我们的专业付出，值得您的永久信赖！为您量身定制，信誉第一！

2017年12月，贝叶斯网络之父、2011年图灵奖获得者Judea Pearl教授在NIPS 2017大会期间展开了学术报告，结果该报告以一张照片在网上引起了话题。很多人在社交媒体上回答，Judea Pearl不向“完全没有人的房间”报告是NIPS上悲惨的一幕，这一天对机器学习来说是悲惨的一天。但是，对81岁的Judea Pearl来说，可悲的是，自己的报告书没有人听((公布号码：)实质上知道那张照片提供了片面的场景，听报告的人有几十人，之后Judea Pearl反而是人们的2018年3月，Judea Pearl发行了一本新书《THE BOOK OF WHY：The New Science of Cause and Effect》，表达了对现在人工智能发展的担忧。

在以前Judea Pearl依赖图灵奖的贝叶斯网络中，他为机器寻找实践的因果关系模型。但是Judea Pearl发现AI领域已经陷入了概率关系的泥潭。对于计算机熟练古代游戏技能(例如，此前多次报道的阿尔法戈)和司机技能等的消息，Judea Pearl漠不关心。

他很明显，现在展示所谓的人工智能，是因为机器在上一代人工智能场景中已经能做的事(在大规模的数据中找到隐藏规则)，只是效率高。就像Judea Pearl最近说的，这些令人印象深刻的自学成果特别在一起只是曲线拟合。

(alltheimpressiveachievementsofdeeplearningamounttojustcurvefitting.)在新书中，Judea Pearl阐述了他的“智能机器应该怎么想”的设想。他很明显，其关键是用因果推理小说代替关系推理小说。例如，从非洲回来的患者感冒后感到身体疼痛时，很可能得了疟疾。

机器不是把感冒和疟疾联系起来，而是切实寻找疟疾感冒的原因。如果存在这样的因果框架，机器展开反事实问题——，即如果插手条件，因果关系就有可能再次不变的——，这是Judea Pearl指出的科学思考的基础。Judea Pearl建议发售贝叶斯网络的21世纪版，也就是可以进行上述思考的月球语言。Judea Pearl也期待因果推理小说有必要为机器获得人类水平的智能。

例如，需要与人类更有效地交流，成为即使在一定的状态下也没有权利意志(或恶魔)能力的道德实体。以下是Judea Pearl拒绝采访Quanta Magazine时的对话，这个对话展开了不情愿的编译器和删除。问：为什么你的新书被命名为“The Book of Why”？ a :那本质上是我过去25年来的工作总结，包括因果、它对一个人生活的意义、其应用，以及我们在因果关系层面找到一个问题答案的方法。

奇怪的是，这些问题已经被科学忽视了，但我在这里试图填补这个忽视。问：因果不是科学本身的内涵吗？ a :当然，但方程式看不到这样尊贵的理想。代数语言本身是平面的： x和y之间是确认关系。

但是，在数学领域，没有提到即使暴风雨来了温度计的读数也不会上升，不是其他语言的非常简单的事实。换言之，在数学领域，关于“x和y的不对称关系”的理解——，说明一起听起来对科学有利的非对称语言还没有发展，我也理解。但是科学还有点允许。

在我们意识到我们还缺乏对不对称关系的逻辑方法之后，科学希望我们做一个。那个时候，被用于数学。

我深深兴奋的是，需要用非常简单的因果逻辑方式解决问题。我们时代最好的统计学家解决不了问题。这样的社会和体验看起来在高中几何学中寻找证明方法。

问：几十年前在AI界声名鹊起，你为什么在新书上以AI社区的叛徒的身份陈述自己？ a :取得至今为止的AI成果后，我开始寻找通过因果展开推理小说的非常困难的任务。我的很多AI同行依然在做不确定性和工作，所以仅限于继续推测的研究周期，但对问题的因果水平什么也看不到。他们只是想做更好的预测和推测。

例如，我们今天看到的机器学习任务一般以推理小说的模式展开，他们去显示“猫”和“虎”，但不介意插手——，他们只是识别物体，看看它如何不随时间变化我开发了预测和临床的有效工具，但它们看不到人类智能的点滴。这让我真的像个叛徒。

机器在介入(Interventions )和反省(Introspection )中展开推理小说必须利用因果模型。联系(Associations )本身太——了，我说的是数学事实。不是观点。

问：人们对AI的许多可能性感到非常兴奋。为什么你不一样？ a :仔细观察我对机器学习的现在了解的话，我真的现在它们还停留在联系的水平上。

或者，曲线拟合——这一令人印象深刻的自学成果特别结合在一起，只是对数据展开曲线拟合。从数学分层的角度来看，无论需要如何向熟练的操作者展开数据，还是在操作中加载什么，它依然是曲线拟合的训练，但这种训练简单而卓越。

问：每次提到曲线拟合时，你可能都会告诉我你对机器学习没什么感觉。a :不，我有。但是我们本来没有注意到这么多问题可以通过曲线拟合解决问题，但事实证明是好的。

但是我在找未来——What is Next吗？ 没有这样的机器人科学家。有必要通过实验找到需要解决的科学问题的答案吗？ 这次下一步做。我们想和机器进行有意义、直观的对话。而且，如果机器人缺乏你和我这样对因果的直觉，很难开始有意义的对话。

我们没说“应该做得更好”，但机器人会。所以我们失去了交流中最重要的道路。问：如果机器对我们人类这样的因果有直觉呢？ a :我们必须表现机器的环境模型。

如果机器没有现实的概念，我不能确信它在现实中表现出了智力不道德。这是第一步，人类在十年内建立现实世界的概念模型。第二，机器用自己的方法展开上述模型进行磁带加载、验证，根据实验数据展开优化。

这正好是科学再次发生的过程，我们从地心说模型开始，最后得出一个日心说模型。机器人之间也互相交流，最后把这个抽象的世界转换成比喻的模型。问：你和其他AI员工分享上述观点时，他们的反应怎么样？ 答： ai现在正在分化。

首先，有些人陶醉于现在的机器学习、深奥的自学和神经网络的顺利，告诉我从未破译过这些。他们想稍后展开曲线拟合。但是，如果和已经在静态自学以外的AI领域研究的人聊天的话，他们很快就会知道。我已经读了几篇关于公开发表了两个多月的机器学习极限的论文。

问：机器学习之外有正在崩溃的趋势吗？ 答：不是趋势，而是基于灵魂探索的最重要希望。我们要去哪里呢？ 下一步是什么？ 原创文章，发布许可禁令刊登。以下，听取刊登的心得。

本文来源：冰球突破游戏网站-www.yoursupport-fund.com