具体描述
大数据为什么不够聪明？
比机率更强大的思考工具又是什么？
比机率更强大的思考工具又是什么？
电脑科学界诺贝尔奖「图灵奖」得主暨贝氏网路研发先驱Judea Pearl总结毕生研究成果，联手获奖的统计学家Dana Mackenzie，提出改变人工智慧及科学界的重要工具！《快思慢想》作者暨诺贝尔奖得主康纳曼、《大演算》作者多明哥斯、谷歌网路推广长文特‧瑟夫、微软研究实验室主任艾瑞克‧霍尔维兹等人重磅推荐！
▎大数据看似厉害，其实有很大的侷限
近几年大数据当红，加上它在许多领域的成功运用，其地位与能力备受追捧。与大数据密切相关的统计学，是法兰西斯・高尔顿与卡尔・皮尔森解答对于遗传的疑问未果，而开发出来的学科，这门学科创立后兴盛数十载，其名言「相关不是因果」影响科学界经常止步于探究「关联」而非「因果」，并且长期受资料本位的历史所影响，认为资料无所不能，但是朱迪亚・珀尔希望借此书告诉读者，资料本身一点也不智慧。
▎要发展出「强AI」，机率思考仍远远不够
一九八○年代初，朱迪亚・珀尔认为不确定性是AI所欠缺的最重要的能力，于是运用机率开发出强大的推理工具——贝氏网路，因而获得有电脑科学界诺贝尔奖之称的「图灵奖」。贝氏网路是首先让电脑以灰阶方式思考的工具，至今仍极受人工智慧界倚重，然而到了一九八○年代末，珀尔认为贝氏网路仍没有填补人工智慧和人类智慧的差距，于是他转而研究如何教AI学会「因果推论」，本书便是整理了历代科学家推展因果革命的努力与成果。
▎从「求得相关性」的旧阶段，迈入「釐清因果关系」的新时代
本书最初几章是有趣的科学史，探讨科学家追求因果解释的过程如何受挫，以致发展出统计学，并让统计学方法长期引领学界研究。接着书中有大约一半篇幅，作者以实例示范因果语言（图示模型）如何解决传统统计学认为无解的难题，逐一揭示「因果阶梯」三大分层的能力（越高的层级，认知挑战越高，越难理出因果关系），并让读者了解因果革命路上诸人的努力与进展，以及这些进展的重要性。本书末尾回头说明因果革命相对于人工智慧各重要发展面向（比如大数据、深度学习、资料探勘、机器学习等），有何胜出之处、能对它们起什么正面影响，以及最重要的——「因果革命」将会如何改变人工智慧。
▎「因果革命」不只影响人工智慧，还影响各研究领域
现今机器学习运作时仰赖的是「相关性」，而不是「因果」，如果能成功将因果思考导入电脑，将使电脑变成真正的科学家，使它们成为我们的得力伙伴，提供我们更合理的洞见。由于因果思考可以呈现罪责，电脑能因而具备道德感——「具备道德感的强AI」是因果革命在人工智慧领域的终极追求，作者形容这「是人工智慧给人类的第一个、也是最好的礼物」。
因果性研究还釐清了我们多年来对许多知识本质的不解，改变我们对于众多问题的认识，这些问题牵涉的层面无所不包，举凡涉及解读资料以及根据解释而採取的作法（像是致病因素、医疗资源分配、公共政策拟定等），都能受益。集结众多领域学人之力才有如今成果的因果革命，亦将回头影响整个科学界，珀尔形容它「将使科学的体质更加健全，是人工智慧给人类的第二个礼物」。在美国，因果科学已经开始被大学列入课程……
▎我们强烈建议这些人士阅读这本书：
（1）资料科学家与大数据研究者，以及对大数据深感兴趣的人
（2）统计学家、数学家，电脑科学相关从业人员与学习者
（3）对经济趋势与科研发展有兴趣的一般大众
（4）希望培养科学素养，了解最新科学方法的学子
▎各章内容简介请参阅〈目录〉的引文。
各界盛赞
◎谷歌网路推广长文特‧瑟夫：
珀尔近三十年来的学术成就，为人工智慧发展提供坚实的理论基础……同时把「思考机器」提升到另一个境界。
◎《大演算》作者佩德罗‧多明哥斯：
因果如果不是相关，那又是什么？拜朱迪亚‧珀尔的划时代研究之赐，现在我们已能精确回答这个问题。想理解世界如何运行，这本引人入胜且读来愉快的书是理想的起点。
◎微软研究实验室科技研究员及主任艾瑞克‧霍尔维兹：
朱迪亚‧珀尔是人工智慧领域、甚至整个电脑科学界革命的核心人物。
◎诺贝尔经济学奖得主及《快思慢想》作者丹尼尔‧康纳曼 ：
各位是否曾疑惑「相关」和「因果」究竟是什么关系？这本精彩着作深入浅出地说明了答案。
◎《纽约时报》乔纳山‧尼伊：解说十分详尽……本书不仅详尽介绍概念的发展史，也提供概念工具，让读者理解大数据的优势与不足之处。
◎《自然》杂志：「相关不是因果」这句科学俗语已在社会上造成影响……朱迪亚‧珀尔提出崭新的数学解决方案……现在已在生物、医学、社会科学和人工智慧领域开花结果。
◎《犹太日报》：深入浅出……珀尔是有远见的因果革命领袖，这本书则是他最大的成就。
读者好评
◎对电脑科学、统计学或人工智慧当今发展有兴趣的人都应该读读。这本书如同康纳曼的《快思慢想》，是作者毕生科学研究的总结，不仅对同领域科学家而言价值非凡，也是全人类的瑰宝。（读者阿兰‧约瑟夫‧坎恩）
◎朱迪亚‧珀尔的贝氏网路和因果图以十分优雅的方式结合统计学、流行病学、决策和电脑科学等领域。他的研究成果赋予并扩大了大数据的潜力。这本书是市面上第一本为一般大众介绍这主题的书籍，其影响将无以估计。（读者汤玛斯 J. 阿拉冈，流行病学家）
