The Book of Why
此词条由因果科学读书会词条梳理志愿者雨轩翻译审校，未经专家审核，带来阅读不便，请见谅。
概要及简介
《为什么:因果新科学》是计算机科学家朱迪亚·珀尔和作家达娜·麦肯齐在2018年合著的非小说类书籍。这本书为普通读者从统计和哲学的观点探讨了因果关系和因果推理的问题。
这本书中力图完成一个三位一体的使命：首先，用非数学的语言阐述因果革命的知识内涵，说明它将怎样影响我们的生活和未来。其次，分享在解决重要的因果问题时，我们的科学家前辈走过的英勇征程，无论成败，这些故事都值得讲述。
最后，本书回溯了因果革命在人工智能领域的发源地，介绍了如何开发出用我们的母语——因果语言进行交流的机器人。新一代机器人应该能够向我们解释事情为何发生，为何机器人以它们选择的某种方式做出反应，以及大自然为何以这样而非那样的方式运作。一个更加雄心勃勃的目标是，它们也应该能够让我们进一步认识人类自身：我们的思维为什么以这样的方式运行，以及理性思考原因和结果、信任和遗憾、目的和责任究竟意味着什么。
作者简介
朱迪亚·珀尔（生于 1936 年 9 月 4 日）是以色列裔美国计算机科学家和哲学家，以倡导人工智能的概率方法和贝叶斯网络的发展而闻名（参见关于信念传播的文章）。他还因开发基于结构模型的因果推理和反事实推理理论而受到赞誉（参见关于因果关系的文章）。2011年，美国计算机协会（ACM）授予Pearl图灵奖，计算机科学的最高荣誉，“通过开发用于概率和因果推理的微积分对人工智能的基本贡献”。[1][2][3][4]他是几本书的作者，其中包括技术因果关系：模型、推理和推理，以及面向大众的因果关系书籍 《The Book of Why》 。
朱迪亚·珀尔是记者丹尼尔·珀尔的父亲，因为他的美国和犹太血统，在 2002 年被与基地组织和国际伊斯兰阵线有关的巴基斯坦恐怖分子绑架并杀害。[5][6]
目录
- 引言: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：从证据到原因：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，人工智能和重要问题
主要内容
本书包含了10个章节和引言部分。
引言：思维胜于数据
导言描述了20世纪早期统计方法在陈述变量之间的因果关系方面的不足。在此之后，作者描述了他们称之为“因果革命”的事件，它始于20世纪中期，为描述因果关系提供了新的概念和数学工具。
第一章：因果关系之梯
第一章介绍了“因果阶梯”——一个用来说明因果推理三个层次的图表。第一级是“关联”，它讨论变量之间的关联。诸如“变量X与变量Y相关吗?”这个层次上的回答。然而，在第一级中还没有提到因果关系。第一级的例子是观察到公鸡啼叫与日出有关，然而，这种推理不能描述因果关系，因为我们不能说日出是否导致公鸡鸣叫。
因果关系阶梯的第二级被称为“干预”。在这一层面上的推理需要回答“如果我干预X，这将如何影响结果Y的概率?”例如，“吸烟会增加我患肺癌的几率吗?”存在于因果阶梯的第二级。这种推理调用了因果关系，可以用于分析比第一级推理更多的问题。
因果关系阶梯的第三级被称为“反事实”，包括回答一些问题:如果环境不同，会发生什么?这种推理在更大程度上调用了因果关系。书中给出的一个反事实问题是“如果奥斯瓦尔德没有杀死肯尼迪，他还会活着吗?”
