Judea Pearl - 版本历史

2023年3月13日 (一) 06:52 思无涯咿呀咿呀

2023-03-13T06:52:34Z

Aceyuan：奖项与成就

2022-06-21T05:27:43Z

奖项与成就

Aceyuan：相关链接

2022-06-21T05:08:08Z

Aceyuan：撤销Aceyuan（讨论）的版本32535

2022-06-21T05:00:59Z

撤销Aceyuan（讨论）的版本32535

Aceyuan：撤销Aceyuan（讨论）的版本32536

2022-06-21T05:00:38Z

撤销Aceyuan（讨论）的版本32536

2022年6月21日 (二) 04:59 Aceyuan

2022-06-21T04:59:21Z

2022年6月21日 (二) 04:59 Aceyuan

2022-06-21T04:59:04Z

2022年6月21日 (二) 04:57 Aceyuan

2022-06-21T04:57:29Z

Aceyuan：文章及著作

2022-06-21T04:56:35Z

文章及著作

2022年6月20日 (一) 12:35 是趣木木呀

2022-06-20T12:35:36Z

←上一版本		2023年3月13日 (一) 06:52的版本
第1行：		第1行：
		+

	== 基本信息 ==		== 基本信息 ==
第178行：		第179行：

	[https://swarma.org/?p=32656 Stephen Wolfram专访Judea Pearl：从贝叶斯网络到元胞自动机 \| 集智俱乐部]		[https://swarma.org/?p=32656 Stephen Wolfram专访Judea Pearl：从贝叶斯网络到元胞自动机 \| 集智俱乐部]
		+
		+
		+
		+	本中文词条由袁冰参与编译编辑，欢迎在讨论页面留言。
		+
		+
		+	'''本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。'''

@@ 第87行： / 第87行： @@
 年，他因提出科学哲学方面的最佳著作而获得伦敦经济学院授予的拉科塔斯奖。
-年，他获得了 ACM 艾伦纽厄尔奖。
+年，他获得了计算机协会 ACM 艾伦纽厄尔奖。
-年，获得了 Civic Venture 的首届目的奖，该奖项旨在表彰 60 岁及以上在解决社区和国家问题方面表现出非凡远见的个人。
+年，他获得了 Civic Venture 的首届目的奖，该奖项旨在表彰 60 岁及以上在解决社区和国家问题方面表现出非凡远见的个人。
 年，富兰克林研究所授予他本杰明富兰克林计算机和认知科学奖章。
@@ 第95行： / 第95行： @@
 年，他因对人类认知理论基础的贡献而获得大卫 E. Rumelhart 奖。他的母校授予他哈维科学技术奖。
-年，他获得了ACM的图灵奖，这是计算机工程领域的最高荣誉，以表彰他“通过开发用于概率和因果推理的微积分对人工智能的根本贡献”。
+年，他获得了计算机协会 ACM 的图灵奖，这是计算机工程领域的最高荣誉，以表彰他“通过开发用于概率和因果推理的微积分对人工智能的根本贡献”。
-年，他获得了 ACM fellow 资深会员称号
+年，他获得了美国国家科学院院士称号
 == 主要文章及著作 ==

@@ 第42行： / 第42行： @@
 纽约布鲁克林理工学院（现纽约大学理工学院）
 |}
@@ 第124行： / 第122行： @@
 * [http://bayes.cs.ucla.edu/jp_home.html 个人主页]
 * [https://amturing.acm.org/award_winners/pearl_2658896.cfm AMC图灵奖人物主页]
 * [https://scholar.google.com/citations?hl=en&user=bAipNH8AAAAJ 谷歌学术个人主页]