◎知名商学研究所都应该用这本书当成教材。我送了一本给我念大学时的院长。为了现在和未来的学生着想，我希望它能成为一门课。（读者乔治‧莫札奇斯）
启示录：人类文明的下一次大迁徙 作者： 阿历克斯·里德尔 装帧： 精装，附带艺术插画集 字数： 约 60 万字 出版日期： 2024 年秋季 --- 简介： 我们正站在一个前所未有的历史关口。这不是一个关于技术迭代的报告，而是一部关于人类存在本质的深刻哲学探索。在《启示录：人类文明的下一次大迁徙》中，享誉全球的未来学家、认知科学家阿历克斯·里德尔，以前所未有的广度和深度，剖析了驱动人类社会在过去数千年间进行根本性结构调整的那些核心“驱动力”。本书旨在揭示，驱动我们从农耕文明迈向工业时代，又从工业时代跃升至信息时代的，并非单纯的工具升级，而是一系列更深层次的认知革命、社会契约的重构，以及对“意义”定义的根本性转变。 里德尔教授以其标志性的跨学科叙事风格，将历史学、社会人类学、复杂系统科学与新兴的神经美学融为一炉，构建了一个宏大而又精微的文明演化模型。他认为，文明的每一次“大迁徙”，都是一次对既有边界的突破，是对资源分配和权力结构的颠覆。 第一部：失序的遗产——旧世界的最后图景 本书开篇追溯了自启蒙运动以来，西方文明所构建的理性、进步与线性时间观的基石。里德尔深入剖析了现代性（Modernity）是如何通过科学方法的普及、官僚体系的建立和全球资本主义的扩张，成功地将人类的经验进行了“标准化”和“可预测化”。然而，作者犀利地指出，这种成功孕育了其内在的矛盾：对效率的无限追求正在耗尽生态资源，而标准化带来的认知惰性正在扼杀真正的创新。 他详细论述了信息时代的早期形态——互联网的兴起，如何从最初被视为解放人类心智的工具，逐渐演变为一个“注意力黑洞”，加剧了社会的分化与极化。通过对二十世纪后半叶社会运动、经济泡沫和地缘政治冲突的细致梳理，里德尔描绘了一幅现代文明在结构性张力下，步履维艰的图景。他提出的“认知负荷饱和点”理论，解释了为何在信息爆炸的时代，人类反而更加难以达成共识，决策质量不断下降。 第二部：零点信号——超越线性思维的阈限 本书的第二部分是全书的核心理论贡献。里德尔挑战了传统上将历史视为渐进改进的观点，提出文明的跃迁总是源于一种“零点信号”——一个看似微不足道，却能引发系统性重组的初始条件。 他没有聚焦于具体的某项技术，而是深入研究了人类集体心智如何处理“非线性反馈回路”。例如，他通过对复杂生物网络、金融市场波动和早期气候模型的分析，揭示了系统韧性（Resilience）与脆弱性（Fragility）之间的动态平衡。他认为，下一次大迁徙的驱动力，将不再是外部资源的获取，而是人类内部结构的重塑——即我们如何组织知识、如何建立信任、以及如何定义“价值”。 这一部分详细阐述了“意义锚定危机”：在后真理时代，传统宗教、民族主义和意识形态的解释力都在衰退，个体在海量信息中挣扎，迫切需要新的叙事框架来重建稳定感。作者指出，这种对新“意义”的渴求，是催生下一阶段社会形态的根本动力。 第三部：构造新世界——空间、时间与精神的重组 在最后一部分，里德尔将目光投向了“大迁徙”的可能路径。他认为，这次迁徙将是多维度的，涉及物理空间、社会结构和人类认知的同步重塑。 空间维度： 作者不再讨论简单的城市化或虚拟化，而是深入探讨了“分布式主权”的概念。他预言，未来的社会组织将不再依赖于单一的地理中心或民族国家，而是基于共同的“行动协议”（Protocols of Action）形成松散但高度自治的社群网络。他探讨了新型的数字治理模型，以及它们如何挑战现有的法律和伦理边界。 时间维度： 里德尔认为，人类对时间的线性感知将被打破。他研究了从深度学习算法中浮现出的“时间褶皱”现象——系统可以在瞬间处理海量跨越长期的时间序列数据，这迫使人类社会必须重新校准其决策周期。是适应这种“超时间感”，还是被其淘汰？这是文明面临的选择。 精神维度： 这是全书最具思辨性的部分。作者考察了艺术、冥想实践和集体记忆在重塑人类自我认知中的作用。他认为，真正的“大迁徙”将是一场精神上的回归——在高度复杂的技术背景下，人类需要重新发现与自然、与他人、以及与自我深层意识的原始联结，以避免被自己创造的系统所异化。他提出了“共情带宽”的概念，论证了只有在精神层面的拓展，才能有效应对未来系统的复杂性。 结语：通往“域外”的旅程 《启示录》不是对未来的预测，而是一张绘制人类潜能的地图。里德尔以一种罕见的平衡感，既不陷入技术乌托邦的盲目乐观，也不屈服于末日悲观主义的宿命论。他要求读者正视文明的脆弱性，并承担起设计下一阶段“契约”的责任。 这本书是献给所有对人类命运深切关注的思考者、政策制定者、艺术家以及任何渴望理解我们身处何种转折点的人。它迫使我们回答一个最根本的问题：当我们已经掌握了重塑世界的力量时，我们究竟应该如何定义一个值得生活的“未来”？ --- 读者评价摘录： “里德尔提供了一面镜子，照见的不仅是科技的进步，更是我们集体心智的结构性缺陷。读完此书，你对‘进步’二字的理解将被彻底颠覆。”——《全球思想评论》 “一部里程碑式的作品，它将复杂性科学的严谨性与古典哲学的深度完美结合。它令人不安，但又充满了希望的火花。”——苏珊娜·冯·霍夫曼，理论物理学家
