Читать Ключевые идеи книги: Почему? Новая наука о причинно-следственной связи. Джуда Перл, Дана Маккензи - Smart Reading

Оригинальное название:

The Book of Why: The New Science of Cause and Effect

Авторы:

Judea Pearl, Dana Mackenzie

Тема:

Менеджмент

Правовую поддержку обеспечивает юридическая фирма AllMediaLaw

www.allmedialaw.ru

«Почему? Новая наука о причинно-следственной связи» – это адаптированный для широкой публики вариант научных публикаций Джуды Перла. Зачем читать популярное нечто о статистике? Причина чисто шкурная (в прямом смысле слова): мы регулярно сталкиваемся с тем, что «британские ученые установили», «британские ученые опровергли то, что они же установили днем ранее» или «британские ученые придерживаются прямо противоположных точек зрения». Все бы ничего, если бы эти «открытия» не касались продуктов регулярного использования (например, кремов и сывороток для лица) или оценки наших ежедневных действий (бегать утром или вечером, бег или качалка – что лучше?). Чтобы из вороха информации выделять более надежные источники, необходимо понимать статистические принципы «правильных» исследований. А в случае полного разочарования от противоположных мнений ученых – методологические причины этого.

Другие два момента: моделирование причинно-следственных связей сверхважно для развития искусственного интеллекта, поэтому теоретические разработки в этой области примерно указывают на логику, которой будет следовать развитие искусственного интеллекта (а нам всем все же интересно, когда уже нас заменят роботы). Также книга дает представление о теоретической дискуссии внутри статистики как науки.

Учитывая все это, утверждать, что книга читается легко, конечно, нельзя. Но все-таки, когда привыкаешь к формулам (полностью без них у авторов не получилось), чтение становится приятным. Также нельзя не отметить: автор не очень тактично отзывается о многих ученых, занимавшихся статистикой.

Несколько слов об искусственном интеллекте: Джуда Перл убежден, что развитие искусственного интеллекта на базе причинно-следственных связей – единственно верный путь. Его преимущество перед глубинным обучением состоит в том, что причинно-следственные связи прозрачны, а глубинное обучение – нет. Так, хотя разработанная Google программа AlphaGo побеждает профессиональных игроков в го, что казалось невозможным (в отличие от шахмат, там слишком много вариантов и их невозможно все выучить), разработчики не знают, как она работает. Джуда Перл уверен, что роботы должны понимать сослагательное наклонение, ведь только оно позволяет коммуницировать с людьми и гарантирует возможность обучения на прошлых ошибках.