具体描述
A Turing Award-winning computer scientist and statistician shows how understanding causality has revolutionized science and will revolutionize artificial intelligence
“Correlation is not causation.” This mantra, chanted by scientists for more than a century, has led to a virtual prohibition on causal talk. Today, that taboo is dead. The causal revolution, instigated by Judea Pearl and his colleagues, has cut through a century of confusion and established causality–the study of cause and effect–on a firm scientific basis. His work explains how we can know easy things, like whether it was rain or a sprinkler that made a sidewalk wet; and how to answer hard questions, like whether a drug cured an illness. Pearl’s work enables us to know not just whether one thing causes another: it lets us explore the world that is and the worlds that could have been. It shows us the essence of human thought and key to artificial intelligence. Anyone who wants to understand either needs The Book of Why.
作者简介
Judea Pearl is a professor of computer science at UCLA and winner of the 2011 Turing Award and the author of three classic technical books on causality. He lives in Los Angeles, California.
Dana Mackenzie is an award-winning science writer and the author of The Big Splat, or How Our Moon Came to Be. He lives in Santa Cruz, California.
目录信息
读后感
作为一名学习经管类专业的学生，这本书给了我许多更深入的思考。作者作为人工智能领域的专家，对于因果关系的理解鞭辟入里，使人茅塞顿开。例如开篇提及，在统计学课程上，学生们经常被教导“相关性不代表因果”，但往往很多的教导都止步于此——学生们知道了什么不是因果，却...
评分 评分 评分 评分rather than a new science. 1，作者并没有区分自然科学和社会以及行为科学，没有讨论这两个领域因果推断的异同，也没有上升到科学哲学的层面讨论因果推断本身。这些本身都不是问题。只是就内容来说，书中的science实际上指的是社会科学和行为科学，作者所说的“因果革命 (the ...
用户评价
每个人都是一部因果关系自动机。真要把人脑对因果的思维过程掰扯明白，还真是不容易。作者的因果模型，是把复杂问题简单化的经典例子了。
评分让我这个很想粗浅了解统计学的人是一个很好的入门教材。从经典统计学，到贝叶斯，到因果关系都是有很好的介绍。里面的例子很有趣也很烧脑，虽然不知道如何直接利用里面的公式，但是至少知道在统计学之外还有别的工具可以使用。
评分去年nips有眼不识泰山没去听老爷子的talk，作为初级炼丹工看这本面向大众的新书补课也很开眼界。“相关不蕴涵因果”讲得多了都不知道所谓因果关系究竟是什么。仅靠拟合数据，不管是用深度学习还是多fancy的方法，都无法表示因果关系；要谈论因果乃至虚拟事实，须明确引入数据以外的假设，而书中也指明了什么样的假设配上什么样的数据可以回答什么样的因果问题。现实生活中很多问题都不能做随机对照试验，这套理论也因此格外重要。要是老爷子再谈谈他对强化学习的看法就好了。
评分学习一哈
评分图灵奖得主关于causality的科普读物。中心主题就是causality，correlation不等价于causality，因果的概念对于人来说也非常自然，这也许是因为我们的大脑是基于这样的基本概念来运作的。但是有点意外的是，根据书里描述的历史来看，人们是在最近一二十年才真正把 causality 相关的概念严格地定义出来并发展出了相关的数学工具进行演算和推理，并且这个过程似乎由于受到传统统计学“数据为王”，“correlation 为根本”的思想的无情打压和排挤，显得异常艰辛和漫长。我觉得强 AI 如果要实现的话肯定缺少不了 causality 这一环，不过要学习目前 causality 相关的理论和技术是得去看专业的书籍和论文，这本书更多的是科普，故事，和历史，当然，是很不错的一本科普
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
© 2026 book.quotespace.org All Rights Reserved. 小美书屋 版权所有