具体描述
A Turing Award-winning computer scientist and statistician shows how understanding causality has revolutionized science and will revolutionize artificial intelligence
“Correlation is not causation.” This mantra, chanted by scientists for more than a century, has led to a virtual prohibition on causal talk. Today, that taboo is dead. The causal revolution, instigated by Judea Pearl and his colleagues, has cut through a century of confusion and established causality–the study of cause and effect–on a firm scientific basis. His work explains how we can know easy things, like whether it was rain or a sprinkler that made a sidewalk wet; and how to answer hard questions, like whether a drug cured an illness. Pearl’s work enables us to know not just whether one thing causes another: it lets us explore the world that is and the worlds that could have been. It shows us the essence of human thought and key to artificial intelligence. Anyone who wants to understand either needs The Book of Why.
作者简介
Judea Pearl is a professor of computer science at UCLA and winner of the 2011 Turing Award and the author of three classic technical books on causality. He lives in Los Angeles, California.
Dana Mackenzie is an award-winning science writer and the author of The Big Splat, or How Our Moon Came to Be. He lives in Santa Cruz, California.
目录信息
读后感
1.作者朱迪亚·珀尔，是加州大学落砂机分校的计算机科学教授，计算机最高奖项图灵奖的获得者，被称为贝叶斯网络之父。作为科学家写的科学著作，这本书需要一定的先验知识才能阅读下去，起码读者应该对概率论有基本的了解。不过，虽然有一定的阅读难度，但能把人类关于因果关系...
评分拿到书之后读了两遍，第一遍是以欣赏和学习的态度，第二遍是以欣赏和怀疑的态度。学习和怀疑之后，谈谈读后感。 这本书的副标题是《关于因果关系的新科学》，显然，这本书是从科学角度论述因果关系的。这可能让大众诧异，为什么显而易见的因果关系，从科学角度却难以建立。甚至...
评分1.作者朱迪亚·珀尔，是加州大学落砂机分校的计算机科学教授，计算机最高奖项图灵奖的获得者，被称为贝叶斯网络之父。作为科学家写的科学著作，这本书需要一定的先验知识才能阅读下去，起码读者应该对概率论有基本的了解。不过，虽然有一定的阅读难度，但能把人类关于因果关系...
评分拿到书之后读了两遍，第一遍是以欣赏和学习的态度，第二遍是以欣赏和怀疑的态度。学习和怀疑之后，谈谈读后感。 这本书的副标题是《关于因果关系的新科学》，显然，这本书是从科学角度论述因果关系的。这可能让大众诧异，为什么显而易见的因果关系，从科学角度却难以建立。甚至...
评分用户评价
学统计教统计十几年，好多核心的概念第一次看人讲得这么清楚，豁然开朗豁然开朗！
评分Strong AI和Causal Effect仅依靠当前的统计、机器学习和深度学习方法是不够的，需要建立一套能描述Causal Effect的数学化的语言，在此基础上才能由现在的rung one（描述association）走到rung two（以do-clause描述和推断intervention后产生的结果）和rung three（描述和推断what if have done的结果，即如果做某事后产生的结果，而该事件实际并不一定会发生，而这是人类具备的联想和推断出未知事物因果关系的能力，目前的弱AI并不具备）。深度学习只是一个黑盒，存在可解释性以及仍是一种弱AI的问题。且对因果关系而非相关关系的描述和研究在其他领域也非常需要。
评分学统计教统计十几年，好多核心的概念第一次看人讲得这么清楚，豁然开朗豁然开朗！
评分去年nips有眼不识泰山没去听老爷子的talk，作为初级炼丹工看这本面向大众的新书补课也很开眼界。“相关不蕴涵因果”讲得多了都不知道所谓因果关系究竟是什么。仅靠拟合数据，不管是用深度学习还是多fancy的方法，都无法表示因果关系；要谈论因果乃至虚拟事实，须明确引入数据以外的假设，而书中也指明了什么样的假设配上什么样的数据可以回答什么样的因果问题。现实生活中很多问题都不能做随机对照试验，这套理论也因此格外重要。要是老爷子再谈谈他对强化学习的看法就好了。
评分这本书很不错哦 提供了另外一个思考 causal 的角度也还蛮科普的
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有