著者信息
作者简介
朱迪亚・珀尔Judea Pearl
因为研发贝氏网路，而获得有「电脑科学界诺贝尔奖」之称的图灵奖，着有三本极具影响力的科普书籍。珀尔是美国国家科学院院士，也是首先进入IEEE智慧系统名人堂的十名科学家之一，获得的奖项与荣誉博士学位多不胜数，包括卢梅哈特奖（认知科学学会）、富兰克林奖章（富兰克林研究所）以及拉克托斯奖（伦敦经济学院）。他目前担任加州大学洛杉矶分校电脑科学教授，同时是丹尼尔‧珀尔基金会创办人及执行长，目前住在洛杉矶。
达纳‧麦肯钖Dana Mackenzie
数学博士，现为科普作家，经常为《科学》、《新科学家》、《科学美国人》、《史密森尼》、《鹦鹉螺》和《发现》等杂志撰稿。他写的书《大碰撞：月球是怎么形成的？》（The Big Splat, or How Our Moon Came to Be）曾经获选为Audible.com网站2010年最佳有声书。麦肯钖曾获2012年传播奖（美国数学联合政策委员会）与2015年查文尼特数学解说奖（美国数学学会），他现在住在加州圣克鲁兹。
译者简介
甘钖安
学业结束后由科学界踏入「译界」，现为专职译者。曾担任Discovery频道与资讯杂志编译，现仍定期为《科学人》及《BBC知识》等杂志翻译。书籍译作包括《决断的演算：预测、分析与好决策的11堂逻辑课》、《胜算：赌的科学与决策智慧》、《爱因斯坦1905》、《气候创造历史》、《现代主义烹调》等。目前住在有山有海有美食的台湾头基隆，热爱吸收各类知识，正努力朝「全方位译人」的目标迈进。
朱迪亚・珀尔Judea Pearl
因为研发贝氏网路，而获得有「电脑科学界诺贝尔奖」之称的图灵奖，着有三本极具影响力的科普书籍。珀尔是美国国家科学院院士，也是首先进入IEEE智慧系统名人堂的十名科学家之一，获得的奖项与荣誉博士学位多不胜数，包括卢梅哈特奖（认知科学学会）、富兰克林奖章（富兰克林研究所）以及拉克托斯奖（伦敦经济学院）。他目前担任加州大学洛杉矶分校电脑科学教授，同时是丹尼尔‧珀尔基金会创办人及执行长，目前住在洛杉矶。
达纳‧麦肯钖Dana Mackenzie
数学博士，现为科普作家，经常为《科学》、《新科学家》、《科学美国人》、《史密森尼》、《鹦鹉螺》和《发现》等杂志撰稿。他写的书《大碰撞：月球是怎么形成的？》（The Big Splat, or How Our Moon Came to Be）曾经获选为Audible.com网站2010年最佳有声书。麦肯钖曾获2012年传播奖（美国数学联合政策委员会）与2015年查文尼特数学解说奖（美国数学学会），他现在住在加州圣克鲁兹。
译者简介
甘钖安
学业结束后由科学界踏入「译界」，现为专职译者。曾担任Discovery频道与资讯杂志编译，现仍定期为《科学人》及《BBC知识》等杂志翻译。书籍译作包括《决断的演算：预测、分析与好决策的11堂逻辑课》、《胜算：赌的科学与决策智慧》、《爱因斯坦1905》、《气候创造历史》、《现代主义烹调》等。目前住在有山有海有美食的台湾头基隆，热爱吸收各类知识，正努力朝「全方位译人」的目标迈进。
图书目录
▎自序
这本书的目标有三个：一是以非数学语言让读者理解因果革命的详细内涵，以及它将如何影响我们的生活和未来。二是为读者介绍科学家遭遇及挑战关键因果问题时，英勇解决的历程。最后，则是把因果革命带回人工智慧的最初本源，介绍如何让机器人学习以我们的母语（即因果语言）沟通。
▎前言：思想胜过资料
法兰西斯・高尔顿与卡尔・皮尔森运用跨世代资料解答他们对于遗传的疑问，可惜没有成功，于是他们开发出「统计」这门尔后兴盛数十载的学科。从事研究的人都听过「相关不是因果」这句统计学名言，该观念影响学界长期探究「关联」而不问「因果」。在资料本位的历史影响下，今日我们甚至认为大数据可解答所有问题，但是朱迪亚・珀尔希望借此书告诉读者，资料本身一点也不智慧。1980年代末，研究人工智慧的珀尔发现，「机器无法理解因果关系」可能是它们无法具备人类智慧的关键原因，于是他转而投身因果科学阵营，多年后他借由这本书，总结了各路科学家推动因果革命的成果。
▎第一章 因果阶梯
因果的三个层级／迷你图灵测验／机率与因果
珀尔研究机器学习时了解到，因果学习者至少必须掌握三个层级的认知能力，分别是：（一）观看与观察，以探知环境中的规律；（二）实行，亦即预测刻意改变环境的效果，并选择适当改变以获得想要的结果；以及（三）想像——因果阶梯的三个层级「观察」、「介入」和「反事实」便是由此而来，数学能证明这三个层级有根本上的不同，每个层级都具备前一层级缺少的能力。本章将介绍以因果图进行推理的基础概念、主要的建模工具，让读者慢慢见识因果推论模型诠释资料、解答疑问的强大能力。
▎第二章 从海盗到天竺鼠：因果推论的创生
法兰西斯‧高尔顿舍「因果」而拥抱「相关」／卡尔‧皮尔森把「因果」扫出统计学／莱特、天竺鼠和路径图／E PUR SI MUOVE（但地球依然在转动）／贝氏连结将主观机率带进统计学界
