這本書從七月到八月中，終於看完一遍。先說我的背景，是理工，在學校未學過機率與統計，但是在去年因為學習人工智慧，才稍微摸到皮毛。看過很多人評論這是一本難懂的書，對我而言，卻覺得這本書其實寫得還算淺顯易懂，可能是剛好上過coursera 「概率图模型 專項課程」，第一堂課。對於其中的定義，以及最後幾章的數學公式，有所理解。買這本書的動機，是因為對於「貝氏定理」不理解，真的是買對了，因為就是這位作者利用貝氏定理，在上個世紀做的題目，由他娓娓道來，自然更容易懂了。作者在書裡，我覺得說不清楚的地方，是「置信度傳播」，這也是他發明的做法。這裡需要參考網路上其他人的說明，倒也不是難事。 作者在條件機率上加上 do ，最後消去使得 do 等於 see ，也就是人類可以利用推理，就可以達成他在書上所說第二層，以及第三層反事實，講得頗為精妙。他也說了一個小故事，是由一位物理博士田津寫出來的，當這簡單的數學公式發表，眾人都不敢相信。 順帶一提的是前幾天，Yann Lecun演說反駁的就是這位作者主張現在的神經網路無法完成因果推論。
Judea Pearl為當代開發AI理性邏輯的重要學者，並於2012年獲得圖靈獎，他很早認定統計數據分析並不能帶給AI智慧，故他先出版了”Causality: Models, Reasoning, and Inference”(2000年第一版和2009年第二版，後者有簡體版），為了幫助學術讀者理解其中的技術細節，他於2016年撰寫”Causal Inference in Statistics: A Primer”；爾後希望用淺顯易懂表達關鍵思想給普羅大眾，隨後與數學博士兼科普作家Dana Mackenzie合著”The Book of Why（即本書），然而仍內容越到後面越發艱澀，不適合外行人看！
百年來就陸續有科學家思考此一問題，希望能夠找到方法，不必做實驗，只透過資料分析，就能解開因果問題。但一直到前幾年，才由圖靈獎得主 Judea Pearl 集其大成，他從貝氏機率出發，發展出貝氏網路，進而發現因果的3層階梯，最後終於發明了因果網路，一舉破解因果之謎， 拿下 ai 研究的重大聖杯。
Judea Pearl 的名言是 “Mind over data”(思想勝過資料)，因果推論的原理是由邏輯推理所驅動，而機器學習的方法是由資料所驅動。他認為人類智慧的運作方式更趨近於邏輯推理驅動，而非資料驅動。這也是為何神經網路要看過1萬隻貓後，才能學會辨識出貓，而人類的嬰兒只要看過1隻貓，一輩子都有能力辨識出各種千奇百怪的貓，智慧高下立判。
因果推論是 ai 科學的下一代殺手兵器，Judea Pearl 透過此書把他精巧的軍備全盤托出，毫無保留，奉獻給世人。受到他的啟發，當今世上各種因果推論的應用正在嘗試展開，而 DeepMind、Netflix 等先驅公司也都紛紛投入資源，開始探索這個領域。
部份詞語疑自行按字面轉翻且拿捏有疑。如 p.277稱「若非因果關係」。此譯法除不通用，與上下文連結也會造成句意不清之閱讀困難。應指But For Causation「若無、則非（則不發生其果）」因果關係。稱「若非因果關係」會改變句子文意。中文裏沒有專有名詞開頭大寫的處理，現在也沒什麼人在用私名號來標示專有名詞以防混淆了。
這本書從七月到八月中，終於看完一遍。先說我的背景，是理工，在學校未學過機率與統計，但是在去年因為學習人工智慧，才稍微摸到皮毛。看過很多人評論這是一本難懂的書，對我而言，卻覺得這本書其實寫得還算淺顯易懂，可能是剛好上過coursera 「概率图模型 專項課程」，第一堂課。對於其中的定義，以及最後幾章的數學公式，有所理解。買這本書的動機，是因為對於「貝氏定理」不理解，真的是買對了，因為就是這位作者利用貝氏定理，在上個世紀做的題目，由他娓娓道來，自然更容易懂了。作者在書裡，我覺得說不清楚的地方，是「置信度傳播」，這也是他發明的做法。這裡需要參考網路上其他人的說明，倒也不是難事。 作者在條件機率上加上 do ，最後消去使得 do 等於 see ，也就是人類可以利用推理，就可以達成他在書上所說第二層，以及第三層反事實，講得頗為精妙。他也說了一個小故事，是由一位物理博士田津寫出來的，當這簡單的數學公式發表，眾人都不敢相信。 順帶一提的是前幾天，Yann Lecun演說反駁的就是這位作者主張現在的神經網路無法完成因果推論。
作者對於統計學界長年忽視因過推論這件事，非常不能苟同，至今還是有很多學者對於路徑分析、結構方程的因果推論性存疑，作者急欲證明因果數學的效力絕對不亞於「實驗操弄」，便出了本書，想讓一般大眾了解作者的理論，據此改變整個統計學界。可惜的是，作者出了一本一般大眾根本看不懂的書，別說普通人了，就連讀過一般統計學的人也看不懂，我也是念到研究所才知道路徑分析和結構方程這些玩意。作者刻意採用「非數學」的語言，以為這樣就能讓變成通俗讀物，可惜弄巧成拙，有些東西就是必須要用數學來表達，硬要用通俗語言只會弄得更隱晦難解。本書的因果數學，其中最基礎的 do 運算子，從頭到尾都沒說清楚是什麼 (白話當然說不清楚)，這使得後續的因果數學完全不知所以然。作者的思維層級早已遠超一般人，已經難以想像一般人的背景知識與自己到底有多大的差距，例如，作者在某段艱深難懂的推論後說明「相信讀者現在一定跟我一樣興奮」，顯現出作者強烈的投射作用，表面上想以白話的方式來呈現，又不經意地把讀者當成統計專才，書中常常提到「執行對照」，我打賭只念過一般統計學的人不會知道這是什麼東西。
個人認為，至少需要統計本科系、碩士級或以上的學術訓練，才能一窺本書奧秘，如果是衝著人工智慧來看的，保證你大失所望，作者只有一章談論人工智慧，講的無非是因果推論才是未來真正 AI 的解方，但作者本人卻已離開人工智慧的領域許多年了。這本書我讀得很痛苦，我大學時念過一般統計學，考研究所念第二遍，上研究所後了解一些進階的統計技術，但對於閱讀本書的門檻來說，我只是半吊子，所以我才說保證一般人連皮毛都看不懂。當然，也不是整本書都看不懂，書中談到各種統計悖論、或是假性相依等現象是挺有趣的，但收穫實在不多，完全不推薦一般大眾來閱讀。
天天爆殺 
今日66折 
博客來
博客來
博客來
博客來
博客來
常見問題
線上客服
客服信箱