《为什么》是一本由[美]朱迪亚·珀尔(Judea Pearl) / [美]达纳·麦著作,中信出版集团股份有限公司出版的精装图书,本书定价:69.00元,页数:374,特精心从网络上整理的一些读者的读后感,希望对大家能有帮助。
4. 图灵停机,真随机,无理数目前都是物理学“hard problem”
《为什么》读后感(二):【豆瓣鉴书团】《为什么》读后感
这本书对没什么统计学和数学基础的人来说难度确实有点大,但是读了导读手册再读正文,要相对容易的多。很有趣的话题,也是我们身边常见的事例来引用分析,让讳莫如深的理论变得贴近生活实际。这本书给出了“因果推断引擎”模型,阐述了因果关系的三个层级:观察能力——关联、行动能力——干预、想象能力——反事实推理。论证每一步夯实理论,解决为什么的问题。此书阅读起来很烧脑,值得多读几次,反复领悟。
《为什么》读后感(三):【豆瓣鉴书团】《为什么》读后感
第一次接触这种类型书的 我,看这本书感觉回到了高中学习几何的时候老师在台上问“哪里不懂?”的尴尬处境,因为我什么都没懂,那种不懂就像我小学毕业就进入了高中数学课堂的那种不懂。
但是我居然还是硬着头皮把这本书啃了下来,我不知道该怎么来写这本书的书评,活动还要求从深,我只能从我看每一章的感受来写。
1.第一章的篇幅都在讲因果关系的定义,在看到第一章快要结束的时候,再去翻看书的前面,我才理解了作者的循序渐进,因为不
《为什么》读后感(四):【豆瓣鉴书团】发展强人工智能的因果关系之梯
“第二层级:干预。预测对环境进行刻意改变后的结果的行动能力。
第三层级:反事实推理。即想象能力,人类祖先想象不存在之物得能力是一切得关键。
弱人工智能是传统工具的延伸,而强人工智能则是人类大脑的延伸,能否实现智能机器像人类一样思考正是其中关键。而三个层级构成的因果关系科学便是指明了方向。
《为什么》读后感(五):【豆瓣鉴书团】科普读物
为了给大家选书提供参照,先介绍一下教育背景:理科生,但上大学之后只学了一个学期的高数。此书的前六章读得很透彻,从第七章开始数学公式难度加大,智商就掉线了……写书评之前瞄到个书评的标题说第七章是正文的开始……简直太扎心了……
总体来说,本书还是值得各行各业的人们来读的,可以让大家思考问题的时候拓展思路。大数据及统计学大行其道之时,思考一下因果关系,是个不错切入点。学术界经常提到的“因果关系是相关关系的极限状态”在因果论中被推翻。书中所陈述的案例,如吸烟与癌症的关系、坏血病的缘由研究人员家中小狗反常举动的缘由推测等等,都有拨云见日的体会——日常生活中很多事物的发展也可以用因果论来思考,排除混杂因子,不被表象迷惑,发现事实,发现真相。
《为什么》读后感(六):【豆瓣鉴书团】为什么要问为什么?
人和动物的根本区别是什么?教科书上说,在于是否会使用工具。按照本书的介绍,的确,人会“干预”,而动物仅仅存在于“关联”这个层级上。那么问题来了,人和人工智能的区别在哪里呢?恐怕是人会问为什么且寻找答案,但是机器人尚且不会吧。
这是一场关于因果关系的“盗梦空间” 第一层:什么是关联关系,怎么从关联关系中识别出因果关系?什么样的条件、环境会导致什么样的结果? 第二层,如何通过改变第一层中的条件和环境来改变结果?是否和预期一样? 第三层,假设改变了当时的处理方式,结果会不会不同?
总之,本书有点儿像多条线索的小说:以通俗的语言讲述数学和科学,中间穿插了鲜为人知的科学史,最后还从哲学的眼光出发,展望了强人工智能的未来。
《为什么》读后感(七):【豆瓣鉴书团】《为什么》读后感 因果关系
为什么这本书叫《为什么》?开始就很好奇,加上书上导读,对本书产生了浓厚的兴趣。
正如书中所说,我就是偏科生读不懂的那一类。但是,本书作者以读者而不是研究者的角度来阐述作者所要表达的观点。也许初见会觉得无厘头,但是你认认真真读完这本书,我相信,很多人会改变固有的思维模式,尝试换一个思路问为什么。也想了解一下,读不懂的原因的具体表现。结合发现,打击可大了呢。虽然作者已经很客观的把关系阐述的非常清楚,但是,总有个弯要你自己拐过来。所以学习,多读几遍是最好的方式。
“你无法回答一个谜题不出来的问题,你也无法提出一个你的语言不能描述的问题。”很有艺术的一句话。
《为什么》读后感(八):一点翻译问题
这里应该翻译成“又等了4分钟以后”,用条件概率表的第五分钟的数据去算,才能算出正确结果,原文翻译有歧义。
第三章“当贝叶斯牧师遇见福尔摩斯先生” 当中“我的行李箱在哪里?从亚琛到桑给巴尔”一节中。
不够140字吗?
—————————————————哈种种
帮朋友发的
《为什么》读后感(九):【豆瓣鉴书团】你比你的数据更聪明
《为什么》讲的是“因果推断”这门科学,即对因果关系的理解和数学建模问题,尤重其在AI中的运用。对于不太了解概率统计、人工智能的读者来说,《为什么》并不易读。
作者将因果关系(或者说,对因果关系的理解)分为三层:
1、从数据本身得到的关联信息,即得到相关关系。
2、对现实进行干预后得到的信息,即“如果…会…”类的信息。
3、反事实的推测,即“假如…会…”(针对无法实施干预的情形)。
(我一直没觉得2和3存在本质区别)
而我们应该指望强人工智能能达到3层的水准,即一个普通人类可以达到的程度。
作者也重点批评了经典统计学对数据的重视(只能得到相关关系),因而他用一句话概括本书的内容:“你比你的数据更聪明。”
《为什么》读后感(十):[豆瓣鉴书团]发展千年影响未来的因果论
不论是佛教还是古希腊的哲学家们总是强调这因果,有因必有果这也是我们从小就被灌输的概念。
这本书的作者珀尔教授从因果推断的起源到大量的数据分析到最后大数据相关的人工智能告诉了我们 当前的人工智能和机器学习只处于最低的第一层级,只是被动地接受观测结果。
因果关系之梯的每一层级都有一种代表性生物。大多数动物和当前的学习机器都处于第一层级,它们通过关联进行学习。像早期人类这样的工具使用者则处于第二层级,前提是他们是有计划地采取行动而非仅靠模仿行事。我们也可以通过实验来习得干预的效果,这大概也是婴儿获取大多数因果知识的方式。反事实的学习者处于阶梯的最顶级,他们可以想象并不存在的世界,并推测观察到的现象的原因为何
这本书面向的读者人群其实非常明显,是那些想要或者需要对人工智能,未来AI发展有一个更深层次的理解的,用大面积的篇幅去讲解了人工智能的基础-数据分析这对于任何一个想要知道、了解AI的发展是非常重要的。