作者简介

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智能系统名人堂第一批10位入选者之一。目前已出版3本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)。他还获得过多项顶级科学荣誉,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。

内容简介


在《为什么》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《为什么》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最有意义的工作。

下载地址

豆瓣评论

  • Moon
    这本书关于因果讨论可分为两个部分,第一部分注重思想层面的探讨,主要用的是案例和因果图示法,这部分内容值得反复研读,是非常好的思维训练,如果能完全摸透作者这套方法论,对于涉及因果的问题的理解会有质的飞跃。第二部分是作者对技术处理层面的探讨,当然对学术来说这部分很重要,但是普通读者看懂比较困难,但即便忽略所有这些内容,也不影响阅读和吸收这本书的核心内容。当然,作为一本综述性的著作,作者穿插了大量因果理论发展的历史,以及他自己的学术生涯经历,也颇有可看性,且趣味十足。如果你想对因果关系和相关关系有透彻的理解,亦或是想对学术领域成果(涉及因果的结论)有更佳的判断力,那么这本书非常值得一读,特别是作者这套因果图工具,堪称经典。07-07
  • 黑水岸
    里程碑式的作品。真理掌握在少数人手中,有人对于自己不理解的事情自有自己的解释方法。很多人强行评论,汗。10-11

猜你喜欢

大家都喜欢