【赠书】“贝叶斯网络”之父重磅力作《为什么》中文版来啦！

---

  新智元报道  

编辑：张佳

【新智元导读】图灵奖得主、“贝叶斯网络之父”朱迪亚·珀尔最新力作《为什么：关于因果关系的新科学》中文版出版后备受好评！正值新智元成立四周年之际，我们与中信出版社合作开展免费赠书活动！

大数据为什么不够聪明？比概率语言更强大的思考工具是什么？科幻电影中的强人工智能到底怎样实现？如何让智能机器像人一样思考？搞清楚因果关系才能拨云见日。

图灵奖得主、“贝叶斯网络之父”朱迪亚·珀尔（Judea Pearl）的重磅力作《为什么：关于因果关系的新科学》中就为我们解答了这些问题。

作为一部因果关系科学方面的科普著作，《为什么》深入浅出地把因果关系科学的理论框架及其发展脉络展现给了读者。水落石出后，因果推断显得如此自然， 就仿佛一切本该如此。

今天是新智元成立四周年的日子，我们与中信出版社合作给大家带来一波福利，8本《为什么》免费赠送，参与方式详见文末，先来了解一下这本书和作者。

“贝叶斯网络之父“朱迪亚·珀尔

朱迪亚·珀尔现加州大学洛杉矶分校计算机科学教授，被誉为“贝叶斯网络之父”。2011年，珀尔获得图灵奖，奖励他在人工智能领域的基础性贡献，他提出概率和因果性推理演算法，彻底改变了人工智能最初基于规则和逻辑的方向。

朱迪亚·珀尔被授予图灵奖（左4）

目前，现年83岁的珀尔已出版4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）、《因果论：模型、论证、推理 》（2009）以及这本《为什么：关于因果关系的新科学》（2018）。

珀尔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。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。

一次从相关到因果的转变引导思维方式升维进阶

人工智能领域中的大多数问题都是决策问题。

 

 “观察到某事件”和“使某事件发生”是有本质区别的。如果决策是基于被动接受的观测数据，那么它就处于因果关系之梯的第一层级，强烈地依赖于观测数据，因而难免带有偏颇。

而有了第二层级的利器——干预，决策就可以不受观察样本的束缚，把一些样本无法反映的事实揭露出来。这里其实没有什么神秘可言，这些经验或知识早已经写在因果图里了，现在只不过是与数据一起帮助人类或机器更好地做出决策。

简而言之，达到第二层级的AI 将具有主动实施行动来分析因果效应的能力，这种能力使得决策行为更加智能化。

 

第三层级的反事实推理允许机器拥有“想象能力”。反事实推理考虑的是一个假想世界，其与现实世界完全相悖，是无法通过直接观测数据进行推理的，必须借助一个因果模型。

《为什么》一书提到了一个“学历/ 工作经验/ 工资”的因果模型，其中作者的问题，假如爱丽丝为本科毕业，那么她应该拿多少工资——这是一个很好的例子，说明了单靠缺失数据分析无法得出合理的估计。

 

因果关系之梯

 

时至今日，深度学习依然是AI的热点方法，甚至有人将之盲目地等同于AI。其实，机器学习只是AI的一个领域（它的目标是使计算机能够在没有明确程序指令的情况下从经验或环境中学习），机器学习的方法多如牛毛，深度学习只是沧海一粟。

理论上可以证明，人工智能即便在因果关系之梯的最低层级做到极致，也无法跃升到干预层面，更不可能进入反事实的世界。

 

AlphaGo的硬伤是缺乏可解释性

珀尔教授认为大数据分析和深度学习（甚至多数传统的机器学习）都处于因果关系之梯的第一层级，因为它们的研究对象还是相关关系而非因果关系。

 

珀尔并没有贬低处于因果关系之梯最低层级的相关性分析，他只是在提醒我们不要满足于这个高度，还要继续向上攀登。

 

珀尔的这本科普书来得正是时候。众所周知，这轮AI的爆发在很大程度上得益于算力的提升，例如，深度学习就是人工神经网络借助算力的“卷土重来”，把数据驱动的方法推向了一个巅峰。人们甚至产生了一个幻觉 ——“所有科学问题的答案都藏于数据之中，有待巧妙的数据挖掘技巧来揭示”。

珀尔教授批判了这种思潮，他将因果模型置于更高的位置，把数学或统计建模的荣耀重新归还给了相应领域的专家。我们希望，未来的机器学习可以不再靠炼金术士的碰运气而获得成功，随着知识推理和计算越发受到关注，可解释AI将从关于因果关系的新科学中汲取更多的力量，甚至可以闯进反事实的世界。

 

2016年，AlphaGo首次打败了人类顶尖围棋高手李世石，次年横扫所有人类高手取得全胜（包括以3∶0 战胜柯洁）。聂卫平（九段）称它的水平为“至少二十段”。

AlphaGo大战李世石

冷静之余，人们认识到AlphaGo的算法更适用于大规模概率空间的智能搜索，其环境和状态都是可模拟的。DeepMind 的创始人德米斯·哈萨比斯表示，对于那些环境难以模拟的决策问题（如自动驾驶），这些算法也无能为力。珀尔在《为什么》第十章也谈论了AlphaGo，他认为缺乏可解释性是它的硬伤。

 

因此，我们不应该把AI 技术对立起来，而应该相互取长补短。拿强化学习来说，它不同于有监督学习（supervised learning）和无监督学习（unsupervised learning），是基于马尔科夫决策过程发展起来的第三类机器学习方法——智能体通过与环境互动变得越来越“聪明”。

