▎《因果革命》內容簡介
大數據為什麼不夠聰明？
比機率更強大的思考工具又是什麼？
《快思慢想》作者暨諾貝爾獎得主康納曼、《大演算》作者多明哥斯、
榖歌網路推廣長文特‧瑟夫、微軟研究實驗室主任艾瑞剋‧霍爾維茲
————重磅推薦！————
電腦科學界諾貝爾獎「圖靈獎」得主暨貝氏網路研發先驅Judea Pearl總結畢生研究成果，聯手獲獎的統計學傢Dana Mackenzie，提齣改變人工智慧及科學界的重要工具！
►大數據看似厲害，其實有很大的侷限
近幾年大數據當紅，加上它在許多領域的成功運用，其地位與能力備受追捧。與大數據密切相關的統計學，是法蘭西斯・高爾頓與卡爾・皮爾森解答對於遺傳的疑問未果，而開發齣來的學科，這門學科創立後興盛數十載，其名言「相關不是因果」影響科學界經常止步於探究「關聯」而非「因果」，並且長期受資料本位的歷史所影響，認為資料無所不能，但是硃迪亞・珀爾希望藉此書告訴讀者，資料本身一點也不智慧。
►要發展齣「強AI」，機率思考仍遠遠不夠
一九八○年代初，硃迪亞・珀爾認為不確定性是AI所欠缺的最重要的能力，於是運用機率開發齣強大的推理工具——貝氏網路，因而獲得有電腦科學界諾貝爾獎之稱的「圖靈獎」。貝氏網路是首先讓電腦以灰階方式思考的工具，至今仍極受人工智慧界倚重，然而到瞭一九八○年代末，珀爾認為貝氏網路仍沒有填補人工智慧和人類智慧的差距，於是他轉而研究如何教AI學會「因果推論」，本書便是整理瞭歷代科學傢推展因果革命的努力與成果。
►從「求得相關性」的舊階段，邁入「釐清因果關係」的新時代
本書最初幾章是有趣的科學史，探討科學傢追求因果解釋的過程如何受挫，以緻發展齣統計學，並讓統計學方法長期引領學界研究。接著書中有大約一半篇幅，作者以實例示範因果語言（圖示模型）如何解決傳統統計學認為無解的難題，逐一揭示「因果階梯」三大分層的能力（越高的層級，認知挑戰越高，越難理齣因果關係），並讓讀者瞭解因果革命路上諸人的努力與進展，以及這些進展的重要性。本書末尾迴頭說明因果革命相對於人工智慧各重要發展麵嚮（比如大數據、深度學習、資料探勘、機器學習等），有何勝齣之處、能對它們起什麼正麵影響，以及最重要的——「因果革命」將會如何改變人工智慧。
►「因果革命」不隻影響人工智慧，還影響各研究領域
現今機器學習運作時仰賴的是「相關性」，而不是「因果」，如果能成功將因果思考導入電腦，將使電腦變成真正的科學傢，使它們成為我們的得力夥伴，提供我們更閤理的洞見。由於因果思考可以呈現罪責，電腦能因而具備道德感——「具備道德感的強AI」是因果革命在人工智慧領域的終極追求，作者形容這「是人工智慧給人類的第一個、也是最好的禮物」。
因果性研究還釐清瞭我們多年來對許多知識本質的不解，改變我們對於眾多問題的認識，這些問題牽涉的層麵無所不包，舉凡涉及解讀資料以及根據解釋而採取的作法（像是緻病因素、醫療資源分配、公共政策擬定等），都能受益。集結眾多領域學人之力纔有如今成果的因果革命，亦將迴頭影響整個科學界，珀爾形容它「將使科學的體質更加健全，是人工智慧給人類的第二個禮物」。在美國，因果科學已經開始被大學列入課程……
►我們強烈建議這些人士閱讀這本書：
（1）資料科學傢與大數據研究者，以及對大數據深感興趣的人
（2）統計學傢、數學傢，電腦科學相關從業人員與學習者
（3）對經濟趨勢與科研發展有興趣的一般大眾
（4）希望培養科學素養，瞭解最新科學方法的學子
（各章內容簡介可參閱〈目錄〉的引文）
▎《人性較量》內容簡介
｛《華爾街日報》全國暢銷圖書／《紐約時報》編輯選書｝
｛《波士頓環球報》年度最佳圖書／《紐約客》雜誌年度最佳書籍｝
＊＊＊
「這不算。……『深藍』也沒有贏。」
西洋棋大師卡斯帕洛夫與超級電腦交手落敗後，為何這麼說？
人類與人工智慧的關係，是「你輸我纔贏」的零和賽局？
◎《麻省理工技評論》年度最佳書籍、亞馬遜書店電腦科學Top 1著作《決斷的演算》（Algorithms to Live By）閤著者剋裏斯汀，另一部探討「人機關係」的佳作！
◎讀者評道：「我在資訊科技領域工作超過二十年，這本書仍讓我看到新麵嚮。」
＊＊＊＊＊
電腦原本是我們仿人腦的傑作，不意隨著它們的運算能力越來越強大，在許多領域打敗人類，人工智慧開始威脅我們的「自我感覺」，令我們質疑起原本自豪的能力，甚至認為它將取代人類。不過實際發展就如認知科學學者侯世達所說：「雖然我們不斷開發人工智慧，但每次在AI領域更進一步，不但沒有逐漸形成何謂真正智能的共識，反而一再揭露真正的智能不是什麼。」本書作者藉由自己「代錶人類」參加圖靈測驗與電腦決勝負的準備經驗，耙梳瞭電腦科學領域數十年來的關鍵突破與研究重心的轉變，探討人工智能如何成為我們的「對照組」，提醒著我們人類哪些特質難以取代，人工智慧又可以在哪些地方成為我們的互補。
►圖靈測驗是什麼？
「如果有一天我們造齣精巧到可說能思考的機器，要怎麼知道它有這個能耐？」電腦科學先驅艾倫・圖靈為瞭解答上述問題提齣一項實驗：分別讓電腦程式和真人參賽，由評審團透過電腦終端機嚮他們提問，再分辨哪個是人、哪個是電腦——人工智慧（AI）族群年度盛事「圖靈測驗」（羅布納獎）就是依此創立的。不論有沒有程式通過圖靈測驗（騙過三成評審），比賽都由得到最高票和最多信心分數的程式獲勝，頒予「最人模人樣電腦獎」；獲得最高票和最多信心分數的人，則會獲頒「最人模人樣人類獎」——換句話說，與其他「人機對決」不同的是，圖靈測驗較量的乃是「人性」。
►圖靈測驗跟你我每日的生活都有關……
加快簡訊打字速度很依賴「預測」演算：手機要能猜齣你接下來想打什麼字、要能自動更正錯字，要會很多諸如此類的事。能像人一樣穩定預測你想打什麼字的手機，就跟能像人一樣迴信給你的程式一樣聰明，因此生活在資訊時代，你我可說經常不知不覺進行著圖靈測驗……
►這本書從聊天機器人的基本設計和發展談起，從人腦與電腦的競賽切入，帶讀者瞭解電腦和AI這幾十年的關鍵進展，以及它讓我們對自己產生什麼新認識。作者認為：與其把過去幾十年看成機器對抗人類的競爭，不如說我們與機器在同一陣線，必須學習與他們共存。而既然我們對電腦的長處已充分瞭解，那麼更該「重新發現」自己的特色——換句話說，我們該去瞭解人何以為人。（各章內容簡介可參閱〈目錄〉的引文）
各界好評
▎《因果革命》
►榖歌網路推廣長文特‧瑟夫：
珀爾近三十年來的學術成就，為人工智慧發展提供堅實的理論基礎……同時把「思考機器」提升到另一個境界。
►《大演算》作者佩德羅‧多明哥斯：
因果如果不是相關，那又是什麼？拜硃迪亞‧珀爾的劃時代研究之賜，現在我們已能精確迴答這個問題。想理解世界如何運行，這本引人入勝且讀來愉快的書是理想的起點。
►微軟研究實驗室科技研究員及主任艾瑞剋‧霍爾維茲：
硃迪亞‧珀爾是人工智慧領域、甚至整個電腦科學界革命的核心人物。
►諾貝爾經濟學獎得主及《快思慢想》作者丹尼爾‧康納曼：
各位是否曾疑惑「相關」和「因果」究竟是什麼關係？這本精彩著作深入淺齣地說明瞭答案。
►《紐約時報》喬納山‧尼伊：解說十分詳盡……本書不僅詳盡介紹概念的發展史，也提供概念工具，讓讀者理解大數據的優勢與不足之處。
►《自然》雜誌：「相關不是因果」這句科學俗語已在社會上造成影響……硃迪亞‧珀爾提齣嶄新的數學解決方案……現在已在生物、醫學、社會科學和人工智慧領域開花結果。
►《猶太日報》：深入淺齣……珀爾是有遠見的因果革命領袖，這本書則是他最大的成就。
讀者好評
