Думай «почему?». Причина и следствие как ключ к мышлению

Оглавление

Джудиа Перл. Думай «почему?». Причина и следствие как ключ к мышлению

Предисловие

Введение: Ум важнее данных

Схема реальности

Глава 1. Лестница причинности

Три уровня причинности

Мини-тест Тьюринга

Глава 2. От государственных пиратов до морских свинок: становление причинного вывода

Гальтон и оставленные поиски

Гнев фанатика

Сьюалл Райт, морские свинки и путевые диаграммы

E pur si muove (и все-таки она вертится)

От объективности к субъективности: мост, переброшенный Байесом

Глава 3. От доказательств к причинам. Преподобный Байес знакомится с мистером Холмсом

Bonaparte – компьютер-детектив

Преподобный Байес и проблема обратной вероятности

От байесовского правила к байесовским сетям

Байесовские сети: что причины говорят о данных

Где мой чемодан? От Ахена до Занзибара

Байесовские сети в реальной жизни

От байесовских сетей к диаграммам причинности

Глава 4. Осложнители и наоборот: как убить прячущуюся переменную

Леденящий ужас конфаундеров

Искусное дознание природы: почему РКИ работают

Новая парадигма конфаундеров

Оператор Do и критерий черного хода

Глава 5. Дымные дебаты: на свежий воздух

Табак: рукотворная эпидемия

Комиссия начальника здравоохранения и критерии Хилла

Курение для новорожденных

Страстные дебаты: наука против культуры

Глава 6. Сплошные парадоксы!

Заковыристая задача Монти Холла

И снова об «ошибке коллайдера»: парадокс Берксона

Парадокс Симпсона

Парадокс Симпсона в картинках

Глава 7. За пределами поправок: покорение горы интервенции

Самый простой путь: формула поправки черного хода

Критерий парадного входа

Математика Do-оператора, или сознание над материей

Гобелен, сотканный наукой, или невидимые музыканты Do-оркестра

Любопытная история с доктором Сноу

«Хороший» и «плохой» холестерин

Глава 8. Контрфактивные суждения: глубинный анализ миров, которые могли бы существовать

От Фукидида и Авраама до Юма и Льюиса

Потенциальные результаты, структурные уравнения и алгоритмизация контрфактивных утверждений

О том, как важно видеть собственные допущения

Контрфактивные суждения и закон

Необходимые причины, достаточные причины и климатические изменения

Мир контрфактивного

Глава 9. Опосредование: в поисках механизма действия

Цинга: неверный медиатор

Наследственность или воспитание: трагедия Барбаты Бёркс

В поисках языка (парадокс абитуриентов Беркли)

Дэйзи, котята и непрямые воздействия

Опосредование в линейной стране чудес

Знакомьтесь с «если бы»

Примеры исследований опосредования

Глава 10. Большие данные, искусственный интеллект и важные вопросы

Каузальные модели и большие данные

Сильный ИИ и свобода воли

Благодарности

Заметки

Заметки к предисловию

Заметки к главе первой

Заметки к главе второй

Заметки к главе пятой

Заметки к главе восьмой

Заметки к главе девятой

Библиография

Введение: ум важнее данных

Глава 1. Лестница причинности

Глава 2. От государственных пиратов до морских свинок: становление причинного вывода

Глава 3. От доказательств к причинам. Преподобный Байес знакомится с мистером Холмсом

Глава 4. Осложнители и наоборот: как убить прячущуюся переменную

Глава 5. Дымные дебаты: на свежий воздух

Глава 6: Сплошные парадоксы!

Глава 7. За пределами поправок: покорение горы интервенции

Глава 8. Контрфактивные суждения: глубинный анализ миров, которые могли бы существовать

Глава 9. Опосредование: в поисках механизма действия

Глава 10. Большие данные, искусственный интеллект и важные вопросы

Отрывок из книги

Почти два десятилетия назад, работая над предисловием к книге «Причинность» (2000), я сделал довольно смелое замечание, после которого друзья посоветовали мне умерить пыл. Я написал: «Причинность пережила важнейшую трансформацию – от понятия, овеянного тайной, до математического объекта с хорошо определенным смыслом и хорошо обоснованной логикой. Парадоксы и противоречия были разрешены, туманные понятия были истолкованы, а связанные с причинностью практические задачи, которые долго считались или метафизическими, или нерешаемыми, теперь могут быть разрешены при помощи элементарной математики. Проще говоря, причинность была математизирована».

Перечитывая этот отрывок сегодня, я чувствую, что был весьма близорук. Явление, описанное мной как «трансформация», оказалось «революцией», которая изменила мышление ученых в самых разных науках. Многие сегодня называют это Революцией Причинности, и волнение, которое она вызвала в кругах исследователей, сейчас распространяется на образование и практическую сферу.

.....

Я сознательно упомянул думающие машины в предыдущем абзаце. Я пришел к этой теме, когда занимался компьютерными науками, конкретно искусственным интеллектом, что обобщает две точки отправления для большинства из моих коллег, занятых причинным анализом. Во-первых, в мире искусственного интеллекта вы по-настоящему не понимаете тему до тех пор, пока не обучите ей робота. Вот почему вы увидите, что я неустанно, раз за разом подчеркиваю важность системы обозначений, языка, словаря и грамматики. Например, меня завораживает вопрос, в состоянии ли мы выразить определенное утверждение на том или ином языке и следует ли это утверждение из других. Поразительно, сколько можно узнать, просто следуя грамматике научных высказываний! Мой акцент на язык также объясняется глубоким убеждением в том, что последний оформляет наши мысли. Нельзя ответить на вопрос, который вы не способны задать, и невозможно задать вопрос, для которого у вас нет слов. Изучая философию и компьютерные науки, я заинтересовался причинным анализом во многом потому, что мог с волнением наблюдать, как зреет и крепнет забытый когда-то язык науки.

Мой опыт в области машинного обучения тоже мотивировал меня изучать причинность. В конце 1980-х годов я осознал, что неспособность машин понять причинные отношения, вероятно, самое большое препятствие к тому, чтобы наделить их интеллектом человеческого уровня. В последней главе этой книге я вернусь к своим корням, и вместе мы исследуем, что значит Революция Причинности для искусственного интеллекта. Я полагаю, что сильный искусственный интеллект – достижимая цель, которой, к тому же не стоит бояться именно потому, что причинность – часть решения. Модуль причинного осмысления даст машинам способность размышлять над своими ошибками, выделять слабые места в своем программном обеспечении, функционировать как моральные сущности и естественно общаться с людьми о собственном выборе и намерениях.

.....