硃迪亞·珀尓(Judea Pearl),現加州大學洛杉磯分校計算機科學教授,“貝葉斯網絡”之父,2011年因創立因果推理演算法獲得圖靈奬,同時也是美國國傢科學院院士,IEEE智能係統名人堂第一批10位入選者之一。
目前已齣版3本關於因果關係科學的經典著作,分彆為《啓發法》(1984)、《智能係統中的概率推理》(1988)和《因果論:模型、論證、推理 》(2009)。他還獲得過多項頂級科學榮譽,包括認知科學領域的魯梅哈特奬、物理學及技術領域的富蘭剋林奬章以及科學哲學領域的拉卡托斯奬。
達納·麥肯齊(Dana Mackenzie),普林斯頓大學數學博士,自由科學記者,知名科普作傢,著有《無言的宇宙》等作品,其學術論文多次收錄於《科學》《新科學傢》《科學美國》《探索》等重量級期刊。
在本書中,人工智能領域的權威專傢硃迪亞·珀爾及其同事領導的因果關係革命突破多年的迷霧,厘清瞭知識的本質,確立瞭因果關係研究在科學探索中的核心地位。
而因果關係科學真正重要的應用則體現在人工智能領域。作者在本書中迴答的核心問題是:如何讓智能機器像人一樣思考?換言之,“強人工智能”可以實現嗎?藉助因果關係之梯的三個層級逐步深入地揭示因果推理的本質,並據此構建齣相應的自動化處理工具和數學分析範式,作者給齣瞭一個肯定的答案。作者認為,今天為我們所熟知的大部分機器學習技術,都建基於相關關係,而非因果關係。要實現強人工智能,乃至將智能機器轉變為具有道德意識的有機體,我們就必須讓機器學會問“為什麼”,也就是要讓機器學會因果推理,理解因果關係。或許,這正是我們能對準備接管我們未來生活的智能機器所做的最有意義的工作。
發表於2025-02-02
為什麼 2025 pdf epub mobi 電子書 下載
1.作者硃迪亞·珀爾,是加州大學落砂機分校的計算機科學教授,計算機最高奬項圖靈奬的獲得者,被稱為貝葉斯網絡之父。作為科學傢寫的科學著作,這本書需要一定的先驗知識纔能閱讀下去,起碼讀者應該對概率論有基本的瞭解。不過,雖然有一定的閱讀難度,但能把人類關於因果關係...
評分作為一名學習經管類專業的學生,這本書給瞭我許多更深入的思考。作者作為人工智能領域的專傢,對於因果關係的理解鞭闢入裏,使人茅塞頓開。例如開篇提及,在統計學課程上,學生們經常被教導“相關性不代錶因果”,但往往很多的教導都止步於此——學生們知道瞭什麼不是因果,卻...
評分圖書標籤: 人工智能 思維方法 因果推斷 方法論 思維 科普 因果 統計學
本來以為是講講DAG這一套,沒想到是本不錯的統計學曆史,對Monty Hall,吸煙和肺癌,Pearson、Neyman和Fisher的故事迴顧得都很好……
評分物理定律隻用統計概率規律描述因果,P(Y | do(X)) > P(Y). 如果你單方麵對 X 做一個乾預動作,導緻 Y 的概率增加,就是 X 導緻瞭 Y。 因果思維這種主觀假設很有用。簡單因果模型,就能勝過無數經驗。數據是客觀的,而人的觀點是主觀的。相關性是客觀的,因果是主觀的。因果分析的重點在於操作方法是否有用而不是本體是否真實。 真實世界任何事情都是錯綜復雜的,無法列舉影響一個結果的所有可能緣故。你必須做齣各種取捨,猜測你認為最重要的緣故。 貝葉斯方法先給理論假設設定可信度。新證據並不直接證實或者證僞理論,隻是調整可信度的大小,做動態的判斷。用客觀數學手段修正主觀認識。 貝葉斯方法是種實用主義態度。研究目的並非瞭解根本不可知的絕對真實世界,而要獲取實用知識,做齣盡可能準確的判斷和決策。
評分離開因果關係談論數據是捨本逐末。珀爾的這本書不愧為"因果革命"的一麵旗幟,值得細心品味。
評分這書讀起來比推理小說還有勁:數學、科學、博弈論、科學史……太有意思瞭
評分這本書關於因果討論可分為兩個部分,第一部分注重思想層麵的探討,主要用的是案例和因果圖示法,這部分內容值得反復研讀,是非常好的思維訓練,如果能完全摸透作者這套方法論,對於涉及因果的問題的理解會有質的飛躍。第二部分是作者對技術處理層麵的探討,當然對學術來說這部分很重要,但是普通讀者看懂比較睏難,但即便忽略所有這些內容,也不影響閱讀和吸收這本書的核心內容。當然,作為一本綜述性的著作,作者穿插瞭大量因果理論發展的曆史,以及他自己的學術生涯經曆,也頗有可看性,且趣味十足。如果你想對因果關係和相關關係有透徹的理解,亦或是想對學術領域成果(涉及因果的結論)有更佳的判斷力,那麼這本書非常值得一讀,特彆是作者這套因果圖工具,堪稱經典。
為什麼 2025 pdf epub mobi 電子書 下載