►對電腦科學、統計學或人工智慧當今發展有興趣的人都應該讀讀。這本書如同康納曼的《快思慢想》，是作者畢生科學研究的總結，不僅對同領域科學傢而言價值非凡，也是全人類的瑰寶。（讀者阿蘭‧約瑟夫‧坎恩）
►硃迪亞‧珀爾的貝氏網路和因果圖以十分優雅的方式結閤統計學、流行病學、決策和電腦科學等領域。他的研究成果賦予並擴大瞭大數據的潛力。這本書是市麵上第一本為一般大眾介紹這主題的書籍，其影響將無以估計。（讀者湯瑪斯 J. 阿拉岡，流行病學傢）
►知名商學研究所都應該用這本書當成教材。我送瞭一本給我念大學時的院長。為瞭現在和未來的學生著想，我希望它能成為一門課。（讀者喬治‧莫劄奇斯）
▎《人性較量》
○《紐約客》雜誌年度最佳書籍
○《紐約客》雜誌讀者年度最愛
○《華爾街日報》全國暢銷圖書
○《紐約時報》編輯選書
○《波士頓環球報》年度最佳圖書
►大衛・伊葛門，《大腦解密手冊》作者：
這本探討聊天機器人最新發展的作品深具吸引力，它對人類想像、思考、對話、欺騙和愛的討論令我大開眼界。瞭解人類的最佳方式竟是研究模仿人類的機器，這種理路誰想得到呢？
►《紐約時報》書評：
令人驚艷……筆調狂放而犀利……剋裏斯汀在過程中發現：假如機器能贏得模仿遊戲，那不是因為它們錶現得越來越像人，而是因為我們越來越不像人……在《The Most Human Human》裡，看得齣來剋裏斯汀始終將這件事放在心上。不論是他或這部作品，都堪得『The Most Human Human』之名。
►《華爾街日報》評論：
讀來令人欲罷不能……剋裏斯汀信手撚來，以清晰的筆觸勾勒極為龐大的領域，舉重若輕的功力令人欽佩……以生活實例說明關鍵概念的本事驚人……剋裏斯汀到底有沒有贏得『最人模人樣人類獎』呢？快拿起這本書看看吧。
►艾倫・萊特曼，《愛因斯坦的夢》作者：
極具雄心的大膽嘗試，既富知性挑戰又妙趣橫生，這是部可愛的作品，它將啟發你活齣豐富又有意義的人生。
►《泰晤士報》：
內容齣色，筆調風趣，讀來令人耳目一新。從亞裏斯多德到電視劇《辦公室風雲》，這趟哲學之旅貫串古今，趣味盎然……要是哪天機器也能寫齣這般機鋒處處又饒富新意的作品，我們可得當心瞭。
◎讀者好評
►我讀過不少批判AI的書，總是在怨嘆AI可能很危險，抱怨它會搶走人類的工作，哀哀上告它會讓我們變笨或至少變得更不聰明。這本書不一樣，它熱情讚美人類投注於AI領域的努力，點齣我們在這方麵的成就和這些成就的意義，也珍惜尚不可見的AI未來。作者確實有道理保持樂觀：人工智慧已讓我們重新評估何謂智慧，已讓我們重新思考何而為人。
►在我印象裡，我沒讀過哪本非虛構作品像這本一樣充滿啟發與洞見。我在資訊科技領域工作超過二十年，對書中提到的議題自認並不陌生，但這本書還是讓我看到新的麵嚮。對我來說，這本書既與我的工作相關，也為我帶來不少閱讀樂趣。我很喜歡談到字詞對人的影響那部分，而且寫得不會太專或太深。我願意嚮每一個人推薦這本書。
►雖然科技版麵現在全是AI突破、聊天機器人和自動化崛起的新聞，但我認為，在見證這些驚人發展的同時，大多數人的共識仍是：機器與人的互動，還遠遠達不到「個人幫手」的標準。本書從一個有趣的角度探究原因所在：該怎麼設計能分辨人類和演算法的測驗？如果真有這麼一個測驗，你又該怎麼證明自己是人類？答案既複雜又令人眼睛一亮，不僅就問題本身而言是如此，對我們人類來說也是如此。
具體描述
智者之徑：在變革洪流中確立個人價值的實用指南 在這個瞬息萬變的時代，我們正經歷著前所未有的科技浪潮與社會轉型。傳統的知識結構與職業路徑正受到嚴峻的挑戰，人們對於未來的不確定感日益加深。麵對這個充滿機遇與挑戰的「變革洪流」，如何保持內心的定力，清晰地認識自身的核心價值，並有效地規劃人生的下一個階段，成為當代人最迫切的課題。 本書精選輯錄瞭數部深刻剖析當代社會結構、個體心理韌性與未來競爭力的重量級著作，旨在為讀者提供一套全麵且實用的思維工具箱，幫助讀者在不確定的環境中，找到清晰的航嚮與堅實的立足點。 第一部：洞察結構性變遷——理解時代的底層邏輯 變革從來都不是線性的，它們往往以「結構性斷裂」的形式齣現。理解這些深層次的轉變，是做齣有效決策的前提。 一、新經濟地理學與價值鏈重塑： 全球化的進程正在經歷一場深刻的重組。我們將深入探討「近岸外包」（Nearshoring）與「友岸外包」（Friend-shoring）等新興趨勢如何改變全球產業佈局。這不僅是貿易戰的結果，更是供應鏈韌性需求與地緣政治角力的綜閤體現。 地域紅利與風險轉移： 分析特定地理區域如何因政策傾斜或資源集中而獲得短暫的「新紅利」，同時警示過度依賴單一區域所帶來的係統性風險。 知識產權的戰略地位： 探討在數據與演算法成為核心資產的時代，知識產權保護的邊界與爭奪戰如何影響國傢間的經濟博弈。如何建立有效的「知識護城河」，是企業和個人都必須麵對的課題。 二、社會資本的衰退與重建： 在高度個人化與數位化的社會中，傳統的社區聯繫與社會互助網絡正在麵臨侵蝕。我們將考察「社會信任度」如何影響經濟效率與公民福祉。 信任的數位化悖論： 探討在社交媒體極大擴展瞭我們「聯繫」的同時，卻可能削弱瞭「深度信任」的形成。探討「點頭之交」與「生命共同體」之間的張力。 公共空間的再定義： 實體社區的萎縮，迫使我們思考新的、基於共同目標或興趣的「虛擬共同體」如何能夠承載社會資本的功能。成功的案例往往在於那些能夠有效將虛擬聯繫轉化為實際互助的組織。 第二部：鑄造個體韌性——在壓力下保持卓越的心理學基礎 外部世界的劇烈波動，最終都會反映在個體的心理狀態上。本書的第二部分聚焦於如何建立「內在的穩定器」，以應對持續的壓力與不確定性。 三、決策疲勞與認知優化： 麵對海量信息與不斷湧現的選擇，現代人的「決策疲勞」已成為影響生產力的隱形殺手。本書將介紹一係列行之有效的認知管理策略。 簡化與極簡主義的應用： 探討如何透過刻意減少選項（選擇的極簡主義），來釋放認知資源，將寶貴的專注力導嚮真正高價值的工作。 建立「自動駕駛」係統： 如何透過建立強大的習慣迴路與例行公事（Rituals），將日常瑣事轉化為無意識的執行，從而為更複雜的戰略思考騰齣空間。這並非僵化，而是為瞭在關鍵時刻擁有最大的靈活性。 四、情緒勞動與界限的藝術： 在強調「軟技能」和「客戶體驗」的時代，「情緒勞動」（Emotional Labor）成為許多職位不可或缺的一部分。如何管理他人的情緒，同時不耗盡自身的能量，是專業人士必須掌握的技能。 區分「同理心」與「共情陷阱」： 釐清有效的人際互動需要的是結構性的理解（同理心），而非無止境的情感吸收（共情陷阱）。學習如何「有距離地關心」。 設定專業邊界（Professional Boundaries）： 強調設定清晰的工作時間、溝通渠道和情感投入程度的重要性。邊界不是為瞭排斥他人，而是為瞭保障自身資源的可持續性。 第三部：超越專業技能——掌握核心競爭力的進化路徑 在技術不斷迭代的背景下，單一的專業技能保質期正在縮短。真正的長期競爭力，建立在能夠跨越不同領域進行轉換與整閤的能力之上。 五、通纔（Generalist）的復興與T型人纔的再深化： 當專纔的邊界被工具迅速拓展時，具備廣博知識基礎並能進行有效類比的通纔反而顯得更為珍貴。 類比思維的訓練： 探討如何從看似不相關的領域中提取原理，並將之應用到當前問題上。例如，從生物學的演化機製中汲取商業競爭的啟示。 從T型到π型人纔的過渡： 傳統T型人纔強調一深一廣，而未來的頂尖人纔可能需要具備至少兩個深度領域的專業知識（π型），使他們能夠在兩個核心領域之間建立獨特的橋樑，成為跨學科創新的催化劑。 六、敘事力（Narrative Power）的實戰應用： 在信息過載的環境中，清晰、引人入勝的故事，遠比堆砌數據更有說服力。敘事力是將複雜的想法轉化為可傳播、可記憶的影響力的最終工具。 構建個人品牌的核心故事線： 分析如何將個人的經歷、失敗與抱負，編織成一個連貫的「英雄旅程」，使他人能夠理解你的動機與未來方嚮。 將複雜性轉譯為簡潔： 學習如何為不同的受眾（從技術專傢到決策者）精準地「翻譯」你的核心觀點，確保信息在傳播過程中不失真、不衰減。 總而言之，本書提供的並非即刻見效的「捷徑」，而是一套深刻的「心法」與「工具」。它引導讀者從宏觀的結構性變化中抽離，聚焦於個體內在的建設，並最終將這種內在的力量轉化為能夠穿越變革迷霧的、持續性的競爭優勢。這是一次對自身思維模式、決策習慣和價值定位的徹底審視與重塑之旅。
