因果漫步

本书介绍了人们关于因果分析和因果推断认知的历史脉络与现代发展。主要内容分为4章，第1章介绍了因果概念的历史发展，重点阐述中国古代贤达对于这一问题的精辟理解，以及古希腊科学家对于因果关系认知所做的基础性贡献。文艺复兴以后，诸多科学家在这个问题上的逐步深入研究，给予了因果关系以现代科学的描述方式。第2章介绍当前因果分析与推断的一些理论和方法，主要介绍了2011年图灵奖得主朱迪亚·珀尔有关求解因果关系的理论框架和计算方法，这些方法已经成为当前因果科学的主流模型之一。第3章专门讨论了因果分析的一些重要而有趣的问题，包括如何识别抽烟对于肺癌的影响，以及其中延续几十年的争论，介绍了在具体问题中如何确定实际原因，这些实际原因经常具有独特性而被“一般的”因果分析方法所忽略，但在医疗、司法和决策中至关重要。最后在第4章，介绍了当前机器学习和人工智能的一个新发展趋势，就是如何将因果分析与机器学习进行“嫁接”，从而产生性能更加优越、更加近似于人类思维的人工智能。 本书是一本普及性读物，适合本科生及研究生，也适合从事数据科学和人工智能工作的专业人员阅读，同时对于希望了解因果科学的爱好者也是一本很好的入门书籍。

李廉，合肥工业大学教授。曾担任教育部高等学校大学计算机课程教学指导委员会主任，中国计算机学会理论计算机科学专业委员会主任。主要从事理论计算机科学、大数据应用、人工智能等领域的研究。先后承担或参与国家自然科学基金重大研究计划重点项目，国家科技攻关计划项目等。获安徽省教学成果一等奖两项，国家教学成果二等奖一项，2020年获中国计算机学会杰出教育奖。

第1章如何认识世界 1.1因果概念的产生及意义 1.1.1因果关系与认知 1.1.2常识因果与科学因果 1.1.3因果关系的分析与推断 1.1.4因果关系的黄金法则 1.2从逻辑到因果 1.2.1因果的逻辑基础 1.2.2亚里士多德的“四因说” 1.3中国古代的因果观念 1.3.1墨学的因果必然 1.3.2道学的因果分层 1.3.3佛学的因果缘起 1.4对于因果科学的追求 1.4.1因果关系的重生 1.4.2因果关系数学模型的引入 1.4.3因果关系的现代诠释 1.4.4珀尔的因果分析框架 1.5本章结束语 第2章因果关系——决策与反思 2.1什么是混杂 2.2如何表示因果关系 2.2.1因果结构图 2.2.2因果结构图中的关系传递 2.2.3因果关系量化 2.2.4因果关系与概率 2.2.5因果结构图与贝叶斯网络 2.3如何从观察数据中识别因果结构 2.3.1为什么可以识别因果结构 2.3.2识别因果结构的基本假设 2.3.3识别因果结构的方法：以IC算法为例 2.3.4识别因果结构的方法：评分优化 2.3.5统计时间与物理时间 2.4如何估计因果效应 2.4.1什么是干预 2.4.2如何在因果结构图中表示干预 2.4.3为什么可以利用观察数据估计干预的效果 2.4.4观察数据校正与随机对照试验 2.4.5校正变量的筛选——后门准则 2.4.6结构方程与因果效应 2.4.7线性系统中的因果效应估计 2.4.8工具变量与工具变量悖论 2.5如何实现个体反思 2.5.1什么是反事实 2.5.2反事实与干预的关系 2.5.3反事实与最邻近世界 2.5.4反事实推断的基本过程 2.5.5反事实推断与校正公式 2.5.6线性系统中的反事实 2.5.7直接原因和间接原因 2.6因果分析的待解问题 2.6.1亚群反转 2.6.2抽样偏差与变量选择 2.6.3假设检验 2.6.4因果区域 2.7本章结束语 第3章现实世界与实际原因 3.1究竟哪个是原因 3.1.1从吸烟致癌谈起 3.1.2因果解释 3.1.3特异因果和一般因果 3.1.4必要原因与充分原因 3.2因果关系效应估计 3.2.1诺贝尔奖的故事——因果关系可识别性 3.2.2断点回归 3.2.3双重差分 3.2.4倾向得分匹配 3.3不完美实验中的因果估计 3.3.1不完美实验问题 3.3.2不完美实验因果图 3.3.3意向性因果分析 3.3.4不完美实验的边界估计 3.4关于实际原因的困惑 3.4.1什么是实际原因 3.4.2如何确定实际原因 3.4.3因果抢占 3.4.4过度确定 3.5本章结束语 第4章机器学习与因果分析 4.1机器学习的神话 4.1.1什么是机器学习 4.1.2机器学习的起源和历史 4.1.3机器学习的趋势和未来 4.2大数据时代的信任危机 4.2.1到底需要多大量的数据呢 4.2.2为什么数据质量很重要 4.2.3统计数据也会说谎吗 4.2.4机器学习模型稳健吗 4.2.5结果可解释吗 4.3从因果关系中寻求突破 4.3.1因果机器学习 4.3.2因果发现 4.3.3因果模型对机器学习的意义 4.4下一代人工智能 4.4.1因果建模的层次 4.4.2因果之梯——构筑稳固的基石 4.5本章结束语 参考文献