贝叶斯网络之父珀尔近来出了一本书，中文名叫《为什么》。这位图灵奖得主在这本书里把当红AI明星“深度学习”放到了“因果革命”三级阶梯的最底层，认为它还属于“弱人工智能”。那他所谓的“强人工智能”又该具有什么特征呢！
这就得从这本书的“因果革命”说起，很长一段时间，科学界就不承认有严格客观的因果关系。从休莫的经验论开始，人们就用事实数据出发的“相关关系”来替代因果思考。但从常识就可以知道，因果关系的存在是我们人类理性行为的前提，如果你对自己行为的因果没有任何预期，又何必去做呢？而人的这种“行动学”也是奥地利经济学派的根基。我特别喜欢这个学派，它具有几何学之美，近些年又火了起来。珀尔把因果关系看作人类行动的主观模型。而他所擅长的贝叶斯思维正好精确概括为： 后验概率 = 似然比*先验概率 似然比与条件概率有关，如果搬出原生态的数学公式，会吓跑绝大多数读者。这里你只要知道“先后是相对的”，似然比是新信息带来的信息增益。先验概率即可以是已有的统计知识，也可以是前一轮的后验概率。这样每轮信息的加入就增进了我们主观的认知信度（也用概率表示）。这个动态过程，我弟弟（他是谷歌AI科学家）是这么讲给我的，如果你下班回家看到电灯亮了，你倾向判断老婆比你先回到了家，但也许她离家时就忘记了关灯，可你又发现报纸被人取走了…还有牛奶等，证据不断通过似然比增加你判断（老婆到家）的后验概率。。
当然，这并不绝对保真，却是我们常用的思维方式。有个残忍的故事说，教授给青蛙下命令：“蹦啊，快蹦”，于是乖巧的宠物青蛙就蹦了起来，教授用刀切了它一条腿，接着说：“快，继续蹦”，悲惨的青蛙勉强又蹦了一下，狠心的教授又切掉两条腿，这回，再说什么也看不到青蛙蹦了，于是教授非常逻辑自洽地得出了他的结论—青蛙聋了。
是不是非常不靠谱的推理？机器学习有时并不比残忍的教授更聪明。那么珀尔的因果阶梯是怎样的呢？对照上面这张图（来自作者原著）清晰标明了三个层次，对应观察力，行动力和反思能力，其底层观察依赖已经获得的（大）数据。而行动力是一种假设情况的预测，数据的不完整性明显提高。比如，医生可以从权威网络数据库得知一种病的先验概率，但临床医生面对一个活生生的人，他的年龄、营养状况、体格强壮程度等，其判断概率，米塞斯（奥地利经济学派的第三代掌门人）就称为“案由或然率”。与珀尔的思想非常合拍。最高一层是反事实的，这对机器的要求就更高了。不知道是否恰当，很多人认为“想做什么就做什么才是自由”，其实那只是欲望的奴隶，真正的自由也许这样定义更合适，就是“想不做什么，就不做什么”。还是读原著吧，我已经“缺氧了”。
如果从图的解说中，依旧没太看懂，那不是你的错，因果革命非常复杂。在得到上的听书节目可以了解更多。再不行，听听万维钢老师的得到课就了解更多了。我这短短的美篇，只能让你走出“不知道不知道”。毕竟视野脑洞是第一步。
深度学习之前，最靠谱的AI模型，我认为就是贝叶斯网络，这次贝叶斯网络之父的因果革命被他自称为新科学。哪有那么容易的新科学呢？《为什么》里还用生动的案例解析了因果模型中的“混杂因子”和“中介因子”，“混杂因子”是同时影响一对貌似因果的条件和结论的第三因素。而“中介因子”是插在条件和结果变量间的第三因素，它们导演出很多貌似有理的结论，而真实的因果却可能成为我们感知不到的“暗物质”。原著难读不假，但非常精彩，醍醐灌顶，绝无虚言。
网友评论