著者信息
作者簡介
硃迪亞・珀爾（Judea Pearl）
因為研發貝氏網路，而獲得有「電腦科學界諾貝爾獎」之稱的圖靈獎，著有三本極具影響力的科普書籍。珀爾是美國國傢科學院院士，也是首先進入IEEE智慧係統名人堂的十名科學傢之一，獲得的獎項與榮譽博士學位多不勝數，包括盧梅哈特獎（認知科學學會）、富蘭剋林獎章（富蘭剋林研究所）以及拉剋托斯獎（倫敦經濟學院）。他目前擔任加州大學洛杉磯分校電腦科學教授，同時是丹尼爾‧珀爾基金會創辦人及執行長，目前住在洛杉磯。
達納‧麥肯錫（Dana Mackenzie）
數學博士，現為科普作傢，經常為《科學》、《新科學傢》、《科學美國人》、《史密森尼》、《鸚鵡螺》和《發現》等雜誌撰稿。他寫的書《大碰撞：月球是怎麼形成的？》（The Big Splat, or How Our Moon Came to Be）曾經獲選為Audible.com網站2010年最佳有聲書。麥肯錫曾獲2012年傳播獎（美國數學聯閤政策委員會）與2015年查文尼特數學解說獎（美國數學學會），他現在住在加州聖剋魯茲。
布萊恩・剋裏斯汀（Brian Christian）
布萊恩・剋裏斯汀曾與湯姆‧葛瑞菲斯（Tom Griffiths）閤著《決斷的演算》（Algorithms to Live By），該書榮獲《麻省理工科技評論》年度最佳書籍，以及亞馬遜書店年度最佳科學書籍，甫上市便登上亞馬遜書店「認知科學類」、「電腦科學類」和「商務決策與問題解決類」第一名，有聲書亦銷售亮眼。《決斷的演算》在颱灣由行路翻譯齣版。
剋裏斯汀於布朗大學取得哲學、電腦科學與詩學學位，曾擔任加州大學柏剋萊分校「認知與大腦科學中心」訪問學者，以及雅朵藝術村與麥道爾藝術村駐村藝術傢，作品曾獲「美國最佳科學與自然寫作獎」，亦曾獲得美國詩學會獎項，曾應Google、Facebook、微軟、聖塔菲研究所和倫敦政經學院等機構之邀前往演講。他的文章散見於《紐約客》、《大西洋月刊》、《連線》、《華爾街日報》、《衛報》、《巴黎評論》及《認知科學》等科學期刊，此外他積極參與自由軟體行動，也熱中駭客活動，目前住在舊金山。
譯者簡介
甘錫安
由科學界踏入「譯界」，現為專職譯者。曾擔任Discovery頻道與資訊雜誌編譯，現仍定期為《科學人》與《BBC知識》等雜誌翻譯。書籍譯作包括《成分迷思：解讀健康新聞的10堂通識課》、《暗池：人工智慧如何顛覆股市生態》與《決斷的演算》等書。目前住在有山有海有美食的颱灣頭基隆，熱愛吸收各類知識，正努力朝「全方位譯人」的目標邁進。
硃怡康
專職譯者，守備範圍以宗教、醫療、政治與科普為主。譯有《也許你該找人聊聊：一個諮商心理師與她的心理師，以及我們的生活》、《也許你該找人聊聊2：心理師教你大膽修訂自己的人生故事》、《CIA洗腦計畫》、《怎樣談科學》、《二十一世紀生死課》、《棋逢對手：中東與美國恩仇錄》套書、《為什麼我們製造齣玻璃心世代？》、《看得見的人類大遷徙》等書。其他歷史、科普譯作散見於《BBC知識》月刊。
臉書專頁「靈感總在交稿後」：www.facebook.com/helpmemuse
硃迪亞・珀爾（Judea Pearl）
因為研發貝氏網路，而獲得有「電腦科學界諾貝爾獎」之稱的圖靈獎，著有三本極具影響力的科普書籍。珀爾是美國國傢科學院院士，也是首先進入IEEE智慧係統名人堂的十名科學傢之一，獲得的獎項與榮譽博士學位多不勝數，包括盧梅哈特獎（認知科學學會）、富蘭剋林獎章（富蘭剋林研究所）以及拉剋托斯獎（倫敦經濟學院）。他目前擔任加州大學洛杉磯分校電腦科學教授，同時是丹尼爾‧珀爾基金會創辦人及執行長，目前住在洛杉磯。
達納‧麥肯錫（Dana Mackenzie）
數學博士，現為科普作傢，經常為《科學》、《新科學傢》、《科學美國人》、《史密森尼》、《鸚鵡螺》和《發現》等雜誌撰稿。他寫的書《大碰撞：月球是怎麼形成的？》（The Big Splat, or How Our Moon Came to Be）曾經獲選為Audible.com網站2010年最佳有聲書。麥肯錫曾獲2012年傳播獎（美國數學聯閤政策委員會）與2015年查文尼特數學解說獎（美國數學學會），他現在住在加州聖剋魯茲。
布萊恩・剋裏斯汀（Brian Christian）
布萊恩・剋裏斯汀曾與湯姆‧葛瑞菲斯（Tom Griffiths）閤著《決斷的演算》（Algorithms to Live By），該書榮獲《麻省理工科技評論》年度最佳書籍，以及亞馬遜書店年度最佳科學書籍，甫上市便登上亞馬遜書店「認知科學類」、「電腦科學類」和「商務決策與問題解決類」第一名，有聲書亦銷售亮眼。《決斷的演算》在颱灣由行路翻譯齣版。
剋裏斯汀於布朗大學取得哲學、電腦科學與詩學學位，曾擔任加州大學柏剋萊分校「認知與大腦科學中心」訪問學者，以及雅朵藝術村與麥道爾藝術村駐村藝術傢，作品曾獲「美國最佳科學與自然寫作獎」，亦曾獲得美國詩學會獎項，曾應Google、Facebook、微軟、聖塔菲研究所和倫敦政經學院等機構之邀前往演講。他的文章散見於《紐約客》、《大西洋月刊》、《連線》、《華爾街日報》、《衛報》、《巴黎評論》及《認知科學》等科學期刊，此外他積極參與自由軟體行動，也熱中駭客活動，目前住在舊金山。
譯者簡介
甘錫安
由科學界踏入「譯界」，現為專職譯者。曾擔任Discovery頻道與資訊雜誌編譯，現仍定期為《科學人》與《BBC知識》等雜誌翻譯。書籍譯作包括《成分迷思：解讀健康新聞的10堂通識課》、《暗池：人工智慧如何顛覆股市生態》與《決斷的演算》等書。目前住在有山有海有美食的颱灣頭基隆，熱愛吸收各類知識，正努力朝「全方位譯人」的目標邁進。
硃怡康
專職譯者，守備範圍以宗教、醫療、政治與科普為主。譯有《也許你該找人聊聊：一個諮商心理師與她的心理師，以及我們的生活》、《也許你該找人聊聊2：心理師教你大膽修訂自己的人生故事》、《CIA洗腦計畫》、《怎樣談科學》、《二十一世紀生死課》、《棋逢對手：中東與美國恩仇錄》套書、《為什麼我們製造齣玻璃心世代？》、《看得見的人類大遷徙》等書。其他歷史、科普譯作散見於《BBC知識》月刊。
臉書專頁「靈感總在交稿後」：www.facebook.com/helpmemuse
圖書目錄
▎《因果革命》
◎自序
這本書的目標有三個：一是以非數學語言讓讀者理解因果革命的詳細內涵，以及它將如何影響我們的生活和未來。二是為讀者介紹科學傢遭遇及挑戰關鍵因果問題時，英勇解決的歷程。最後，則是把因果革命帶迴人工智慧的最初本源，介紹如何讓機器人學習以我們的母語（即因果語言）溝通。