第二章：从海盗到豚鼠：因果推断的起源
第二章首先简要总结了弗朗西斯·高尔顿和卡尔·皮尔森在19世纪末20世纪初对统计学发展的贡献。他们指责高尔顿把统计学的研究放在了因果关系阶梯的第一级，并阻碍了统计学中任何关于因果关系的讨论。在这之后休厄尔·赖特通过使用路径图将因果分析引入。
第三章：从证据到原因：当贝叶斯牧师遇见福尔摩斯先生
第三章介绍贝叶斯定理、贝叶斯网络，以及贝叶斯网络与因果图之间的联系。
第四章：混杂和去混杂：或者，消灭潜伏变量
本章介绍了混杂的概念，并描述了因果图如何被用来识别混杂变量并确定它们的效应。珀尔解释说，可以使用随机对照试验(RCT)来消除混杂因素的影响，也能使用其他因果模型获得同样的目的。
第五章：烟雾缭绕的争论：消除迷雾，澄清事实
本章从历史角度探讨“吸烟会导致肺癌吗?”这一问题，主要关注亚伯拉罕·利连菲尔德、雅各布·耶鲁沙米、罗纳德·费舍尔和杰罗姆·康菲尔德的观点。如费舍尔和耶鲁沙米解释说，虽然吸烟与肺癌明显相关，认为这两个变量混淆了，不同意香烟导致癌症的假设。随后，作者解释了因果推理(如本书其余部分所述)如何被用来论证香烟确实会导致癌症。
第六章：大量的悖论！
本章探讨了几个悖论，包括蒙蒂·霍尔问题、辛普森悖论、伯克森悖论和洛德悖论。作者展示了如何使用因果推理来解决这些悖论。
第七章：超越统计调整：征服干预之峰
本章着眼于在第一章中介绍的因果关系阶梯的“第二梯级”。作者描述了如何使用因果图来确定实施干预的因果效果。吸烟对结果(如肺癌)的影响。“前门准则”和“微积分”被作为工具引入。本章以两个例子结束，用来介绍使用工具变量来估计因果关系。第一个是约翰·斯诺发现霍乱是由不卫生的供水引起的。第二个是胆固醇水平和心脏病发作可能性之间的关系。
第八章：反事实：探索关于“假如”的世界
本章考察因果关系阶梯的第三级:反事实。本章介绍了“结构性因果模型”，它考虑以传统(非因果)统计方式不能对反事实进行推理的问题。然后，探讨反事实推理在气候科学和法律领域的应用。
第九章：中介：寻找隐藏的作用机制
这一章讨论的是调节:一因导致一果的机制。作者讨论了芭芭拉·斯托达德·伯克斯关于儿童智力成因的工作，芝加哥公立学校的“全民代数”政策和使用止血带治疗战争伤口的例子。
第十章：大数据，人工智能和重要问题
最后一章讨论了因果推理在大数据和人工智能(AI)中的应用，以及人工智能必须反思自身行为的哲学问题，而这需要反事实(因果)推理。
致谢
朱迪亚·珀尔的网页上提供了科学背景、摘录、勘误表和《为什么》一书的37篇评论
《为什么》一书由乔纳森在《纽约时报》进行评论，这篇评论是正面的，尼称这本书“具有启发性”。然而，他将这本书的某些部分描述为“具有挑战性的”，称这本书“对于那些不像作者那样喜欢数学方程的读者来说，并不总是能够完全理解”。
蒂姆·莫德林在《波士顿评论》上对这本书发表了褒奖不一的评论，称其为“对因果分析技术现状的精彩概述”。然而，莫德林批评将“反事实”作为“因果阶梯”上的一个单独的梯级，他指出，反事实与因果主张是如此紧密地交织在一起，以至于不可能只考虑因果而不考虑反事实。莫德林还批评了关于自由意志的部分，因为它“不精确，对哲学文学不够熟悉”。最后，他提到了几位科学家的工作(包括克拉克·格利莫尔)，他们提出了与珀尔类似的想法，并声称珀尔“如果被告知这项工作，他本可以节省多年的努力”。
在反驳中，珀尔指出，他不仅被告知了这些科学家的工作，而且还积极参与了这些科学家的创造。此外，在《为什么》一书中描述的关键发展，其中包括(1)识别分析，(2)反事实的算法化，(3)中介分析，(4)外部有效性，远远超过2000年前时代的狭隘哲学文献。
佐伊·哈克特在《化学世界》上对《为什么》一书给予了积极的评价，并告诫说，“这需要注意力集中，需要勤奋努力，才能解决书中提出的令人费解的统计问题。”这篇评论的结论是:“他的书对于任何认真学习科学哲学的学生来说都是必读的，而且应该是所有本科一年级统计学课程的必读书目。”
丽莎·r·戈德堡在《美国数学学会公告》上写了一篇详细的技术性评论。
编者推荐
集智学园课程推荐
图灵奖得主朱迪亚·珀尔教授认为，当下正在进行一场改变数据科学的新革命 ”因果革命“。它以科学为中心，涉及从数据到政策、可解释性、机制的泛化，再到一些社会科学中的归因和公平性问题，甚至哲学中的创造性和自由意志 。本季读书会以Elements of Causal Inference一书为线索，主要展现因果科学在机器学习各个方向上的影响，包括强化学习、迁移学习、表示学习等等，并分享在工业界的部分应用成果。本季读书会梳理了因果科学的核心内容，理解它如何改变数据科学，助力 AI 系统超越曲线拟合和获得回答因果问题的能力。
因果推断与机器学习领域的结合已经吸引了越来越多来自学界业界的关注。第一季读书会主要关注了因果科学在机器学习方向上的前沿应用，为深入探讨、普及推广因果科学议题，第二季读书会着力于实操性、基础性，带领大家精读因果科学方向两本非常受广泛认可的入门教材：Causal inference in statistics: A primer和Elements of causal inference: foundations and learning algorithms。读书会以直播讨论为主，结合习题交流、夜谈、编程实践、前沿讲座等多类型内容，主要面向有机器学习背景、希望深入学习因果科学基础知识和重要模型方法、寻求解决相关研究问题的研究人员。
