导语
在本期访谈中,我们荣幸地邀请到了图灵奖得主、UCLA教授朱迪亚·珀尔。作为人工智能与统计学领域的先驱,珀尔教授开创并推广了概率图模型(如贝叶斯网络)以及因果推理的深刻思想。他认为,当前以关联学习为主的机器学习正面临瓶颈,而理解“为什么”——即因果逻辑——是构建真正智能系统不可或缺的核心。珀尔结合其新著《为什么:关于因果关系的新科学》,阐述了如何通过因果模型、干预和反事实推理来突破现有AI的局限,并分享了他对未来智能、个人经历以及人类社会的深刻见解。
图灵奖得主朱迪亚·珀尔在访谈中深入探讨了因果推理对于构建真正智能系统的重要性。他指出当前机器学习仅基于关联,而人类智能的核心在于理解“为什么”,需要通过因果模型、干预和反事实推理来实现。珀尔还分享了个人经历,以及对AI未来发展可能超越人类能力的担忧。

在本期访谈中,我们荣幸地邀请到了图灵奖得主、UCLA教授朱迪亚·珀尔。作为人工智能与统计学领域的先驱,珀尔教授开创并推广了概率图模型(如贝叶斯网络)以及因果推理的深刻思想。他认为,当前以关联学习为主的机器学习正面临瓶颈,而理解“为什么”——即因果逻辑——是构建真正智能系统不可或缺的核心。珀尔结合其新著《为什么:关于因果关系的新科学》,阐述了如何通过因果模型、干预和反事实推理来突破现有AI的局限,并分享了他对未来智能、个人经历以及人类社会的深刻见解。
展开「深读」看每一段讨论的问题与论据。
讨论的问题:是什么样的科学神秘感最初吸引了你?
论据 / 案例:童年时发现可以用代数进行几何作图,兴奋得卧床三天。
讨论的问题:你的教育背景如何塑造了你的思维方式?
论据 / 案例:老师按时间顺序教授数学史,将定理与人物联系起来;在LLC实验室做超导研究。
讨论的问题:为什么从相关性推断因果关系是危险的?
论据 / 案例:通过忽略铃铛,两枚硬币看起来相关;辛普森悖论的例子。
讨论的问题:人类探索因果关系的历史有多悠久?
论据 / 案例:但以理让囚犯分食国王食物和蔬菜的实验;物理学方程是代数等式,缺乏方向性。
讨论的问题:如何将贝叶斯网络转化为因果网络?
论据 / 案例:机器学习被视为条件概率估计器;因果模型需要专家指定初始变量关系(如潮汐与月亮)。
讨论的问题:如何用数学表达‘如果我们做了X会怎样’?
论据 / 案例:do(X)算子;在模型中进行“手术”,切断指向X的所有箭头;血压对死亡率的干预推断。
讨论的问题:反事实推理为何如此重要且困难?
论据 / 案例:阿司匹林治愈头痛的例子;胡克定律的反事实应用;机器人无法从方程进行反事实思考。
讨论的问题:机器如何像婴儿一样学习因果关系?
论据 / 案例:婴儿在婴儿床上学习物体互动;古希腊用龟壳隐喻测量地球半径;癌症研究仅需约20个变量。
讨论的问题:如何理解自由意志和意识,并确保AI安全?
论据 / 案例:自我的蓝图与修改;进化史上的先例(人类);因果理论(样本一加理论)而非单纯历史经验。
讨论的问题:面对邪恶与极端主义,人性的希望在哪里?
论据 / 案例:儿子Daniel在巴基斯坦被处决;《华尔街日报》文章《邪恶的正常化》;Daniel帮助无家可归者的温暖记忆。
讨论的问题:你希望留给科学界最重要的遗产是什么?
论据 / 案例:《为什么》作为学生的反叛宣言;反事实基本定律方程;“你不能问一个你无法提出的问题”作为结束语。