所有的一切都是预先确定了的，但许可总是被授予的。
——迈蒙尼德（1138—1204）
在最初开启这场因果关系的探索之旅时，我就一直在追踪反常事物的轨迹。借助贝叶斯网络，我们教会了机器在灰色地带进行思考，这是机器迈向强人工智能的重要一步。但就目前而言，我们仍然无法教会机器理解事情的前因后果。我们无法向电脑解释为什么转动气压计的刻度盘不会导致下雨。当一名行刑队的士兵改变想法，决定不开枪时，我们也无法教会机器理解这一情境并猜测接下来会发生什么。由于缺乏用设想替代现实，并将其与当前现实进行对比的能力，机器也就无法通过迷你图灵测试，不能回答使人类得以区别于动物产生智慧的那个最基本的问题——“为什么”。我认为这是一个反常现象，因为我没能预料到这一如此自然而直观的问题超出了当代最先进的推理系统的处理范畴。
直到后来我才意识到，受此种反常现象困扰的不只是人工智能领域。科学家本应是最关心“为什么”的人，但由于他们长期束缚于统计学的工作氛围，其提问“为什么”的正当权利被剥夺了。当然，无论如何，科学家还是会提出关于“为什么”的问题，但每当他们想用数学分析来解决这一问题时，他们就不得不将这一问题转化为一个关于关联的伪问题。
对这种反常现象的探索让我接触到了许多不同领域的研究者，比如哲学领域的克拉克·格莱莫尔和他的团队（包括理查德·谢因斯和彼得·斯伯茨）、计算机科学领域的约瑟夫·哈尔伯恩、流行病学领域的杰米·罗宾斯和桑德·格林兰、社会学领域的克里斯·文史普，以及统计学领域的唐纳德·鲁宾和菲利普·戴维，这些人都在思考同样的问题，也正是包括我在内的所有这些人共同点燃了一场因果革命的星火，使它以燎原之势从一个学科迅速蔓延到另一个学科，逐渐覆盖包括流行病学、心理学、遗传学、生态学、地质学、气候科学等在内的多个专业领域。自此，每一年，我都能看到有越来越多的科学家开始愿意谈论和书写因果关系，他们不再带着抱歉或畏惧的神色，而是怀着自信和果断。一个新的范式正在逐步发展成形，根据这个范式，你可以在假设的基础上提出你自己的主张，只要你的假设足够简明易懂，大家就可以判断出你的主张的可信度，以及面对反驳的脆弱度。因果革命也许没有带来能直接改变我们生活的特定工具，但它在整个科学界引起的态度转变，必然有利于科学的蓬勃发展。
我经常将这种态度转变看作“人工智能送给人类的第二份礼物”，这也是我们在本书中的主要关注点。现在，故事已经走向了尾声，是时候回过头看看我们花了很长时间才得到的来自人工智能的第一份礼物。然后问问我们自己：我们真的离计算机或机器人能够理解因果对话的时代越来越近了吗？我们真的能制造出像三岁孩童那样富有想象力的人工智能吗？在最后一章，我将分享我个人的一些想法，我不会给出一个明确的结论，而是更希望留给大家思考的空间。
