《The book of why》读书笔记（二）–第一章：因果关系之梯
本文是接着上一篇读书笔记来写的。本文依旧按书中的章节来分享的，文中红色字为书中的原文，而黑色字是我自己的一些想法。如果大家对问中内容有其他间接，欢迎评论！
1.事实是通过错综复杂的因果关系网络融合在一起的。因果解释而非枯燥的事实构成了我们大部分的知识，它应该成为机器智能的基石。我们从数据处理者向因果解释者的过渡不是渐进的，而是一次“大跃进”。
- 这里的事实其实就是说数据，虽然说数据仿佛就可以构成世界，但是如果数据之间没有内在的因果关系，则无法构成世界。也因此，机器的智能应该向因果性靠拢。
2.因果关系之梯的三个层级：
- 处于第一层级的是关联，在这个层级中我们通过观察寻找规律。如果观察到某一事件改变了观察到另一事件的可能性，我们便说这一事件与另一事件相关。
干预比关联更高级，因为它不仅涉及被动观察，还涉及主动改变现状。（“刻意干预”）
反事实与数据之间存在着一种特别棘手的关系，因为数据顾名思义就是事实。数据无法告诉我们在反事实或虚构的世界里会发生什么，在反事实世界里，观察到的事实被直截了当地否定了。
3.一个足够强大的、准确的因果模型可以让我们利用第一层级（关联）的数据来回答第二层级（干预）的问题。
- 由此可见，因果模型才是解决因果问题的关键。同时，人为什么对于各种数据（小样本、低质量、不平衡）通常都可以进行问题解决，而深度学习中却要费很大劲儿也不一定成功。因果模型可能就是原因。
4.迷你图灵测试：其主要思路是选择一个简单的故事，用某种方式将其编码并输入机器，测试机器能否正确回答人类能够回答地与之相关地因果问题。
5.如果我们希望计算机能理解因果关系，我们就必须教会它如何打破规则，让它懂得“观察到某事件”和“使某事件发生”之间的区别。
- “打破规则”很值得思考。计算机永远是遵守规则的，而人的创造性很多是来自打破规则，所以打破规则是否就是实现强人工智能的关键。
6.我们需要告诉计算机：无论何时，如果你想使某事发生，那就删除指向该事的所有箭头。
- 在这里，作者用例子引出了因果图。这句话说明了，要执行一个干预的话，应该如何对因果图进行改变。
7.同样的被估量将一直有效，并且只要因果图不变，该被估量就可以应用于新数据，并为特定问题生成新的估计值。我猜想，正是由于具备这种稳健性，人类的直觉才以因果关系而非统计关系为组织的核心。
8.对于“哪些变量要放入背景因子集合K中作为条件”这一问题，还没有一个哲学家能够给出一个令人信服的通用答案。原因显而易见：混杂特是一个因果概念，因此很难用概率来表示。
- 作者先抨击了使用“概率提高”来回答第二层次问题。然后说明了概率学家使用背景因子来完善概率提高也是无法实现的。终究混杂因子也是一个 因果概念。
9.概率能将我们对静态世界的信念编码，而因果论则告诉我们，当世界被改变时，无论改变是通过干预还是通过想象实现的，概率是否会发生改变以及如何改变。
《The book of why》读书笔记列表：
《The book of why》读书笔记（一）–导言：思维胜于数据
