本网站不提供下载链接，喜欢看书的朋友请关注公众号：【lennylee的碎碎念】(lennyleede)，首页回复：授人以渔，自动获取搜索资源的方法。
内容简介:
在本书中，人工智能领域的专家朱迪亚·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。
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 超越统计调整：征服干预之峰
第八章 反事实：探索关于假如的世界
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
· · · · · · (收起)
原文摘录:
在数学上，我们把自愿服药的病人的生存期L的观测频率记作P（L|D），这就是统计学教科书中常用的条件概率。这个公式表示生存期L的概率（P）是以观察到病人服用药物D为条件的。注意P（L|D）与P（L|do（D））完全不同。观察到（seeing）和进行干预（doing）有本质的区别，它解释了我们不认为气压计读数下降是风暴来临的原因。观察到气压计读数下降意味着风暴来临的概率增加了，但人为迫使气压计读数下降对风暴来临的概率并不会产生影响。 (查看原文)
Moon Sea
9赞
2021-04-10 23:45:33
—— 引自章节：导 言：思维胜于数据
事实上，我在机器学习方面的研究经历告诉我，因果关系的学习者必须熟练掌握至少三种不同层级的认知能力：观察能力（seeing）、行动能力（doing）和想象能力（imagining）。 (查看原文)
Moon Sea
9赞
2021-04-10 23:45:33
—— 引自章节：第一章：因果关系之梯