强化学习和因果推断都寻求策略（policy），其中，行动之间是有因果关系的，但因果推断更开放一些，它可以利用数据之外的知识来推断策略的效果。强化学习允许推断干预的结果，因此能攀上因果关系之梯的第二层级。

通过模拟环境，强化学习无须从现实世界获取观测数据来训练模型，所以也有可能产生反事实从而登上因果关系之梯的第三层级。尽管目前的强化学习很少用到先验知识，我们仍很好奇强化学习和因果推断的理论联系。

 

未来人工智能的发展也有“综合”的趋势。譬如，语音、图像、视频数据等都可以转换成文字，而AI 技术则能帮助我们加深对数据的理解。同时，借助AI 技术（包括因果推断）更好地理解数据也能助力模型训练并改进应用效果。

同理，因果论和现有的机器学习等AI 技术有没有可能联手互惠互利？例如，因果推断所考虑的变量越多，对计算的挑战就越大，那么，基于蒙特卡罗方法的近似计算是否能其助一臂之力？ 机器学习能否帮助和改进因果建模？这些问题都有待深入的研究。

 

因果的形式化理论，不仅解决了困扰统计学家很多年的一些悖论，更重要的是实现了两点突破：

• 利用“干预”让人类和机器摆脱了被动观察，从而转向主动地去探索因果关系，以便做出更好的决策；
• 利用“反事实推理”扩展了想象的空间，从而摆脱了现实世界的束缚。

这两点突破实现了因果革命，并分别构成了因果关系之梯的第二层级和第三层级的内容。沿着因果关系之梯，机器便有望拥有强人工智能。

名家推荐：为什么这本书值得细品？

世界人工智能大会专家分享引用《为什么》中提到的“因果推理”

你是否曾经对相关关系和因果关系的问题感到疑惑？这部内容精彩的著作对此问题给出了一个富有启发性的答案，且读来妙趣横生。

— 丹尼尔·卡内曼

诺贝尔经济奖得主，《思考，快与慢》作者

 

在过去的30年间，珀尔所取得的成就为人工智能领域的进步提供了理论基础……他重新定义了‘思维机器’这一术语。

— 温顿·瑟夫

“互联网之父”之一，谷歌副总裁兼首席互联网专家，2004年图灵奖获得者

 

如果因果关系不是相关关系，那它是什么？感谢朱迪亚·珀尔划时代的研究成果，我们现在对这一问题有了精确的答案。如果你想要理解世界的运行方式，那么这本引入入胜、充满阅读乐趣的著作就是一个很好的起点。

— 佩德罗·多明戈斯

华盛顿大学计算机科学教授，《终极算法》作者

 

朱迪亚·珀尔一直是人工智能革命的心脏和灵魂，更广义地说是，他是计算机科学革命的心脏和灵魂。

— 埃里克·霍维茨

微软研究实验室主任兼常务董事

 

尤瓦尔·赫拉利在《人类简史》中指出，人类进化史上的第一次认知革命以发展出“想象不存在的事物”的能力为标志，《为什么》一书则更进一步提出，正是在这一能力的基础之上，人类发展出了因果思维。从原始部落组织狩猎行动，到孟德尔的基因遗传特征分析，从吸烟是否致癌的争辩到强人工智能是否可能实现的大讨论，无一不需要因果思维的指引。

— 罗振宇

罗辑思维&得到App创始人

 

真正的人工智能必须拥有什么能力？贝叶斯网络教父、2011年图灵奖得主珀尔认为要实现人工智能，就必须让机器具备因果推断能力。珀尔只手推动了人工智能领域的因果革命，出版了里程碑式著作《因果论》，而《为什么》一书也可以视作《因果论》的哲学版，是珀尔关于人工智能与因果推断的科普之作，是哲学和科学的交相辉映之作。珀尔把技术与思想融于一体，系统阐述了因果关系之梯的三个层级。毫无疑问，该书将和《自私的基因》一样成为我们这个时代的经典之作。

— 梅剑华

山西大学哲学社会学院教授、现代外国哲学学会理事、北京大学哲学博士

 

人类本能地想要寻找事物之间的因果关系，却长久地陷于迷雾之中。珀尔的《为什么》和卡尼曼的《思考，快与慢》一样，都是石破天惊、开辟鸿蒙的巨作，这本书介绍了新兴的因果推断科学，直达人工智能学科的前沿。阅读这本书，不仅能扩宽你的思维广度，而且能增加你的思维维度。

— 何帆

上海交通大学安泰经济与管理学院教授、《变量》作者

 

如果把一个学科的疆域比喻为一个不规则多边形，那么多边形的所有顶点就定义了这个学科的边界。本书内容代表人工智能学科在因果推理方面的一个“顶点”。突破性创新必然发生在所有“顶点”划定的学科边界之外，而“热点”却往往在边界之内。不了解“顶点”，就难以展开突破性创新。

— 陈小平

中国科学技术大学机器人实验室主任

赠书福利，告诉我们为什么这本书该送你！

喜欢这本书的朋友有机会获赠！只要关注新智元微信公众号后，在公众号的本篇文章中留言，我们将从中挑选点赞最高的留言Top 8读者赠送书籍。

活动截止日期：2019年9月12日24:00点。

注：若是在活动截止日期后24小时内(即9月13日24:00)无法取得用户回复或联系，将按照留言点赞排名顺延。

对于每一位想了解因果关系科学的读者来说，以《为什么》为起点就意味着你踏上了一条捷径，在理解此书的基础上阅读因果关系科学方面的专业著作，你的收获将会更大。喜欢这本书的朋友可以点击“阅读原文”进入购买哦～

本文部分内容整合自《为什么： 关于因果关系的新科学》导读手册