Загрузка...
Думай «почему?». Причина и следствие как ключ к мышлению — обложка книги
Краткое содержание, анализ и герои

Думай «почему?». Причина и следствие как ключ к мышлению

Автор М. Антипов
12+202220 читателей
Год издания2022
Дата написания2017-12-31
ИздательствоАСТ
ISBN978-5-17-123140-8, 978-5-17-146449-3
Язык книгиru
Язык оригиналаen
СерияВласть и успех
Возрастное ограничение12+
Темы
искусственный интеллектлогическое мышлениеистория наукиобработка данныханализ данныхстатистический анализразвитие мышления

Описание

Книга исследует развитие причинного анализа, от исторических корней до современных графических моделей и инструментов, показывая, как переход от наблюдения к интервенциям позволяет получать надёжные выводы о причинно‑следственных связях.

Главный конфликт / проблема

Как надёжно определить причинно‑следственные связи и оценить влияние вмешательств, учитывая скрытые смещения, конфаундеры и коллайдеры, когда рандомизированные эксперименты невозможны

Ключевые идеи

  • Причинный анализ превратил научный подход к данным, позволяя задавать вопросы о причинах.
  • Математический язык причинности (диаграммы, оператор do, контрфактивы) делает возможным предсказывать последствия вмешательств.
  • Три уровня причинности – наблюдение, интервенция и контрфактивные рассуждения – отражают эволюцию человеческого мышления.
  • Без причинной модели данные остаются «тупыми» и не способны отвечать на вопросы о причинах.
  • Мини‑Тест Тьюринга как инструмент проверки причинного понимания
  • Репрезентация знаний как фундамент для машинного рассуждения
  • Причинные диаграммы позволяют рассуждать об интервенциях и контрфактах
  • Вероятностные модели (байесовские сети) недостаточны для причинного вывода
  • Переход к оператору do и второму уровню причинности
  • Исторический переход от корреляции к причинности в статистике
  • Причинный анализ требует субъективного понимания и каузальных диаграмм.
  • Байесовская статистика объединяет априорные знания и новые данные.

Вывод

Книга приводит к выводу, что причинный анализ, основанный на графических моделях, операторе do и контрфактивных рассуждениях, позволяет перейти от наблюдения к интервенциям, обеспечивая более надёжные и практические выводы о причинности.

Кому полезна

  • Статистики и исследователи данных
  • Эпидемиологи и медики
  • Академики и преподаватели статистики и экономики
  • Разработчики искусственного интеллекта и специалистов по машинному обучению
  • Политики и аналитики, занимающиеся оценкой воздействия программ

Главные темы

  • Причинность и причинный анализ
  • Графы причинности и do‑исчисление
  • Контрфакты и инструментальные переменные
  • Байесовские сети и статистика
  • Медиаторы и опосредование
  • Климатология, медицина, право и искусственный интеллект

Персонажи

  • Антипов М. — Автор книги, объясняет переход от объективной статистики к субъективной, приводит примеры и исторические детали, обобщает понятия причинности и do‑исчисления.
  • Джудиа Перл — Эксперт по причинному анализу, описывающий историю и принципы новой науки, ключевой фигурой в развитии причинного вывода.
  • Сьюалл Райт — Разработал путевые диаграммы и коэффициенты для анализа причинных связей, критически относится к «стереотипным» подходам, подчёркивает необходимость личного понимания причинности и впервые формализовал инструментальные переменные.
  • Джон Сноу — Скептически относился к теории миазмов, использовал наблюдения и причинные диаграммы, доказав связь воды и холеры, и предложил снятие рукоятки насоса.
  • Джерри Корнфилд — Показал, что генетический фактор не может полностью объяснить связь курения и рака, опровергнув конституционную гипотезу с помощью математического неравенства.
  • Эдвард Фишер — Критиковал доказательства вреда курения, утверждая, что скрытые факторы могут объяснить наблюдаемую ассоциацию.
  • Алан Тьюринг — Разработал идею имитации и предложил тест Тьюринга, чтобы определить, может ли машина считаться думающим.
  • Джон Сёрл — Критиковал тест Тьюринга, предложив мысленный эксперимент «Китайская комната».
  • Гальтон — Проводил исследования наследственности и регрессии к среднему, иллюстрируя переход от корреляции к причинности.
  • Пирсон — Разработал корреляцию и критиковал причинность, иллюстрируя переход от корреляции к причинности.
  • Томас Байес — Разработал формулу обратной вероятности, ставшую основой байесовского подхода, объединяющего предварительные знания и новые данные.
  • Бонапарт — Использует байесовские сети для идентификации ДНК жертв авиакатастрофы.

Цитаты

  • Корреляция не является причинно‑следственной связью.
  • Вы умнее ваших данных.
  • «Я верю, что примерно через 50 лет можно будет так хорошо программировать компьютеры для игры в имитацию, что после пяти минут вопросов и ответов у среднего собеседника будет не более 70 %-ного шанса сделать правильный выбор».
  • «Причинность – язык, на котором мы можем эффективно обсуждать определенные структуры в отношениях релевантности».
  • «Байесова статистика дает нам объективный способ объединить результаты наблюдений с нашими предварительными знаниями (или субъективными представлениями), чтобы получить пересмотренные представления и, следовательно, пересмотренные предсказания».
  • «Правило Байеса говорит, что если мы знаем вероятность S при T, P(S|T), то мы сможем вычислить вероятность T при S, P(T|S), при условии, что P(T) и P(S) нам известны.»
  • «Если вы не читали эту историю, то, вероятно, уже догадались, что случилось.»
  • «Критерий черного хода – это любой путь от X до Y, который начинается со стрелки, входящей в Х.»
  • "Парадокс Симпсона в картинках"
  • "Парадный вход позволяет оценить влияние X на Y, даже если данные по некоторым переменным отсутствуют."

Вам также может понравиться

Страница 1 из 2

Назад12Далее