@@ 第42行： / 第42行： @@
 纽约布鲁克林理工学院（现纽约大学理工学院）
 |}
 朱迪亚·珀尔（Judea Pearl）——以色列裔美籍计算机科学家、哲学家，以倡导人工智能的概率方法和贝叶斯网络而闻名。他因发明了贝叶斯网络、定义复杂概率模型的数学形式以及这些模型中用于推理的主要算法而受到赞誉。这项工作不仅彻底改变了人工智能领域，而且成为许多其他工程和自然科学分支的重要工具。他后来创建了一个因果推理的数学框架，该框架对社会科学产生了重大影响。ACM授予Judea Pearl 2011年度图灵奖，以表彰他“通过发展概率和因果推理演算对人工智能做出的基础性贡献”。
@@ 第62行： / 第66行： @@
 === 搜索和启发式 ===
-Pearl 在计算机科学领域的声誉最初不是建立在概率推理（这在当时是一个有争议的话题）上，而是建立在组合搜索上。从1980年开始发表一系列期刊论文，最终于1984年 Pearl 出版了《启发式：计算机问题解决的智能搜索策略》一书。这项工作包括许多关于传统搜索算法的新结果，例如A*算法（发音：A star algorithm），以及在游戏算法方面，将人工智能研究提升到一个新的严谨和深度水平。它还提出了关于如何从宽松的问题定义中自动推导出可接受的启发式的新想法，这种方法导致了规划系统的巨大进步。
+Pearl 在计算机科学领域的声誉最初不是建立在概率推理（这在当时是一个有争议的话题）上，而是建立在组合搜索上。从1980年开始发表一系列期刊论文，最终于1984年 Pearl 出版了《启发式：计算机问题解决的智能搜索策略》一书。这项工作包括许多关于传统搜索算法的新结果，例如A*算法（发音：A star algorithm），以及在游戏算法方面，将人工智能研究的严谨和深度提升到一个新水平。它还提出了关于如何从宽松的问题定义中自动推导出可接受的启发式的新想法，这种方法导致了规划系统的巨大进步。
 === 贝叶斯网络 ===
 Pearl 认为，对问题进行合理的概率分析会给出直观正确的结果，即使在基于规则的系统行为不正确的情况下也是如此。一个这样的案例与因果推理（从原因到结果）和诊断推理的能力有关（从结果到原因）。“如果使用诊断规则，则无法进行预测，如果使用预测规则，则无法进行诊断推理，如果同时使用两者，则会遇到正反馈不稳定性，这是我们在概率论中从未遇到过的。” 另一个案例涉及“解释消失”现象，即当观察到给定结果时，对导致结果的任何原因的相信程度会增加，但当发现其他原因也能导致观察到的结果时，对之前原因的相信程度就会降低。基于规则的系统不能表现出“解释消失”现象，而它在概率分析中会自动发生。
-Pearl 意识到条件独立的概念将是构建具有多项式多参数的复杂概率模型和组织分布式概率计算的关键。论文“Reverend Bayes on Inference Engines: A Distributed Hierarchical Approach”[2]介绍了由有向无环图定义的概率模型，并推导出了一种精确的、分布式的、异步的、线性时间的树推理算法——我们现在称之为信念传播的算法，turbocodes的基础。随后，Pearl 有一段非凡的创意产出，发表了 50 多篇论文，涵盖一般图的精确推理、使用马尔可夫链蒙特卡罗的近似推理算法、条件独立属性、学习算法等，直到 1988 年出版了《智能系统中的概率推理》。这部具有里程碑意义的著作将珀尔的哲学、他的人类认知理论和他所有的技术材料结合成一个有说服力的整体这引发了人工智能领域的一场革命。在短短几年内，来自人工智能内部逻辑阵营和神经网络阵营的主要研究人员采用了一种概率（通常简称为现代）方法来研究人工智能。
+Pearl 意识到条件独立的概念将是构建具有多项式多参数的复杂概率模型和组织分布式概率计算的关键。论文“Reverend Bayes on Inference Engines: A Distributed Hierarchical Approach”[8]介绍了由有向无环图定义的概率模型，并推导出了一种精确的、分布式的、异步的、线性时间的树推理算法——我们现在称之为信念传播的算法，turbocodes的基础。随后，Pearl 有一段时间做出了非凡的创意产出，发表了 50 多篇论文，涵盖一般图的精确推理、使用马尔可夫链蒙特卡罗的近似推理算法、条件独立属性、学习算法等，直到 1988 年出版了《智能系统中的概率推理》。这部具有里程碑意义的著作将 Pearl 的哲学、他的人类认知理论和他所有的技术材料结合成一个有说服力的整体这引发了人工智能领域的一场革命。在短短几年内，来自人工智能内部逻辑阵营和神经网络阵营的主要研究人员采用了一种概率（通常简称为现代）方法来研究人工智能。
 Pearl 的贝叶斯网络为多元概率模型提供了句法和演算，就像乔治·布尔为逻辑模型提供句法和演算一样。与贝叶斯网络相关的理论和算法问题是机器学习和统计学现代研究议程的重要组成部分，它们的使用也渗透到其他领域，如自然语言处理、计算机视觉、机器人技术、计算生物学和认知科学。截至2012年，已经出现了大约 50,000 篇以贝叶斯网络为主要关注点的出版物。
@@ 第95行： / 第99行： @@
 年，他获得了ACM的图灵奖，这是计算机工程领域的最高荣誉，以表彰他“通过开发用于概率和因果推理的微积分对人工智能的根本贡献”。
-年，ACM fellow
+年，他获得了 ACM fellow 资深会员称号
 == 主要文章及著作 ==
 他就人工智能的各个主题发表了500余篇科学论文（http://bayes.cs.ucla.edu/jp_home.html<nowiki/>）。此外，他在上述感兴趣的领域共出版五本著作：
 年，《智能系统中的概率推理：合理推断网络》 Probabilistic Reasoning in Intelligent Systems, Morgan-Kaufmann, 1988
 年，《因果关系：模型、论证、推理》 Causality: Models, Reasoning, and Inference, Cambridge University Press, 2000; 2nd edition, 2009.
 年，《统计因果推理入门》 Causal Inference in Statistics: A Primer, (with Madelyn Glymour and Nicholas P. Jewell) Wiley, 2016.
 年，《为什么：关于因果关系的新科学》 The Book of Why: The New Science of Cause and Effect (with Dana Mackenzie), New York: Basic Books, May 2018
 == 相关链接 ==