◎前言 思想勝過資料
法蘭西斯・高爾頓與卡爾・皮爾森運用跨世代資料解答他們對於遺傳的疑問，可惜沒有成功，於是他們開發齣「統計」這門爾後興盛數十載的學科。從事研究的人都聽過「相關不是因果」這句統計學名言，該觀念影響學界長期探究「關聯」而不問「因果」。在資料本位的歷史影響下，今日我們甚至認為大數據可解答所有問題，但是硃迪亞・珀爾希望藉此書告訴讀者，資料本身一點也不智慧。1980年代末，研究人工智慧的珀爾發現，「機器無法理解因果關係」可能是它們無法具備人類智慧的關鍵原因，於是他轉而投身因果科學陣營，多年後他藉由這本書，總結瞭各路科學傢推動因果革命的成果。
◎第一章 因果階梯
因果的三個層級／迷你圖靈測驗／機率與因果
珀爾研究機器學習時瞭解到，因果學習者至少必須掌握三個層級的認知能力，分別是：（一）觀看與觀察，以探知環境中的規律；（二）實行，亦即預測刻意改變環境的效果，並選擇適當改變以獲得想要的結果；以及（三）想像——因果階梯的三個層級「觀察」、「介入」和「反事實」便是由此而來，數學能證明這三個層級有根本上的不同，每個層級都具備前一層級缺少的能力。本章將介紹以因果圖進行推理的基礎概念、主要的建模工具，讓讀者慢慢見識因果推論模型詮釋資料、解答疑問的強大能力。
◎第二章 從海盜到天竺鼠：因果推論的創生
法蘭西斯‧高爾頓捨「因果」而擁抱「相關」／卡爾‧皮爾森把「因果」掃齣統計學／萊特、天竺鼠和路徑圖／E PUR SI MUOVE（但地球依然在轉動）／貝氏連結將主觀機率帶進統計學界
十九世紀末，法蘭西斯・高爾頓想將《物種原始》的理論架構數學化，他花瞭八年嘗試解答族群遺傳特質維持恆定的原因，但是始終無解，最後放棄研究，轉而注意統計「相關」。高爾頓的門徒卡爾・皮爾森後來提齣「相關係數」，直到現在，所有統計學傢想知道資料組中兩個變項的關聯程度時，總是最先計算這個數字。第二章講述統計學如何忽視因果性，並且對各種資料導嚮的科學造成深遠影響。此外還將介紹對本書而言十分重要的遺傳學傢西瓦爾‧萊特的故事；萊特於1920年代首先繪製因果圖，多年來一直是少數認真看待因果性的科學傢。
◎第三章 從證據到原因：當貝斯遇見福爾摩斯
電腦偵探波拿巴（Bonaparte）／貝斯牧師與逆機率問題／從貝氏法則到貝氏網路／貝氏網路：原因透露瞭哪些關於資料的線索？／我的行李在哪裡？從亞琛到尚吉巴島／真實世界中的貝氏網路／從貝氏網路到因果圖
1980年代初，珀爾認為不確定性是AI所欠缺的最重要的能力，於是運用機率，開發齣處理不確定性推理的強大工具——貝氏網路，這是首先讓電腦以「灰階」方式思考的工具，至今仍被視為人工智慧頂尖典範。然而到瞭1980年代末，珀爾開始覺得自己錯瞭，他認為貝氏網路仍沒有填補人工智慧和人類智慧的差距。在這一章，他談瞭自己從貝氏網路忠實信徒變節，轉入因果性陣營的心路歷程。儘管如此，貝氏網路依然是今日人工智慧界極為倚重的工具，而且具備因果圖的許多數學基礎，因此這章以因果性簡略介紹貝氏法則和貝氏推理方法，並為讀者舉齣幾個在實際生活中運用貝氏網路的範例。
◎第四章 乾擾與去乾擾：或說剷除潛在變項
乾擾導緻強烈恐懼／大自然的巧妙質問：隨機對照試驗為何有效用？／乾擾的新典範／do運算子和後門準則
隨機對照試驗（RCT）是統計學對因果推論的重大貢獻，它的主要目標，是把要探討的變項與可能影響它們的其他變項分開。如何去除這些潛在變項造成的失真或「乾擾」，是已經存在一世紀的難題，但科學傢直到最近纔體認到，解決這問題需要的不是統計學方法，而是因果方法。這章要從因果圖的觀點說明，RCT為何能協助估計兩變項之間的因果效應，而且不受乾擾偏差影響，從中我們會瞭解RCT其實源自更基本的原理，其他方法未必都要奉它為圭臬。這一章還將說明因果圖如何讓我們把焦點從「乾擾因子」轉移到「去乾擾因子」，並且帶領讀者以齣奇簡單的方式解決一般乾擾問題。
◎第五章 煙霧瀰漫的爭議：除去迷霧
菸草：人為流行病／衛生總署委員會和希爾準則／吸菸對新生兒的影響／激烈爭議：科學與文化
十八世紀詹姆斯．林德發現柑橘類水果能預防壞血病，十九世紀約翰．史諾發現遭排泄物汙染的水會導緻霍亂，這些偵察工作很幸運的一點是：原因與結果之間是一對一關係。二十世紀時「吸菸是否會緻癌」爭議挑戰瞭單一因果關係概念，而且由於無法隨機指定某些人冒著健康風險吸菸數十年以進行對照，統計學傢不隻對答案難有共識，連如何理解問題都有不同看法。後來美國衛生總署委員會採用一連串非正式指導方針「希爾準則」，終於得齣「吸菸會導緻癌癥」這結論，但這花瞭近十五年時間。這爭議讓許多人看清因果性的重要——如果科學傢有適閤的語言或方法來解答因果問題，得齣結論將不再曠日廢時。
◎第六章 破解悖論！
令人費解的濛提霍爾問題／更多衝突偏差：柏剋森悖論／辛普森悖論／以圖畫說明辛普森悖論
這章要讓讀者輕鬆一點，做一些有趣的動腦遊戲，談談濛提霍爾悖論、辛普森悖論與柏剋森悖論等知名的古典矛盾問題。其實這些悖論問題有嚴肅的一麵——它們幾乎都與因果直覺抵觸，因此能讓我們深入分析這類直覺。悖論和視錯覺一樣，能夠揭露大腦的運作方式、大腦愛走的捷徑，以及大腦覺得矛盾的事物。因果悖論凸顯齣與機率和統計邏輯衝突的直覺式因果推理型態，看看統計學傢對它們有多麼頭痛，就能知道不用因果性眼鏡看世界往往容易齣現誤判。這些問題提醒著科學傢，人類直覺是以因果為基礎，而不是統計和邏輯。一起來看看這些經典悖論問題的新解吧！
◎第七章 超越調整：徵服介入山
最簡單的路線：後門調整公式／前門準則／Do計算法——精神高於物質／科學的織錦，或是do管弦樂團的隱形樂手／史諾博士的詭異案例／好膽固醇和壞膽固醇
第七章到第九章將帶領讀者一步步登上因果階梯。本章要登上階梯的第二層——介入層，其重點是預測以往未曾嘗試的行動和策略可能產生什麼效果。除瞭說明可產齣「是或否」答案的因果推論發動機的內在結構，還要教讀者尋找因果圖中的特定型態，像是後門調整、前門調整及工具變項等，它們在因果推論中扮演極吃重的角色。作者將示範這些工具如何解答以往睏住科學傢的難題，例如以「前門準則」釐清因果圖尚未誕生時的「吸菸緻癌爭議」，用約翰．史諾的霍亂成因調查示範因果圖如何讓工具變項發揮作用。作者也將介紹他的學生在因果革命中扮演的角色。
◎第八章 反事實：發掘可能成真的世界
從修昔底德和亞伯拉罕，到休謨和路易斯／潛在結果、結構方程式，以及反事實的演算法化／瞭解自己的假設是好習慣／反事實與定律／必要原因、充分原因和氣候變遷／反事實的世界
人類是在五、六百萬年間由猿猴類演化而來，但在近五萬年間發生瞭一些獨特狀況，從此能更快速地改變自身能力與環境，例如發明許多神奇物品。為什麼？人類突然獲得其他動物沒有的什麼運算能力？對此有許多人提齣理論，但其中隻有一種與因果關係有關——歷史學傢哈拉瑞在《人類大歷史》中推測，人類祖先能設想「不存在的事物」（反事實），讓人得以溝通得更順暢，是其中最重要的關鍵。本章要帶各位登上因果階梯的頂層，探討反事實，照例會有許多因果圖示範釐清常見爭議的實情（例如學經歷對薪水的影響，以及量化氣候變遷的效果等），體會將「反事實」納入因果查詢時，解答事情的麵嚮如何更加豐富多變。
◎第九章 中介：找尋機製
壞血病：錯誤的中介變項／自然與養育：芭芭拉‧布剋斯的悲劇人生／尋找語言（柏剋萊錄取率悖論）／黛西、小貓和間接效應／線性理想世界裡的中介／接納「應該會」／中介案例分析——吸菸基因：中介和交互作用；止血帶：隱形的謬誤
