需要java必看书单请看底部
上期我们说到了“学java必看书籍 高级java开发必看书籍”，本期我们说说产品经理必看书籍之《为什么：关于因果关系的新科学》PDF电子版可下载。
建构因果关系科学体系，在整个科学界掀起一场“因果革命”
从对“相关关系并不意味着因果关系”这一科学系统经典断论的反叛开始，掀起一场声势浩大的“因果革命”，为科学界提供了一套全新的方法论——因果关系模型，应用覆盖范围从统计学、社会学、经济学到流行病学、心理学、基因学，再到生态学、地质学、气象学，当然还有计算机科学和人工智能科学。作者从因果关系的视角重新阐述了人类认知和科学文明的发展史。
引领人工智能的未来发展，让强人工智能的实现成为可能借助因果关系理论颠覆人工智能与机器学习的理论范式，从发现关联、解析大数据的神经网络和深度学习，跃升至揭示关联与数据背后的深层逻辑的因果关系模型，赋予人工智能以真正的人类智慧甚至道德意识，让人工智能与人类能在彼此合作的基础上打造一个更好的未来世界。
既是AI领域、前沿的理论建构作品，也是融合历史叙事与人文关怀的大众科普读物从“次认知革命”人类进化出想象力说起，对因果思维的发展历程娓娓道来，以深入浅出的话语阐述了动摇人工智能乃至整个科学界的方法论根基的新思想，引发了学界内外的广泛讨论，得到了《思想，快与慢》作者、诺贝尔经济学奖得主丹尼尔·卡内曼，“互联网之父”文特·瑟夫，《算法》作者佩德罗·多明戈斯、中科大机器人实验室负责人陈小平、《变量》作者何帆等众多国内外思想大师的。
基本信息
商品名称：为什么：关于因果关系的新科学开本：16开作者：【美】朱迪亚·珀尔，【美】达纳·麦肯齐定价：69.00ISBN号：9787521705072出版时间：2019-07-01出版社：中信出版社印刷时间：2019-06-15
版次：1印次：1
序
前言
导 言：思维胜于数据
*章：因果关系之梯
第二章：从海盗到豚鼠：因果推断的起源
第三章：从证据到因：当贝叶斯牧师遇见福尔摩斯先生第四章：混杂和去混杂：或者，消灭潜伏变量
第五章：烟雾缭绕的争论：消除迷雾，澄清事实第六章：大量的悖论！
第七章：超越调整：征服干预之峰
第八章：反事实：挖掘关于假如的世界
第九章：中介：寻找隐藏的作用机制
第十章：大数据，人工智能和大问题
致谢
参考文献
思维胜于数据
每一门蒸蒸日上的科学都是在其符号系统的基础上繁荣发展起来的。
—— 奥古斯都·德·摩根（1864）
本书将要讲述的故事会围绕一门科学展开，这门科学改变了我们区分事实与虚构的方式，但目前，它仍处于大众的视野之外。这门新科学非常重要，其已经影响到了日常生活的种种重要的方面，并且还有可能进一步扩大影响范围，覆盖从新药开发到经济政策制定，从教育和机器技术人到*支管制乃至全球变暖等重大问题的探索和解决。值得注意的是，尽管这些问题涉猎的领域广泛多元并且完全不具可比性，但这门新科学仍然成功将它们全部纳入一个统一的框架，这在20年前是根本不可能实现的。
这门新科学并没有一个时髦的名字，和我的许多同事一样，我简单地称之为“因果推断”。它本身也并不是什么高科技。因果推断力图模拟的理想技术就存在于我们人类自身的意识之中。数万年前，人类开始意识到某些事会导致其他事的发生，并且改变前者就会导致后者的改变。没有其他物种领悟到了这一点，更别说达到我们所理解的这种程度。由这一发现，人类这一物种创造出了有组织的社会，继而又建立了乡村和城镇，直至创建了我们所享有的科技文明。所有这一切都源于我们的祖先提出了这样一个简单的问题：为什么？
