建構因果關繫科學體繫，在整個科學界掀起一場“因果革命”從對“相關關繫並不意味著因果關繫”這一科學繫統經典斷論的反叛開始，掀起一場聲勢浩大的“因果革命”，為科學界提供了一套全新的方法論——因果關繫模型，應用覆蓋範圍從統計學、社會學、經濟學到流行病學、心理學、基因學，再到生態學、地質學、氣像學，當然還有計算機科學和人工智能科學。作者從因果關繫的視角重新闡述了人類認知和科學文明的發展史。引領人工智能的未來發展，讓強人工智能的實現成為可能借助因果關繫理論顛覆人工智能與機器學習的理論範式，等

●推薦序
前言
導言：思維勝於數據
第一章：因果關繫之梯
第二章：從海盜到豚鼠：因果推斷的起源
第三章：從證據到因：當貝葉斯牧師遇見福爾摩斯先生
第四章：混雜和去混雜：或者，消滅潛伏變量
第五章：煙霧繚繞的爭論：消除迷霧，澄清事實
第六章：大量的悖論！
第七章：*越調整：征服干預之峰
第八章：反事實：挖掘關於假如的世界
第九章：中介：尋找隱藏的作用機制
第十章：大數據，人工智能和大問題
致謝
參考文獻

在本書中，人工智能領域的權威專家朱迪亞·珀爾及其同事領導的因果關繫革命突破多年的迷霧，釐清了知識的本質，確立了因果關繫研究在科學探索中的核心地位。而因果關繫科學真正重要的應用則體現在人工智能領域。作者在本書中回答的核心問題是：如何讓智能機器像人一樣思考？換言之，“強人工智能”可以實現嗎？借助因果關繫之梯的三個層級逐步深入地揭示因果推理的本質，並據此構建出相應的自動化處理工具和數學分析範式，作者給出了一個肯定的答案。作者認為，今天為我們所熟知的大部分機器學習技術，都建基於相關關繫，而非因果關繫。要實現強人工智能，乃至將智能機器轉變為具有道德意識的有機體，我們就必須讓機器學會問“為什麼”，也就是要讓機器學會因果推理，理解因果關繫。或許，這正是我們能對準備接管我們未來生活的智能機器所做的最有意義的工作。

(美)朱迪亞·珀爾(Judea Pearl),(美)達納·麥肯齊(Dana Mackenzie) 著