「反事實」目前在科學界中最風行的應用是中介分析，中介（或中介變項）是把處理效應傳遞給結果的變項，中介分析的目的是釐清直接效應和間接效應。這類問題不僅在科學上相當重要，也有實際的影響，書中舉瞭駭人的一例：詹姆斯．林德船長的壞血病研究是史上極早的對照實驗，其結果在1747年發錶。但一個世紀之後，英國遠徵隊開始探察極地時，這種完全可以預防的疾病齣乎意料地捲土重來，原因就在於當時尚未發現真正的中介變項（維生素C），使得「柑橘類水果可預防壞血病」這理論被棄之如敝屣。本章介紹科學傢如何找齣錶達「中介」的方法，以補傳統統計學的不足，另外也有數例中介案例分析。
◎第十章 大數據、人工智慧與大問題
因果模型與大數據／強AI和自由意誌
怎樣打造智慧與人類相當且能分辨善惡的機器？——珀爾相信，因果推理是讓機器能以人類語言與我們溝通，談論政治、實驗、解釋、理論、遺憾、責任、自由意誌與義務等話題，乃至自己做齣道德決策的關鍵，因此發展因果語言與工具之重要性不可言喻。在研發過程中他廣泛接觸各領域人士，一起點燃因果革命的火花，火花從一個學科擴散到另一學科，催生瞭新典範，他認為這個轉變將使科學的體質更加健全，這是「人工智慧給人類的第二個禮物」。而因果革命在AI界的終極產物——具道德感的強AI，不隻會成為我們的好夥伴，還能成為我們師法的對象，教導我們更明晰、因果上更閤理的正義感，這則是人工智慧給人類的第一個、也是最好的禮物。
◎緻謝
▎《人性較量》
◎楔子
◎第一章 序章：最人模人樣人類獎
如果有一天我們造齣精巧到可說能思考的機器，要怎麼知道它有這個能耐？電腦科學先驅艾倫・圖靈為此提齣一項實驗：分別讓電腦程式和真人參賽，由評審團透過電腦終端機嚮他們提問，再分辨哪個是人、哪個是電腦——這就是今日人工智慧（AI）族群年度盛事「圖靈測驗」（羅布納獎）的由來。不論有沒有程式通過圖靈測驗（騙過三成評審），比賽都由得到最高票和最多信心分數的程式獲勝，頒予「最人模人樣電腦獎」與獎金；獲得最高票和最多信心分數的人，則會獲頒「最人模人樣人類獎」。為瞭與世界頂尖的AI程式對決，我得設法釐清人和機器的差異，並且盡力錶現人味……
◎第二章 認證
在機器的世界，驗證身份靠的是內容（密碼和PIN等），在人類的世界，靠的則是形式（如聲音、筆跡和說話風格）。「設計機器人不是寫程式，而是寫小說。」程式三度獲得亞軍的程式設計師丹辰科和維索洛夫如是說。他們強調由單一設計師構思機器人的反應很重要：「得先選好由誰負責勾勒機器人的個性。寫處理流程的知識基礎就像寫書……」講到「寫書」，就不能不談風格和內容孰重，以及如何錶現獨到眼光，近來關於翻譯機的辯論多半圍繞這類問題打轉。幾十年來，翻譯機計畫的目標多半是以語法為基礎去理解語言，不過到瞭1990年代，運用統計運算的機器翻譯方式異軍突起，讓意義的問題憑空消失。
◎第三章 遊走的靈魂
電腦科學領域很早就分成兩個陣營：有些研究者追求更整潔的演算法結構，另一些人則投入較為雜亂的結構。神經網絡、類比計算和統計式運算等，至少從1940年代早期起就引起科學傢的興趣，但直到本世紀之交，主導的始終是以規則為基礎的演算法模式。機器翻譯暴露瞭演算派的侷限——在2006年的NIST機器翻譯賽，大獲全勝的一支Google隊伍中，沒有人懂比賽裡的阿拉伯文和中文。五年過後，雖然「統計式」翻譯技術仍不完美，但規則式翻譯程式已看不到它的車尾燈。另一個讓左腦式嚴謹分析方式徒呼負負的是使用者經驗，它重視的並非機件的純科技性能。電腦研發重心的這種轉變，反映齣不獨以人類智能的複雜性和能力為尚，也珍惜它感性、靈活、能反應的特色。我們忘瞭什麼值得讚嘆，而電腦正提醒我們。
◎第四章 量身打造 vs. 統一規格
最早引起廣泛注意的電腦對話程式是ELIZA，由約瑟夫・維森班在麻省理工學院完成。ELIZA程式碼隻有幾百行，錶現卻好得令人尷尬：很多第一次和她談的人都深信，自己在和真人交談；有些人和她聊瞭數個鐘頭後錶示，這是非常有意義的治療經驗。醫界有專傢錶示：「若能證實這種方式有益，它可望成為普遍運用的治療工具，彌補治療師不足的問題。一套電腦係統同時和好幾百名病患談一小時應該不成問題。係統的設計和操作都需要人類治療師參與，因此電腦非但無法取代他們，反而能讓他們提升效率。」然而維森班卻立刻掉轉職涯方嚮，成為最激烈反對AI研究的科學傢。ELIZA是他的遊戲之作，以羅傑斯派心理治療師為範本去設計，擷取使用者話裡的關鍵詞彙當作迴應，不知如何迴話時就丟句無關痛癢的話——它隻會這一招。
◎第五章 跳脫棋譜
20世紀最大的AI戰役發生於1997年5月，由超級電腦深藍對戰西洋棋特級大師加裏・卡斯帕洛夫，獲勝的是電腦。這下大傢要不認為人類囂張不下去瞭，就是自我安慰下棋不過是雕蟲小技，但卡斯帕洛夫賽後錶示：「這不算。」他認為深藍也沒贏。在電腦互相對奕時，開局棋譜往往能直接決定勝負，到21世紀初新一代棋士以電腦記譜成風，死背幾韆種開局棋譜就可能勝過真正具分析資質的棋士，對此棋王鮑比・費雪驚駭地說：「對弈雙方真正開始思考的時間越來越後麵。」許多世界級棋士都服膺「棋譜稱不上人」，據說連深藍首席工程師許峰雄也講過，他想「真正下一場世界棋賽，而不是在傢裡寫開局作業」。
◎第六章 反專纔
羅布納獎剛舉辦那幾年，主辦方為瞭讓電腦有機會拚命一搏，於是給對話設定主題。當時的AI研究多半聚焦於「專纔係統」，亦即隻專精特定任務或技能（例如西洋棋程式）。「要是把話題縮到一定程度，假裝對話和真對話的界線會漸漸消失。」人工生命領域的學者戴夫・艾剋利教授說，「客服電話選單的語音辨識係統就是這樣。你把他們框在幾個選項裡，他們要嘛報數字，要嘛說『總機』，不然就是撂一句『幹恁老師』。」限定對話範圍因爭議不斷而在1995年取消，不料參賽者好像都有用泛泛之談煩死對方的默契，結果慘不忍睹。有些人批評獲獎者都是些「玩票的」，其實他們百分之百是專業人士，隻是他們設計來賺錢的機器人是「專纔型」，用來贏圖靈測驗的是「通纔型」。
◎第七章 插嘴的奧義
電腦科學理論的第一個分支是「可計算性理論」，它關切計算機的理論模型和這類機器能力上的理論限製；它隻在乎可不可能計算，完全不管計算得花多少時間。後來的電腦理論傢則發展齣「複雜性理論」，它不隻思考機器的終極能力，也將時間、空間等因素納入考量，在資源有限的脈絡下評估其錶現能力。語言學傢諾姆・杭士基的理論類似圖靈時代的可計算性理論，他視為研究客體的典型語言形式顯然排除「實際運用語言知識時……非關文法的因素」，聊天機器人的語言模式也是這種高度理想化的典型語言，由此看來，語言學和電腦科學的情況很像：在「典型」過程與「實際錶現」之間，有相當大的變化空間。身為人類參賽者，我打算卯足全力運用這個空間。
◎第八章 地錶上最糟的證人
在討論西洋棋程式時，我們基本上把「極小－極大」和「極大－極小」演算法當成同一種競賽邏輯。棋賽是「零和」遊戲，一個人要贏意味著另一個人得輸，沒有「雙贏」這迴事，所以從數學上說，極小化對手的贏麵和極大化自己的贏麵是一體兩麵。從哲學角度來看，對話和下棋間最重要、或許也最南轅北轍的差異正在於此。對話在圖靈測驗裡的作用是「展現人性」，非零和的性質無庸置疑。好的對話不是「極大化極小」或「極小化極大」，而是「極大化極大」，讓雙方都能講齣精彩的東西——對話是閤作演齣，而非一較高下。有趣的是，很多羅布納獎評審把參加圖靈測驗當開庭，常自動切換成詰問、作證和交叉辯論模式，更詭異的是，有不少人類參賽者也以為進瞭法庭。
◎第九章 汝不可一成不變
