为什么 pdf epub mobi txt 电子书下载 2025

☆☆☆☆☆

朱迪亚·珀尓(Judea Pearl)，现加州大学洛杉矶分校计算机科学教授，“贝叶斯网络”之父，2011年因创立因果推理演算法获得图灵奖，同时也是美国国家科学院院士，IEEE智能系统名人堂第一批10位入选者之一。

目前已出版3本关于因果关系科学的经典著作，分别为《启发法》(1984)、《智能系统中的概率推理》(1988)和《因果论：模型、论证、推理》(2009)。他还获得过多项顶级科学荣誉，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。

达纳·麦肯齐(Dana Mackenzie)，普林斯顿大学数学博士，自由科学记者，知名科普作家，著有《无言的宇宙》等作品，其学术论文多次收录于《科学》《新科学家》《科学美国》《探索》等重量级期刊。

出版者:中信出版集团股份有限公司

作者:[美]朱迪亚·珀尔(Judea Pearl)

出品人:

页数:374

译者:江生

出版时间:2019-7-1

价格:69.00元

装帧:精装

isbn号码:9787521705072

丛书系列:

图书标签:

人工智能
思维方法
因果推断
方法论
思维
科普
因果
统计学

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小哈图书下载中心

qciss.net

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

在本书中，人工智能领域的权威专家朱迪亚·珀尔及其同事领导的因果关系革命突破多年的迷雾，厘清了知识的本质，确立了因果关系研究在科学探索中的核心地位。

而因果关系科学真正重要的应用则体现在人工智能领域。作者在本书中回答的核心问题是：如何让智能机器像人一样思考？换言之，“强人工智能”可以实现吗？借助因果关系之梯的三个层级逐步深入地揭示因果推理的本质，并据此构建出相应的自动化处理工具和数学分析范式，作者给出了一个肯定的答案。作者认为，今天为我们所熟知的大部分机器学习技术，都建基于相关关系，而非因果关系。要实现强人工智能，乃至将智能机器转变为具有道德意识的有机体，我们就必须让机器学会问“为什么”，也就是要让机器学会因果推理，理解因果关系。或许，这正是我们能对准备接管我们未来生活的智能机器所做的最有意义的工作。

具体描述

读后感

评分☆☆☆☆☆

2016年，在大数据的帮助下，人工智能（AI）围棋软件AlphaGo在系列赛中以4:1战胜了世界围棋顶尖高手李世石，震惊了全人类。当时网络上有人戏谑道：“人工智能赢了不可怕，至少说明它还不懂得韬光隐晦，如果它假装输给人类，那才更加可怕。”这句看似戏言的话，却暗藏了人工智能...

评分☆☆☆☆☆

作为一名学习经管类专业的学生，这本书给了我许多更深入的思考。作者作为人工智能领域的专家，对于因果关系的理解鞭辟入里，使人茅塞顿开。例如开篇提及，在统计学课程上，学生们经常被教导“相关性不代表因果”，但往往很多的教导都止步于此——学生们知道了什么不是因果，却...

评分☆☆☆☆☆

“20世纪50年代末60年代初,统计学家和医生就整个20世纪最引人注目的一个医学问题产生了意见冲突:吸烟会导致肺癌吗?在这场辩论过去了半个世纪之后的现在,我们认为答案是理所当然的。但在当时,这个问题完全处于迷雾之中。” 01 — 书比较厚，正文346页，注释26页。内容也相对硬核...

评分☆☆☆☆☆

The ladder of causation Association Predictions based on passive observations Intervention Involving not just seeing but changing what is Counterfactuals Not only experiments, but also need the model of the underlying causal process--"theory" or "a law of n...

评分☆☆☆☆☆

豆瓣要求1周出书评确实有些强人所难，以本书的内容含量来看，是值得开一年的读书会来反复研读的“新经典”。我们或许目睹了《自然哲学的科学原理》、《物种起源》相同级别的书诞生，何其幸哉。如果用一句话来为本书作品，那就是：这是一本你不看也值得买来摆在书架上的书。本...

用户评价

评分☆☆☆☆☆

这本书关于因果讨论可分为两个部分，第一部分注重思想层面的探讨，主要用的是案例和因果图示法，这部分内容值得反复研读，是非常好的思维训练，如果能完全摸透作者这套方法论，对于涉及因果的问题的理解会有质的飞跃。第二部分是作者对技术处理层面的探讨，当然对学术来说这部分很重要，但是普通读者看懂比较困难，但即便忽略所有这些内容，也不影响阅读和吸收这本书的核心内容。当然，作为一本综述性的著作，作者穿插了大量因果理论发展的历史，以及他自己的学术生涯经历，也颇有可看性，且趣味十足。如果你想对因果关系和相关关系有透彻的理解，亦或是想对学术领域成果（涉及因果的结论）有更佳的判断力，那么这本书非常值得一读，特别是作者这套因果图工具，堪称经典。

评分☆☆☆☆☆

非常好看，讲述了因果推断这一个相当新的领域，而且作为一个学统计的，这里面的概念简直是mind-blowing

评分☆☆☆☆☆

当先知，有穿透时代的分析，更要有穿透时代的坚韧。如果今天基于经验主义的人工智能应用真的在未来建立起了归纳、推断、回溯的能力，请记得judea pearl教授。

评分☆☆☆☆☆