• 精选
  • 会员
因果关系+休谟因果论问题的全新诠释——从相关关系到因果关系-因果关系认知的思维陷阱-详述因果关系与相关关系的异同-因果必然性的颠覆者:休谟|为什么说客观事件本身不存在因果联系-因果之箭指向何方?| 图灵奖得主珀尔的《为什么》-因果推断方法分类汇总:怎样从复杂系统中找到因果关系-为什么:关于因果关系的新科学+为什么:前言-导言:思维胜于数据-推荐序: 了解因果关系科学,从珀尔的《为什么》开始+第一章 因果关系之梯-因果关系的三个层级-因果关系的三个层级(2)-迷你图灵测试-迷你图灵测试(2)-迷你图灵测试(3)-论概率与因果关系+第二章 从海盗到豚鼠:因果推断的起源-从海盗到豚鼠:因果推断的起源(2)-高尔顿和被丢弃的探索-皮尔逊:狂热者的愤怒-皮尔逊:狂热者的愤怒(2)-休厄尔·赖特、豚鼠和路径图-但它仍在动!-但它仍在动!(2)-从客观性到主观性——贝叶斯连接+第三章 从证据到因:当贝叶斯牧师遇见福尔摩斯先生-电脑侦探波拿巴-贝叶斯牧师与逆概率问题-贝叶斯牧师与逆概率问题(2)-贝叶斯牧师与逆概率问题(3)-从贝叶斯法则到贝叶斯网络-贝叶斯网络:应如何看待数据-我的行李箱在哪里从亚琛到桑给巴尔-真实世界中的贝叶斯网络-从贝叶斯网络到因果图+第四章 混杂和去混杂:或者,消灭潜伏变量-混杂和去混杂:或者,消灭潜伏变量(2)-对混杂的长期恐惧-对自然的巧妙询问:随机对照试验为何有效-对自然的巧妙询问:随机对照试验为何有效(2)-混杂的新范式-混杂的新范式(2)-do算子和后门标准-do算子和后门标准(2)+第五章 烟雾缭绕的争论:消除迷雾,澄清事实-烟草:一种人为的流行病-烟草:一种人为的流行病(2)-美国卫生局局长委员会和希尔标准-吸烟对新生儿的影响-激烈的辩论:科学与文化+第六章 大量的悖论-令人费解的蒙提·霍尔悖论-令人费解的蒙提·霍尔悖论(2)-更多的对撞偏倚:伯克森悖论-辛普森悖论-辛普森悖论(2)-辛普森悖论(3)-图示中的辛普森悖论+第七章 超越统计调整:征服干预之峰-最简单的路线:后门调整公式-前门标准-前门标准(2)-do演算,或者心胜于物-do演算,或者心胜于物(2)-do演算,或者心胜于物(3)-do乐队中隐藏的演奏者-案例:斯诺医生的离奇病例-案例:斯诺医生的离奇病例(2)-好胆固醇和坏胆固醇-好胆固醇和坏胆固醇(2)+第八章 反事实:探索关于假如的世界-从修昔底德和亚伯拉罕到休谟和刘易斯-从修昔底德和亚伯拉罕到休谟和刘易斯(2)-潜在结果、结构方程和反事实的算法化-潜在结果、结构方程和反事实的算法化(2)-潜在结果、结构方程和反事实的算法化(3)-看到你的假设的好处-看到你的假设的好处(2)-反事实与法律-必要因、充分因和气候变化-反事实的世界+第九章 中介:寻找隐藏的作用机制-坏血病:错误的中介物-先天因素与后天培养:巴巴拉·伯克斯的悲剧-寻找一种语言(伯克利大学招生悖论)-寻找一种语言(伯克利大学招生悖论)(2)-黛西、小猫和间接效应-线性“仙境”中的中介-线性“仙境”中的中介(2)-拥抱“假如”世界-拥抱“假如”世界(2)-中介个案研究——“全民学代数”:一套方案和它的副作用-中介个案研究——吸烟基因:中介与干预-中介个案研究——止血带:隐藏的谬误-第十章 大数据,人工智能和大问题+因果模型与“大数据”-因果模型与“大数据”(2)+强人工智能和自由意志-强人工智能和自由意志(2)-强人工智能和自由意志(3)-强人工智能和自由意志(4)-为什么:致谢

第十章 大数据,人工智能和大问题

2020年7月10日 字数:1045 来源:为什么:关于因果关系的新科学 作者:[美]朱迪亚·珀尔;[美]达纳·麦肯齐 提供人:kangtao76......

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。

大数据 / 人工智能

如涉及版权,请著作权人与本网站联系,删除或支付费用事宜。

0000