为什么

　　推荐序
　　前言
　　导  言：思维胜于数据
　　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
　　第五章：烟雾缭绕的争论：消除迷雾，澄清事实
　　第六章：大量的悖论！
　　第七章：超越调整：征服干预之峰
　查看完整　　

　　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智能系统名人堂批10位入选者之一。目前已出版3部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）。曾获得过多项科学荣誉，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。

　　在本书中，人工智能领域的权威专家朱迪亚·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

　　推荐序
　　前言
　　导  言：思维胜于数据
　　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
　　第五章：烟雾缭绕的争论：消除迷雾，澄清事实
　　第六章：大量的悖论！
　　第七章：超越调整：征服干预之峰
　　第八章：反事实：挖掘关于假如的世界
　　第九章：中介：寻找隐藏的作用机制
　　第十章：大数据，人工智能和大问题
　　致谢
　　参考文献
^ 收 起　　

　　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智能系统名人堂批10位入选者之一。目前已出版3部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）。曾获得过多项科学荣誉，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。

　　在本书中，人工智能领域的权威专家朱迪亚·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