王菊效应在网上发酵。在五月,让我最感兴趣的一条公司新闻也与腾讯有关。5月30日,腾讯官方公众号发布了一篇文章,标题是《她叫Siren,不是人,也可以是...
评分“20世纪50年代末60年代初,统计学家和医生就整个20世纪最引人注目的一个医学问题产生了意见冲突:吸烟会导致肺癌吗?在这场辩论过去了半个世纪之后的现在,我们认为答案是理所当然的。但在当时,这个问题完全处于迷雾之中。” 01 — 书比较厚,正文346页,注释26页。内容也相对硬核...
评分 评分一 五月,腾讯稳坐公司新闻头条,与今日头条互诉,腾讯视频打造的女团选拔节目《创造101》中的选手王菊逆袭翻盘,现象级的王菊效应在网上发酵。在五月,让我最感兴趣的一条公司新闻也与腾讯有关。5月30日,腾讯官方公众号发布了一篇文章,标题是《她叫Siren,不是人,也可以是...
评分图书标签: 统计 逻辑 方法论 计算机 因果 哲学 科普 AI
A Turing Award-winning computer scientist and statistician shows how understanding causality has revolutionized science and will revolutionize artificial intelligence
“Correlation is not causation.” This mantra, chanted by scientists for more than a century, has led to a virtual prohibition on causal talk. Today, that taboo is dead. The causal revolution, instigated by Judea Pearl and his colleagues, has cut through a century of confusion and established causality–the study of cause and effect–on a firm scientific basis. His work explains how we can know easy things, like whether it was rain or a sprinkler that made a sidewalk wet; and how to answer hard questions, like whether a drug cured an illness. Pearl’s work enables us to know not just whether one thing causes another: it lets us explore the world that is and the worlds that could have been. It shows us the essence of human thought and key to artificial intelligence. Anyone who wants to understand either needs The Book of Why.
去年nips有眼不识泰山没去听老爷子的talk,作为初级炼丹工看这本面向大众的新书补课也很开眼界。“相关不蕴涵因果”讲得多了都不知道所谓因果关系究竟是什么。仅靠拟合数据,不管是用深度学习还是多fancy的方法,都无法表示因果关系;要谈论因果乃至虚拟事实,须明确引入数据以外的假设,而书中也指明了什么样的假设配上什么样的数据可以回答什么样的因果问题。现实生活中很多问题都不能做随机对照试验,这套理论也因此格外重要。要是老爷子再谈谈他对强化学习的看法就好了。
评分Heckman, Rubin, Pearl的爱恨情仇啊。From Gelman, Pearl’s obnoxiousness obstructs the disemmination of his ideas. And works by economists are swept under the rug. 画图容易,但用Rubin亦可。同样的问题仍是我们有哪些x该放进来?然后如何从ate到更有意义的参数是根本的识别问题也是modelling problem,这个用图难以。另外经济学家最大的一个贡献(语出Hausman)就是sem;Pearl似乎不能领会我们为何要用sem。端看pearl能不能用dag来写一个市场均衡模型. Imbens最近写了一篇review说经济学家们不用学图论 用处不多
评分老爷爷的书刷第二遍了,怀着无比崇敬的心情。我想我的新年愿望就是把这书再刷几遍,然后争取看懂老爷爷的其他书
评分不熟悉数学统计学(和逻辑学)术语,这本书对于我来说是“字认识但意思看不明白”。后面几章放弃了,一目十行扫过去。它应该是课本,写得很清楚很有耐心。膜拜一下大神。学到的东西:因果论可以为人工智能提供可操作的因果数学模型。因果数学模型大大增补了传统统计学的缺陷。
评分总算有本Judea Pearl的书是我能看懂的了,虽然是科普……读下来的感觉,Pearl的工作将人类直觉化的因果推理能力用数学形式表达了出来,使causal effect成为可以估计的变量。但因果模型如何提出,如何验证,似乎并没有涉及太多。如果强人工智能需要学会因果推理,提出模型应该比估算模型要难得多,也重要得多。
The Book of Why 2024 pdf epub mobi 电子书