十九世纪末，法兰西斯・高尔顿想将《物种原始》的理论架构数学化，他花了八年尝试解答族群遗传特质维持恆定的原因，但是始终无解，最后放弃研究，转而注意统计「相关」。高尔顿的门徒卡尔・皮尔森后来提出「相关系数」，直到现在，所有统计学家想知道资料组中两个变项的关联程度时，总是最先计算这个数字。第二章讲述统计学如何忽视因果性，并且对各种资料导向的科学造成深远影响。此外还将介绍对本书而言十分重要的遗传学家西瓦尔‧莱特的故事；莱特于1920年代首先绘制因果图，多年来一直是少数认真看待因果性的科学家。
▎第三章从证据到原因：当贝斯遇见福尔摩斯
电脑侦探波拿巴（Bonaparte）／贝斯牧师与逆机率问题／从贝氏法则到贝氏网路／贝氏网路：原因透露了哪些关于资料的线索？／我的行李在哪里？从亚琛到尚吉巴岛／真实世界中的贝氏网路／从贝氏网路到因果图
1980年代初，珀尔认为不确定性是AI所欠缺的最重要的能力，于是运用机率，开发出处理不确定性推理的强大工具——贝氏网路，这是首先让电脑以「灰阶」方式思考的工具，至今仍被视为人工智慧顶尖典范。然而到了1980年代末，珀尔开始觉得自己错了，他认为贝氏网路仍没有填补人工智慧和人类智慧的差距。在这一章，他谈了自己从贝氏网路忠实信徒变节，转入因果性阵营的心路历程。尽管如此，贝氏网路依然是今日人工智慧界极为倚重的工具，而且具备因果图的许多数学基础，因此这章以因果性简略介绍贝氏法则和贝氏推理方法，并为读者举出几个在实际生活中运用贝氏网路的范例。
▎第四章 干扰与去干扰：或说剷除潜在变项
干扰导致强烈恐惧／大自然的巧妙质问：随机对照试验为何有效用？／干扰的新典范／do运算子和后门准则
随机对照试验（RCT）是统计学对因果推论的重大贡献，它的主要目标，是把要探讨的变项与可能影响它们的其他变项分开。如何去除这些潜在变项造成的失真或「干扰」，是已经存在一世纪的难题，但科学家直到最近才体认到，解决这问题需要的不是统计学方法，而是因果方法。这章要从因果图的观点说明，RCT为何能协助估计两变项之间的因果效应，而且不受干扰偏差影响，从中我们会了解RCT其实源自更基本的原理，其他方法未必都要奉它为圭臬。这一章还将说明因果图如何让我们把焦点从「干扰因子」转移到「去干扰因子」，并且带领读者以出奇简单的方式解决一般干扰问题。
▎第五章 烟雾弥漫的争议：除去迷雾
菸草：人为流行病／卫生总署委员会和希尔准则／吸菸对新生儿的影响／激烈争议：科学与文化
十八世纪詹姆斯．林德发现柑橘类水果能预防坏血病，十九世纪约翰．史诺发现遭排泄物污染的水会导致霍乱，这些侦察工作很幸运的一点是：原因与结果之间是一对一关系。二十世纪时「吸菸是否会致癌」争议挑战了单一因果关系概念，而且由于无法随机指定某些人冒着健康风险吸菸数十年以进行对照，统计学家不只对答案难有共识，连如何理解问题都有不同看法。后来美国卫生总署委员会採用一连串非正式指导方针「希尔准则」，终于得出「吸菸会导致癌症」这结论，但这花了近十五年时间。这争议让许多人看清因果性的重要——如果科学家有适合的语言或方法来解答因果问题，得出结论将不再旷日废时。
▎第六章破解悖论！
令人费解的蒙提霍尔问题／更多冲突偏差：柏克森悖论／辛普森悖论／以图画说明辛普森悖论
这章要让读者轻松一点，做一些有趣的动脑游戏，谈谈蒙提霍尔悖论、辛普森悖论与柏克森悖论等知名的古典矛盾问题。其实这些悖论问题有严肃的一面——它们几乎都与因果直觉抵触，因此能让我们深入分析这类直觉。悖论和视错觉一样，能够揭露大脑的运作方式、大脑爱走的捷径，以及大脑觉得矛盾的事物。因果悖论凸显出与机率和统计逻辑冲突的直觉式因果推理型态，看看统计学家对它们有多么头痛，就能知道不用因果性眼镜看世界往往容易出现误判。这些问题提醒着科学家，人类直觉是以因果为基础，而不是统计和逻辑。一起来看看这些经典悖论问题的新解吧！
▎第七章 超越调整：征服介入山
最简单的路线：后门调整公式／前门准则／Do计算法——精神高于物质／科学的织锦，或是do管弦乐团的隐形乐手／史诺博士的诡异案例／好胆固醇和坏胆固醇
第七章到第九章将带领读者一步步登上因果阶梯。本章要登上阶梯的第二层——介入层，其重点是预测以往未曾尝试的行动和策略可能产生什么效果。除了说明可产出「是或否」答案的因果推论发动机的内在结构，还要教读者寻找因果图中的特定型态，像是后门调整、前门调整及工具变项等，它们在因果推论中扮演极吃重的角色。作者将示范这些工具如何解答以往困住科学家的难题，例如以「前门准则」釐清因果图尚未诞生时的「吸菸致癌争议」，用约翰．史诺的霍乱成因调查示范因果图如何让工具变项发挥作用。作者也将介绍他的学生在因果革命中扮演的角色。
▎第八章 反事实：发掘可能成真的世界
从修昔底德和亚伯拉罕，到休谟和路易斯／潜在结果、结构方程式，以及反事实的演算法化／了解自己的假设是好习惯／反事实与定律／必要原因、充分原因和气候变迁／反事实的世界
