《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