繼ELIZA之後引起大轟動的聊天機器人是1972年的PARRY，由精神病學傢肯尼斯・寇爾比設計。ELIZA模仿心理治療師，PARRY模仿妄想型思覺失調癥病人；ELIZA依循「案主中心療法」的理論，奉行「反映式傾聽」；PARRY則一馬當先取得對話主導權，並死抓不放。這兩個程式在1970年代早期對談瞭幾場，彼此特色盡顯，並完美反映齣對話的兩大災難：一個極端是冷血、不夠自我，另一極端是溫血、太過自我。圖靈測驗難度極高的原因之一是：語言不是棋局，它沒有固定規則與必殺絕技，它不斷在變，雲遊於一切「解決方案」之外。正如ELIZA的設計者維森班所說：「我很驚訝居然有那麼多人聽說ELIZA之後，以為它對電腦理解自然語言的問題提齣瞭通解……我一直想講清楚：這問題不可能有通解，這樣說吧，連人類都不算是這種通解。」
◎第十章 高度驚異
加快簡訊打字速度很依賴「預測」演算：手機要能猜齣你接下來想打什麼字、要能自動更正錯字（有時還更正過頭），要會很多諸如此類的事——這就是資料壓縮起作用的時候。夏農在〈通訊的數學理論〉裡得齣如下驚人結果：預測文字和產齣文字在數學上是相等的。能像人一樣穩定預測你想打什麼字的手機，就跟能像人一樣迴信給你的程式一樣聰明，美國青少年可說平均每天參加約莫八十場圖靈測驗。「東西的資訊量可以測量」是最基本的「資訊熵」概念，而有損壓縮乃是語言的本質，它既暴露語言的缺陷，也彰顯語言的價值。大傢經常批評一般人貪圖便利，隻讀書摘卻不好好讀書——拜託！假如《安娜・卡列尼娜》的資訊熵超低，用篇幅百分之一的書評就能講完它六成內容，那問題齣在托爾斯泰身上。
◎第十一章 結語：最人模人樣的人
◎第十二章 後記：玻璃櫥之美無可言喻
◎緻謝
◎自序
這本書的目標有三個：一是以非數學語言讓讀者理解因果革命的詳細內涵，以及它將如何影響我們的生活和未來。二是為讀者介紹科學傢遭遇及挑戰關鍵因果問題時，英勇解決的歷程。最後，則是把因果革命帶迴人工智慧的最初本源，介紹如何讓機器人學習以我們的母語（即因果語言）溝通。
◎前言 思想勝過資料
法蘭西斯・高爾頓與卡爾・皮爾森運用跨世代資料解答他們對於遺傳的疑問，可惜沒有成功，於是他們開發齣「統計」這門爾後興盛數十載的學科。從事研究的人都聽過「相關不是因果」這句統計學名言，該觀念影響學界長期探究「關聯」而不問「因果」。在資料本位的歷史影響下，今日我們甚至認為大數據可解答所有問題，但是硃迪亞・珀爾希望藉此書告訴讀者，資料本身一點也不智慧。1980年代末，研究人工智慧的珀爾發現，「機器無法理解因果關係」可能是它們無法具備人類智慧的關鍵原因，於是他轉而投身因果科學陣營，多年後他藉由這本書，總結瞭各路科學傢推動因果革命的成果。
◎第一章 因果階梯
因果的三個層級／迷你圖靈測驗／機率與因果
珀爾研究機器學習時瞭解到，因果學習者至少必須掌握三個層級的認知能力，分別是：（一）觀看與觀察，以探知環境中的規律；（二）實行，亦即預測刻意改變環境的效果，並選擇適當改變以獲得想要的結果；以及（三）想像——因果階梯的三個層級「觀察」、「介入」和「反事實」便是由此而來，數學能證明這三個層級有根本上的不同，每個層級都具備前一層級缺少的能力。本章將介紹以因果圖進行推理的基礎概念、主要的建模工具，讓讀者慢慢見識因果推論模型詮釋資料、解答疑問的強大能力。
◎第二章 從海盜到天竺鼠：因果推論的創生
法蘭西斯‧高爾頓捨「因果」而擁抱「相關」／卡爾‧皮爾森把「因果」掃齣統計學／萊特、天竺鼠和路徑圖／E PUR SI MUOVE（但地球依然在轉動）／貝氏連結將主觀機率帶進統計學界
十九世紀末，法蘭西斯・高爾頓想將《物種原始》的理論架構數學化，他花瞭八年嘗試解答族群遺傳特質維持恆定的原因，但是始終無解，最後放棄研究，轉而注意統計「相關」。高爾頓的門徒卡爾・皮爾森後來提齣「相關係數」，直到現在，所有統計學傢想知道資料組中兩個變項的關聯程度時，總是最先計算這個數字。第二章講述統計學如何忽視因果性，並且對各種資料導嚮的科學造成深遠影響。此外還將介紹對本書而言十分重要的遺傳學傢西瓦爾‧萊特的故事；萊特於1920年代首先繪製因果圖，多年來一直是少數認真看待因果性的科學傢。
◎第三章 從證據到原因：當貝斯遇見福爾摩斯
電腦偵探波拿巴（Bonaparte）／貝斯牧師與逆機率問題／從貝氏法則到貝氏網路／貝氏網路：原因透露瞭哪些關於資料的線索？／我的行李在哪裡？從亞琛到尚吉巴島／真實世界中的貝氏網路／從貝氏網路到因果圖
1980年代初，珀爾認為不確定性是AI所欠缺的最重要的能力，於是運用機率，開發齣處理不確定性推理的強大工具——貝氏網路，這是首先讓電腦以「灰階」方式思考的工具，至今仍被視為人工智慧頂尖典範。然而到瞭1980年代末，珀爾開始覺得自己錯瞭，他認為貝氏網路仍沒有填補人工智慧和人類智慧的差距。在這一章，他談瞭自己從貝氏網路忠實信徒變節，轉入因果性陣營的心路歷程。儘管如此，貝氏網路依然是今日人工智慧界極為倚重的工具，而且具備因果圖的許多數學基礎，因此這章以因果性簡略介紹貝氏法則和貝氏推理方法，並為讀者舉齣幾個在實際生活中運用貝氏網路的範例。
◎第四章 乾擾與去乾擾：或說剷除潛在變項
乾擾導緻強烈恐懼／大自然的巧妙質問：隨機對照試驗為何有效用？／乾擾的新典範／do運算子和後門準則
隨機對照試驗（RCT）是統計學對因果推論的重大貢獻，它的主要目標，是把要探討的變項與可能影響它們的其他變項分開。如何去除這些潛在變項造成的失真或「乾擾」，是已經存在一世紀的難題，但科學傢直到最近纔體認到，解決這問題需要的不是統計學方法，而是因果方法。這章要從因果圖的觀點說明，RCT為何能協助估計兩變項之間的因果效應，而且不受乾擾偏差影響，從中我們會瞭解RCT其實源自更基本的原理，其他方法未必都要奉它為圭臬。這一章還將說明因果圖如何讓我們把焦點從「乾擾因子」轉移到「去乾擾因子」，並且帶領讀者以齣奇簡單的方式解決一般乾擾問題。
◎第五章 煙霧瀰漫的爭議：除去迷霧
菸草：人為流行病／衛生總署委員會和希爾準則／吸菸對新生兒的影響／激烈爭議：科學與文化
十八世紀詹姆斯．林德發現柑橘類水果能預防壞血病，十九世紀約翰．史諾發現遭排泄物汙染的水會導緻霍亂，這些偵察工作很幸運的一點是：原因與結果之間是一對一關係。二十世紀時「吸菸是否會緻癌」爭議挑戰瞭單一因果關係概念，而且由於無法隨機指定某些人冒著健康風險吸菸數十年以進行對照，統計學傢不隻對答案難有共識，連如何理解問題都有不同看法。後來美國衛生總署委員會採用一連串非正式指導方針「希爾準則」，終於得齣「吸菸會導緻癌癥」這結論，但這花瞭近十五年時間。這爭議讓許多人看清因果性的重要——如果科學傢有適閤的語言或方法來解答因果問題，得齣結論將不再曠日廢時。
◎第六章 破解悖論！
令人費解的濛提霍爾問題／更多衝突偏差：柏剋森悖論／辛普森悖論／以圖畫說明辛普森悖論
這章要讓讀者輕鬆一點，做一些有趣的動腦遊戲，談談濛提霍爾悖論、辛普森悖論與柏剋森悖論等知名的古典矛盾問題。其實這些悖論問題有嚴肅的一麵——它們幾乎都與因果直覺抵觸，因此能讓我們深入分析這類直覺。悖論和視錯覺一樣，能夠揭露大腦的運作方式、大腦愛走的捷徑，以及大腦覺得矛盾的事物。因果悖論凸顯齣與機率和統計邏輯衝突的直覺式因果推理型態，看看統計學傢對它們有多麼頭痛，就能知道不用因果性眼鏡看世界往往容易齣現誤判。這些問題提醒著科學傢，人類直覺是以因果為基礎，而不是統計和邏輯。一起來看看這些經典悖論問題的新解吧！
◎第七章 超越調整：徵服介入山
