1樓：Halo9Pan
這本書是和 Dana Mackenzie 合著的，面向大眾的暢銷科普書籍。 Dana Mackenzie 雖然也是數學博士，但本身更多是一位科普作家。最近 Judea Pearl 2016 年出版的，更偏教材風格的 Causal Inference in Statistics:
A Primer，最近也有翻譯版出版了，高等教育出版社的《統計因果推理入門（翻譯版）》，感覺這本書比《為什麼》熱度差遠了。
統計因果推理入門（翻譯版） [Causal Inference in Statistics：A Primer]
2樓：Demo
佛學裡面的因明三相推理：
如果把不把佛學當做宗教來看，只看他的哲學部分，不得不讓人讚嘆！1、因，也叫理由，指下這個結論的理由；
2、同品周遍：即從正面推理，並具周遍性。
3、異品周遍：從反面推理，並具周遍性。
想要宗法成立，則因必須在宗法和所立上存在才可以。
例如：宗法：張三
立宗：肯定是佛教徒
因：不吃肉故
同品周遍：凡是不吃肉的都是佛教徒
異品周遍：若不是佛教徒，就一定吃肉
分析：不吃肉（因）在有法存在：張三不吃肉，在所立也存在：佛教徒也有不吃肉的，所以宗法是成立的。如果同品周遍和異品周邊也沒問題，這個立論就能成立。
同品周遍：凡是不吃肉的都是佛教徒。不一定，外道也有不吃肉的情況，故同品周遍不成立。
異品周邊：若不是佛教徒，就一定吃肉。不一定，佛教徒也有吃肉的，故異品周遍不成立。
同品周遍和異品周遍都不成立，那這個立論就無法成立。
3樓：帥氣眼鏡
去年一位老先生推薦給我的。讓我對causality 和 correlation 有了更深的認識。以及我一直在搞的實驗設計。
關於因果關係（複雜點的，不能機械性描述推導的情況）是否只能用對比實驗來建立，也引起了我個人非常多的思考。整本書沒有什麼數學，但是非常的thought provoking。老爺子儼然已經成為哲學家了。
希望以後有機會跟他面對面交流。
可惜之前沒堅持看完。準備重新撿起來看。
4樓：呆萌君學統計
這應該是我最近兩年看過最好的科普讀物之一！立足於解釋因果分析，透過現象看本質。
最近在學習中介分析 (Mediation analysis)，順便看了一下第九章的內容，真是精彩。隨手放兩個學習筆記，僅供參考：
呆萌君學統計：中介分析學習筆記 1：總效應 = 自然直接效應 + 自然間接效應？
呆萌君學統計：中介分析學習筆記 2: 修飾效應與中介分析的誤區
另外，順便讀了一遍中文版的 《為什麼》。儘管有一些小瑕疵(第九章案例資料放錯)，但瑕不掩瑜。強烈推薦！！！
5樓：barely
不敢談評價，只能說說自己讀完一遍的感受。現在的感覺就是很震撼，重新整理了我的認知，讀到了目前機器學習與深度學習的教科書裡面幾乎隻字未提的東西，可能是因為因果推斷更加偏向統計學而不是電腦科學吧。
作為一本科普向的書我覺得這本書寫的非常好，書裡面的公式屈指可數，雖說書裡面大多的例子都是生物醫學或者社會科學，對我這個學計算機的人而言不是特別了解，但是偏偏因果圖這個模型又能很自然的幫我們把問題理順。但是，作為科普著作個人覺得這本書還是有一定難度的，有的地方敘述很繞，有的名詞很難解釋，比如充分因和必要因那塊，看的我雲裡霧裡，不看公式的話完全不知道在說啥，很多概念讀完我還是很模糊，計畫再讀第二遍理理思路。建議各位讀的時候還是抱著讀教科書的方法來讀，讀的過程中就把概念和邏輯理清楚一點，不要重蹈我的覆轍。
最後，不太了解現階段除機器學習與深度學習之外的其他搞人工智慧的路子，而且深度學習的問題大家也都心知肚明，老爺子在書裡說的深度學習處在因果關係之梯的第一層（也即發掘相關關係）完全是大實話。或許因果推斷會是人工智慧的乙個突破口吧，能讀到這本書還是蠻幸運的。
6樓：Warrior