人类是在五、六百万年间由猿猴类演化而来，但在近五万年间发生了一些独特状况，从此能更快速地改变自身能力与环境，例如发明许多神奇物品。为什么？人类突然获得其他动物没有的什么运算能力？对此有许多人提出理论，但其中只有一种与因果关系有关——历史学家哈拉瑞在《人类大历史》中推测，人类祖先能设想「不存在的事物」（反事实），让人得以沟通得更顺畅，是其中最重要的关键。本章要带各位登上因果阶梯的顶层，探讨反事实，照例会有许多因果图示范釐清常见争议的实情（例如学经历对薪水的影响，以及量化气候变迁的效果等），体会将「反事实」纳入因果查询时，解答事情的面向如何更加丰富多变。
▎第九章 中介：找寻机制
坏血病：错误的中介变项／自然与养育：芭芭拉‧布克斯的悲剧人生／寻找语言（柏克莱录取率悖论）／黛西、小猫和间接效应／线性理想世界里的中介／接纳「应该会」／中介案例分析——吸菸基因：中介和交互作用；止血带：隐形的谬误
「反事实」目前在科学界中最风行的应用是中介分析，中介（或中介变项）是把处理效应传递给结果的变项，中介分析的目的是釐清直接效应和间接效应。这类问题不仅在科学上相当重要，也有实际的影响，书中举了骇人的一例：詹姆斯．林德船长的坏血病研究是史上极早的对照实验，其结果在1747年发表。但一个世纪之后，英国远征队开始探察极地时，这种完全可以预防的疾病出乎意料地卷土重来，原因就在于当时尚未发现真正的中介变项（维生素C），使得「柑橘类水果可预防坏血病」这理论被弃之如敝屣。本章介绍科学家如何找出表达「中介」的方法，以补传统统计学的不足，另外也有数例中介案例分析。
▎第十章 大数据、人工智慧与大问题
因果模型与大数据／强AI和自由意志
怎样打造智慧与人类相当且能分辨善恶的机器？——珀尔相信，因果推理是让机器能以人类语言与我们沟通，谈论政治、实验、解释、理论、遗憾、责任、自由意志与义务等话题，乃至自己做出道德决策的关键，因此发展因果语言与工具之重要性不可言喻。在研发过程中他广泛接触各领域人士，一起点燃因果革命的火花，火花从一个学科扩散到另一学科，催生了新典范，他认为这个转变将使科学的体质更加健全，这是「人工智慧给人类的第二个礼物」。而因果革命在AI界的终极产物——具道德感的强AI，不只会成为我们的好伙伴，还能成为我们师法的对象，教导我们更明晰、因果上更合理的正义感，这则是人工智慧给人类的第一个、也是最好的礼物。
▎致谢
这本书的目标有三个：一是以非数学语言让读者理解因果革命的详细内涵，以及它将如何影响我们的生活和未来。二是为读者介绍科学家遭遇及挑战关键因果问题时，英勇解决的历程。最后，则是把因果革命带回人工智慧的最初本源，介绍如何让机器人学习以我们的母语（即因果语言）沟通。
▎前言：思想胜过资料
法兰西斯・高尔顿与卡尔・皮尔森运用跨世代资料解答他们对于遗传的疑问，可惜没有成功，于是他们开发出「统计」这门尔后兴盛数十载的学科。从事研究的人都听过「相关不是因果」这句统计学名言，该观念影响学界长期探究「关联」而不问「因果」。在资料本位的历史影响下，今日我们甚至认为大数据可解答所有问题，但是朱迪亚・珀尔希望借此书告诉读者，资料本身一点也不智慧。1980年代末，研究人工智慧的珀尔发现，「机器无法理解因果关系」可能是它们无法具备人类智慧的关键原因，于是他转而投身因果科学阵营，多年后他借由这本书，总结了各路科学家推动因果革命的成果。
▎第一章 因果阶梯
因果的三个层级／迷你图灵测验／机率与因果
珀尔研究机器学习时了解到，因果学习者至少必须掌握三个层级的认知能力，分别是：（一）观看与观察，以探知环境中的规律；（二）实行，亦即预测刻意改变环境的效果，并选择适当改变以获得想要的结果；以及（三）想像——因果阶梯的三个层级「观察」、「介入」和「反事实」便是由此而来，数学能证明这三个层级有根本上的不同，每个层级都具备前一层级缺少的能力。本章将介绍以因果图进行推理的基础概念、主要的建模工具，让读者慢慢见识因果推论模型诠释资料、解答疑问的强大能力。
▎第二章 从海盗到天竺鼠：因果推论的创生
法兰西斯‧高尔顿舍「因果」而拥抱「相关」／卡尔‧皮尔森把「因果」扫出统计学／莱特、天竺鼠和路径图／E PUR SI MUOVE（但地球依然在转动）／贝氏连结将主观机率带进统计学界
十九世纪末，法兰西斯・高尔顿想将《物种原始》的理论架构数学化，他花了八年尝试解答族群遗传特质维持恆定的原因，但是始终无解，最后放弃研究，转而注意统计「相关」。高尔顿的门徒卡尔・皮尔森后来提出「相关系数」，直到现在，所有统计学家想知道资料组中两个变项的关联程度时，总是最先计算这个数字。第二章讲述统计学如何忽视因果性，并且对各种资料导向的科学造成深远影响。此外还将介绍对本书而言十分重要的遗传学家西瓦尔‧莱特的故事；莱特于1920年代首先绘制因果图，多年来一直是少数认真看待因果性的科学家。
▎第三章从证据到原因：当贝斯遇见福尔摩斯
电脑侦探波拿巴（Bonaparte）／贝斯牧师与逆机率问题／从贝氏法则到贝氏网路／贝氏网路：原因透露了哪些关于资料的线索？／我的行李在哪里？从亚琛到尚吉巴岛／真实世界中的贝氏网路／从贝氏网路到因果图