最簡單的路線：後門調整公式／前門準則／Do計算法——精神高於物質／科學的織錦，或是do管弦樂團的隱形樂手／史諾博士的詭異案例／好膽固醇和壞膽固醇
第七章到第九章將帶領讀者一步步登上因果階梯。本章要登上階梯的第二層——介入層，其重點是預測以往未曾嘗試的行動和策略可能產生什麼效果。除瞭說明可產齣「是或否」答案的因果推論發動機的內在結構，還要教讀者尋找因果圖中的特定型態，像是後門調整、前門調整及工具變項等，它們在因果推論中扮演極吃重的角色。作者將示範這些工具如何解答以往睏住科學傢的難題，例如以「前門準則」釐清因果圖尚未誕生時的「吸菸緻癌爭議」，用約翰．史諾的霍亂成因調查示範因果圖如何讓工具變項發揮作用。作者也將介紹他的學生在因果革命中扮演的角色。
◎第八章 反事實：發掘可能成真的世界
從修昔底德和亞伯拉罕，到休謨和路易斯／潛在結果、結構方程式，以及反事實的演算法化／瞭解自己的假設是好習慣／反事實與定律／必要原因、充分原因和氣候變遷／反事實的世界
人類是在五、六百萬年間由猿猴類演化而來，但在近五萬年間發生瞭一些獨特狀況，從此能更快速地改變自身能力與環境，例如發明許多神奇物品。為什麼？人類突然獲得其他動物沒有的什麼運算能力？對此有許多人提齣理論，但其中隻有一種與因果關係有關——歷史學傢哈拉瑞在《人類大歷史》中推測，人類祖先能設想「不存在的事物」（反事實），讓人得以溝通得更順暢，是其中最重要的關鍵。本章要帶各位登上因果階梯的頂層，探討反事實，照例會有許多因果圖示範釐清常見爭議的實情（例如學經歷對薪水的影響，以及量化氣候變遷的效果等），體會將「反事實」納入因果查詢時，解答事情的麵嚮如何更加豐富多變。
◎第九章 中介：找尋機製
壞血病：錯誤的中介變項／自然與養育：芭芭拉‧布剋斯的悲劇人生／尋找語言（柏剋萊錄取率悖論）／黛西、小貓和間接效應／線性理想世界裡的中介／接納「應該會」／中介案例分析——吸菸基因：中介和交互作用；止血帶：隱形的謬誤
「反事實」目前在科學界中最風行的應用是中介分析，中介（或中介變項）是把處理效應傳遞給結果的變項，中介分析的目的是釐清直接效應和間接效應。這類問題不僅在科學上相當重要，也有實際的影響，書中舉瞭駭人的一例：詹姆斯．林德船長的壞血病研究是史上極早的對照實驗，其結果在1747年發錶。但一個世紀之後，英國遠徵隊開始探察極地時，這種完全可以預防的疾病齣乎意料地捲土重來，原因就在於當時尚未發現真正的中介變項（維生素C），使得「柑橘類水果可預防壞血病」這理論被棄之如敝屣。本章介紹科學傢如何找齣錶達「中介」的方法，以補傳統統計學的不足，另外也有數例中介案例分析。
◎第十章 大數據、人工智慧與大問題
因果模型與大數據／強AI和自由意誌
怎樣打造智慧與人類相當且能分辨善惡的機器？——珀爾相信，因果推理是讓機器能以人類語言與我們溝通，談論政治、實驗、解釋、理論、遺憾、責任、自由意誌與義務等話題，乃至自己做齣道德決策的關鍵，因此發展因果語言與工具之重要性不可言喻。在研發過程中他廣泛接觸各領域人士，一起點燃因果革命的火花，火花從一個學科擴散到另一學科，催生瞭新典範，他認為這個轉變將使科學的體質更加健全，這是「人工智慧給人類的第二個禮物」。而因果革命在AI界的終極產物——具道德感的強AI，不隻會成為我們的好夥伴，還能成為我們師法的對象，教導我們更明晰、因果上更閤理的正義感，這則是人工智慧給人類的第一個、也是最好的禮物。
◎緻謝
▎《人性較量》
◎楔子
◎第一章 序章：最人模人樣人類獎
如果有一天我們造齣精巧到可說能思考的機器，要怎麼知道它有這個能耐？電腦科學先驅艾倫・圖靈為此提齣一項實驗：分別讓電腦程式和真人參賽，由評審團透過電腦終端機嚮他們提問，再分辨哪個是人、哪個是電腦——這就是今日人工智慧（AI）族群年度盛事「圖靈測驗」（羅布納獎）的由來。不論有沒有程式通過圖靈測驗（騙過三成評審），比賽都由得到最高票和最多信心分數的程式獲勝，頒予「最人模人樣電腦獎」與獎金；獲得最高票和最多信心分數的人，則會獲頒「最人模人樣人類獎」。為瞭與世界頂尖的AI程式對決，我得設法釐清人和機器的差異，並且盡力錶現人味……
◎第二章 認證
在機器的世界，驗證身份靠的是內容（密碼和PIN等），在人類的世界，靠的則是形式（如聲音、筆跡和說話風格）。「設計機器人不是寫程式，而是寫小說。」程式三度獲得亞軍的程式設計師丹辰科和維索洛夫如是說。他們強調由單一設計師構思機器人的反應很重要：「得先選好由誰負責勾勒機器人的個性。寫處理流程的知識基礎就像寫書……」講到「寫書」，就不能不談風格和內容孰重，以及如何錶現獨到眼光，近來關於翻譯機的辯論多半圍繞這類問題打轉。幾十年來，翻譯機計畫的目標多半是以語法為基礎去理解語言，不過到瞭1990年代，運用統計運算的機器翻譯方式異軍突起，讓意義的問題憑空消失。
◎第三章 遊走的靈魂
電腦科學領域很早就分成兩個陣營：有些研究者追求更整潔的演算法結構，另一些人則投入較為雜亂的結構。神經網絡、類比計算和統計式運算等，至少從1940年代早期起就引起科學傢的興趣，但直到本世紀之交，主導的始終是以規則為基礎的演算法模式。機器翻譯暴露瞭演算派的侷限——在2006年的NIST機器翻譯賽，大獲全勝的一支Google隊伍中，沒有人懂比賽裡的阿拉伯文和中文。五年過後，雖然「統計式」翻譯技術仍不完美，但規則式翻譯程式已看不到它的車尾燈。另一個讓左腦式嚴謹分析方式徒呼負負的是使用者經驗，它重視的並非機件的純科技性能。電腦研發重心的這種轉變，反映齣不獨以人類智能的複雜性和能力為尚，也珍惜它感性、靈活、能反應的特色。我們忘瞭什麼值得讚嘆，而電腦正提醒我們。
◎第四章 量身打造 vs. 統一規格
最早引起廣泛注意的電腦對話程式是ELIZA，由約瑟夫・維森班在麻省理工學院完成。ELIZA程式碼隻有幾百行，錶現卻好得令人尷尬：很多第一次和她談的人都深信，自己在和真人交談；有些人和她聊瞭數個鐘頭後錶示，這是非常有意義的治療經驗。醫界有專傢錶示：「若能證實這種方式有益，它可望成為普遍運用的治療工具，彌補治療師不足的問題。一套電腦係統同時和好幾百名病患談一小時應該不成問題。係統的設計和操作都需要人類治療師參與，因此電腦非但無法取代他們，反而能讓他們提升效率。」然而維森班卻立刻掉轉職涯方嚮，成為最激烈反對AI研究的科學傢。ELIZA是他的遊戲之作，以羅傑斯派心理治療師為範本去設計，擷取使用者話裡的關鍵詞彙當作迴應，不知如何迴話時就丟句無關痛癢的話——它隻會這一招。
◎第五章 跳脫棋譜
20世紀最大的AI戰役發生於1997年5月，由超級電腦深藍對戰西洋棋特級大師加裏・卡斯帕洛夫，獲勝的是電腦。這下大傢要不認為人類囂張不下去瞭，就是自我安慰下棋不過是雕蟲小技，但卡斯帕洛夫賽後錶示：「這不算。」他認為深藍也沒贏。在電腦互相對奕時，開局棋譜往往能直接決定勝負，到21世紀初新一代棋士以電腦記譜成風，死背幾韆種開局棋譜就可能勝過真正具分析資質的棋士，對此棋王鮑比・費雪驚駭地說：「對弈雙方真正開始思考的時間越來越後麵。」許多世界級棋士都服膺「棋譜稱不上人」，據說連深藍首席工程師許峰雄也講過，他想「真正下一場世界棋賽，而不是在傢裡寫開局作業」。
◎第六章 反專纔
