《The book of why》读书笔记(二)--第一章:因果关系之梯

《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 ” 。 \color{#FF3030}{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”。} 1.

  • 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 : \color{#FF3030}{2.因果关系之梯的三个层级:} 2.
在这里插入图片描述

  • 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 。 \color{#FF3030}{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。} 3.

  • 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 。 \color{#FF3030}{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。} 4.

  • 该测试仅考察了机器地推理能力

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 。 \color{#FF3030}{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。} 5.使

  • “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 。 \color{#FF3030}{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。} 6.使

  • 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 。 \color{#FF3030}{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。} 7.

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 。 \color{#FF3030}{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。} 8.K

  • 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 。 \color{#FF3030}{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。} 9.

《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

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值