从“大数据时代和机器学习热潮”到“第二次因果革命”,从以数据为中心到数据理解的转变不仅涉及技术上的转变,还意味着更加深刻的范式转换。
因果关系理论与现有机器学习系统的结合,已经开拓了机器学习领域的新思想和新途径。第二次因果革命即将到来?因果推断会是下一个AI热潮吗?一场席卷各个研究领域的“因果革命”正在发生,涉及领域:统计学、基因学、社会科学、经济学、人口学、医疗健康科学、心理学、计算机科学、人工智能科学……
在大数据时代中需要突破“所有知识都来自数据关联”这一框架,亟需因果关系范式融合领域知识、常识约束的问题研究,本书就描述了这样一种体系,介绍了因果关系分析和推断的思想和方法,其中包括do-操作、反事实、原因的充分性与必要性、特异原因、实际原因等内容。“因果性的研究经历了一次重要的转变:从一个被神秘面纱笼罩的概念转变为一个具有明确语义和逻辑基础的数学对象。”在下一个十年里,这个框架将与现有的机器学习系统相结合,从而可能引发“第二次因果革命”。本书第1版曾获2001年拉卡托斯奖,作者朱迪亚·珀尔是2011年图灵奖得主。本书的出版将有利于中国的广大学者、学生和各领域研究人员了解和掌握因果模型、推理和推断相关的内容,在相关领域做出优异的成果。
本书内容
本书全面阐述了现代因果关系分析,展示了因果关系如何从一个模糊的概念发展成为一套数学理论,并广泛用于统计学、人工智能、经济学、哲学、认知科学、卫生科学和社会学等领域。本书提出了一个全面的因果关系理论,它统一了因果关系的概率、操作、反事实和结构方法,并提供了简单的数学工具来研究因果关系和统计关联之间的关系。本书通过融合领域知识、常识约束、文化传承的概念等来补充数据信息,为基于统计的机器学习中遇到的基本问题提供了科学的解决方案。
本书作者
朱迪亚·珀尔(Judea Pearl) 美国国家科学院院士,美国国家工程院院士,美国人工智能协会创始会士,加州大学洛杉矶分校计算机科学和统计学教授,IEEE智能系统名人堂第一批十位入选者之一,被誉为“贝叶斯网络之父”。2011年,Pearl因其在人工智能领域的基础性贡献荣获图灵奖。他提出的概率和因果性推理演算法,彻底改变了人工智能最初基于规则和逻辑的方向。Pearl曾获多项顶级科学荣誉,包括认知科学领域的鲁梅哈特奖、物理学及技术领域的富兰克林奖章以及科学哲学领域的拉卡托斯奖。
本书译者
刘礼 重庆大学教授,博士生导师。获巴黎十一大学博士学位,重庆市高层次人才,一直致力于从事因果学习及其应用研究,主持项目20余项,发表论文100余篇,授权专利近10项,获省部级二等奖1项,入选2022年度AI2000人工智能最具影响力学者。
杨矫云 合肥工业大学副教授,兼任中国计算机学会理论计算机科学专业委员会委员。研究方向包括因果学习、健康数据分析等,主持国家自然科学基金面上项目和青年项目、安徽省重点研究与开发计划等项目10余项,以第一发明人授权中国发明专利4项,美国发明专利2项,出版译著1部,获安徽省教学成果奖二等奖一项(排名1)。
廖军 重庆大学讲师,主要研究方向为因果知识发现、大数据分析技术及其在各领域的应用,主研国家自然基金项目、国家重点研发项目、重庆市重点基金项目近10项,发表SCI期刊及CCF会议论文20余篇,获得华夏(省部级)二等奖一项,主编《大数据基础教程》教材1本。
李廉 合肥工业大学教授,2013-2018年任教育部高等学校大学计算机课程教学指导委员会主任,2014-2019任中国计算机学会理论计算机科学专业委员会主任。获中国计算机学会2020年度“杰出教育奖”。主要从事大数据分析、机器学习、计算智能等领域的研究。获安徽省教学成果一等奖两项,国家教学成果二等奖一项。
大咖推荐
朱迪亚·珀尔的书在没有超出基本概论的前提下,提供了关于因果模型和因果推断的引人入胜的导览,这些