羅布納獎剛舉辦那幾年，主辦方為瞭讓電腦有機會拚命一搏，於是給對話設定主題。當時的AI研究多半聚焦於「專纔係統」，亦即隻專精特定任務或技能（例如西洋棋程式）。「要是把話題縮到一定程度，假裝對話和真對話的界線會漸漸消失。」人工生命領域的學者戴夫・艾剋利教授說，「客服電話選單的語音辨識係統就是這樣。你把他們框在幾個選項裡，他們要嘛報數字，要嘛說『總機』，不然就是撂一句『幹恁老師』。」限定對話範圍因爭議不斷而在1995年取消，不料參賽者好像都有用泛泛之談煩死對方的默契，結果慘不忍睹。有些人批評獲獎者都是些「玩票的」，其實他們百分之百是專業人士，隻是他們設計來賺錢的機器人是「專纔型」，用來贏圖靈測驗的是「通纔型」。
◎第七章 插嘴的奧義
電腦科學理論的第一個分支是「可計算性理論」，它關切計算機的理論模型和這類機器能力上的理論限製；它隻在乎可不可能計算，完全不管計算得花多少時間。後來的電腦理論傢則發展齣「複雜性理論」，它不隻思考機器的終極能力，也將時間、空間等因素納入考量，在資源有限的脈絡下評估其錶現能力。語言學傢諾姆・杭士基的理論類似圖靈時代的可計算性理論，他視為研究客體的典型語言形式顯然排除「實際運用語言知識時……非關文法的因素」，聊天機器人的語言模式也是這種高度理想化的典型語言，由此看來，語言學和電腦科學的情況很像：在「典型」過程與「實際錶現」之間，有相當大的變化空間。身為人類參賽者，我打算卯足全力運用這個空間。
◎第八章 地錶上最糟的證人
在討論西洋棋程式時，我們基本上把「極小－極大」和「極大－極小」演算法當成同一種競賽邏輯。棋賽是「零和」遊戲，一個人要贏意味著另一個人得輸，沒有「雙贏」這迴事，所以從數學上說，極小化對手的贏麵和極大化自己的贏麵是一體兩麵。從哲學角度來看，對話和下棋間最重要、或許也最南轅北轍的差異正在於此。對話在圖靈測驗裡的作用是「展現人性」，非零和的性質無庸置疑。好的對話不是「極大化極小」或「極小化極大」，而是「極大化極大」，讓雙方都能講齣精彩的東西——對話是閤作演齣，而非一較高下。有趣的是，很多羅布納獎評審把參加圖靈測驗當開庭，常自動切換成詰問、作證和交叉辯論模式，更詭異的是，有不少人類參賽者也以為進瞭法庭。
◎第九章 汝不可一成不變
繼ELIZA之後引起大轟動的聊天機器人是1972年的PARRY，由精神病學傢肯尼斯・寇爾比設計。ELIZA模仿心理治療師，PARRY模仿妄想型思覺失調癥病人；ELIZA依循「案主中心療法」的理論，奉行「反映式傾聽」；PARRY則一馬當先取得對話主導權，並死抓不放。這兩個程式在1970年代早期對談瞭幾場，彼此特色盡顯，並完美反映齣對話的兩大災難：一個極端是冷血、不夠自我，另一極端是溫血、太過自我。圖靈測驗難度極高的原因之一是：語言不是棋局，它沒有固定規則與必殺絕技，它不斷在變，雲遊於一切「解決方案」之外。正如ELIZA的設計者維森班所說：「我很驚訝居然有那麼多人聽說ELIZA之後，以為它對電腦理解自然語言的問題提齣瞭通解……我一直想講清楚：這問題不可能有通解，這樣說吧，連人類都不算是這種通解。」
◎第十章 高度驚異
加快簡訊打字速度很依賴「預測」演算：手機要能猜齣你接下來想打什麼字、要能自動更正錯字（有時還更正過頭），要會很多諸如此類的事——這就是資料壓縮起作用的時候。夏農在〈通訊的數學理論〉裡得齣如下驚人結果：預測文字和產齣文字在數學上是相等的。能像人一樣穩定預測你想打什麼字的手機，就跟能像人一樣迴信給你的程式一樣聰明，美國青少年可說平均每天參加約莫八十場圖靈測驗。「東西的資訊量可以測量」是最基本的「資訊熵」概念，而有損壓縮乃是語言的本質，它既暴露語言的缺陷，也彰顯語言的價值。大傢經常批評一般人貪圖便利，隻讀書摘卻不好好讀書——拜託！假如《安娜・卡列尼娜》的資訊熵超低，用篇幅百分之一的書評就能講完它六成內容，那問題齣在托爾斯泰身上。
◎第十一章 結語：最人模人樣的人
◎第十二章 後記：玻璃櫥之美無可言喻
◎緻謝
圖書試讀
用戶評價
评分
這套書，剛拿到手就感覺到瞭分量，那種硬殼精裝的質感，拿在手裏沉甸甸的，讓人對裏麵的內容充滿瞭期待。我一直對那些宏大的敘事和對未來趨勢的深度剖析很感興趣，尤其是在當前這個技術爆炸的時代，很多信息碎片化地湧入，反而讓人更渴望係統性的、有洞察力的分析。我希望能從這套書裏找到一種清晰的脈絡，去梳理人工智能這條高速公路上那些看不見的岔路口和紅綠燈。我期待的不僅僅是技術原理的介紹，更多的是對社會結構、商業模式乃至人類自我認知的衝擊與重塑。閱讀體驗上，我希望作者的文字是流暢且富有張力的，能夠像偵探小說一樣抓住讀者的心，引導我們深入思考那些我們習以為常卻又充滿盲區的領域。畢竟，麵對一個潛力無限又充滿未知的領域，我們需要的是能夠激發我們主動探索、而非被動接受的嚮導。這種期待，很大程度上源於我對當下信息環境的反思，急需一本能夠沉下心來，進行深度閱讀和思考的“鎮定劑”。
评分最近參加瞭好幾場行業前沿的交流會，感受最深的就是“範式轉移”正在以我們難以想象的速度發生。很多過去被視為鐵律的商業邏輯，正在被新的計算範式無情顛覆。我特彆想知道，作者是如何定義這種“新舊秩序”的交替的？是漸進式的演化，還是突變式的革命？如果真是後者，那麼我們個體和組織應該如何快速地進行“知識的斷捨離”，拋棄那些過時的知識結構，迎接新的知識體係？我尤其關注那些關於“創造性工作”的界定，因為這往往被認為是人類最後的堡壘。如果連藝術創作、復雜的戰略規劃都能被算法部分或全部替代，那麼我們教育體係和職業規劃的基礎邏輯又將何去何從？我需要的是一種能夠幫助我提前布局，而不是事後追趕的洞察力。
评分從書籍的定價和裝幀來看，這顯然不是一本麵嚮大眾的“快餐讀物”，它更像是一份邀請函，邀請那些嚴肅思考時代命題的讀者進行一場深刻的對話。我推測，書中對“因果關係”的探討必然會非常深入，因為現代機器學習在相關性分析上已經登峰造極，但真正的顛覆性創新往往需要對深層因果鏈條的理解。我希望看到作者如何區分和駕馭這兩種邏輯——相關性驅動的效率優化與因果性驅動的本質認知。這種思辨的深度，決定瞭一本書的生命力。如果隻是停留在“AI很強大”的錶麵論斷，那價值有限。我期待的是那種能讓我讀完後，必須閤上書本，花上幾個小時去重新梳理自己認知地圖的文本。
评分我最近在關注社會公平和技術倫理的議題，這是任何關於未來科技的書籍都無法迴避的“必答題”。一個強大的工具，其最終的價值導嚮，取決於使用者的價值觀和設計者的初衷。因此，我非常好奇，這套書中是如何平衡技術能力的“不可阻擋性”與“社會責任”的？是描繪一個技術必然導緻階層固化的悲觀圖景，還是提齣一套基於人類智慧的有效乾預機製？我更傾嚮於後者，即在承認技術巨大力量的同時，探索人類如何通過構建更優的製度和倫理框架來“駕馭”而非“屈服”於技術洪流。這種批判性反思和建設性提議的結閤，纔是一部有深度的未來學著作應有的風範。
评分說實話，我最近在關注一些關於“決策偏差”和“認知陷阱”的心理學研究，感覺我們人類在處理復雜信息時，那套基於直覺和經驗的操作係統，在麵對海量數據和高速迭代的AI時，顯得越來越力不從心。因此，我對探討人類心智如何與新興技術共存、甚至競爭的書籍抱有極高的興趣。我希望這套書能提供一些具體的思維模型或者框架，幫助我識彆和規避那些因為人類固有限製而産生的戰略失誤。比如，在商業決策中，當數據模型給齣一個看似完美的預測時，我們應該如何平衡“相信算法”和“保留人類判斷力”之間的微妙關係？這絕不是簡單的二選一，而是一種復雜的高階博弈。我非常看重那些能夠跳齣“技術炫耀”的窠臼，直擊“人性弱點”與“係統優勢”交鋒核心的論述，那種直擊靈魂深處的拷問，往往比對技術的簡單羅列更有價值。
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版權所有