首先,在我们进化的早期,我们人类意识到 世界不仅仅是由枯燥的事实 (我们今天可能称之为数据) 组成 ;相反,这些事实是由一个错综复杂的因果关系网粘合在一起的。
第二,因果解释,而不是干瘪的事实,构成了我们的大部分知识,应该是机器智能的基石。最后,我们从数据处理器到解释制造者的转变并不是渐进的;这是一个飞跃,需要一种不常见的水果的外部推动。这与我在《因果阶梯》中所观察到的理论非常吻合:没有机器可以从原始数据中得出解释。它需要推动。如果我们从进化科学中寻求这些信息的证实,我们当然不会找到知识树,但我们仍然看到了一个重大的无法解释的转变。
因果关系的三个层次到目前为止,我可能给人的印象是,把我们对世界的认识组织成因果关系的能力是一蹴而就的。事实上,我对机器学习的研究告诉我,一个因果学习者必须掌握至少三个不同层次的认知能力:看、做和想象。第一,看到或观察,需要检测我们环境中的规律,这是认知革命之前的许多动物和早期人类所共有的。第二,做,需要预测有意改变环境的影响,并在这些改变中做出选择,以产生预期的结果。只有少数物种展示了这种技能。使用工具,如果它是有意的,而不是偶然的或从祖先那里复制的,可以被视为达到第二个层次的标志。然而,即使是工具用户也不一定拥有他们的工具的“理论”,告诉他们为什么它能工作,以及当它不能时该做什么。为此,你需要达到允许想象的理