因果推断正是关于这个问题的严肃思考。它假设人类大脑是大自然有史以来为处理因果知识而设计出的的工具。我们的大脑存储了海量的因果知识，而在数据的辅助下，我们可以利用这些知识解决当代社会所面临的紧迫的问题。一个更宏伟的目标是，一旦我们真正理解了因果思维背后的逻辑，我们就可以在现代计算机上模拟它，进而创造出一个“人工科学家”。这个智能机器人将会为我们发现未知的现象，解开悬而未决的科学之谜，设计新的实验，并不断从环境中提取更多的因果知识。
但在冒险推测未来发展之前，了解迄今为止因果推断这门科学所取得的成就至关重要。我们将深入探讨它是如何改变了几乎所有依赖数据信息的学科中研究者的思维模式，以及它将如何改变我们的生活。
这门新科学解决了以下这些看似简单明了的问题：
一种特定的疗法在预防某类疾病方面的成效如何？
是新税法的颁布还是层出不穷的广告推销活动导致了销售额的增长？
由肥胖引发的医疗保健成本增长的总体占比为何？
雇用记录可否证明雇主实施了涉及性别歧视的招聘政策？
我打算辞掉工作。我究竟该不该这么做？
这些问题的共同点在于它们都与因果关系有关，我们可以通过诸如“预防”、“导致”、“由……引发”、“证明”和“该不该”这样的词语轻易识别出它们。这些词在日常生活用语中很常见，我们的社会也一直在不断提出这样的问题并寻求答案。然而，就在不久之前，我们甚至还无法在科学的范围内找到途径明确地表述这些问题，更别说回答它们了。
到目前为止，因果推断对人类重要的贡献就是让这个科学盲点变成了历史。这门新科学催生出了一种简单的数学语言，用以表达我们已知和欲知的因果关系。以数学形式表达因果关系的能力让我们得以开发出许多强大的、条理化的方法，将我们的知识与数据结合起来，并终回答出如上述那5个涉及因果关系的问题。
过去的25年，我有幸成为参与了这一科学发展进程中的一员。在公众的视野之外，我曾目睹过它在学生宿舍和研究实验室中崭露头角，也曾听到过在严肃的科学会议中它的突破性进展所引发的共鸣。眼下，随着我们进入强人工智能（AI）时代，越来越多的人开始鼓吹大数据和深度学习 的无尽可能性，这使我越发感觉到，向读者展示这门新科学正在进行的大胆探索，其对于数据科学以及人类在21世纪的生活所可能造成的诸多影响是恰逢其时且激动人心的。
我知道，当听到我把这些成就描述为一门“新科学”时，你可能会心存疑虑。你甚至可能会问，为什么科学家没有在更早的时间就开始这样做？比如在古罗马诗人维吉尔宣称“幸运儿乃是能理解众事原委之人”（公元前29年）的时候，或者，在现代统计学的奠基人弗朗西斯·高尔顿（Francis Galton）和卡尔·皮尔逊（Karl Pearson）发现人口统计数据可以揭示一些科学问题的答案的时候。在这些关键性的时间节点上，他们很遗憾地与因果关系失之交臂，这背后的曲折故事我将在本书的有关因果推断的历史渊源的章节中一一道来。在我看来，阻碍因果推断这一科学产生的*障碍，是我们用以提出因果问题的词汇和我们用以交流科学理论的传统词汇之间的鸿沟。
为了说明这一鸿沟的深度，不妨设想一下科学家在尝试表达一些明显的因果关系时所面临的困难——举个例子，气压计读数 B 可以用来表示实际的大气压 P。我们可以轻而易举地用方程式来表示这种关系，B=kP，其中 k 是某个比例常数。如今，代数规则能让我们以多种形式书写这个方程，例如，P=B/k，k=B/P，或者 B-kP=0。它们意义相同，即如果知道方程中的三个量中的任意两个，那么第三个量即是确定的。字母 k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，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*有意义的工作
高清电子书代找请联系微信：yefei147852
高清电子书代找请联系微信：yefei147852
代找非免费，介意绕道！
未经允许不得转载：我的生活分享 » 产品经理必看书籍之《为什么：关于因果关系的新科学》PDF电子版可下载
