《因果革命：人工智能的大未来》朱迪亚·珀尔

大数据为什么不够聪明？比几率更强大的思考工具又是什么？电脑科学界诺贝尔奖“图灵奖”得主暨贝氏网络研发先驱Judea Pearl总结毕生研究成果，联手获奖的统计学家Dana Mackenzie，提出改变人工智能及科学界的重要工具！《快思慢想》作者暨诺贝尔奖得主康纳曼、《大演算》作者多明哥斯、谷歌网络推广长文特·瑟夫、微软研究实验室主任艾瑞克·霍尔维兹等人重磅推荐！

大数据看似厉害，其实有很大的局限：近几年大数据当红，加上它在许多领域的成功运用，其地位与能力备受追捧。与大数据密切相关的统计学，是法兰西斯·高尔顿与卡尔·皮尔森解答对于遗传的疑问未果，而开发出来的学科，这门学科创立后兴盛数十载，其名言“相关不是因果”影响科学界经常止步于探究“关联”而非“因果”，并且长期受资料本位的历史所影响，认为资料无所不能，但是朱迪亚·珀尔希望借此书告诉读者，资料本身一点也不智慧。

要发展出“强AI”，几率思考仍远远不够：一九八○年代初，朱迪亚·珀尔认为不确定性是AI所欠缺的最重要的能力，于是运用几率开发出强大的推理工具——贝氏网络，因而获得有电脑科学界诺贝尔奖之称的“图灵奖”。贝氏网络是首先让电脑以灰阶方式思考的工具，至今仍极受人工智能界倚重，然而到了一九八○年代末，珀尔认为贝氏网络仍没有填补人工智能和人类智慧的差距，于是他转而研究如何教AI学会“因果推论”，本书便是整理了历代科学家推展因果革命的努力与成果。

从“求得相关性”的旧阶段，迈入“厘清因果关系”的新时代：本书最初几章是有趣的科学史，探讨科学家追求因果解释的过程如何受挫，以致发展出统计学，并让统计学方法长期引领学界研究。接着书中有大约一半篇幅，作者以实例示范因果语言（图示模型）如何解决传统统计学认为无解的难题，逐一揭示“因果阶梯”三大分层的能力（越高的层级，认知挑战越高，越难理出因果关系），并让读者了解因果革命路上诸人的努力与进展，以及这些进展的重要性。本书末尾回头说明因果革命相对于人工智能各重要发展面向（比如大数据、深度学习、资料探勘、机器学习等），有何胜出之处、能对它们起什么正面影响，以及最重要的——“因果革命”将会如何改变人工智能。

“因果革命”不只影响人工智能，还影响各研究领域：现今机器学习运作时仰赖的是“相关性”，而不是“因果”，如果能成功将因果思考导入电脑，将使电脑变成真正的科学家，使它们成为我们的得力伙伴，提供我们更合理的洞见。由于因果思考可以呈现罪责，电脑能因而具备道德感——“具备道德感的强AI”是因果革命在人工智能领域的终极追求，作者形容这“是人工智能给人类的第一个、也是最好的礼物”。

因果性研究还厘清了我们多年来对许多知识本质的不解，改变我们对于众多问题的认识，这些问题牵涉的层面无所不包，举凡涉及解读资料以及根据解释而采取的作法（像是致病因素、医疗资源分配、公共政策拟定等），都能受益。集结众多领域学人之力才有如今成果的因果革命，亦将回头影响整个科学界，珀尔形容它“将使科学的体质更加健全，是人工智能给人类的第二个礼物”。在美国，因果科学已经开始被大学列入课程……

作者简介：朱迪亚·珀尔Judea Pearl 因为研发贝氏网络，而获得有“电脑科学界诺贝尔奖”之称的图灵奖，著有三本极具影响力的科普书籍。珀尔是美国国家科学院院士，也是首先进入IEEE智慧系统名人堂的十名科学家之一，获得的奖项与荣誉博士学位多不胜数，包括卢梅哈特奖（认知科学学会）、富兰克林奖章（富兰克林研究所）以及拉克托斯奖（伦敦经济学院）。他目前担任加州大学洛杉矶分校电脑科学教授，同时是丹尼尔·珀尔基金会创办人及首席执行官，目前住在洛杉矶。

达纳·麦肯锡Dana Mackenzie 数学博士，现为科普作家，经常为《科学》、《新科学家》、《科学美国人》、《史密森尼》、《鹦鹉螺》和《发现》等杂志撰稿。他写的书《大碰撞：月球是怎么形成的？》（The Big Splat, or How Our Moon Came to Be）曾经获选为Audible.com网站2010年最佳有声书。麦肯锡曾获2012年传播奖（美国数学联合政策委员会）与2015年查文尼特数学解说奖（美国数学学会），他现在住在加州圣克鲁兹。

译者简介：甘锡安 学业结束后由科学界踏入“译界”，现为专职译者。曾担任Discovery频道与资讯杂志编译，现仍定期为《科学人》及《BBC知识》等杂志翻译。书籍译作包括《决断的演算：预测、分析与好决策的11堂逻辑课》、《胜算：赌的科学与决策智慧》、《爱因斯坦1905》、《气候创造历史》、《现代主义烹调》等。目前住在有山有海有美食的台湾头基隆，热爱吸收各类知识，正努力朝“全方位译人”的目标迈进。