作為乙個學過高階計量的本科生，讀完前三章覺得老爺子的批判有些無病呻吟，工具變數，GMM不是已經可以解決內生性的問題了嗎？直到看完第四章才恍然大悟，僅僅只注重相關性而輕視因果關係確實會造成許許多多的問題。變數之間在很多時候並不能簡化成簡單的對映關係，而應該看做成乙個複雜的因果網路。
7樓：Zz.先生
讀完兩遍，太喜歡這本書了
作為一本科普向讀物，可以說是非常到位。沒有太多的數學要求，主要從例項出發介紹背後的規律。即使沒有搞明白技術細節，書中豐富的例項也能帶來對因果認識的飛躍。
缺點就是表達不嚴謹，技術細節沒有全面展示，行文線索不明確，要點散亂。諸如do演算、sem等重要概念都沒有用標題強調，也沒有嚴謹的定義。如果想搞懂整套因果計算框架如何執行，TBOW 並不能滿足需求。
8樓：朱子寧
如果把康德和Pearl的想法連起來看，會發現很多觀點都能遙相呼應。
Pearl說，資料本身只有相關性，而因果性是人在處理資料的時候想到的。康德說，理性由從外界獲得的經驗，加上「先天綜合判斷」，組合而成。相關性從經驗裡來，因果性從先天的綜合判斷裡來。
Pearl說，因果聯絡可以用structural causal model表現。這些模型的構成是遵循一系列「規矩」的，比如有乙個因素導致另乙個變數啦，乙個因素導致很多個變數啦，等等。康德說，先天的綜合判斷是遵循一系列範疇的，比如單一，全部，因果，之類。
Pearl說，如果沒有好好地做mediation analysis，沒有排除干擾因素（confounding factor），可能會基於同一組資料，對同一件事情的原因產生不一樣的解讀。康德說，事物並不會向我們（觀察者）展現完全的真相。從經驗出發，探索事物本身的真相（「物自體」）的時候可能會出現先驗幻象。
說吸菸導致肺癌說得通，說干擾因素而非吸菸導致，看起來也靠譜。基於現有的觀測，正反都說得通，這就是二律背反呀。
最近一邊讀一邊覺得康德的這個框架像個筐，很多理論往裡面裝，能放得穩穩的。形上學的東西還是要用形而上的辦法來批判（後來的哲學家應該把筐發展，修補得更好了吧... 回頭我找時間慢慢看）
（剛開始看哲學書。理解不對，用詞不准的地方請鍵盤下留情~）
9樓：李琅軒
首先肯定下老爺子的精神，但是因果關係也一定不是通往通用人工只能的道路！我們需要更加純粹的東西，連因果關係都是非常後天的東西了，很多純粹的「關聯「或」無關聯「如場景記憶等等才能幫助實現AGI，think like a baby！ 而且現階段也不必太在意機器學習深度學習的可解釋性問題，應用的上限遠沒能觸碰到。
10樓：
評價算不上，但可以談談自己的一些思考：
朱迪亞·珀爾(Judea Pearl)的《為什麼》《the book of why》(英文名跟《易經》《the book of change》的命名很相似)。
學過概率論讓我們能分辨」相關不是因果「，大資料和機器學習的興起甚至會告訴我們」相關性就夠了「。《為什麼》這本書表達了真實世界的執行可能是相關性的，因果性是大腦的機制讓我們產生的主觀幻覺。正如《金剛經》有云：
「凡所有相，皆是虛妄。若見諸相非相，則見如來。」
即使是幻覺，因果性這種幻覺跟自由意志這種幻覺類似，都很有用。之前的《未來簡史》《盲視》以及《神經漫遊者》等作品都質疑過自由意志的存在以及作用等等，但看破自由意志的幻覺並認為沒有自由意志和感覺到自由意志兩件事並不矛盾。
有自由意志才能談得上動機，而動機才提供了對行為的解釋，有自由意志才能更快捷地呼叫整個系統，AI需要自由意志幻覺才能理解人的意圖。而通過機制構造出因果性的幻覺，是構造自由意志的關鍵。
（P.S.其實說到幻覺，除了推薦佛學的《金剛經》外，還推薦邁克斯·泰格馬克的《穿越平行宇宙》，裡面提出了數學宇宙的假設——從數學性質的出發，一切都是數學通過物化的各種不同機制產生的幻覺，我們生活只不過是從已有的數學中獲得體驗。）