1980年代初，珀尔认为不确定性是AI所欠缺的最重要的能力，于是运用机率，开发出处理不确定性推理的强大工具——贝氏网路，这是首先让电脑以「灰阶」方式思考的工具，至今仍被视为人工智慧顶尖典范。然而到了1980年代末，珀尔开始觉得自己错了，他认为贝氏网路仍没有填补人工智慧和人类智慧的差距。在这一章，他谈了自己从贝氏网路忠实信徒变节，转入因果性阵营的心路历程。尽管如此，贝氏网路依然是今日人工智慧界极为倚重的工具，而且具备因果图的许多数学基础，因此这章以因果性简略介绍贝氏法则和贝氏推理方法，并为读者举出几个在实际生活中运用贝氏网路的范例。
▎第四章 干扰与去干扰：或说剷除潜在变项
干扰导致强烈恐惧／大自然的巧妙质问：随机对照试验为何有效用？／干扰的新典范／do运算子和后门准则
随机对照试验（RCT）是统计学对因果推论的重大贡献，它的主要目标，是把要探讨的变项与可能影响它们的其他变项分开。如何去除这些潜在变项造成的失真或「干扰」，是已经存在一世纪的难题，但科学家直到最近才体认到，解决这问题需要的不是统计学方法，而是因果方法。这章要从因果图的观点说明，RCT为何能协助估计两变项之间的因果效应，而且不受干扰偏差影响，从中我们会了解RCT其实源自更基本的原理，其他方法未必都要奉它为圭臬。这一章还将说明因果图如何让我们把焦点从「干扰因子」转移到「去干扰因子」，并且带领读者以出奇简单的方式解决一般干扰问题。
▎第五章 烟雾弥漫的争议：除去迷雾
菸草：人为流行病／卫生总署委员会和希尔准则／吸菸对新生儿的影响／激烈争议：科学与文化
十八世纪詹姆斯．林德发现柑橘类水果能预防坏血病，十九世纪约翰．史诺发现遭排泄物污染的水会导致霍乱，这些侦察工作很幸运的一点是：原因与结果之间是一对一关系。二十世纪时「吸菸是否会致癌」争议挑战了单一因果关系概念，而且由于无法随机指定某些人冒着健康风险吸菸数十年以进行对照，统计学家不只对答案难有共识，连如何理解问题都有不同看法。后来美国卫生总署委员会採用一连串非正式指导方针「希尔准则」，终于得出「吸菸会导致癌症」这结论，但这花了近十五年时间。这争议让许多人看清因果性的重要——如果科学家有适合的语言或方法来解答因果问题，得出结论将不再旷日废时。
▎第六章破解悖论！
令人费解的蒙提霍尔问题／更多冲突偏差：柏克森悖论／辛普森悖论／以图画说明辛普森悖论
这章要让读者轻松一点，做一些有趣的动脑游戏，谈谈蒙提霍尔悖论、辛普森悖论与柏克森悖论等知名的古典矛盾问题。其实这些悖论问题有严肃的一面——它们几乎都与因果直觉抵触，因此能让我们深入分析这类直觉。悖论和视错觉一样，能够揭露大脑的运作方式、大脑爱走的捷径，以及大脑觉得矛盾的事物。因果悖论凸显出与机率和统计逻辑冲突的直觉式因果推理型态，看看统计学家对它们有多么头痛，就能知道不用因果性眼镜看世界往往容易出现误判。这些问题提醒着科学家，人类直觉是以因果为基础，而不是统计和逻辑。一起来看看这些经典悖论问题的新解吧！
▎第七章 超越调整：征服介入山
最简单的路线：后门调整公式／前门准则／Do计算法——精神高于物质／科学的织锦，或是do管弦乐团的隐形乐手／史诺博士的诡异案例／好胆固醇和坏胆固醇
第七章到第九章将带领读者一步步登上因果阶梯。本章要登上阶梯的第二层——介入层，其重点是预测以往未曾尝试的行动和策略可能产生什么效果。除了说明可产出「是或否」答案的因果推论发动机的内在结构，还要教读者寻找因果图中的特定型态，像是后门调整、前门调整及工具变项等，它们在因果推论中扮演极吃重的角色。作者将示范这些工具如何解答以往困住科学家的难题，例如以「前门准则」釐清因果图尚未诞生时的「吸菸致癌争议」，用约翰．史诺的霍乱成因调查示范因果图如何让工具变项发挥作用。作者也将介绍他的学生在因果革命中扮演的角色。
▎第八章 反事实：发掘可能成真的世界
从修昔底德和亚伯拉罕，到休谟和路易斯／潜在结果、结构方程式，以及反事实的演算法化／了解自己的假设是好习惯／反事实与定律／必要原因、充分原因和气候变迁／反事实的世界
人类是在五、六百万年间由猿猴类演化而来，但在近五万年间发生了一些独特状况，从此能更快速地改变自身能力与环境，例如发明许多神奇物品。为什么？人类突然获得其他动物没有的什么运算能力？对此有许多人提出理论，但其中只有一种与因果关系有关——历史学家哈拉瑞在《人类大历史》中推测，人类祖先能设想「不存在的事物」（反事实），让人得以沟通得更顺畅，是其中最重要的关键。本章要带各位登上因果阶梯的顶层，探讨反事实，照例会有许多因果图示范釐清常见争议的实情（例如学经历对薪水的影响，以及量化气候变迁的效果等），体会将「反事实」纳入因果查询时，解答事情的面向如何更加丰富多变。
▎第九章 中介：找寻机制
坏血病：错误的中介变项／自然与养育：芭芭拉‧布克斯的悲剧人生／寻找语言（柏克莱录取率悖论）／黛西、小猫和间接效应／线性理想世界里的中介／接纳「应该会」／中介案例分析——吸菸基因：中介和交互作用；止血带：隐形的谬误
「反事实」目前在科学界中最风行的应用是中介分析，中介（或中介变项）是把处理效应传递给结果的变项，中介分析的目的是釐清直接效应和间接效应。这类问题不仅在科学上相当重要，也有实际的影响，书中举了骇人的一例：詹姆斯．林德船长的坏血病研究是史上极早的对照实验，其结果在1747年发表。但一个世纪之后，英国远征队开始探察极地时，这种完全可以预防的疾病出乎意料地卷土重来，原因就在于当时尚未发现真正的中介变项（维生素C），使得「柑橘类水果可预防坏血病」这理论被弃之如敝屣。本章介绍科学家如何找出表达「中介」的方法，以补传统统计学的不足，另外也有数例中介案例分析。
