珀爾認為，這是一個可實現的目標，而且并不需要擔心“強”人工智能會損害人類利益，“因為因果推理模型將使AI能夠反思它們自身的錯誤，找出軟件的弱點，充當道德實體，幫助我們作出決策”，通過在AI上模擬人類的思維方式，可以讓我們更加了解自己。

2016年，在大數據的幫助下，人工智能（AI）圍棋軟件AlphaGo在系列賽中以4:1戰勝了世界圍棋頂尖高手李世石，震驚了全人類。

當時網絡上有人戲謔道：“人工智能贏了不可怕，至少說明它還不懂得韜光養晦，如果它假裝輸給人類，那才更加可怕。”這句看似戲言的話，卻暗藏了人工智能當前最大的發展瓶頸：只會學習和處理數據，卻不懂得像人類一樣去思考和模擬存在于數據之外的其他可能性。

正因如此，人工智能領域先驅、2011年圖靈獎得主朱迪亞·珀爾在本書中直言不諱地寫道：“數據非常愚蠢。”珀爾認為，當前的人工智能學習系統幾乎完全以統計模式運行，這在理論上嚴重限制了AI的發展。

作為本書的核心內容之一，作者把認知能力分為三個等級，而統計行為僅處于最底層的“觀察”級別。所謂“觀察”即是根據數據（經驗）積累來尋找不同變量之間的相關性，同時觀察者無需對變量施加任何影響。例如，AI只需分析銷售數據即可得出超市中餅干與巧克力之間的銷量存在一定相關性，這就是最基礎的認知能力。

但如果將餅干的售價提高一倍（假設之前從未發生過），巧克力的銷量會發生什么變化呢？基于大數據分析的AI并不能準確地回答這個問題，因為從過往的銷售數據中無法得出客戶見到餅干漲價后的行為。這時候想要了解漲價后的銷售情況，AI就必須主動對變量進行“干預”，進行分組測試，根據測試結果來預判餅干漲價對巧克力銷量的影響。“干預”能力是AI擺脫被動接受數據，轉而主動創造數據的關鍵一步。

最高級別的認知能力則是“想象”，即設想一個與現實不同的情景，比如假如昨天把巧克力的售價降低一半，餅干的銷量會發生什么變化，然后預測它的結果。“想象”能力是如此重要，在人類簡史作家尤瓦爾·赫拉利眼里，數萬年前正是這種想象不存在事物的能力，引發了人類的認知革命，從而創造了今天的人類文明。

在珀爾眼里，人類的認知能力之所以能超越“觀察”，達到“干預”和“想象”的級別，是因為我們天生擁有一顆善于發現并理解“因果關系”的大腦，這也是我們目前仍領先AI的地方。不過嚴格來說，如同對“時間”或“意識”的理解一樣，在哲學、科學界對于什么是“因果關系”至今仍未有一致的定論。

幸運的是，作為一名計算機科學家，珀爾并不需要挑戰“因果關系是什么”這一世紀難題，他只需用計算機能理解的語言描述在哪種情況下，不同變量之間可以被認為存在“因果關系”而不僅僅是相關性即大功告成。簡而言之，作者的雄心在于破解因果關系背后的數學邏輯，然后建立一個可算法化的因果推理模型，并讓計算機學會這個模型，由此即能創造出懂得如何思考和推理的“人工智能科學家”。這個AI科學家將如同超級加強版的愛因斯坦一樣，了解如何設計新的實驗，發現未知現象，找到懸而未決的科學困境解釋，并不斷地從學習中提煉出更多嶄新的知識。

書中提到的“結構因果模型（SCM）”正是珀爾想要與我們分享的最新研究成果，該模型由概率圖模型、結構方程模型（SEM）和反事實算法組成。概率圖模型是SCM主要的數學基礎，由作者于1985年提出的貝葉斯網絡構成。貝葉斯網絡又被稱為信念網絡，用以計算多個變量間的聯動概率，有助于理解數據之間的內在聯系。比如，當你想分析氣溫和餅干、巧克力銷量三者有何關聯時，貝葉斯網絡就能派上用場。

想要進一步確認因果關系，僅靠貝葉斯網絡是不夠的，需要用反事實算法進行干預，控制其中一個或多個變量，再去觀察結果，這也是科學研究的開端。除了直接干預之外，反事實算法還可以預測干預及模擬未干預時的結果，而結構方程模型則以清晰的語義將概率圖模型與反事實算法相關聯。

在現實世界里，一個變量周邊可能存在著無數混淆因素，想要抵消這類因素的影響必須做隨機對照試驗（RCT）。作者為此設立了判斷規則，規定哪些變量應該被控制，哪些可以被無視。

珀爾的研究成果在于，只要你將兩個變量置入他的結構因果模型，并列出模型要求的所有相關因素，而又根據規則排除了其他混淆因素，此時如果兩個變量之間依然存在協同變化，那你就有充分的權利得出結論，兩者之間存在因果關系。

作者此書的目的是描述如何構建“強”人工智能，一個可以理解因果關系、懂得思考并能和我們直接無障礙交流的，甚至可以說是擁有自由意志的智能機器人。珀爾認為，這是一個可實現的目標，而且并不需要擔心“強”人工智能會損害人類利益，“因為因果推理模型將使AI能夠反思它們自身的錯誤，找出軟件的弱點，充當道德實體，幫助我們作出決策”，通過在AI上模擬人類的思維方式，可以讓我們更加了解自己。

對于一艘沒有目標的船而言，所有風向都是逆風，在這本書里，珀爾凝聚了畢生的研究成果，用相對通俗的語言，在層層迷霧中為人工智能的未來發展指明了方向。

任何對人工智能發展、大數據分析、深度學習等話題感興趣的閱讀愛好者，都不應該錯過這本人工智能大師珀爾的集大成之佳作。

（作者系第一財經編輯，本文是《The Book of Why: The New Science of Cause and Effect》一書概要，該書獲評2018“第一財經·摩根大通年度金融書籍”年度英文書籍獎）

————

編輯?∑Gemini

?來源：第一財經

?數學家探索兩個幾何世界之間的鏡像鏈接

?數學天才帕吉特：他有如電影般的人生際遇

?世界上最奇怪的數學天才，被獎勵100萬卻拒領，寧愿過得像乞丐

?斯坦福大學教育學院院長：學習本身就是一門學問

?如果沒有數學，我們如何測量

?數學的真相：物理時空的數字模型還是現實本身？

算法數學之美微信公眾號歡迎賜稿

稿件涉及數學、物理、算法、計算機、編程等相關領域，經采用我們將奉上稿酬。

投稿郵箱：math_alg@163.com

歡迎加入算與數學術交流群，請添加微信：nhyilin

總結

以上是生活随笔為你收集整理的珀尔：数据非常愚蠢，领会因果关系才是理解世界的关键的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。