☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

　　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）

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。
 

▎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
 

◎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？

None

因果革命：人工智慧的大未来（硬壳精装） 电子书 下载 mobi epub pdf txt 2024

类似图书 点击查看全场最低价

查看全网最低价