▎第十章 大数据、人工智慧与大问题
因果模型与大数据／强AI和自由意志
怎样打造智慧与人类相当且能分辨善恶的机器？——珀尔相信，因果推理是让机器能以人类语言与我们沟通，谈论政治、实验、解释、理论、遗憾、责任、自由意志与义务等话题，乃至自己做出道德决策的关键，因此发展因果语言与工具之重要性不可言喻。在研发过程中他广泛接触各领域人士，一起点燃因果革命的火花，火花从一个学科扩散到另一学科，催生了新典范，他认为这个转变将使科学的体质更加健全，这是「人工智慧给人类的第二个礼物」。而因果革命在AI界的终极产物——具道德感的强AI，不只会成为我们的好伙伴，还能成为我们师法的对象，教导我们更明晰、因果上更合理的正义感，这则是人工智慧给人类的第一个、也是最好的礼物。
▎致谢
图书序言
图书试读
◎前言：思想胜过资料
每种兴盛的科学之所以兴盛，关键都在于有一套成功的符号。——奥古斯塔斯‧德摩根（Augustus de Morgan），英国数学家及逻辑学家
有一种科学改变了我们分辨事实与幻想的方式，但一般大众对它依然认识极少——这本书讲的，就是这门学问的故事。这种新科学已经影响生活的许多重要层面，未来可能影响得更广泛，从开发新药到控管经济政策，从教育与机器人到枪枝管制和全球暖化等。值得注意的是，尽管这些问题五花八门而且显然无从比较，但这种新科学都能把它们纳入统一的框架来处理。在二十年前，根本还没有这样的框架。
这种新科学没有很炫的名称，我跟许多科学家称它为因果推论（causal inference）。这种科学也不特别高科技。因果推论努力模仿的理想科技，就在我们的思想中。几万年前，人类开始了解，某些事物源自另外一些事物，研究后者就可改变前者。其他物种不了解这一点，至少没有到达人类那种程度。我们从这个发现形成有组织的社会，再发展成城镇和城市，最后产生现在的科学和科技文明。一切都源自我们问了个再简单不过的问题：为什么？
因果推论正是因为我们认真看待这个问题而产生。它断定人类的大脑是有史以来最先进的因果处理工具。我们的大脑中储存大量的因果知识，这些知识在资料辅助下，就能回答现今最迫切的各种问题。更重要的是，我们一旦真正了解因果思考的逻辑，就能在新型电脑中模拟其运作，创造出人工科学家。这个聪明的机器人能发现至今未知的现象、发掘未解的科学困境的解释、设计新实验，并且不断由环境获取更多因果知识。
但在我们大胆猜测这些未来发展之前，必须先了解因果推论目前已有的成就。我们将探讨它如何改变绝大多数资料相关领域科学家的思考方式，以及它将如何改变我们的生活。
这种新科学可以处理这些看似简洁明了的问题：
‧某种疗法预防疾病的效果如何？
‧是新税法使得销售增加？还是那是打广告的结果？
‧医疗成本中，有哪些可归因于肥胖？
‧聘僱纪录是否能证明雇主确实採取性别歧视政策？
‧我打算辞职，我应该这么做吗？
每种兴盛的科学之所以兴盛，关键都在于有一套成功的符号。——奥古斯塔斯‧德摩根（Augustus de Morgan），英国数学家及逻辑学家
有一种科学改变了我们分辨事实与幻想的方式，但一般大众对它依然认识极少——这本书讲的，就是这门学问的故事。这种新科学已经影响生活的许多重要层面，未来可能影响得更广泛，从开发新药到控管经济政策，从教育与机器人到枪枝管制和全球暖化等。值得注意的是，尽管这些问题五花八门而且显然无从比较，但这种新科学都能把它们纳入统一的框架来处理。在二十年前，根本还没有这样的框架。
这种新科学没有很炫的名称，我跟许多科学家称它为因果推论（causal inference）。这种科学也不特别高科技。因果推论努力模仿的理想科技，就在我们的思想中。几万年前，人类开始了解，某些事物源自另外一些事物，研究后者就可改变前者。其他物种不了解这一点，至少没有到达人类那种程度。我们从这个发现形成有组织的社会，再发展成城镇和城市，最后产生现在的科学和科技文明。一切都源自我们问了个再简单不过的问题：为什么？
因果推论正是因为我们认真看待这个问题而产生。它断定人类的大脑是有史以来最先进的因果处理工具。我们的大脑中储存大量的因果知识，这些知识在资料辅助下，就能回答现今最迫切的各种问题。更重要的是，我们一旦真正了解因果思考的逻辑，就能在新型电脑中模拟其运作，创造出人工科学家。这个聪明的机器人能发现至今未知的现象、发掘未解的科学困境的解释、设计新实验，并且不断由环境获取更多因果知识。
但在我们大胆猜测这些未来发展之前，必须先了解因果推论目前已有的成就。我们将探讨它如何改变绝大多数资料相关领域科学家的思考方式，以及它将如何改变我们的生活。
这种新科学可以处理这些看似简洁明了的问题：
‧某种疗法预防疾病的效果如何？
‧是新税法使得销售增加？还是那是打广告的结果？
‧医疗成本中，有哪些可归因于肥胖？
‧聘僱纪录是否能证明雇主确实採取性别歧视政策？
‧我打算辞职，我应该这么做吗？
用户评价
评分
