|
产品特色
编辑推荐
建构因果关系科学体系，在整个科学界掀起一场“因果革命”
从对“相关关系并不意味着因果关系”这一科学系统经典断论的反叛开始，掀起一场声势浩大的“因果革命”，为科学界提供了一套全新的方法论——因果关系模型，应用覆盖范围从统计学、社会学、经济学到流行病学、心理学、基因学，再到生态学、地质学、气象学，当然还有计算机科学和人工智能科学。作者从因果关系的视角重新阐述了人类认知和科学文明的发展史。
引领人工智能的未来发展，让强人工智能的实现成为可能
借助因果关系理论颠覆人工智能与机器学习的理论范式，从发现关联、解析大数据的神经网络和深度学习，跃升至揭示关联与数据背后的深层逻辑的因果关系模型，赋予人工智能以真正的人类智慧甚至道德意识，让人工智能与人类能在彼此合作的基础上打造一个更好的未来世界。
既是AI领域**、前沿的理论建构作品，也是融合历史叙事与人文关怀的大众科普读物
从“**次认知革命”人类进化出想象力说起，对因果思维的发展历程娓娓道来，以深入浅出的话语阐述了动摇人工智能乃至整个科学界的方法论根基的新思想，引发了学界内外的广泛讨论，得到了《思想，快与慢》作者、诺贝尔经济学奖得主丹尼尔·卡内曼，“互联网之父”文特·瑟夫，《**算法》作者佩德罗·多明戈斯、中科大机器人实验室负责人陈小平、《变量》作者何帆等众多国内外**思想大师的推荐。
内容简介
在本书中，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。作者在本书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*有意义的工作
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。
目录
推荐序
前言
导 言：思维胜于数据
第一章：因果关系之梯
第二章：从海盗到豚鼠：因果推断的起源
第三章：从证据到因：当贝叶斯牧师遇见福尔摩斯先生
第四章：混杂和去混杂：或者，消灭潜伏变量
第五章：烟雾缭绕的争论：消除迷雾，澄清事实
第六章：大量的悖论！
第七章：超越调整：征服干预之峰
第八章：反事实：挖掘关于假如的世界
第九章：中介：寻找隐藏的作用机制
第十章：大数据，人工智能和大问题
致谢
参考文献
|