11樓：Mon1st
除非你已經非常熟悉因果圖，只是想聽故事，否則不要買 audible…
TBOW 對我最大的幫助是揭示了一些與因果有關的認知偏差。包括三門問題和辛普森悖論等。這對我來說很有意思，因為這些例子反應了人腦處理統計資料的模式——基於常識的因果關係。
書中有一句話我很認同，大意是要解決乙個悖論，僅僅從數學上證明事實如何是不夠的，還得說明為什麼人們會覺得它是乙個悖論。
此外還有乙個原因讓我喜歡這本書：Pearl 自稱輝格史學家 (Whig Historian)，即用今人（其實是他自己）的眼光來評價歷史人物與事件。事實上他也給出了非常多個人的觀點。
這是我個人很喜歡的風格*，但也許不適合所有人。
至於他的因果推理理論，其實書中的內容一章就可以講完。這本書的主要內容是歷史（劃去）以及對敵人的批判（/劃去）。所以如果感興趣的只是因果推斷理論還是建議去看綜述，他寫了好多。
*如果你也喜歡輝格學術史的話，順便推薦一本風格有點像的，Judith R Harris （才發現兩個人文風相似，年齡也差不多哈哈） 的 The Nurture Assumption。
12樓：Tg124
這本書非常值得一起看尤其是對 causality 或者 causal inference 非常感興趣的朋友我非常推薦大家看英文原版書。Prof. Judea Pearl 不僅學術造詣深厚而且他的英文寫作真的是超一流。
讀這本書的時候我就感受到老教授的深厚文學功底。讀這本書雖然有時候需要點基礎的資料概率統計的知識但是通偏讀下來收穫非常大。建議仔細讀兩遍。
13樓：ELPSYCONGROO
不請自來~剛剛打算轉機器學習方向，正在研讀此書。怎麼說呢，這本書沒有太多數學公式，但恰好解釋了我自己學概率論和機器學習時候的好多疑惑。或許機器學習真的需要迎來一場大變革了~超越P(A|B)的大變革~
14樓：Tch.Zhou
還沒有買來看，我想應該是值得一看的書。在這裡只說下對看到去年Judea Pearl教授講座無人問津這個新聞後個人的一些感想。（只是人沒那麼多，再加上照相的方向沒有人，所以給人無人問津的錯覺）
我覺得Judea Pearl教授在AI大行其道的現今說出「深度學習成果加起來不過是曲線擬合罷了」只不過是句大實話罷了，現階段基於概率論和統計學的AI或者真的已經到頭了（這麼說可能有些不妥，或許說成是「能做到的程度也就這樣子了」更妥一些）。以現階段的成就來看，「人工智慧」四個字真的有些魔幻色彩。希望老爺子的觀點能讓真熱愛AI的人們走出「換著法子擬合」的怪圈，開闢出一條通往真正AI的道路。
如何評價如何評價19 20賽季切爾西的總體表現？
軒轅吱吱 總的來說，19 20賽季切爾西的表現是令人滿意的。如果打分的話，70分吧。賽季初主教練出走，核心出走，轉會禁令，大面積球員傷缺就決定了我車的開局就是困難模式。一整個賽季裡，我們用著履歷裡只有一年英冠球隊職教經歷的菜鳥主教練蘭帕德，提拔了一大批之青年球員，包括芒特 亞伯拉罕 里斯詹姆斯 祖瑪...
請問如何評價 如何評價
YIMING REN 要想清楚，如何評價如何評價，到底是一種怎麼樣的存在。羅曼 羅蘭說過一句富有哲理的話，只有把抱怨環境的心情，化為上進的力量，才是成功的保證。這句話語雖然很短，但令我浮想聯翩。吉姆 羅恩說過一句富有哲理的話，要麼你主宰生活，要麼你被生活主宰。這不禁令我深思。帶著這些問題，我們來審視...
如何評價 Type is Beautiful 的 孔雀計畫 ？
郝海龍 在第二篇 中西之別 重考 中，ric 提到 作為母語者，我們對此的認識往往很模糊，這其實是 只緣身在此山中 的狀態。為了看清中文字型排版的特性，不妨拿一塊 他山之石 西文排版過來試做一番比較，也許這樣可以幫助我們透過現象來看一些中文排版的本質。這其實是一種能夠帶給我們新思路的研究方法。在中文...