说实话，最近AI的浪潮有点让人应接不暇，新闻、社群媒体上全是AI生成的图片、文本，有时候真的分不清是人写的还是机器造的。但《因果革命：人工智能的大未来》（硬壳精装）这个书名，听起来就比那些“AI能做什么”的讨论更进一层。我一直在想，AI真的能理解“因果”吗？不是那种统计上的相关性，而是像人类一样，知道“因为 A，所以 B”背后的逻辑和机制。如果AI真的能做到这一点，那它在很多领域的应用，比如医学诊断、科学研究、甚至法律判决，都可能发生翻天覆地的变化。我很好奇作者会怎么解释这个“因果革命”，它会不会涉及到AI如何从数据中学习到更深层次的因果关系，而不是仅仅靠模式识别？或者，它是否探讨了AI在构建因果模型时可能遇到的伦理和哲学难题？“大未来”更是让我充满遐想，会不会描绘出AI如何与人类社会深度融合，成为我们解决复杂问题、甚至重新定义“智能”本身的关键力量？这本硬壳精装的书，光是拿在手里就能感受到它的厚重感，我期待它能给我带来一场思想上的“革命”。
评分最近AI的发展速度真的快到令人咋舌，感觉每天都有新突破，但很多时候，我们看到的只是AI在特定任务上的表现，比如写文章、画画、下棋。我一直想知道，AI的“未来”到底意味着什么？《因果革命：人工智能的大未来》（硬壳精装）这个书名，点出了“因果”这个核心概念，这让我觉得作者可能是在探讨AI更深层次的理解能力。如果AI不只是能识别模式，而是能理解“为什么”会发生，那它就能真正地“思考”和“推理”了。我希望这本书能深入浅出地解释，AI如何才能超越目前的“统计式”智能，迈向真正的“因果式”智能。这会不会涉及到AI如何建立世界模型，如何进行反事实推理，又或者如何处理不确定性和未知？“大未来”这个词，更是让人充满好奇，是描绘了一个AI成为人类助手，共同解决全球性挑战的蓝图？还是AI将扮演更自主的角色，甚至引发社会结构的根本性改变？这本精装书，光是名字就给我一种“干货满满”的预感，很期待能从中获得一些关于AI未来发展的深刻洞见。
评分哇，光看书名《因果革命：人工智能的大未来》（硬壳精装），就觉得沉甸甸的，很有份量！这年头AI话题真的太夯了，走到哪儿都能听到，但总觉得讲的都是些应用、算法、或者一些科幻小说般的场景。我一直很好奇，AI的“未来”到底能走到多远，又会以一种什么样的方式，真正改变我们的生活？“因果革命”这个词听起来好有深度，不像一般的科技书会用的词。感觉作者是不是在挑战我们对“智能”和“因果”的认知？是不是在说，AI不只是模仿人类的思考，而是真正理解了事物之间的联系，能够像我们一样，甚至比我们更深刻地去洞察“为什么”？想到书是硬壳精装，就觉得作者团队应该很用心，不只是内容，连外在呈现都要给人一种“重量级”的感觉。我猜这本书应该不会是那种看完就忘的科普读物，而是会让你读完之后，脑袋里持续冒出新的问题，然后开始用一种全新的角度去看待身边的一切。尤其是“大未来”这个词，更是让人充满了期待，是不是会描绘出一个我们现在难以想象的AI发展蓝图？希望读完之后，我能对AI的未来有一个更清晰、更具象的理解，而不是停留在模糊的“万物皆AI”的口号上。
评分老实说，AI现在的发展，有时候让我感觉像是一场“炫技”，各种模型层出不穷，能力也越来越强，但总觉得缺少了点“灵魂”。《因果革命：人工智能的大未来》（硬壳精装）这个书名，就非常有意思。“因果”二字，触及了人工智能最核心的难题之一。我一直认为，真正的智能，不仅仅是数据处理和模式识别，更在于理解事物之间的联系，知道“是什么”以及“为什么”。如果AI能实现“因果革命”，那它将不再是简单的工具，而是能够进行深度理解和推理的伙伴。我很好奇，作者会如何阐述“因果革命”的内涵？它是否会探讨AI如何从观察到的相关性中，推断出潜在的因果关系？它是否会涉及AI在因果推断方面的挑战，比如如何避免混淆变量，如何处理潜在的偏差？“大未来”更是让人浮想联翩，一个真正懂得因果的AI，将对科研、医疗、经济，乃至人类文明的进程产生怎样颠覆性的影响？这本精装书，光是书名就勾起了我极大的兴趣，期待它能带我进入一个更深邃的AI世界。
评分最近AI的讨论真是铺天盖地，从ChatGPT到各种AI绘画工具，感觉像是进入了一个全新的时代。但很多时候，我们讨论的都是AI“能做什么”，或者“做得多好”，却很少深入去探讨AI“懂不懂”背后的原理。所以，《因果革命：人工智能的大未来》（硬壳精装）这个书名，立刻就吸引了我。“因果”这两个字，对于理解智能来说，实在是太重要了。我一直觉得，真正的智慧，在于能够理解事物之间的联系，知道“如果…那么…”背后的逻辑。这本书是不是在探讨AI如何才能真正跨越“相关性”的鸿沟，迈向“因果性”的理解？我很好奇作者会如何解释这个“革命”的过程，它是否会涉及到AI如何进行实验设计，如何进行因果推断，或者如何构建更强大的世界模型？“大未来”更是让我充满了期待，一个能够深刻理解因果的AI，会为我们带来怎样的发展机遇，又可能带来哪些新的挑战？这本硬壳精装的书，光是看书名就觉得非常有份量，我迫不及待地想知道，作者究竟是如何描绘AI的“大未来”的。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版权所有