“因果”并不是一个新概念，而是一个已经在多个学科中使用了数十年的分析技术。通过前两季的分享，我们主要梳理了因果科学在计算机领域的前沿进展。如要融会贯通，我们需要回顾数十年来在社会学、经济学、医学、生物学等多个领域中，都是使用了什么样的因果模型、以什么样的范式、解决了什么样的问题。我们还要尝试进行对比和创新，看能否以现在的眼光，用其他的模型，为这些研究提供新的解决思路。
“因果+X”就是要让因果真正地应用于我们的科学研究中，不管你是来自计算机、数理统计领域，还是社会学、经济学、管理学领域，还是医学、生物学领域，我们希望共同探究出因果研究的范式，真正解决因果的多学科应用问题，乃至解决工业界的问题。
文章推荐
因果推断：现代统计的思想飞跃 | 集智俱乐部 (swarma.org)
Stephen Wolfram专访Judea Pearl：从贝叶斯网络到元胞自动机 | 集智俱乐部 (swarma.org)
集智俱乐部x零犀科技因果派子品牌发布会暨第一届因果派论坛圆满举行 | 集智俱乐部 (swarma.org)
因果科学入门读什么书？Y. Bengio博士候选人的研读路径推荐
历时3个月，全球32位讲者，共同讲述因果科学与Causal AI的全景框架！
相关路径
- 因果科学与Casual AI读书会必读参考文献列表，这个是根据读书会中解读的论文，做的一个分类和筛选，方便大家梳理整个框架和内容。
- 因果推断方法概述,这个路径对因果在哲学方面的探讨，以及因果在机器学习方面应用的分析。
- 因果科学和 Causal AI入门路径，这条路径解释了因果科学是什么以及它的发展脉络。此路径将分为三个部分进行展开，第一部分是因果科学的基本定义及其哲学基础，第二部分是统计领域中的因果推断，第三个部分是机器学习中的因果（Causal AI）。
- 因果纠缠集智年会——因果推荐系统分论坛关于因果推荐系统的参考文献和主要嘉宾介绍，来源是集智俱乐部的因果纠缠年会。
参考文献
- ↑ Judea Pearl – A. M. Turing Award winner, ACM, retrieved March 14, 2012.
- ↑ Goth, G. (2006). "Judea Pearl Interview: A Giant of Artificial Intelligence Takes on All-Too-Real Hatred". IEEE Internet Computing. 10 (5): 6–8. doi:10.1109/MIC.2006.107. S2CID 9932352.
- ↑ Gold, Virginia (March 15, 2012). "Judea Pearl Wins ACM A.M. Turing Award for Contributions that Transformed Artificial Intelligence". The Association for Computing Machinery. Archived from the original on March 17, 2012. Retrieved March 15, 2012.
ACM, the Association for Computing Machinery today named Judea Pearl of the University of California, Los Angeles the winner of the 2011 ACM A.M. Turing Award for innovations that enabled remarkable advances in the partnership between humans and machines that is the foundation of Artificial Intelligence (AI).
- ↑ Judea Pearl author profile page at the ACM Digital Library
- ↑ Fonda, Daren (September 27, 2003). "On the Trail of Daniel Pearl". TIME. Archived from the original on October 1, 2003. Retrieved July 20, 2011.
- ↑ Escobar, Pepe (June 28, 2003). "Who killed Daniel Pearl?". Book Review. Asia Times Online. Archived from the original on June 29, 2003. Retrieved July 20, 2011.