@@ 第42行： / 第42行： @@
 纽约布鲁克林理工学院（现纽约大学理工学院）
 |}
 朱迪亚·珀尔（Judea Pearl）——以色列裔美籍计算机科学家、哲学家，以倡导人工智能的概率方法和贝叶斯网络而闻名。他因发明了贝叶斯网络、定义复杂概率模型的数学形式以及这些模型中用于推理的主要算法而受到赞誉。这项工作不仅彻底改变了人工智能领域，而且成为许多其他工程和自然科学分支的重要工具。他后来创建了一个因果推理的数学框架，该框架对社会科学产生了重大影响。ACM授予Judea Pearl 2011年度图灵奖，以表彰他“通过发展概率和因果推理演算对人工智能做出的基础性贡献”。

@@ 第104行： / 第104行： @@
 他就人工智能的各个主题发表了500余篇科学论文（http://bayes.cs.ucla.edu/jp_home.html<nowiki/>）。此外，他在上述感兴趣的领域共出版五本著作：
-年，《启发式：计算机问题解决的智能搜索策略》 Heuristics, Addison-Wesley, 1984。
 * 发展了传统搜索算法和游戏算法；提出了自动推导启发式的新想法。
 年，《智能系统中的概率推理：合理推断网络》 Probabilistic Reasoning in Intelligent Systems, Morgan-Kaufmann, 1988
 * Pearl 具有里程碑意义的著作，将他的哲学、人类认知理论和所有的技术材料整合为成一个整体，提出采用了概率方法（或简称为现代方法）来研究人工智能的革命性方法。
 年，《因果关系：模型、论证、推理》 Causality: Models, Reasoning, and Inference, Cambridge University Press, 2000; 2nd edition, 2009.
 * 展示了因果关系如何从一个模糊的概念发展成为一种数学理论，Pearl 提出并统一了因果关系的概率、干预、反事实和结构方法，并设计了简单的数学工具来研究因果关系和统计关联之间的关系。
 年，《统计因果推理入门》 Causal Inference in Statistics: A Primer, (with Madelyn Glymour and Nicholas P. Jewell) Wiley, 2016.
 * 为统计初学者提供了一本全面介绍因果关系领域的理想书籍，书中对传统统计方法和因果方法做了比较。在每个章节末尾都提供了练习题以帮助学生学习。
 年，《为什么：关于因果关系的新科学》 The Book of Why: The New Science of Cause and Effect (with Dana Mackenzie), New York: Basic Books, May 2018

←上一版本		2022年6月20日 (一) 12:35的版本
第163行：		第163行：

	[https://swarma.org/?p=32656 Stephen Wolfram专访Judea Pearl：从贝叶斯网络到元胞自动机 \| 集智俱乐部]		[https://swarma.org/?p=32656 Stephen Wolfram专访Judea Pearl：从贝叶斯网络到元胞自动机 \| 集智俱乐部]
−
−	~~== 说明 ==~~
−	* 如何编写问题？请参考“[https://www.bigphysics.org/index.php/%E5%88%86%E7%B1%BB:%E7%A0%94%E7%A9%B6%E6%8A%A5%E5%91%8A%E5%86%99%E4%BD%9C V形图]”
−
−	* [https://faixz6wsb8.feishu.cn/docs/doccnbL31C8uMNOd2M0LrnZcGhg 如何编写学者词条？]
−
−	* [https://faixz6wsb8.feishu.cn/docs/doccnz7ACovB7pTqhbS3nQMn5Pb 如何多人一起编写学者词条？]